云南松林分蓄积量的影响因子分析

以2007年第7次国家森林资源连续清查云南松林为研究对象,筛选了天然云南松纯林样地503个,结合气候、地形和林分调查数据,采用因子分析法对13个影响因子进行组合,拟合了基于公因子的云南松林分蓄积量回归模型,分析各个公因子对云南松林分蓄积量的影响。结果表明:提取的5类公因子分别为温度因子、林分因子、水分因子、密度因子和光照因子,累计方差贡献率为83.6%;云南松林分蓄积量随公因子变动量的绝对值按由大到小的排序为:林分因子密度因子水分因子温度因子光照因子。云南松林分蓄积量随林分因子的变动最为显著,林木的生长对温度因子和光照因子不敏感,水分条件较好的地区并不适合云南松生长。     

冬枣优良单株果实品质的因子分析与综合评价#br#

 【目的】建立一套适合冬枣果实品质评价的方法,探求冬枣果实品质评价中的主要影响因子,并为选择品质优良的冬枣单株(或候选单株)提供依据。【方法】测定20项冬枣优良单株的果实品质指标,采用隶属函数法对各项指标数据进行转化,采用SPSS13.0软件进行因子分析,采用四次方最大旋转法获得因子载荷矩阵,以公因子贡献率为权重,计算样品前6个公因子分值与相应权重之积的累加和,得到综合分值,结合公因子的二维排序图进行优良单株的选择。【结果】转化后的数据经因子分析,提取出6个特征根＞1的公因子,累计方差贡献率为80.571%,第1公因子为果实甜脆因子,方差贡献率为26.257%,第2公因子为果重及其它内质因子,方差贡献率为16.734%,第3公因子为果皮质地因子,方差贡献率为14.503%,第4公因子为果实外观因子,方差贡献率为9.091%,第5公因子和第6公因子统称为其它因子;二维排序图揭示了不同优良单株前3个公因子的分布情况,可以为冬枣选优提供参照;20份冬枣优良单株及对照的综合排序为：16、22、14、15、18、5、12、17、4、21、1、19、8、10、13、6、2、7、3、CK和20号。【结论】隶属函数法同时考虑到果实品质指标对评价体系的正、负影响,采用该法转化的数据适于进行因子分析;影响冬枣优良单株果实品质综合评价的关键因子依次是果实甜脆因子、果重及其它内质因子、果皮质地因子、果实外观因子和其它因子;20份优良单株及对照冬枣的综合评价结果为：16、22、15和18号综合品质性状较优,可作为候选单株,结合其它性状进行下一步筛选,其它单株不宜选择。     

鲜食枣品质的综合评价

以14个品种的鲜食枣为试材,通过分析其10项果实性状指标对其果实品质进行评价。结果表明:①14个品种的鲜食枣可食率和可溶性糖含量的差异相对较小,而单果质量、果实整齐度、果实硬度、可溶性固形物含量、可滴定酸含量和糖酸比的差异相对较大;②用隶属函数法从转化后的数据中提取公因子,特征根1的公因子为果实风味因子、果实营养及贮藏因子、果实外观及口感因子、果实V?C含量及可食率因子,其方差贡献率分别为26.338%、23.273%、20.865%、12.374%,累计方差贡献率为82.85%;③金丝4号、沾化冬枣、脆枣、大果冬枣、金丝蜜枣、糖枣、鸡蛋枣、苹果冬枣、早脆王、芒果冬枣、玉泉8号、特早4号、蜜枣和梨枣果实品质的综合评价分值依次降低,这一结果与感官评价结果基本一致,表明因子分析法可以用于对鲜食枣果实品质性状进行综合评价。     

