东北天然次生林下木树种生物量的相对生长

以东北天然次生林下木层主要树种为研究对象,将各树种按照植株形态分为乔木型植物和典型灌木2类,利用不同函数和自变量构建单物种及混合物种2类器官生物量方程,挑选出标准误较小、拟合性较好的方程作为最佳生物量模型,比较基于不同自变量的生物量模型的优劣,分析植物生物量与个体大小的相对生长关系。结果表明:1)筛选出的各树种器官最佳生物量模型大多显著(P0.05),且R2值大多超过0.800,方程形式以幂函数为主,少数为二次多项式、线性方程和指数方程,乔木型植物生物量均以离地面10cm处树干直径(D10)解释较理想,典型灌木的最佳生物量模型多以冠幅(CA)和冠幅乘以高度(CAH)为自变量;单物种模型与混合物种模型相比,并非所有的单物种模型都优于混合物种模型。2)引入高度变量H和主干长变量L对各树种器官生物量模型的R2值的贡献相似,但包含主干长变量的生物量模型的R2值增加较小。与单变量生物量模型相比,大多典型灌木生物量模型的R2值增加,多数乔木型植物生物量模型的R2值减小;与H相比,L并不是一个较好的预测变量。3)下木树种器官生物量与植物大小的相对生长研究再次表明相对生长关系并不唯一,乔木型植物器官生物量与D10的相对生长关系的变化范围是1.712～2.555,其中多年枝、总枝、地上部分、粗根、地下部分和个体生物量与D10的幂指数接近理论值8/3。典型灌木各器官生物量与CA和CAH的相对生长关系的范围分别是0.688～1.293和0.436～1.017,其中叶、新枝、粗根、地下部分和个体的生物量与CA接近等速生长,多年枝、总枝和地上部分与CAH接近等速生长。     

思茅松人工林地位指数表的研究

思茅松是云南珍贵速生树种之一,是良好的人工造林乡土树种,本文通过五十四块标准地三株优势木调查材料和二十株优势木解析材料,分析,编制了思茅松人工林地位指数表,研究结果表明,思茅松人工林上层高导向曲线方程选择对数方程为好;用标准地材料与     

水直播稻田杂草发生规律及治理

水直播稻田的杂草防除效果是影响水直播稻推广的关键。我们通过多年的探索基本掌握了无锡太湖地区水直播稻田主要杂草种群的发生特点和规律,并在反复实践的基础上筛选出隆苗、扫特、苄磺隆、杀稗丰、千金、草克星等除草剂采取“一封、二杀、三补”的方法,防除水直播稻田杂草,具有效果好、成本低、易操作等优点。     

枫桦树枝和树根木质部非结构性碳水化合物的地区差异

以中国伏牛山脉木札岭和小兴安岭帽儿山2个区域的散孔材树种枫桦(Betula costata)为对象,研究落叶后树枝和树根木质部中非结构性碳水化合物(NSC)含量的地域差异。结果表明,帽儿山枫桦树根和树枝的可溶性糖与淀粉含量均>木札岭;2个区域枫桦树根的可溶性糖与淀粉含量均>树枝。枫桦非结构性碳水化合物的地区差异以及组织差异是树木在休眠期应对环境变化特别是温度变化的结果。     

龙血树的天堂——孟连竜山自然保护点

祖国大西南有众多的自然保护区,它们的价值和特点不同,风光各异。说起西双版纳,也许无人不知,要说孟连县的竜山,知道的人就不多了。这也难怪,它不仅面积小,地方又偏远(离邻国缅甸只有四十公里),且只是省级保护点,没国家级那么气派,再加上它紧挨着驰名天下的西双版纳,使它就象太阳下面的蜡光一样不那么引人瞩目,所以尽管它是龙血树的天堂,但仍鲜为人知。然而,如果说西双版纳是动植物王国皇冠上的绿宝石,那末,孟连竜山自然保护点便是这颗绿宝石的一个组成部分。     

我国的森林资源调查体系

我国现行的森林资源调查方法(或体系),根据调查对象的不同,分为三大类,即一类调查,二类调查及三类调查。各类调查的目的、要求、精度和内容等都不一样。一类调查一类调查即以全国(或大区域)为对象的森林资源调查。要求在保证一定精度质量的条件下,迅速、及时地掌握全国(或大区域)森林资源总的状况和动态,为分析全国森林     

动态规划在合理疏伐中的应用

合理疏伐问题是合理经营森林(特别是人工用材林),提高木材总利用量的有效手段之一,通过合理的密度控制有利于培养大径级材和提高材质。合理疏伐涉及三个技术要素,即疏伐开始期,间伐强度和抚育间隔期。一、建立数学模型1、密度效应方程研究表明,当立地质量和年龄一定时,林分平均单株材积与密度成反比,即林分密度越大平均单株材积越小。例如,通过对54块思茅松人工林标准地材料的分析研究,其密度效应方程为:     

云南省二类调查中蓄积量测定方法的探讨

目前,我省正在进行以县为单位的森林资源二类调查,其中小班蓄积量的测定多用角规绕测法,由于我省森林的分布在山地,很不便使用角规,且坡度对绕测结果影响很大,尽管进行了坡度改正,但调查精度仍不理想;另外由于各县调查员经验不足,角规缺口选择不     

林业试验统计中多元回归模型变量子集合选择问题的研究

回归分析是最常用的林业试验统计方法,林业试验统计中的数学模型构造和模型外推通常采用回归分析方法解决。在多元回归分析应用中,如何选择合适的自变量(解释变量)确定最佳变量子集合,是建立回归模型的关键。选择合适的变量来建立回归方程数学模型,不是一件很容易的事。因为在多元回归模型中,有p个变量X_1,X_2,…,X_p来解释变量Y,而变量X_1,X_2,…,X_p之间存在着相关关系,即线性关系或近似线性关系,会给回归系数估计值带来不合理的解释。由此可见,要得到一个稳定的,可靠的回归模型,变量子集合的选择十分重要。