金沟岭林场天然云冷杉林冠幅模型和估计方法比较

  目的  对比不同冠幅预测方法对云冷杉幼树不同方向冠幅（东、西、南、北、东西、南北、平均冠幅）的预测精度的差异，为天然云冷杉林经营提供一定的理论依据。  方法  利用2013年金沟岭云冷杉3块1 hm2固定样地中云冷杉幼树各向冠幅实测数据，以逻辑斯蒂模型为基础模型，以非线性最小二乘法为基础方法进行模型初步拟合。以1/D、1/D0.5、1/D2作为模型的权函数进行模型异方差的消除。以不加权非线性似乎不相关法、加权非线性似乎不相关法、分位数回归法、非线性最小二乘法分别构建了云冷杉幼树冠幅各组分预测模型。  结果  模型拟合结果显示，分位数回归模型的拟合效果在云冷杉幼树冠幅预测模型中拟合精度最低；相较于分位数回归而言，加权非线性似乎不相关回归模型拟合效果与加权最小二乘模型拟合效果相当。模型拟合效果排序为:加权NSUR ≈ 加权OLS > OLS > QR。以1/D2作为模型的权函数时，模型残差图的异方差趋势被消除最明显，该权函数为最优权函数。  结论  本文中非线性分位数回归模型拟合效果不一定比非线性最小二乘法更好。加权NSUR模型（权函数为1/D2）可以为金沟岭林场云冷杉幼树冠幅的预测提供一定的理论基础。      

黑龙江省红松人工林立木生物量估算模型的研建

基于红松人工林生物量调查数据,选出了红松人工林总量与各分量最优基础模型,在此基础上利用非线性度量误差联立方程组估计的方法,分别以总生物量和树干生物量为基础分级控制的方案建立了总量及各分量（地上、根、干、枝、叶和树冠）之间相容性生物量模型,并采用加权回归的方法进行异方差的消除。结果表明:最优基础模型和相容性生物量模型的相关指数R2为0.80~0.99,模型拟合率EF为0.82~0.98;在模型的预测精度方面,总生物量和各分量生物量模型的预测精度绝大多数在82%以上,其中树干生物量的预测精度最高,树叶生物量的预测精度最低。总体来看,采用以总生物量为基础分级控制方法建立的相容性模型效果稍好,总量与各分量生物量最优基础模型与相容性模型的各项拟合和检验指标差异不大,这2种形式的生物量模型均能很好地预估红松人工林立木生物量。      

云南红豆杉单木生物量模型选择与树冠调控

拟合并选择云南红豆杉单木生物量模型,明确树冠结构调控技术。以3年生福建省明溪县云南红豆杉原料林为对象,采用4种自变量类型模型,并导入树冠结构特征变量拟合生物量模型;经配对t检验、偏差检验与估算预测精度,优选系列单木生物量模型。比较导入树冠结构特征前后模型的拟合与预测效果,明确并验证树冠结构调控技术。结果表明,采用D²H变量拟合的模型效果最优,其次为DH变量,然后是D²变量,最后是D、H变量。采用D²H变量较D、H变量明显提高模型的拟合与预测效果。导入树冠结构特征后明显提高模型拟合与预测效果。冠幅、冠形率显著影响红豆杉系列单株生物量,促进系列生物量的树冠结构调控重点与方向是促进冠幅宽大;经验证,树冠结构调控技术显著提高系列单木生物量是可行的。自变量类型显著影响模型的拟合与预测效果,选择自变量类型以优化红豆杉单木生物量模型是必要和可行的。导入树冠结构特征因子明显提高单木生物量模型的拟合效果与预测精度。选出4个最优红豆杉单木生物量模型,其决定系数不小于0.862,预测精度均不小于95.18%,M_APE均不大于16.95%,可以用于生产中的生物量预测。     

