Study on above-ground biomass measurement of Caragana microphylla in shrub-encroached grassland

doi:10.11686/cyxb2022201

Abstract

Abstract:

Shrub-encroached grassland has become an important vegetation landscape type in arid and semi-arid areas in China. The shrub-encroached grassland of Caragana microphylla in Inner Mongolia is the most typical example of this vegetation landscape type in China. To explore the best measurement method for above-ground biomass of C. microphylla， 17 typical plots were selected in the Bordered Yellow Banner and Zhengxiangbai Banner of Xilin Gol League， and the accuracy of above-ground biomass obtained using two direct measurement methods， “standard branch” and “standard quadrat” ， was compared. At the same time， the possibility of indirect measurement of above-ground biomass under noninvasive conditions was studied by using four directly measurable factors， i.e.， height and irregular canopy area obtained by real-time kinematic analyses and three derived complex factors. Using these factors， a model to estimate the above-ground biomass of C. microphylla shrub in the study area was established. It was found that： 1） The biomass predicted by the “standard branch” method （R=0.95， P<0.01） was more accurate and less destructive than that predicted by the “standard quadrat” method （R=0.84， P<0.01）. 2） In the correlation analysis of easy-to-measure factors， the single factors crown breadth， irregular crown area and irregular crown perimeter were strongly correlated， with correlation coefficients greater than 0.98 （P<0.01）， suggesting that they could be used to predict the above-ground biomass of C. microphylla. Height showed a general relationship with each of the single factors， with correlation coefficients ranging from 0.67 to 0.72 （P<0.05）. However， three-term complex factors derived from height improved the prediction accuracy. 3） Among the single factors， crown breadth （R=0.92， P<0.01） had the strongest correlation with biomass， while irregular volume （R=0.92， P<0.01） had the strongest correlation with the complex factors. An above-ground biomass prediction model of C. microphylla was established. It consisted of a linear function with crown breadth as an independent variable and a power function with irregular volume an independent variable. These results provide a scientific reference for the estimation of above-ground biomass based on an integrated “space-air-ground” method.

Key words: Caragana microphylla, above-ground biomass, real-time kinematic, standard branch, standard quadrat, estimating model

Rong RONG, Bin SUN, Zhi-tao WU, Zhi-hai GAO, Zi-qiang DU, Si-han TENG. Study on above-ground biomass measurement of Caragana microphylla in shrub-encroached grassland[J]. Acta Prataculturae Sinica, 2023, 32(1): 36-47.

