改良異速生長模型以估算熱帶樹木地上生物量Improved allometric models to estimate the aboveground biomass of tropical trees

Chave J, Réjou-Méchain M, Búrquez A, Chidumayo E, Colgan MS, Delitti WBC, Duque A, Eid T, Fearnside PM, Goodman RC, Henry M, Martínez-Yrízar A, Mugasha WA, Muller-Landau HC, Mencuccini M, Nelson BW, Ngomanda A, Nogueira EM, Ortiz-Malavassi E, Pélissier R, Ploton P, Ryan CM, Saldarriaga JG, Vieilledent G｜Global Change Biology 20(10): 3177-3190｜DOI: 10.1111/gcb.12629

狀態：AI_DRAFT_FROM_REVIEW｜分級：A｜閱讀深度：FULL_TEXT_CHECKED｜Jacky 審核：False

森林數位孿生底層致能

讀學習筆記 →

allometric equationsaboveground biomassground measurementpantropicaldestructive harvestlog-log regressiondiameter-height modelwood specific gravitypantropicalLatin AmericaAfricaSoutheast AsiaAustralia

專討核心文獻定位

[38] Ch2 · 地面量測新增

Chave et al. · 2014

以 58 樣區 4004 株實測建立泛熱帶 AGB 通用方程式，整合徑級樹高與木材比重

使用警示

本頁是文獻知識庫卡片，不等於可直接引用的最終查核稿。只有狀態升級為 CITABLE 後，才可直接進入論文引用候選。

為什麼納入這篇

這篇是 Ch2 地面量測最具代表性的高引經典文獻，提出泛熱帶通用 AGB 異速生長方程式，是後續光學與 LiDAR 遙測 AGB 估算進行地面校驗時最常被引用的基準。

結構式摘要｜中英文對照

研究問題	能否以單一泛熱帶異速生長模型，跨植被型與氣候條件，準確估算熱帶樹木的地上生物量？ Can a single pantropical allometric model accurately estimate the aboveground biomass of tropical trees across vegetation types and climatic conditions?
資料來源	原文確認彙整全球 58 個樣區、共 4004 株直接砍伐量測的樹木（樹幹直徑 5 至 212 cm），涵蓋拉丁美洲 1794 株、非洲含馬達加斯加 1429 株、東南亞與澳洲 781 株；木材比重有 59% 直接量測、26% 採物種均值、13% 屬均值、2% 科均值。 The text confirms a global database of 58 sites with 4004 directly harvested trees (trunk diameter 5 to 212 cm), comprising 1794 trees from Latin America, 1429 from Africa including Madagascar, and 781 from Southeast Asia and Australia. Wood specific gravity was directly measured for 59% of trees, with species-mean for 26%, genus-mean for 13%, and family-mean for 2%.
方法	原文確認以 log-log 最小平方迴歸建立 AGB 模型，自變數為木材比重 q、樹幹直徑 D 與樹高 H 的複合變數 q·D²·H，並採 Baskerville 校正回推非對數估值；當樹高不可得時，先用含環境逆境變數 E 的徑級-樹高方程式推估 H，再代回 AGB 模型；環境變數 E 由溫度季節性 TS、最大氣候水分虧缺 CWD 與降水季節性 PS 組成；所有統計以 R 3.0.3 完成。 The text confirms AGB models were built by log-log least-squares regression, using the compound variable q·D²·H of wood specific gravity, trunk diameter, and total height, with the Baskerville back-transformation correction. When height is unavailable, a diameter-height equation incorporating an environmental stress variable E is used to predict height before estimating AGB. The variable E combines temperature seasonality (TS), maximum climatological water deficit (CWD), and precipitation seasonality (PS). All analyses were performed in R version 3.0.3.
主要結果	原文確認最佳泛熱帶模型為 AGBest = 0.0673 × (qD²H)^0.976（RSE σ=0.357，AIC=3130，df=4002）。納入木材比重後表現顯著優於不含 q 的模型（AIC 3130 對 3983），證明木材比重是重要預測因子。與在地模型相比，泛熱帶模型的平均樹級 CV 為 56.5%，僅略高於在地模型的 47.4%；平均偏差 +5.31% 對 +0.38%。無樹高時的 Model 7 表現較差（CV 71.5%、偏差 9.71%），但仍優於 Chave et al. 2005 的對應模型（CV 80.5%）。Model 4 對單株 AGB 超過 30 Mg 的巨木低估約 20%（n=14）。 The text confirms the best pantropical model is AGBest = 0.0673 × (qD²H)^0.976 (RSE sigma = 0.357, AIC = 3130, df = 4002). Including wood specific gravity performed significantly better than the model without q (AIC 3130 vs 3983). Compared with local models, the pantropical model gave a mean tree-level CV of 56.5%, only slightly higher than the 47.4% of local models, and a mean bias of +5.31% vs +0.38%. The height-free Model 7 performed worse (CV 71.5%, bias 9.71%) but still better than the corresponding Chave et al. 2005 model (CV 80.5%). Model 4 underestimated individual AGB by about 20% for trees exceeding 30 Mg (n = 14).
限制	原文討論指出資料集對直徑 5 cm 以下小樹與單株 30 Mg 以上巨木取樣不足，巨木低估可能部分源於取樣偏差（well-formed boles 被優先選取）；資料量相較溫帶林或人工林仍偏小；木材比重以資料庫均值替代會引入隨機誤差。台灣適用性原文未討論，待查。 The discussion notes the dataset undersamples trees below 5 cm and very large trees above 30 Mg, and the underestimation of large trees may partly reflect sampling bias toward well-formed boles. The dataset remains small relative to temperate-forest or plantation compilations, and substituting database-mean wood specific gravity introduces random error. Applicability to Taiwan is not discussed in the original text and is to be confirmed.