基于遥感的高山松连清固定样地地上生物量估测模型构建

  目的  研究利用遥感方法构建高山松固定样地地上生物量估测的参数模型，可以在今后前期样地的基础上直接快速、准确地估测生物量，或者开展少量的外业调查即可获取地上生物量。  方法  基于遥感因子与样地地上生物量变化量和线性混合模型提高生物量估测精度，以香格里拉市1987、1992、1997、2002、2007、2012、2017年7期国家森林资源清查固定样地和对应年份Landsat TM、OLI的Level-1数据为基础，首先对遥感数据进行预处理:包括辐射定标、大气校正、几何校正和地形校正，提取原始波段、比值因子、植被指数、图像增强信息、纹理指数、混合像元分解后的丰度、叶面积指数，计算5 ~ 30年间隔样地对应的遥感因子变化值。根据森林资源二类调查的高山松分布特征，选择地形因子作为线性混合模型的固定和随机效应，采用多元线性回归、非线性回归、地理加权回归、线性混合模型构建高山松地上生物量估测的静态模型，基于遥感光谱信息变化量构建了有树高和无树高参与的动态模型。最后对不同的建模方法和验证结果进行对比分析，选择最优结果作为估测模型并验证。  结果  （1）分析静态数据建模和验证的结果，采用样地号为固定因子、坡度等级为随机因子的线性混合模型的拟合R2最高，为0.75；但利用训练数据集和2017年数据验证，其精度都较低。（2）分析变化量数据建模和验证的结果，采用样地号为固定因子、坡度等级为随机因子、遥感因子变化量为自变量的线性混合模型拟合R2最高，为0.70，预测精度P值为（68.86 ± 11.93）%；增加平均树高变化量，拟合R2最高为0.79，预测P值为（73.39 ± 6.18）%。（3）无论是有、还是无树高参与的变化量模型其拟合和预测精度都达到80%，其预测精度达到了非参数模型预测精度。  结论  基于变化量的估测模型的拟合和预测精度较静态模型有所提高；综合遥感因子、地形因子构建的高山松地上生物量估测线性混合模型，其精度有较大提高；采用遥感因子变化量构建的高山松地上生物量估测模型，有效弥补了静态光学遥感数据估测生物量的不足，经检验可用于其他年期的估测。      

高山松地上生物量遥感估算的不确定性分析

  目的  采用遥感数据估算森林地上生物量仍存在一些不确定性问题,研究估算过程中的误差来源及其占比,对提高森林地上生物量的估测精度具有重要意义。  方法  从遥感影像提取因子,结合高山松Pinus densata外业调查数据,建立多元线性回归、梯度提升回归树、随机森林等3种地上生物量估测模型,对样地尺度与3种模型的不确定性进行分析和度量。  结果  ①高山松单株生物量模型不确定性为16.43%,样地尺度的不确定性为7.07%;②多元线性回归模型残差不确定性为34.86%,参数不确定性为21.30%,与样地不确定性合成后总不确定性为41.45%;③非参数模型中,梯度提升回归树估测高山松地上生物量的总不确定性为23.12%,随机森林为19.42%。  结论  3种遥感估算模型中,非参数模型的不确定性明显低于参数模型。相较于样地尺度,遥感估算模型的不确定性对地上生物量估算精度的影响较大。图3表3参26     

基于分位数回归法的杉木可变指数削度方程构建

  目的  采用非线性分位数回归法构建不同分位点的杉木可变指数削度方程,与非线性模型进行比较,以提高杉木干形的预测精度。  方法  利用福建省将乐国有林场的73 株（793组）杉木解析木数据,选取4个可变指数削度方程,基于5折交叉验证,分别采用非线性分位数回归与非线性回归构建削度方程。选用调整后决定系数（R2）、均方根误差（RMSE）、平均误差（ME）、相对误差（RE）和平均绝对误差（MAE）5个模型评价指标,结合图形对各模型的拟合结果和预测结果进行评价。  结果  （1）4个可变指数削度方程在5个分位点（t = 0.1, 0.3, 0.5, 0.7, 0.9）处均能收敛,说明分位数回归可以建立不同分位点的估测模型,能更全面地描述杉木干形的变化。（2）4个削度方程在分位点为0.5处的精度最高,R2均在0.97左右。对于削度方程M1和M3,基于中位数回归（t = 0.5）的拟合精度与预测精度均高于非线性回归,且M1的预测值更加集中。（3）在不同分位点下,各模型对树干不同位置的预测精度不同,分位值为0.9和0.3的模型分别对梢头部分和树干基部的预测精度最高。  结论  基于分位数回归的可变指数削度方程不仅能精确预测平均条件下杉木的树干直径,而且能预测任意分位条件下杉木干形的变化趋势。不同分位点模型对树干不同位置的预测精度不同,基于M1削度方程,建立多分位点回归模型能进一步提高研究区杉木干形的预测精度。      

