病虫害对沙地樟子松树高生长的影响

基于辽宁西北部章古台地区31块沙地樟子松人工林标准地树高调查数据,通过对14种树高生长模型进行拟合、评价、检验,选出最适合该地区的树高生长模型,运用该模型及受病虫害干扰的解析木资料拟合其树高生长过程,并计算树高的连年生长量、平均生长量及初始防护成熟龄,以此分析病虫害对树高生长的影响。结果表明:Richards模型是预测沙地樟子松树高生长的最适模型(MAE、SSE、RMSE最小,R~2最大),而且Richards模型拟合受病虫害干扰的樟子松树高生长过程也符合模型的生物学意义。对比健康和病虫害两种状况下樟子松树高生长预测曲线,表明该地区受病虫害干扰的起始年龄为16 a左右,病虫害使沙地樟子松树高总生长量平均降低了30.57%,使其初始防护成熟龄提前了6 a,同时达到初始防护成熟龄时的树高降低了27.92%,因此,病虫害大大缩短了樟子松的生长过程;但是,该地区16 a左右开始受病虫害干扰的沙地樟子松,连年生长量和平均生长量的最大值没有受到明显影响。     

辽宁章古台樟子松生长过程分析

樟子松Pinus sylvestris var.mongolica引种至沙地,经过60多年的生长已经到了生命周期的末期。及时总结第1代沙地樟子松的生长过程,可以更好地为沙地樟子松的推广、更新、经营管理提供理论依据。选择引种地辽宁章古台不同立地条件下30 a以上樟子松人工林标准地（11块）的平均木作为解析木（11株）,求解Richards模型的参数并检验模型的拟合性,运用建立的Richards模型求解沙地樟子松的各种特征值,从而揭示沙地樟子松的生长进程。结果表明:①樟子松的生长能够用Richards模型很好地模拟,残差符合正态分布,显著性均大于0.05。模型的参数值分别为树高:14.179,0.084,2.803;胸径:19.379,0.075,1.712;材积:0.296,0.062,5.926。②引种到章古台沙地的第1代樟子松,树高在第12.3年连年生长量达到最大值0.54 m·a-1,第21.4年平均生长量达到最大值0.39 m·a-1;胸径平均在6.6 a后开始生长,第14.0年连年生长量达到最大值0.77 cm·a-1,第26.0年时平均生长量达到最大值0.47 cm·a-1;材积生长在12.0 a之前生长缓慢,第29.0年其连年生长量达到最高值0.007 4 m3·a-1,平均生长量在第47.0年达到最大（即林木数量成熟年龄）,最大平均生长量达0.004 5 m3·a-1。樟子松引种到章古台后,生长进程加快,生命周期缩短,成熟期提前。     

沙地樟子松不同树高-胸径模型比较分析

【目的】比较不同树高(H)–胸径(D)模型精度,确定适合章古台地区樟子松Pinus sylvestris var. mongolica的H-D模型。【方法】以Sibbesen模型为基础模型,将优势木平均高(HT)、胸高断面积(AB)和平方平均胸径(DQM)3个林分变量以不同组合加入基础模型中,分别建立了H-D的基础模型(1个)和广义模型(3个)及对应的基础混合模型(1个)和广义混合模型(3个)。对固定效应模型平均水平预测(FPA)、混合模型的总体平均响应预测(MPA)和主体响应预测(MPS)的精度进行比较。对混合模型在使用随机抽取样本木和抽取平均木(胸径接近平均值的样本)2种抽样方案计算随机参数时分析MPS精度与样本数量的关系。【结果】表征樟子松H-D关系的4种固定效应模型中,含HT和AB的广义模型拟合精度最高,Akaike信息量准则(AIC)=2 167.7,Bayesian信息量准则(BIC)=2 196.3。相同预测变量的各模型预测精度均表现为:MPSFPAMPA,仅含预测变量D的模型的3种预测精度差异最大。广义模型、广义混合模型、基础混合模型预测精度差异不大。使用验证数据检验模型精度时,每块标准地中随机抽取3株样本木计算基础混合模型随机参数时,该模型精度提升最为明显,MAE和RMSE分别降低了57.97%和57.63%;而广义混合模型精度随抽取样本木数量的增多未出现大的变化。【结论】含有林分变量优势木平均高、胸高断面积的广义模型和基础混合模型均能较好地预测沙地樟子松人工林的单木树高。此外,利用混合模型预测树高时,推荐在标准地中随机抽取3株林木测量其树高,并依此来计算随机参数。     