大兴安岭南部主要林分地表可燃物负荷量及其影响因子研究

【目的】研究林分地表可燃物负荷量及其影响因素,为森林可燃物管理和潜在火行为分析提供科学依据。【方法】根据立地因子(海拔、坡度、坡位)、林分特征(林龄、郁闭度、密度、平均树高、平均胸径)和地被物层结构(凋落物厚度、腐殖质厚度),在大兴安岭南部地区选择具有代表性的兴安落叶松林(Larix gmelinii)和白桦林(Betula platyphylla),各设置6块样地,调查样地内的总可燃物负荷量及易燃可燃物负荷量,对不同种类可燃物负荷量及其影响因子进行相关性分析。【结果】兴安落叶松林分下的平均总可燃物负荷量为15.80t/hm2,其中58.46%为易燃可燃物,总可燃物负荷量与林分平均胸径、凋落物厚度呈显著正相关,灌木和草本可燃物负荷量主要与林分密度呈极显著负相关,1h时滞、10h时滞和100h时滞可燃物负荷量与林分郁闭度、平均胸径、平均树高呈显著正相关。白桦林下平均总可燃物负荷量为8.48t/hm2,其中57.91%为易燃可燃物,总可燃物负荷量与林分平均胸径、腐殖质厚度呈显著正相关,灌木、草本可燃物负荷量与林分密度呈显著负相关,1h时滞、10h时滞和100h时滞可燃物负荷量主要与林分平均胸径呈显著正相关。【结论】大兴安岭南部地区的地表可燃物负荷量水平较低;郁闭度、平均树高和平均胸径是影响林分地表可燃物负荷量的主要因子。     

冬枣优良单株果实品质的因子分析与综合评价

【目的】建立一套适合冬枣果实品质评价的方法,探求冬枣果实品质评价中的主要影响因子,并为选择品质优良的冬枣单株(或候选单株)提供依据。【方法】测定20项冬枣优良单株的果实品质指标,采用隶属函数法对各项指标数据进行转化,采用SPSS13.0软件进行因子分析,采用四次方最大旋转法获得因子载荷矩阵,以公因子贡献率为权重,计算样品前6个公因子分值与相应权重之积的累加和,得到综合分值,结合公因子的二维排序图进行优良单株的选择。【结果】转化后的数据经因子分析,提取出6个特征根1的公因子,累计方差贡献率为80.571%,第1公因子为果实甜脆因子,方差贡献率为26.257%,第2公因子为果重及其它内质因子,方差贡献率为16.734%,第3公因子为果皮质地因子,方差贡献率为14.503%,第4公因子为果实外观因子,方差贡献率为9.091%,第5公因子和第6公因子统称为其它因子;二维排序图揭示了不同优良单株前3个公因子的分布情况,可以为冬枣选优提供参照;20份冬枣优良单株及对照的综合排序为:16、22、14、15、18、5、12、17、4、21、1、19、8、10、13、6、2、7、3、CK和20号。【结论】隶属函数法同时考虑到果实品质指标对评价体系的正、负影响,采用该法转化的数据适于进行因子分析;影响冬枣优良单株果实品质综合评价的关键因子依次是果实甜脆因子、果重及其它内质因子、果皮质地因子、果实外观因子和其它因子;20份优良单株及对照冬枣的综合评价结果为:16、22、15和18号综合品质性状较优,可作为候选单株,结合其它性状进行下一步筛选,其它单株不宜选择。     

广东省3个乡土树种树干密度和木材密度影响因子分析

目的分析不同因子对树干密度和木材密度的影响,为林木选育、碳汇计量提供数据支撑。方法基于广东省樟树、木荷、枫香3个乡土阔叶树种树干密度和木材密度的实测数据,利用含协变量和无交互作用的多因子方差分析法,从5大类30个因子（11个定性因子、19个定量因子）中,筛选出与树干密度和木材密度相关的因子,进而用增强回归树（BRT）来分析不同因子对3个树种树干密度和木材密度影响程度的大小。结果（1）植被类型、枝下高、胸径、植被总覆盖度、冠幅东西向宽度是影响樟树树干密度的主要因子,地市、植被类型是影响木荷树干密度的主要因子,坡向、海拔、平均高度为影响枫香树干密度的主要因子;3个树种树干密度的主要影响因子不同,无共同主要影响因子。（2）影响樟树木材密度的主要因子有枝下高、植被类型、海拔、植被总覆盖度、平均高度、灌木盖度、年龄、胸径、林种、土层厚度,影响木荷木材密度的主要因子有年龄、草本盖度、枝下高、平均胸径、土层厚度、植被类型,影响枫香木材密度的主要因子为坡向、海拔、平均高度、枝下高;3个树种木材密度具有共同主要影响因子枝下高,其相对贡献率相近,均在10%左右。（3）林分因子和单木因子同为影响樟树树干密度和木材密度的主导因子,其相对贡献率之和分别为87.04%和76.92%。林分因子、单木因子和地域因子是影响木荷树干密度的主导因子,其相对贡献率之和为79.96%;影响木荷木材密度的主导因子为林分因子、单木因子和土壤因子,其相对贡献率之和为83.04%。地形因子、林分因子和单木因子同是影响枫香树干密度和木材密度的主导因子,其相对贡献率之和分别为83.98%和92.70%。结论本文通过多因子方差分析和增强回归树对不同因子进行分析,得出林分因子和单木因子同是影响樟树、木荷、枫香树干密度和木材密度的主导因子。      