基于无人机影像的高郁闭度杉木纯林树冠参数提取

  目的  冠幅是树冠结构的重要特征因子，直接影响树木的生产力和生命力，郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行，易于获取图像，精度高，低成本等优势，研究无人机影像上提取树冠参数的方法，使无人机影像提取林木树冠参数的操作系统化，实现精准高效的森林资源清查和监测。  方法  以福建将乐林场杉木人工纯林为研究对象，采用四旋翼无人机影像为数据源，基于面向对象分类的方法，将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度，然后根据影像的分割结果将树冠对象聚为一类，进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。  结果  面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时，单木树冠分割效果最好，树冠被单独分割出来，但也存在一定的过分割以及未分割的问题，以至于部分单木的丢失。分割结束后，对分割对象进行特征空间的优化，选取适当的分类特征，最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数，计算得出的林分因子包括林分郁闭度，树冠面积。以地面实测数据作为参考，冠幅面积提取精度为0.829 1，林分郁闭度测量精度为0.973 1。  结论  研究结果表明，基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用，能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。      

基于混合效应模型的迪庆云冷杉林地上生物量遥感估测

  目的  确定云冷杉林生物量光学遥感估测饱和值,探索提高生物量遥感估测精度。  方法  以云南省迪庆藏族自治州云冷杉林为研究对象,根据森林资源二类调查数据,结合同时期Landsat 8 OLI遥感影像,利用随机选取的小班样本数据提取遥感因子反射率统计值,并与生物量进行曲线拟合,求解云冷杉林生物量饱和值,建立云冷杉生物量回归估测模型、BP神经网络模型。同时基于回归模型构建考虑区域、龄组效应的单水平和嵌套两水平(区域+龄组)混合效应模型,反演研究区云冷杉林地上生物量。  结果  利用幂函数拟合得到迪庆藏族自治州云冷杉林生物量饱和值为233 t·hm?2;最优回归估测模型调整决定系数(R_a2)为0.606,高于BP神经网络模型的R_a2(0.542),各个效应水平混合模型的拟合精度与独立性检验指标均优于回归模型。考虑两水平的混合效应模型有最优的拟合精度,而考虑龄组效应水平的混合模型有最优的独立性检验指标。混合效应模型在低生物量段(＜100 t·hm?2)和高生物量段(＞233 t·hm?2)均显著降低了回归模型和BP神经网络模型的估测平均残差。  结论  混合效应模型有更宽的估测范围,在一定程度上减小低值高估与数据饱和造成的高值低估影响,提高了预估精度。图3表12参28     

杉木不同龄组树冠形态模拟模型研究

为了对杉木不同龄组树冠形态进行数学模拟,运用非线性回归筛选有效变量的方法将相对树冠半径(RCRj)和相对树冠长度(RCLj)确立为树冠形态模型的因变量和自变量。选取福建省顺昌县297株杉木标准木的1 485个树冠半径测量值,基于8大类模型分别建立不同龄组的树冠最优模型。对最优模型进行误差和残差分析、模型检验、生物学意义评估,结果表明:幼龄林、中龄林和近成熟林时期拟合效果最优的模型分别是Cubic、Poly4和GaussAmp。使用本文建立的树冠轮廓模型预估树冠形态时,只需测量全树高、最大树冠半径和最大树冠长度。树冠轮廓模型是生长和收获模型的重要组成部分,同时对于评价林木间的竞争、森林小气候和生物多样性也至关重要。      

