本发明属于森林生态学领域；具体涉及一种针叶树种比叶面积的预测方法。
背景技术：
红松(pinuskoraiensis)是我国东北东部山区地带性顶极植被-阔叶红松林的建群种，其对制定将退化次生林恢复到顶极植被的实施方案至关重要。
比叶面积(specificleafarea,sla)是最重要的叶片功能性状之一，其直接决定着植物的光合能力，也是反映植物生态策略的重要指标。因此，快速、准确地测定植物的sla可为解析植被对资源的利用效率及对气候变化的应对策略具有重要意义。目前，sla主要是通过破坏性采样法来测定，即采集样叶后，测定样叶的叶面积和叶干重，再通过叶面积和叶干重的比值获得sla。虽然这种方法测定准确，但费时费力且具有破坏性；同时，因受采集样叶的技术限制，利用以往方法测定高大植株的sla难度相当大；而且sla随着植株径级的变化存在显著差异。
技术实现要素：
本发明目的是提供了一种通过获得植物的易测参数胸径便可快捷、准确地预测sla的方法。
本发明通过以下技术方案实现：
一种针叶树种比叶面积的预测方法，利用回归分析构建针叶树种比叶面积和胸径的经验模型，所述经验模型为sla＝-8.983ln(dbh) 124.11，r2＝0.73，其中sla为针叶树种比叶面积，dbh(diameteratbreastheight)为针叶树种的胸径，r2为回归平方和与总离差平方和的比值。
本发明所述的一种针叶树种比叶面积的预测方法，所述经验模型的数据采集于黑龙江凉水国家级自然保护区东经128°53′20″，北纬47°10′50″，以9月下旬的红松为采集对象，每隔1cm，随机选择1-2株样树，针对每株样树采集样叶、记录胸径数据，获得比叶面积数据。
本发明所述的一种针叶树种比叶面积的预测方法，针对每株样树，在林冠上南方位采集红松样叶，其中包括当年生和多年生样叶，每株样树采集至少100个样叶。
本发明所述的一种针叶树种比叶面积的预测方法，所述红松胸径尺寸范围为0.3cm-100cm。
本发明所述的一种针叶树种比叶面积的预测方法，所述计算比叶面积数据将每株样树的样叶，随机分为3个重复样组，测定每组样叶的针数n，平均针长l，并利用排水法测定每组样叶的体积v，再根据叶面积公式
本发明所述的一种针叶树种比叶面积的预测方法，得到的所述的样树的sla值采用随机抽样法，将所有数据分为2组，为经验模型构建组和经验模型预测精度验证组，经验模型构建组数据占总数据的75％，经验模型预测精度验证组数据占总数据的25％。
本发明所述的一种针叶树种比叶面积的预测方法，基于经验模型构建组数据，进行回归分析，建立针叶树种比叶面积和胸径的经验模型。
本发明所述的一种针叶树种比叶面积的预测方法，基于经验模型预测精度验证组计算平均绝对误差mae(meanabsoluteerror，mae)和预测精度fc(forecastaccuracy，fc)：
式中yi和
本发明所述的一种针叶树种比叶面积的预测方法，所述的针叶树种比叶面积和胸径的经验模型适用于东经126°27'-129°53'，北纬41°41'-49°40'的针叶树种。
本发明所述的一种针叶树种比叶面积的预测方法，所述的针叶树种比叶面积和胸径的经验模型适用于41°41'～42°51'n、127°42'～128°16'e的吉林长白山国家级自然保护区，44°20'～44°30'n、129°40～129°53'e的黑龙江穆棱东北红豆杉国家级自然保护区，48°02'～48°12'n、128°59'～129°15'e的黑龙江丰林国家级自然保护区，49°25'～49°40'n,126°27'～127°02'e的黑龙江胜山国家级自然保护区。
本发明所述的一种针叶树种比叶面积的预测方法，不同区域红松的sla为74.7-97.8cm2/g，其中我国红松分布区的中部(凉水)具有最大的sla值，基于凉水地区经验模型预测精度验证组的数据，经验模型预测sla的平均绝对误差为8cm2/g；最大预测精度为99.9％，平均预测精度为92％(表2)，表明该经验模型能够准确地预测凉水地区不同径级红松的sla。在其他红松分布区，本发明的经验模型预测sla的精度为83-97％，平均预测精度为92％，可见本发明中的经验模型在我国红松分布的不同区域均具有很强的适用性。