利用林分因子估测森林地表可燃物负荷量

在帽儿山地区，对落叶松林和白桦林2个可燃物类型的75块样地树种的胸径、树高、年龄等林分因子和地表可燃物的负荷量进行了野外调查和室内实验分析与计算，利用SPSS 11．5 for Windows统计软件和Matlab软件，分别对不同种类可燃物负荷量与林分因子进行分析，并建立了多元回归模型和人工神经网络模型。利用林分因子推算不同种类地表可燃物负荷量，取得了较为满意的结果。     

尼洋河流域高山松次生林林分因子与林龄的相关性

【目的】揭示藏东南尼洋河流域高山松次生林的林分特征,研究主要林分因子与林龄的相互关系。【方法】以西藏林芝尼洋河流域17块高山松次生林样地实测数据为依据,测算林分密度、林分平均胸径、林分平均高、优势木平均胸径、优势木平均高、林分胸高断面积、林分蓄积量等主要林分因子,并按照五点取样法在每个样地内设置5个2 m×2 m的小样方进行林下更新苗调查。通过钻取标准木髓芯,运用LINTABTM6年轮分析仪确定林龄,采用回归分析等方法对尼洋河流域高山松次生林主要林分因子与林龄的相互关系进行分析。【结果】尼洋河流域高山松林属于优势种群,且种群稳定,各林分因子与林龄显著相关。林分的胸径分布随林龄增加呈现出中间高两边低的近似正态分布;林分密度与林龄之间存在极显著负相关关系（R²=0.816）;林分平均胸径、平均高、胸高断面积和蓄积量与林龄呈极显著正相关,R²分别为0.762,0.829,0.853和0.885,其与林龄之间的回归关系用幂函数方程拟合最好;优势木的平均胸径和平均高与林龄也具有极显著相关性,R²分别为0.790和0.914;林下幼苗更新数量变动较大（更新密度为0～9 000 株/hm²,平均为（2 912±2 986） 株/hm²）,且与林龄无显著相关性。【结论】作为尼洋河流域主要建群种之一,该区域高山松次生林林分结构稳定,生长潜力大;主要林分因子与林龄之间存在显著相关性,林下更新苗数量差异较大且与林龄无显著相关关系。     

基于零膨胀模型和栅栏模型的赣南杉木林林分枯损模型

【目的】分析林分的枯损情况,构建林分水平枯损模型,探讨树木死亡的影响因素,为科学经营和有效管理提供参考依据。【方法】以江西省赣州市2009年森林资源二类调查中地类为纯林的1973块杉木样地为数据源,将样地按4∶1的比例随机划分成模拟数据（1 579块）和验证数据（394块）,分别用于模型的构建和验证。选取基于泊松分布和负二项分布形式的零膨胀模型和栅栏模型等4种模型,以林分枯损株数为因变量,以林分因子、立地因子和气候因子等17个环境因子为自变量,构建杉木林林分水平枯损模型。利用方差膨胀因子（VIF）排除各环境因子间相关性较大的因子;采用赤池信息准则（AIC）、贝叶斯信息准则（BIC）和-2倍对数似然函数值（-2logL）3种评价指标分析比较各模型之间的拟合效果,选用平均绝对误差（MAE）和均方根误差（RMSE）等比较其预测效果,筛选出最优林分水平枯损模型。【结果】（1）除最暖月平均温度、最冷月平均温度和无霜期天数外,其余14个环境因子间均不存在多重共线性（VIF<10）。（2）在模型的零部分,各参数估计值均在0.001水平上显著,海拔、林龄和株数密度是影响杉木林林分枯损的重要因子;...     