Key Findings

發現	證據	確定性
單一泛熱帶 AGB 通用方程式跨植被型成立，無可偵測的區域或環境效應。	Results：AGBest = 0.0673 × (qD²H)^0.976，σ=0.357、AIC=3130、df=4002（Eqn 4, p.3181）。	checked_against_original_txt
木材比重是 AGB 的重要預測因子，移除後模型表現顯著變差。	排除 q 的模型 AIC=3983、σ=0.418，明顯劣於 Model 4 的 AIC=3130（p.3182）。	checked_against_original_txt
泛熱帶通用模型表現僅略低於在地模型，誤差主要來自樣區內個體間變異。	平均 CV 56.5% 對 47.4%、平均偏差 +5.31% 對 +0.38%；變異數分析顯示 78% 殘差來自樣區內（p.3182-3183）。	checked_against_original_txt
無樹高時可用含環境變數 E 的方程式推估 AGB，但精度較含樹高模型差。	Eqn 7 與 Eqn 6b 的 E 變數；Model 7 CV 71.5%、偏差 9.71%，劣於 Model 4（p.3183）。	checked_against_original_txt

Key Figures and Tables

公開網站原則：未確認授權前，不直接複製原文圖表；優先使用自製圖表導讀或重繪圖。

項目	內容	關鍵數字	Jacky 判讀	重用策略
Figure 1	標示 58 個樣區的地理位置，黃圈為沿用 Chave et al. 2005 的 20 個樣區、紅圈為本研究新增的 38 個樣區。	20 舊樣區 + 38 新樣區 = 58 樣區。	Ch2 開場展示泛熱帶取樣覆蓋範圍，佐證通用方程式的代表性。	授權確認前不重用原圖；如需展示改以自繪簡化分布示意圖。
Figure 2	估計 AGB 對觀測 AGB（n=4004）與 1:1 線比較，並顯示巨木處的負偏差。	AGB 超過 30 Mg 的巨木低估約 20%（n=14）；10-30 Mg 區間高估 2.7%（n=94）。	佐證通用模型在巨木端的系統性低估限制。	授權確認前不重用原圖。
Figure 3	各樣區的個體 CV 與偏差，比較 Model 4 與在地異速模型。	Model 4 平均 CV 56.5% vs 在地 47.4%；平均偏差 +5.31% vs +0.38%。	佐證通用方程式表現僅略遜於在地模型，可作為遙測校驗基準。	授權確認前不重用原圖。
Table 1	以典型尺寸樹木與資料集中最大四株樹比較 Chave 2005 的 Model I.3（乾/濕/中濕林）與本研究 Model 4 的估算值。	最大四株實測 AGB 為 51.7、60.5、70.2、76.1 Mg。	說明 Model 4 在中濕林與 Chave 2005 估值接近，故不會大幅改變既有碳儲量估算。	授權確認前不重用原表；如需可改以摘要文字呈現參數。