本发明为通过获得植物的易测参数胸径便可反演sla的方法，通过胸径的测量为快捷、准确地测定不同区域不同径级常绿针叶的sla提供技术支持。
附图说明
图1为比叶面积和胸径之间的经验模型曲线。
具体实施方式
具体实施方式一：
一种针叶树种比叶面积的预测方法，利用回归分析构建针叶树种比叶面积和胸径的经验模型，所述经验模型为sla＝-8.983ln(dbh) 124.11，r2＝0.73，其中sla为针叶树种比叶面积，dbh为针叶树种的胸径，r2为回归平方和与总离差平方和的比值。
本实施方式所述的一种针叶树种比叶面积的预测方法，所述经验模型的数据采集于黑龙江凉水国家级自然保护区东经128°53′20″，北纬47°10′50″，以9月下旬的红松为采集对象，每隔1cm，随机选择1-2株样树，针对每株样树采集样叶、记录胸径数据，获得比叶面积数据。
本实施方式所述的一种针叶树种比叶面积的预测方法，针对每株样树，在林冠上南方位采集红松样叶，其中包括当年生和多年生样叶，每株样树采集至少100个样叶。
本实施方式所述的一种针叶树种比叶面积的预测方法，所述红松胸径尺寸范围为0.3cm-100cm。
本实施方式所述的一种针叶树种比叶面积的预测方法，所述计算比叶面积数据将每株样树的样叶，随机分为3个重复样组，测定每组样叶的针数n，平均针长l，并利用排水法测定每组样叶的体积v，再根据叶面积公式
本实施方式所述的一种针叶树种比叶面积的预测方法，得到的所述的样树的sla值采用随机抽样法，将所有数据分为2组，为经验模型构建组和经验模型预测精度验证组，经验模型构建组数据占总数据的75％，经验模型预测精度验证组数据占总数据的25％。
本实施方式所述的一种针叶树种比叶面积的预测方法，共选择170株样树。
本实施方式所述的一种针叶树种比叶面积的预测方法，基于经验模型构建组数据，进行回归分析，建立针叶树种比叶面积和胸径的经验模型。
本实施方式所述的一种针叶树种比叶面积的预测方法，基于经验模型预测精度验证组计算平均绝对误差mae和预测精度fc：
式中yi和
本实施方式所述的一种针叶树种比叶面积的预测方法，图1为比叶面积和胸径之间的经验模型曲线。
本实施方式所述的一种针叶树种比叶面积的预测方法，表1为凉水红松分布区的比叶面积数据，表2为经验模型预测凉水红松sla的平均绝对误差和预测精度。从表1中能够得出，凉水地区的红松sla的平均值为97.8cm2/g。从表2中能够看出，基于凉水地区经验模型预测精度验证组的数据，经验模型预测sla的平均绝对误差为8cm2/g；最大预测精度为99.9％，平均预测精度为92％，表明本实施方式经验模型能够准确地预测凉水地区不同径级红松的sla。
表1凉水红松分布区的比叶面积(sla)
表2经验模型预测凉水红松sla的平均绝对误差和预测精度
具体实施方式二：
根据具体实施方式一所述的一种针叶树种比叶面积的预测方法，所述的针叶树种比叶面积和胸径的经验模型适用于东经126°27'-129°53'，北纬41°41'-49°40'的针叶树种。
本实施方式所述的一种针叶树种比叶面积的预测方法，所述的针叶树种比叶面积和胸径的经验模型适用于41°41'～42°51'n、127°42'～128°16'e的吉林长白山国家级自然保护区，44°20'～44°30'n、129°40～129°53'e的黑龙江穆棱东北红豆杉国家级自然保护区，48°02'～48°12'n、128°59'～129°15'e的黑龙江丰林国家级自然保护区，49°25'～49°40'n,126°27'～127°02'e的黑龙江胜山国家级自然保护区。
本实施方式所述的一种针叶树种比叶面积的预测方法，基于经验模型预测精度验证组计算平均绝对误差mae和预测精度fc：
式中yi和