基于因子分析法分析宁夏农村信息化的发展

农村信息化在增加农民收入、促进农业产业化和现代化方面发挥越来越重要的作用。应用因子分析法,从众多的因素中选择最能体现农村信息化的因素,提取了3个主成分,各主成分方差贡献率分别为71.4389%、13.9249%、7.8653%,累积贡献率达93.2291%,它们代表了农村信息化绝大多数的信息。     

晋西人工林综合密度效应分析

以晋西刺槐和油松人工林59块样地数据,拟合了其平均胸径、平均单株材积及平均单株地上生物量的密度效应模型,分析了林分密度的综合影响。结果表明:(1)处于初植密度的油松林无林下更新。油松间伐林更新较好,随林分密度增加,更新密度趋于减少。(2)林下死地被物厚度与辛普森、香农多样性指数显著负相关,与生态优势度显著正相关。(3)吉县阴坡油松林,随密度增加,辛普森、香农及均匀度指数均减小,生态优势度增加。间伐林多样性指数明显好于未间伐林。油松间伐林密度与其辛普森、香农多样性指数显著负相关,与生态优势度显著正相关。(4)探讨生态公益林密度效应时,除了用材林密度效应常规指标外,应增加林下更新、林下植物多样性及死地被物厚度等指标。     

巨尾桉人工林林分因子与林龄的关系模型及样地尺度效应

揭示广西壮族自治区南宁巨尾桉人工林（2~9 a）的林分特征,研究主要林分因子与林龄的相互关系及在不同面积尺度上的适应性。巨尾桉人工林设置20个（30 m×30 m）方形大样地,每个方形样地中分成9个小样地（10 m×10 m）,由4个小样地组成中样地（20 m×20 m）。采用Logistic、Gompertz、Richards和Korf 等4种经验模型模拟林分密度、平均直径、平均高、优势木高、胸高断面积、蓄积量等主要林分因子与林龄的相互关系。巨尾桉人工林林分平均直径、平均高、优势木高等林分与林龄呈极显著正相关,回归关系用Logistic经验模型拟合最好,相应3组检验决定系数（R²）均>0.5,3组测试样地的标准化残差落在［-2,2］带状区域中,表明3个模型在不同面积尺度样地上有较好的适应性;胸高断面积和每公顷蓄积量与林龄呈显著正相关,回归关系分别用Gompertz经验模型和Korf经验模型拟合最好,胸高断面积-林龄模型很好地适应中小样地（100、400 m²）,在大样地（900 m²）中稍差;蓄积量-林龄模型很好地适应大、小样地（100、900 m²）,在中样地（400 m²）中稍差。巨尾桉人工林林分胸径分布呈现近似正态分布,呈现增长型趋势;林分平均直径、平均高、优势木高与林龄回归关系用Logistic经验模型拟合最好,100 m²样地大小已具备反映这3个林分因子与年龄的生长规律;胸高断面积和每公顷蓄积量与林龄回归关系分别用Gompertz经验模型和Korf经验模型拟合最好,胸高断面积、蓄积量与林龄的相关性具有较大的空间异质性;林分密度与林龄无显著相关性。     

浙江省主要树种组高蓄积林分特征分析

根据浙江省历年来的各种森林资源调查资料,分别松、松、阔等主要树种组筛选出不同龄组的高蓄积林分样地,并通过林分年龄、组成、层次、起源和郁闭度等调查因子的分析,得出高蓄积林分以针阔叶混交林居多,林分密度大,平均胸径大,林分结构合理。     

闽北马尾松人工林密度及立地效应

以闽北地区 80块马尾松人工林标准地资料为基础 ,研究林分蓄积与林分密度和优势木平均高的关系 .建立了林分蓄积与林分密度及优势木平均高的收获模型 M=a1Hb1 Nα- a2 Hb2 Nβ,通过生产弹性、边际产量分析 ,研究了密度效应及优势高效应 ,并根据立地及密度效应模型研究了林分密度、林龄、立地指数对林分蓄积的影响     