Extracted Evidence Table

可支撐主張	指標或結果	原文位置	可引用	備註
存在單一跨植被型的泛熱帶 AGB 通用方程式。	AGBest = 0.0673 × (qD²H)^0.976，σ=0.357、AIC=3130、df=4002。	Eqn 4, Results, p.3181。	True	已對照原文全文確認方程式係數與統計量。
木材比重是 AGB 的重要預測因子。	排除 q 的模型 AIC=3983、σ=0.418，顯著劣於含 q 的 Model 4。	Results, p.3182。	True	用於論述地面量測必須納入木材比重。
無樹高時可用環境變數 E 推估，但精度較低。	E = (0.178·TS − 0.938·CWD − 6.61·PS) × 10⁻³；Model 7 CV 71.5%、偏差 9.71%。	Eqn 6a, 6b, 7, p.3183。	True	E 變數由溫度季節性、氣候水分虧缺、降水季節性組成。
通用模型對超大樹木存在系統性低估。	AGB 超過 30 Mg 巨木平均低估約 20%（n=14）。	Results 與 Discussion, p.3181, p.3184。	True	作者認為部分源於巨木取樣偏差，不必然代表模型失效。

Critical Appraisal

Strengths

以 58 樣區 4004 株直接砍伐實測，是泛熱帶尺度最具代表性的資料集之一。
提出有樹高（Model 4）與無樹高（Model 7）兩套可操作模型，並以環境變數 E 一般化徑級-樹高關係。
以獨立校驗（留一樣區）方式比較泛熱帶與在地模型，方法嚴謹。

Weaknesses

對直徑 5 cm 以下小樹與 30 Mg 以上巨木取樣不足，巨木端系統性低估。
資料量相較溫帶林與人工林仍偏小，且木材比重以資料庫均值替代會引入隨機誤差。
未針對台灣或亞熱帶東亞森林驗證，外推性待查。

Validation quality	以大樣本直接砍伐實測為基礎，採留一樣區獨立校驗，統計指標（CV、bias、AIC、RSE）皆於全文明列並逐筆對照確認
Transferability to Taiwan	中等至高，作為泛熱帶通用方程式可作參考基準，但台灣中低海拔森林是否直接適用需以在地資料驗證
Risk of overclaiming	不可宣稱本模型已在台灣或亞熱帶森林現地驗證；不可忽略其對巨木的系統性低估而宣稱無偏。

與 Jacky 博論 / Review 的用途

博士論文	為博論地面量測基礎提供最廣被引用的泛熱帶 AGB 通用方程式，是遙測與數位孿生 AGB 估算進行地面校驗的標準錨點。
TJFS Review	支撐 TJFS review 的 Ch2 地面量測論述，連結到 Ch3-4 遙測 AGB 估算必須以好的異速方程式做地面驗證。
可引用句候選	2014 年，Chave 等人發表的文獻中指出，以 58 個樣區 4004 株直接砍伐樹木建立的泛熱帶異速生長模型 AGBest = 0.0673 × (qD²H)^0.976，跨植被型成立且無可偵測的區域效應，平均樹級 CV 僅 56.5%，僅略高於在地模型。
不可用來主張	不可單以本文宣稱台灣現有異速生長方程式已驗證適用，也不可忽略其對 30 Mg 以上巨木的系統性低估。

授權與圖表重用

Article license	UNKNOWN
Figure reuse policy	DO_NOT_REUSE_ORIGINAL_FIGURES_PUBLICLY_UNTIL_LICENSE_CHECKED
Notes	Global Change Biology 為 Wiley 期刊，本文多半非 CC-BY 開放取用，授權狀態 UNKNOWN；圖表與整段翻譯在確認授權前不得公開重用。

待查核清單

查核 Global Change Biology / Wiley 本文授權聲明，確認是否非開放取用（目前標 UNKNOWN）。
如需展示 Figure 1 / Figure 2 / Table 1，授權確認前改以自繪或摘要文字呈現。
於 Ch8 補充台灣或亞熱帶東亞森林是否存在對應泛熱帶通用方程式適用性的討論。
確認 E 變數全球網格圖層（chave.ups-tlse.fr）是否仍可取得，供方法重現。