Figures/Tables 11

References 41

1	Wang L， Du L T， Ma L L， et al. Effects of planted shrub encroachment on carbon storage of desert steppe ecosystem. Acta Ecologica Sinica， 2022， 42（1）： 246-254.
	王乐，杜灵通，马龙龙，等. 人工灌丛化对荒漠草原生态系统碳储量的影响. 生态学报， 2022， 42（1）： 246-254.
2	Peng H Y， Li X Y， Tong S Y. Advance in shrub encroachment in arid and semiarid region. Acta Prataculturae Sinica， 2014， 23（2）： 313-322.
	彭海英，李小雁，童绍玉. 干旱半干旱区草原灌丛化研究进展. 草业学报， 2014， 23（2）： 313-322.
3	Chen L Y， Shen H H， Fang J Y. Shrub-encroached grassland： A new vegetation type. Chinese Journal of Nature， 2014， 36（6）： 391-396.
	陈蕾伊，沈海花，方精云. 灌丛化草原：一种新的植被景观. 自然杂志， 2014， 36（6）： 391-396.
4	Wang Y X， Chen X J， Lou S N， et al. Woody-plant encroachment in grasslands： A review of mechanisms and aftereffects. Acta Prataculturae Sinica， 2018， 27（5）： 219-227.
	王迎新，陈先江，娄珊宁，等. 草原灌丛化入侵：过程、机制和效应. 草业学报， 2018， 27（5）： 219-227.
5	Xiong X G， Han X G， Bai Y F， et al. Increased distribution of Caragana microphylla in rangelands and its causes and consequences in Xilin River Basin. Acta Prataculturae Sinica， 2003， 12（3）： 57-62.
	熊小刚，韩兴国，白永飞，等. 锡林河流域草原小叶锦鸡儿分布增加的趋势、原因和结局. 草业学报， 2003， 12（3）： 57-62.
6	Li X Z， Zhang S M， Xing X R. Spatial variation of plant biomass and soil chemical element contents induced by Caragana microphylla. Acta Prataculturae Sinica， 2002， 11（1）： 24-30.
	李香真，张淑敏，邢雪荣. 小叶锦鸡儿灌丛引起的植物生物量和土壤化学元素含量的空间变异. 草业学报， 2002， 11（1）： 24-30.
7	Eldridge D J， Bowker M A， Maestre F T， et al. Impacts of shrub encroachment on ecosystem structure and functioning： Towards a global synthesis. Ecology Letters， 2011， 14（7）： 709-722.
8	Dong K， Ding X F， Hao G， et al. Effects of enclosure period on population structure of Caragana microphylla and interspecific associations in the Inner Mongolia shrub-encroached grasslands. Acta Ecologica Sinica， 2021， 41（14）： 5775-5781.
	董轲，丁新峰，郝广，等. 围封年限对内蒙古灌丛化草原小叶锦鸡儿灌丛结构及群落种间关联的影响. 生态学报， 2021， 41（14）： 5775-5781.
9	Gao Q， Liu T. Causes and consequences of shrub encroachment in arid and semiarid region： A disputable issue. Arid Land Geography， 2015， 38（6）： 1202-1212.
	高琼，刘婷. 干旱半干旱区草原灌丛化的原因及影响-争议与进展. 干旱区地理， 2015， 38（6）： 1202-1212.
10	Wei N， Zhao L P， Tan S T， et al. Research progress on shrub encroachment in grasslands. Ecological Science， 2019， 38（6）： 208-216.
	魏楠，赵凌平，谭世图，等. 草地灌丛化研究进展. 生态科学， 2019， 38（6）： 208-216.
11	Peng H Y， Li X Y， Tong S Y. Effects of shrub encroachment on biomass and biodiversity in the typical steppe of Inner Mongolia. Acta Ecologica Sinica， 2013， 33（22）： 7221-7229.
	彭海英，李小雁，童绍玉. 内蒙古典型草原灌丛化对生物量和生物多样性的影响. 生态学报， 2013， 33（22）： 7221-7229.
12	Chu Y， Yang H L， Zhu X W， et al. Spatial heterogeneity of Caragana microphylla shrub communities in the Otindag Sandland. Acta Ecologica Sinica， 2005， 25（12）： 3294-3300.
	初玉，杨慧玲，朱选伟，等. 浑善达克沙地小叶锦鸡儿灌丛的空间异质性. 生态学报， 2005， 25（12）： 3294-3300.
13	Liu X L. Biomass estimation of Caragana microphylla in the shrub-encroached grassland based on multi-source remote sensing data. Xi’an： Chang’an University， 2020.
	刘晓亮. 基于多源遥感数据的灌丛化草原小叶锦鸡儿生物量估算. 西安：长安大学， 2020.
14	Yang G， Yu S Y， Zhang X， et al. Geographical distribution simulation of Caragana microphylla in the north temperate zone. Grassland and Turf， 2021， 41（1）： 8-17.
	杨光，于世永，张鑫，等. 北温带地区小叶锦鸡儿的地理分布模拟. 草原与草坪， 2021， 41（1）： 8-17.