智能手机单片摄影测树技术研究与试验

森林因子采集是林业观测的重中之重，智能手机为林业调查提供了新思路、新手段。为了更高效、精确的观测森林，以智能手机为载体，摄影测量学、测树学原理为理论基础，Java为开发语言，设计了一套单片摄影测树系统。系统仅利用智能手机的定焦镜头正直拍摄一张图像，即可进行单木的胸径、树高、材积的自动解算，同时，还可进行林分平均胸径、蓄积量和林分密度的自动解算。通过对200株立木进行胸径、树高、材积测量试验，对15块样地进行林分平均胸径、林分密度和林分蓄积量测量试验。结果表明，单木因子测量的相对偏差为4.95%～5.86%，相对均方根误差为6.09%～7.46%，林分因子测量的相对偏差为0.51%～1.46%，相对均方根误差为7.47%～8.6%。以上指标均高于传统林业测量的精度要求，该技术可以在林业调查中推广使用。     

不同生物质来源生物炭品质的因子分析与综合评价

【目的】建立一套适合生物炭品质评价的方法,探求影响生物炭品质的主要影响因子。【方法】选用8种不同生物质材料,在3种温度下制备并获得24种生物炭材料(Y1～Y24),测定16项相关品质指标,采用隶属函数法对各项指标数据进行转化,采用软件SPSS19.0进行因子分析,采用四次方最大旋转法获得因子载荷矩阵,计算样品每个公因子分值与相应权重之积的累加和,得到综合评价分值。对16项指标进行相关性分析和因子分析,建立基于因子分析的生物炭品质的综合评价体系,并根据综合评价得分对生物炭进行优良度排序。【结果】24种生物炭16个品质指标经因子分析,提取了5个特征根1的公因子,累计方差贡献率达到77.910%,第1公因子以C含量、阳离子交换量(CEC)和pH贡献率较大,达到31.090%,第2公因子以比表面积和孔容贡献率较大,达到19.878%,第3公因子以H原子含量贡献率较大,达到12.819%,第4公因子以磷、钾含量贡献率较大,达到7.479%,第5公因子以NH4+-N吸附量贡献率较大,达到6.643%。【结论】因子分析方法可以作为评价生物炭品质的方法,根据因子分析评价方法,确定影响生物炭品质最关键的因子是化学性质因子(C含量、C/N比、C/H比、pH、CEC)、物理性质因子(比表面积和孔容)、活化能量因子(H原子含量)、营养因子(P和K含量)和氨态氮吸附能力因子。     

甘蔗创新种质的因子分析与聚类分析

对13份甘蔗创新种质和2个对照种的13个性状进行因子分析,前4个公因子方差累计贡献率达90.21％,反映了原变量的绝大部分变异信息,以前4个公因子得分为综合指标,采用非加权组平均法进行系统聚类,在欧氏距离为2.69时可将参试材料聚为4类,其中Ⅰ类和Ⅱ类综合表现较好.     

秦岭火地塘林区红桦林生物量和蓄积量变化研究

以秦岭火地塘林区红桦林为研究对象,设置20 m×20 m调查样地48块,获得地形和林分的相关数据。采用树木年轮学方法分析其生物量、蓄积量和生产力的动态变化,使用差异性分析研究不同海拔、坡度、坡向间红桦林生物量、蓄积量和生产力的变化,运用相关性分析和偏相关分析研究林龄和林分密度与红桦林生物量、蓄积量和生产力参数的关系,采用主成分分析和回归分析研究红桦林生物量和蓄积量的主要影响因子并得出回归模型。结果表明,红桦林生物量、蓄积量和生产力随海拔增大而减小,随坡度增大而增大,不同海拔、坡度间生物量和蓄积量差异性显著（p<0.05）,生产力差异性不显著（p>0.05）,不同坡向间,阳坡红桦林生物量、蓄积量和生产力均显著大于阴坡;相关性分析表明,红桦林生物量、蓄积量和生产力与林分年龄呈显著性正相关关系;偏相关分析表明生物量、蓄积量和生产力与林分密度呈显著性正相关关系;主成分分析表明,特征值>1的3个主成分对林分生物量和蓄积量的方差累积贡献率为79.95%;回归分析表明,海拔、坡度、坡向、林龄和林分密度是影响红桦林生物量和蓄积量的主要因子;估算红桦林生物量的模型为B=0.137fd+10.627sta-2.855sla+0.007g+0.002e-307.311,估算红桦林蓄积量的模型为V=0.125fd+12.308sta-10.174sla-0.320g+0.013e-369.848。