管道模型和树木年轮水分输导模式的理论及在落叶松生产力估测中的应用

  目的  在管道模型假说和前期提出的树木年轮水分输导模式基础上,从理论和应用两个层面探讨了长白落叶松树冠生产力结构及4种落叶松的叶生物量估测模型,期望为树冠生产力评价和树木年轮水分输导模式研究提供理论与技术支持。  方法  利用不同林龄和不同种落叶松树冠解析、生物量调查及树干染色试验数据,基于管道模型和树木年轮水分输导模式分析树冠生产力结构、构建叶生物量估测模式,并对不同年龄、不同种落叶松筛选出的估测变量及估测效果进行对比分析。  结果  （1） 11年林龄的长白落叶松,胸高处当年生年轮断面积占该处具备水分输导能力的总断面积的19.64%,却供养了整个树冠最外侧29.8%的叶面积（指在当年生枝条上着生的叶面积）,说明当年生年轮水分输导的速率显著快于其他年轮。（2）基于管道模型和树木年轮水分输导模式得出树木枝条叶生物量、叶面积的多少受到枝条基部水分的输导能力及机械支撑能力的综合影响,其估测自变量可区分为二类,一类是与枝生物量有关的变量,另一类是与枝条基部水分输导能力有关的变量。（3）基于两类变量构建的4种落叶松叶生物量估测标准回归模型具有极高的估测精度。（4）为了便于应用,提出了简化的叶生物量二元线性估测模型,对于4种落叶松的估测效果达到了极显著相关水平。（5）构建了4种落叶松的叶生物量与枝条基部断面积的一元线性回归模型,对模型的截距和斜率进行差异显著性分析发现,兴安落叶松与其他3种落叶松均差异极显著,日本落叶松与华北落叶松也达到了差异极显著的水平,而华北落叶松与长白落叶松差异不显著。这一结果反映了4种落叶松在树冠形态上的不同。  结论  管道模型和树木年轮水分输导模式理论及其推论在树木生产力结构研究和生产力评价方面具有较高的应用前景。据此可将枝条叶生物量的估测变量区分为两类,即与枝生物量有关的变量和与枝条水分输导能力有关的变量。提出了叶生物量估测的标准回归模型和简化回归模型,该模型对4种落叶松的估测精度均达到了极显著相关水平。      

基于混合效应模型的人工红松枝下高模型研建

  目的  基于帽儿山红松人工林63块样地2 972株红松数据，利用非线性混合模型构建红松枝下高模型，为进一步研究生长与收获模型提供理论依据。  方法  本文首先使用8个常用的枝下高模型，选出最优基础模型；其次，研究林分变量或单木变量对枝下高的影响，建立含林分变量的枝下高模型；最终在基础模型和含林分变量模型的基础上，考虑样地效应对红松枝下高的影响，构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式（随机抽取、抽取最大树、抽取最小树、抽取平均树）和8种样本大小（1 ~ 8株树）对基础混合效应模型和广义混合效应模型进行抽样检验。  结果  Logistic模型拟合精度好，符合生物学意义，且模型形式简单，选为最优基础模型。除树高、胸径以外，大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性，加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时，建议抽取胸径最小的4个样本；当应用广义混合效应模型预测时，建议随机抽取4个样本。  结论  枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型，建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时，建议随机抽取4个样本。      

基于贝叶斯模型平均法的森林火灾预测模型构建研究

  目的  本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。  方法  利用2000—2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。  结果  通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。  结论  在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。      