本实施方式所述的一种针叶树种比叶面积的预测方法，在不同区域的4个红松分布区各随机选择3株样树，样树dbh的范围为45-70cm，然后测定每株样树的dbh和sla，然后基于经验模型预测精度验证组计算平均绝对误差mae和预测精度fc，检验利用回归分析构建针叶树种比叶面积和胸径的经验模型在其他区域的适用性。
本实施方式所述的一种针叶树种比叶面积的预测方法，4个不同区域的红松分布区的比叶面积数据如表3所示，经验模型预测4个区域sla的预测精度如表4所示，经验模型预测4个区域sla的平均绝对误差如表5所示：
表3不同区域的4个红松分布区的比叶面积(sla)
表4经验模型预测其他4个区域sla的预测精度fc(％)
表5经验模型预测其他4个区域sla的平均绝对误差mae(cm2/g)
本实施方式所述的一种针叶树种比叶面积的预测方法，4个不同区域的红松分布区的比叶面积范围值为74.7-90.9cm2/g，从表4和表5中能够看出，在其他红松分布区，本实施方式的经验模型预测sla的预测精度为83-97％，平均预测精度为92％，不同区域的平均绝对误差为2.6-12.4cm2/g。可见本实施方式中的经验模型在我国红松分布的不同区域均具有很强的适用性。本实施方式可为快捷、准确地测定不同区域不同径级常绿针叶的sla提供技术支持。
1.一种针叶树种比叶面积的预测方法，其特征在于：利用回归分析构建针叶树种比叶面积和胸径的经验模型，所述经验模型为sla＝-8.983ln(dbh) 124.11，r2＝0.73，其中sla为针叶树种比叶面积，dbh为针叶树种的胸径，r2为回归平方和与总离差平方和的比值。
2.根据权利要求1所述的一种针叶树种比叶面积的预测方法，其特征在于：所述经验模型的数据采集于黑龙江凉水国家级自然保护区东经128°53′20″，北纬47°10′50″，以9月下旬的红松为采集对象，每隔1cm，随机选择1-2株样树，针对每株样树采集样叶、记录胸径数据，获得比叶面积数据。
3.根据权利要求2所述的一种针叶树种比叶面积的预测方法，其特征在于：针对每株样树，在林冠上南方位采集红松样叶，其中包括当年生和多年生样叶，每株样树采集至少100个样叶。
4.根据权利要求2所述的一种针叶树种比叶面积的预测方法，其特征在于：所述红松胸径尺寸范围为0.3cm-100cm。
5.根据权利要求2或3所述的一种针叶树种比叶面积的预测方法，其特征在于：所述计算比叶面积数据将每株样树的样叶，随机分为3个重复样组，测定每组样叶的针数n，平均针长l，并利用排水法测定每组样叶的体积v，再根据叶面积公式
6.根据权利要求5所述的一种针叶树种比叶面积的预测方法，其特征在于：得到的所述的样树的sla值采用随机抽样法，将所有数据分为2组，为经验模型构建组和经验模型预测精度验证组，经验模型构建组数据占总数据的75％，经验模型预测精度验证组数据占总数据的25％。
7.根据权利要求6所述的一种针叶树种比叶面积的预测方法，其特征在于：基于经验模型构建组数据，进行回归分析，建立针叶树种比叶面积和胸径的经验模型。
8.根据权利要求6所述的一种针叶树种比叶面积的预测方法，其特征在于：基于经验模型预测精度验证组计算平均绝对误差mae和预测精度fc：
式中yi和
9.根据权利要求1所述的一种针叶树种比叶面积的预测方法，其特征在于：所述的针叶树种比叶面积和胸径的经验模型适用于东经126°27'-129°53'，北纬41°41'-49°40'的针叶树种。
10.根据权利要求9所述的一种针叶树种比叶面积的预测方法，其特征在于：所述的针叶树种比叶面积和胸径的经验模型适用于41°41'～42°51'n、127°42'～128°16'e的吉林长白山国家级自然保护区，44°20'～44°30'n、129°40～129°53'e的黑龙江穆棱东北红豆杉国家级自然保护区，48°02'～48°12'n、128°59'～129°15'e的黑龙江丰林国家级自然保护区，49°25'～49°40'n,126°27'～127°02'e的黑龙江胜山国家级自然保护区。
技术总结