15	Wang D Q， Wen X F， Li H X. Effects of different stubble height treatments on characters of growth and photosynthetic physiology of Caragana microphylla bushwood. Bulletin of Soil and Water Conservation， 2021， 41（6）： 57-62， 70.
	王东清，温学飞，李浩霞. 留茬高度对小叶锦鸡儿光合生理和生长特征的影响. 水土保持通报， 2021， 41（6）： 57-62， 70.
16	Wang J， Yao Y F， Guo Y F， et al. The carbon sink dynamic research on the Caragana microphylla and Salix gordejevii shrub ecosystem in the southern edge of Horqin Sandland. Ecology and Environmental Sciences， 2015， 24（11）： 1785-1790.
	王娟，姚云峰，郭月峰，等. 科尔沁沙地南缘小叶锦鸡儿和黄柳灌丛生态系统碳汇动态研究. 生态环境学报， 2015， 24（11）： 1785-1790.
17	Pei S L， Wang G S， Liang L F， et al. The optimum harvest time of Caragana microphylla for forage in Shanxi. Pratacultural Science， 2017， 34（4）： 846-854.
	裴淑兰，王刚狮，梁林峰，等. 饲用小叶锦鸡儿在山西的最佳采收时期. 草业科学， 2017， 34（4）： 846-854.
18	Piggot G J. A comparison of four methods for estimating herbage yield of temperate dairy pastures. New Zealand Journal of Agricultural Research， 2012， 32（1）： 121-123.
19	Yang B. Application of GPS RTK technology in “Digital Wuzhong” geological spatial framework. Geomatics & Spatial Information Technology， 2013， 36（3）： 80-82.
	杨波. GPS RTK技术在“数字吴忠”地理空间框架中的应用. 测绘与空间地理信息， 2013， 36（3）： 80-82.
20	Li T F， Yang R P. Application of GPS-RTK technique in highway engineering survey. Resource Information and Engineering， 2016， 31（6）： 152-154.
	李婷峰，杨润萍. GPS-RTK技术在公路工程测量中的应用. 资源信息与工程， 2016， 31（6）： 152-154.
21	Wei B A， Yuan H， Tang J W. Application research on remote sensing interpretation sample collection of geographical conditions monitoring based on Phantom 4 RTK UAV. Geomatics & Spatial Information Technology， 2021， 44（9）： 171-172， 175.
	魏宝安，袁红，唐基文. 基于精灵4 RTK无人机的地理国情监测遥感解译样本采集的应用研究. 测绘与空间地理信息， 2021， 44（9）： 171-172， 175.
22	Li Y N， Liu L M， Cui L Y， et al. Effects of canopy openness on positioning availability and initialization time of GNSS RTK in forests. Scientia Silvae Sinicae， 2014， 50（2）： 78-84.
	李永宁，刘利民，崔立艳，等. 林冠开阔度对GNSS RTK在森林中定位可用性及初始化时间的影响. 林业科学， 2014， 50（2）： 78-84.
23	Li X Y， Yue P， Cheng H， et al. Biomass prediction model for Reaumuria soongorica in the Urat desert steppe in Inner Mongolia. Arid Zone Research， 2020， 37（2）： 462-469.
	李香云，岳平，程欢，等. 乌拉特荒漠草原红砂生物量预测模型. 干旱区研究， 2020， 37（2）： 462-469.
24	Zhang J， Yan X. A estimating study on biomass of Atemisia ordosica in Maowusu Sandland of China. Environment and Development， 2014， 26（6）： 89-91.
	张军，闫旭. 毛乌素沙地沙生灌木地上生物量估测研究. 环境与发展， 2014， 26（6）： 89-91.
25	Wei A S. Study on application of DGPS-PDA in continuous forest investigation based on VRS technology. Guangdong Forestry Science and Technology， 2009， 25（6）： 106-112.
	魏安世. 基于VRS技术的DGPS-PDA在森林资源连续清查中的应用研究. 广东林业科技， 2009， 25（6）： 106-112.
26	Zhao H S， Lan D M， Feng S， et al. Aboveground biomass models of eight shrub species in desert area of Wulatehou Banner. Jiangsu Agricultural Sciences， 2020， 48（15）： 297-305.
	赵宏胜，兰登明，冯霜，等. 乌拉特后旗荒漠区8种灌丛地上部生物量模型. 江苏农业科学， 2020， 48（15）： 297-305.
27	Dong D R， Li X， Wan H M， et al. Aboveground biomass estimation of Tamarix ramosissima shrub in the lower reaches of Tarim River. Acta Botanica Boreali-Occidentalia Sinica， 2012， 32： 384-390.
	董道瑞，李霞，万红梅，等. 塔里木河下游柽柳灌丛地上生物量估测. 西北植物学报， 2012， 32： 384-390.