基于联立方程组的人工樟子松枝下高模型构建

目的基于黑龙江省帽儿山实验林场、横头山林场、孟家岗林场的61块樟子松人工林固定样地的5211株样木调查数据,构建了树高模型与枝下高模型的联立方程组。方法首先,从8种常用的标准树高曲线,选出拟合效果较好的2个模型作为树高曲线的备选模型。再以5个枝下高预估模型作为基础模型,通过引入林木及林分变量(林木大小,竞争因子,立地条件)采用最优子集回归法筛选出3个变量少且拟合效果较好的模型作为枝下高备选模型。将树高曲线备选模型与枝下高备选模型分别两两联立,建立树高与枝下高联立方程组模型,采用似乎不相关回归(SUR)对模型参数进行求解。最后,对联立方程组进行评价。结果树高(H)和枝下高(HCB)与林分断面积(G)和优势木平均高(H₀)呈正相关。最优的联立方程组预估树高时调整后相关系数(R_a2)为0.9520,均方根误差(RMSE)为1.17m;预估枝下高时的R_a2为0.9066,RMSE为1.36m,并且模型的各项检验指标数值较小。结论整体来看,联立方程组的拟合效果较好,预估精度较高,同时联立方程组解决了树高与枝下高的内在相关性问题。本文所建立的含林分因子的树高模型与枝下高模型联立方程组可以很好地预估不同林分条件下樟子松人工林的树高和枝下高,为进一步研究樟子松树冠结构和动态提供了基础。      

长白落叶松?水曲柳混交林冠幅预测模型

  目的  基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松?水曲柳混交林24块标准地的3 164株长白落叶松样木及3 574株水曲柳样木的数据，分别构建了长白落叶松和水曲柳的冠幅模型。  方法  通过分析不同混交方式林分内长白落叶松和水曲柳冠幅的变化规律及其与林木竞争因子的关系，从6种常用的线性和非线性基础冠幅模型中选取最优模型，并将混交比例S_i和树木在混交带内位置P作为哑变量，加入其他树木变量和林分变量，分别构建长白落叶松和水曲柳的冠幅模型，并对所构建的模型进行评价。  结果  长白落叶松和水曲柳冠幅在不同混交比例S_i和混交带不同位置P下差异显著；冠幅与DDH（林木胸径与林分优势木胸径之比）和HDH（林木树高与林分优势高之比）成正相关，与大于对象木的胸高断面积之和（BAL）成负相关，与距离无关的竞争因子可以反映树木的竞争压力，对冠幅具有影响；长白落叶松冠幅与冠长率（CR）成正相关，与高径比（HD）成负相关；水曲柳冠幅与水曲柳优势木平均高（H_0Fra）成正相关，与高径比（HD）成负相关。包含混交比例哑变量S_i和混交带位置哑变量P的长白落叶松和水曲柳冠幅模型拟合冠幅（CW）的R_a2分别为0.564 2和0.545 9，加入树木变量和林分变量后长白落叶松和水曲柳冠幅模型拟合CW的R_a2分别为0.674 5和0.589 6。  结论  包含混交带位置哑变量P、混交比例哑变量S_i、树木变量（CR和HD）、林分变量（H_0Fra）的长白落叶松和水曲柳冠幅模型具有较好的拟合效果及预测精度。因此，本研究所构建的冠幅模型可以很好地预测混交林内长白落叶松和水曲柳的冠幅，为进一步研究混交林树木树冠结构奠定了基础。      

2020-12期目录

  目的  基于广义加性模型理论，构建樟子松的广义加性树干削度方程，并和林业上精度较高的变指数削度方程曾伟生等（1997）、Bi（2000）以及Kozak（2004）进行预测精度比较。  方法  以大兴安岭樟子松为研究对象，使用胸径、树高和不同部位高度及该部位树干直径及其变形构建广义加性削度方程，利用R软件mgcv软件包gamm函数对广义加性模型进行拟合，拟合过程中采用6种样条函数:B样条函数（BS）、三次回归样条函数（CR）、Duchon样条函数（DS）、高斯过程平滑样条函数（GP）、P样条函数（PS）和薄板回归样条函数（TP）。使用留一交叉检验法对模型进行检验。  结果  （1）将相对直径作为因变量，将胸径的平方、相对树高的算术平方根和树高作为自变量构建了最优的广义加性削度方程结构。（2）拟合结果表明，除CR外，其他光滑样条函数表现了相似的拟合结果，且均优于变指数削度方程的统计指标。（3）交叉检验结果表明，除CR光滑样条函数外，广义加性模型（BS，DS，GP，PS，TP）总体与拟合结果基本一致，即预测精度都优于曾伟生等（1997）、Bi（2000）和Kozak（2004）模型，其中广义加性模型中BS模型的预测精度最高，变指数削度方程中Kozak（2004）预测精度最高。（4）通过对比BS和Kozak（2004）模型的干曲线模拟发现，Kozak（2004）在预测小树树干上部时误差较大，而BS在模拟小树和大树上都具有较高的精度。  结论  广义加性模型是构建削度方程的一种非参数方法，基于BS样条函数的广义加性削度方程预测精度最高，适合大兴安岭地区樟子松的干形预测。      

