提高下层木本植物跨属生物量预测的准确性：具有属级随机效应的SURM模型

《European Journal of Forest Research》：Enhancing cross-genus biomass prediction in understory Woody plants: SURM models with genus-level random effects

灌木和小树作为阔叶混交林下层植被的核心组分，其生物量估算对森林碳储评估至关重要。基于毛儿山地区101个样地1562株植物的破坏性采样数据，本研究构建了 genus-specific SUR模型（SUR-genus）、多属通用SUR模型（SUR-total）及整合属水平随机效应的混合效应模型（SURM-total）。结果表明：SUR-genus模型中灌木以高度（H）和冠面积（CA）为关键预测因子，小树以高度（H）和基径（BD）为主，调整后R2达0.705-0.977，RMSE为0.095-14.307；SUR-total模型虽R2>0.8，但存在显著系统偏差；SURM-total模型通过引入属水平随机效应，使R2提升2.67%（达12.82%），RMSE降低且与SUR-genus模型拟合度接近。研究表明属特异性SUR模型仍是小树生物量估算的首选，但SURM模型在跨物种预测中展现出潜力。

　　

摘要

灌木和小树作为下层植被的重要组成部分，在准确估算森林生态系统的生物量以评估碳储存方面发挥着至关重要的科学作用。本研究在毛儿山地区的101个阔叶混交林样地中调查了灌木和小树的情况。共对1,562株植物进行了破坏性采样以收集测量数据。研究采用了“看似不相关的回归”（Seemingly Unrelated Regression, SUR）方法，分别建立了针对灌木和树木的属特异性生物量模型（SUR-genus）以及多属通用模型（SUR-total）。此外，通过将属水平随机效应纳入SUR-total模型，还构建了一个“看似不相关的混合效应模型”（Seemingly Unrelated Mixed-effects Model, SURM-total）。使用Jackknife方法对这些模型的可靠性进行了评估。研究结果表明，在SUR-genus模型中，对于灌木而言，最有效的预测变量是植株高度（H）和树冠面积（CA）；而对于树木，则是植株高度（H）和基部直径（BD）。调整后的决定系数（R2）范围为0.705至0.977，均方根误差（RMSE）介于0.095至14.307之间。在SUR-total模型中，灌木的预测模型使用了树冠面积和植株高度，而树木的模型则使用了基部直径和植株高度。这些模型的R2值均超过了0.8。然而，SUR-total模型在估算灌木和小树的生物量时存在显著的系统偏差，其预测性能明显低于SUR-genus模型。整合了属水平随机效应的SURM-total模型有效解决了物种间的差异，显著提高了预测准确性。与SUR-total模型相比，R2值提高了2.67%至12.82%。各种灌木和小树组分的生物量拟合优度与SUR-genus模型几乎相同，平均R2差异仅为0.01。综合分析表明，在估算阔叶混交林中灌木和小树的生物量时，属特异性SUR-genus模型仍然是首选。尽管如此，以其强大的泛化能力著称的SURM-total模型在跨物种生物量估算方面也显示出相当大的潜力。