28	Dang X H， Gao Y， Yu Y， et al. The biomass estimation models for eight desert shrub species in northern edge of the Hobq Desert. Journal of Arid Land Resources and Environment， 2016， 30（5）： 168-174.
	党晓宏，高永，虞毅，等. 库布其沙漠北缘8种荒漠灌丛生物量预测模型研究. 干旱区资源与环境， 2016， 30（5）： 168-174.
29	Zhang S C. Selection of pre estimating model for the aboveground biomss of artificial Caragana korshinskii shrub. Journal of Desert Research， 1989， 9（4）： 55-64.
	张士才. 柠条鸡锦儿人工灌丛地生物量预测模型的选择. 中国沙漠， 1989， 9（4）： 55-64.
30	Jia B Q， Cai T J， Gao Z H， et al. Biomass forcast models of Nitraria tangutorum shrub in sand dune. Journal of Arid Land Resources and Environment， 2002， 16（1）： 96-99.
	贾宝全，蔡体久，高志海，等. 白刺灌丛沙包生物量的预测模型. 干旱区资源与环境， 2002， 16（1）： 96-99.
31	Wang W D， Bai Z Q， Alimu M M T， et al. Biomass comparison and estimation models for six dominant species of woody shrubs in the forest zones of the Tianshan Mountains. Acta Ecologica Sinica， 2016， 36（9）： 2695-2704.
	王文栋，白志强，阿里木·买买提，等. 天山林区6种优势种灌木林生物量比较及估测模型. 生态学报， 2016， 36（9）： 2695-2704.
32	Yang K， Guan D S. Selection of gaining quadrat for harvesting the undergrowth vegetation and its biomass estimation modeling in forest. Acta Ecologica Sinica， 2007， 27（2）： 705-714.
	杨昆，管东生. 森林林下植被生物量收获的样方选择和模型. 生态学报， 2007， 27（2）： 705-714.
33	Zhang Y N， Niu J M， Zhang Q， et al. A discussion on applications of vegetation index for estimating aboveground biomass of typical steppe. Acta Prataculturae Sinica， 2012， 21（1）： 229-238.
	张艳楠，牛建明，张庆，等. 植被指数在典型草原生物量遥感估测应用中的问题探讨. 草业学报， 2012， 21（1）： 229-238.
34	Liu Y P， Rong H， Xing E D. Analysis on influencing factors of grassland desertization and desertification in arid and semi-arid areas. Research of Soil and Water Conservation， 2006， 13（6）： 276-277， 281.
	刘艳萍，荣浩，邢恩德. 干旱、半干旱草场沙退化影响因素分析. 水土保持研究， 2006， 13（6）： 276-277， 281.
35	Jin Y X， Xu B， Yang X C， et al. Remote sensing estimation of grassland biomass and carbon density-case of Zhenglan Banner. Chinese Agricultural Science Bulletin， 2013， 29（5）： 11-16.
	金云翔，徐斌，杨秀春，等. 草原生物量及碳密度遥感估算-以内蒙古正蓝旗为例. 中国农学通报， 2013， 29（5）： 11-16.
36	Liu L D， Zhang L， Gao Y B. Caragana microphylla Lam. Bulletin of Biology， 2004， 39（12）： 21-22.
	刘林德，张丽，高玉葆. 小叶锦鸡儿. 生物学通报， 2004， 39（12）： 21-22.
37	Hou X Y. 1∶1 million vegetation map of China. National Tibetan Plateau Data Center， 2019， http：//data.tpdc.ac.cn.
	侯学煜. 1∶100万中国植被图. 国家青藏高原科学数据中心， 2019， http：//data.tpdc.ac.cn.
38	Yang S， Hou J H， Zhao X H， et al. Biomass estimation model of shrub in broad leaved korean pine （Pinus koraiensis） mixed forest in Jiaohe， Jilin province. Guangdong Agricultural Sciences， 2013， 40（9）： 36-41.
	杨松，侯继华，赵秀海，等. 吉林蛟河天然阔叶红松林下5种灌木生物量估算模型. 广东农业科学， 2013， 40（9）： 36-41.
39	Yao X L， Jiang L N， Li L， et al. Biomass simulation of six shrub species in Otindag sandy land. Acta Ecologica Sinica， 2019， 39（3）： 905-912.
	姚雪玲，姜丽娜，李龙，等. 浑善达克沙地6种灌木生物量模拟. 生态学报， 2019， 39（3）： 905-912.
40	Zeng Z Y， Liu Q J， Zeng H Q. Study of biomass models of some kinds of shrubs in Qianyanzhou， Jiangxi Province. Journal of Fujian Forestry Science and Technology， 2005， 32（4）： 68-72.
	曾珍英，刘琪璟，曾慧卿. 江西千烟洲几种灌木生物量模型的研究. 福建林业科技， 2005， 32（4）： 68-72.
41	Zhang H Q， Liu Q J， Lu P L， et al. Biomass estimation of several common shrubs in Qianyanzhou experimental station. Forest Inventory and Planning， 2005， 30（5）： 43-49.
	张海清，刘琪璟，陆佩玲，等. 千烟洲试验站几种常见灌木生物量估测. 林业调查规划， 2005， 30（5）： 43-49.