四川省广安市古树名木树龄估算及空间分布特征

  目的  广安市古树名木众多。研究古树名木地理分布特征、树龄与生长环境及生态因子间的关系，对古树名木保护具有重要意义。  方法  利用标准差椭圆了解古树名木分布特征，通过地理加权回归模型(GWR)和多元线性回归模型(MLR)模拟树高、胸围、平均冠幅、海拔和坡度对树龄的回归强度。  结果  ①广安市古树名木沿水系、山脉、交通线呈线状分布；政府驻地、红色旅游区向外扩散呈圈层结构；乡村多于城市，平地占主导；正常株多于衰弱株，生长环境适中；高海拔区多于低海拔区，垂直差异明显。②地理加权回归模型优于普通最小二乘法模型(OLS)，平均冠幅、胸围、树高是影响树龄的关键因素，坡度对树龄影响较小，海拔与树龄呈负相关关系。③多元线性回归模型相关系数比地理加权回归模型高0.297，各解释变量与回归变量的系数强度同地理加权回归模型高度一致，且对300 a以下的古树树龄估算精度较高。  结论  标准差椭圆可定量分析古树名木的空间分布特征，地理加权回归模型和多元线性回归模型可准确估算古树树龄。图4表3参21     

基于地理加权回归的天然次生林进界木空间分布模拟

  目的  研究天然次生林的进界木数量和空间分布格局,分析进界木株数与各个变量间的响应关系,探索应对处理空间非平稳数据的可行办法,构建最优的进界木株数模型形式,以期为天然次生林的生长动态研究提供更为精确的技术手段,从而为指导天然次生林的森林质量精准提升提供参考依据。  方法  以吉林省汪清林业局塔子沟林场的天然次生林为研究对象,基于106块1997年和2007年两期的局级固定样地,以林分因子、地形因子和土壤因子为影响因子,分别构建常规泊松回归模型（PR）、地理加权泊松回归模型（GWPR）、半参数地理加权泊松回归模型（SGWPR）对研究区的进界木株数和分布情况进行模拟估测;采用决定系数（R2）、均方误差（MSE）和赤池信息准则（AIC）对3种模型的拟合效果进行评价;利用全域和局域Moran’s I对比分析3种模型残差的空间自相关性和局域空间聚集情况;运用半参数地理加权泊松回归模型的拟合结果绘制研究区的进界木空间分布图,分析进界木在研究区的分布规律。  结果  （1）在3种模型中,林分因子和地形因子均对塔子沟天然次生林进界木株数产生较大影响,其中林分平均胸径是影响最大的变量,两者之间呈显著的负相关关系;（2）采用地理加权后的泊松回归模型在拟合效果方面要明显优于常规泊松回归模型,其中半参数地理加权泊松回归模型具有最佳的拟合效果;对于存在偏离期望值较远的强影响点的拟合,该模型表现出极好的效果;（3）采用地理加权后的泊松回归模型具有较好的稳定性,能够大幅度降低模型残差的空间自相关性。相比之下,半参数地理加权泊松回归模型能够最大限度地减少残差呈现相似聚集的空间分布情况;（4）10年后塔子沟林场83%以上的区域,其进界木株数在0 ~ 683株/hm2之间,北部区域的林分进界情况整体要好于南部区域,局部范围出现的极大值主要位于林场东北部的边缘山坡地带。  结论  采取地理加权后的泊松模型能更好地揭示进界木株数与各个变量之间的空间异质性;采用半参数地理加权回归泊松模型能够得到最优的进界木株数模型;在构建进界木株数模型时,并非所有的变量都需要考虑地理加权,应该视具体的研究内容和数据特征而定。