病虫害对沙地樟子松树高生长的影响北大核心CSCD

基于辽宁西北部章古台地区31块沙地樟子松人工林标准地树高调查数据,通过对14种树高生长模型进行拟合、评价、检验,选出最适合该地区的树高生长模型,运用该模型及受病虫害干扰的解析木资料拟合其树高生长过程,并计算树高的连年生长量、平均生长量及初始防护成熟龄,以此分析病虫害对树高生长的影响。结果表明：Richards模型是预测沙地樟子松树高生长的最适模型（MAE、SSE、RMSE最小,R～2最大）,而且Richards模型拟合受病虫害干扰的樟子松树高生长过程也符合模型的生物学意义。对比健康和病虫害两种状况下樟子松树高生长预测曲线,表明该地区受病虫害干扰的起始年龄为16 a左右,病虫害使沙地樟子松树高总生长量平均降低了30.57%,使其初始防护成熟龄提前了6 a,同时达到初始防护成熟龄时的树高降低了27.92%,因此,病虫害大大缩短了樟子松的生长过程;但是,该地区16 a左右开始受病虫害干扰的沙地樟子松,连年生长量和平均生长量的最大值没有受到明显影响。     

樟子松人工固沙林冠幅——胸径模型

基于章古台地区22块樟子松(Pinus sylvestris var.mongolica)人工纯林标准地的702棵樟子松立木数据,构建了樟子松固沙林冠幅—胸径关系的基础模型、广义模型及基于混合效应的基础模型和广义模型;比较了随机选择样本木、选择平均胸径树、选胸径较小树和选胸径较大树4种方案,计算混合模型随机参数时的混合模型预测精度;最后分析了不同林木因子和林分变量对冠幅—胸径关系的影响。模型评价指标包括决定系数(R~2)、平均绝对误差(MAE)以及均方根误差(RMSE)。结果表明:枝下高(HCB)、相对植距(RS)和林龄(A)对冠幅—胸径关系影响最为显著;混合模型拟合精度(基础混合模型R~2、MAE和RMSE分别是0.703 0、0.386 6和0.515 4;广义混合模型R~2、MAE和RMSE为0.705 1、0.382 2和0.513 6)高于最小二乘法回归(OLS)模型(基础模型R~2、MAE和RMSE分别为0.587 5、0.469 6、0.607 5;广义模型R~2、MAE和RMSE分别为0.661 8、0.415 5和0.550 0)。基础混合模型和广义混合模型差异较小(2模型R~2、MAE和RMSE均相差1%左右)。冠幅随HCB和A的增大而减小,随RS的增大而增大。进行冠幅预测时,推荐使用基础混合模型并从每块标准地选择2棵平均木冠幅计算其随机参数,或使用方法较为简单的OLS广义模型预测单木冠幅大小。     

基于Richards方程的樟子松人工林生长阶段划分研究

明确樟子松人工林生长发育阶段对提高其经营管理效率,降低培育成本具有重要参考价值。通过采用Richards方程拟合辽宁省西北部章古台地区50年生樟子松人工林平均木材积生长过程,对樟子松人工林生长阶段进行划分。结果表明,在95%置信区间,拟合所得的樟子松材积生长过程Richards方程为y=0.302(1-e~(-0.062t))~(6.326),所拟合参数符合樟子松材积生长规律;在30年时连年生长量达到最大,数量成熟年龄为48年,速生期的初始与结束年龄分别是15.4与44.1年;将樟子松人工林生长过程划分为3个阶段:15年生之前为幼龄阶段,15～44年为速生阶段,45年开始进入成熟阶段。