样点分布区域Distribution of sampling points	经度范围Longitude	纬度范围Latitude	样点数量Sampling points （No.）
镶黄旗Bordered Yellow Banner	113°22′-114°45′ E	41°56′-42°45′ N	3
正镶白旗Zhengxiangbai Banner	114°18′-115°37′ E	42°05′-43°01′ N	14

样点分布区域Distribution of sampling points	经度范围Longitude	纬度范围Latitude	样点数量Sampling points （No.）
镶黄旗Bordered Yellow Banner	113°22′-114°45′ E	41°56′-42°45′ N	3
正镶白旗Zhengxiangbai Banner	114°18′-115°37′ E	42°05′-43°01′ N	14

方法 Methods	各参数实测区间 Measured interval of the parameters （g）	相关性分析Correlation analysis			平均绝对误差 MAE	均方根误差 RMSE
方法 Methods	各参数实测区间 Measured interval of the parameters （g）	平均值 Average value （g）	标准差 Standard deviation （g）	R	平均绝对误差 MAE	均方根误差 RMSE
全株收获法Whole plant harvesting method	331.39~2002.79	1063.71	595.18	-	-	-
标准枝Standard branch	10.89~106.48	875.23	562.65	0.95**	201.20	217.35
标准样方Standard quadrat	43.36~123.53	2251.86	1467.77	0.84**	579.00	761.01

方法 Methods	各参数实测区间 Measured interval of the parameters （g）	相关性分析Correlation analysis			平均绝对误差 MAE	均方根误差 RMSE
方法 Methods	各参数实测区间 Measured interval of the parameters （g）	平均值 Average value （g）	标准差 Standard deviation （g）	R	平均绝对误差 MAE	均方根误差 RMSE
全株收获法Whole plant harvesting method	331.39~2002.79	1063.71	595.18	-	-	-
标准枝Standard branch	10.89~106.48	875.23	562.65	0.95**	201.20	217.35
标准样方Standard quadrat	43.36~123.53	2251.86	1467.77	0.84**	579.00	761.01

分组 Grouping	因子 Factor	样本数量 Sample counts （No.）	样本均值 Average value	统计模型 Statistical model	a	b	R	平均绝对误差 MAE	均方根误差 RMSE
1	DH	17	0.75	线性函数Linear function	1608.59	-110.18	0.76**	304.73	500.69
				指数函数Exponential function	296.43	1.48	0.87**	320.12	548.58
				幂函数Power function	1398.61	1.05	0.88**	286.05	508.90
				对数函数Logarithmic function	1560.28	1092.23	0.74**	383.18	522.90
	CH	17	2.46	线性函数Linear function	516.36	-177.21	0.77**	323.66	495.94
				指数函数Exponential function	277.87	0.48	0.88**	308.66	528.54
				幂函数Power function	390.42	1.08	0.88**	295.93	506.59
				对数函数Logarithmic function	241.16	1111.61	0.73**	391.74	526.82
	V	17	0.42	线性函数Linear function	2852.14	38.56	0.86**	268.53	389.14
				指数函数Exponential function	369.92	2.42	0.91**	280.02	403.05
				幂函数Power function	2554.31	0.86	0.92**	268.73	404.16
				对数函数Logarithmic function	2231.25	937.96	0.81**	350.20	453.60
2	H	17	0.43	线性函数Linear function	2843.69	-51.98	0.56*	426.70	640.99
				指数函数Exponential function	261.76	3.01	0.74**	408.45	673.60
				幂函数Power function	2871.40	1.20	0.76**	395.14	652.37
				对数函数Logarithmic function	2193.90	1112.58	0.57*	436.16	636.75
3	D	17	1.81	线性函数Linear function	2143.60	-2597.68	0.92**	258.00	311.29
				指数函数Exponential function	50.34	1.68	0.89**	259.97	315.19
				幂函数Power function	172.52	3.15	0.90**	231.36	289.90
				对数函数Logarithmic function	-969.75	3903.62	0.90**	275.42	337.71
	S	17	2.67	线性函数Linear function	692.17	-582.96	0.91**	245.26	316.80
				指数函数Exponential function	257.05	0.53	0.86**	334.60	461.38
				幂函数Power function	246.83	1.58	0.90**	268.45	336.35
				对数函数Logarithmic function	-522.56	1954.13	0.90**	288.94	345.50
	C	17	5.94	线性函数Linear function	674.30	-2728.62	0.90**	264.02	338.03
				指数函数Exponential function	46.26	0.53	0.87**	301.28	387.55
				幂函数Power function	3.23	3.28	0.88**	272.21	342.08
				对数函数Logarithmic function	-5918.00	4071.88	0.89**	297.27	359.73