长白落叶松人工林单木和林分水平的相容性生物量模型研究

目的 构建落叶松人工林单木和林分水平的相容性生物量模型,使之既在数据采集区域内能够表征不同水平下的差异程度,又具有较强的通用性。 方法 基于64株长白落叶松人工林样木生物量实测数据和40个每木检尺样地数据,在考虑和未考虑林龄2种情形下,利用哑变量和非线性似然无关回归方法相结合,构建单木和林分水平的一元相容性生物量模型。 结果 表明：（1）地上及全株生物量模型单木水平下的Radj2均大于0.95,林分水平下的Radj2均大于0.78,（2）利用哑变量考虑林龄因素后,单木水平下各评价指标总体稳定,参数b值范围从0.905 5~2.512 5减小为1.047 0~2.202 8。林分水平下R2提升0.201 9,参数b值范围从0.071 1~1.560 7减小为0.781 1~1.055 1;且具有更小的TRE、MPE和MSE。（3）利用对数转换的线性回归模型,全株及各组分生物量模型残差的分布趋势均平行于横轴。 结论 非线性似然无关回归和哑变量相结合的方法灵活、建模过程简单、模型稳定性好,适用于不同因素下落叶松人工林相容性生物量模型构建。林龄因素对林分模型拟合效果的改善更显著,在建模过程中,单木模型可以不考虑林龄的影响,而林分模型需要考虑林龄的影响。     

湖南省主要树种单木和林分生长率模型研建

以湖南省1999年、2004年、2009年和2014年4期的森林资源连续清查为基础,利用大量、连续、系统的固定样地和样木数据,根据胸径和生长率的一般分布规律,选取常用的生长率回归方程作为基础模型式,采用非线性回归估计方法,构建了11个树种组的单木胸径生长率和材积生长率模型,以及9个树种组的林分蓄积量生长率模型。结果表明：各模型确定系数R²均在0.88以上,单木生长率模型的总体相对误差和平均预估误差均在4%以内,胸径生长率模型的平均预估误差大部分在10%以内;林分蓄积量生长率模型的平均预估误差和总体相对误差基本在4%以内,蓄积量生长率模型的平均预估误差在20%以内。各项指标表明,拟合模型能满足精度要求,具有较高的实用性,可为湖南省森林资源年度更新和森林经营管理提供技术支撑。     

北京市主要树种单木和林分生长率模型研建

利用第六次至第九次全国森林资源清查北京市2001,2006,2011,2016年4个年度的固定样地调查数据,采用非线性回归估计方法,建立了13个树种组的单木胸径生长率和材积生长率模型,以及10个优势树种组的林分蓄积生长率模型,并对比了林分生长过程模型与林分生长率模型的预估效果,还分析了起源对生长率模型的影响。结果表明：(1)单木生长率模型的平均预估误差全部在3%以内,而平均百分标准误差,胸径生长率模型大都在10%以内,材积生长率模型大都在30%以内;(2)林分蓄积生长率模型的平均预估误差大部分在5%以内,最大的也未超出10%,而平均百分标准误差基本上在20%左右,最大的也未超出35%;(3)基于森林资源清查数据建立的生长过程模型,其效果不如生长率模型,对杨树以外的其他软阔林分类型,其人工林的蓄积生长率要显著大于天然林。以此方法所建模型可为北京市开展森林资源年度监测评价提供技术支撑。     

河北省主要树种单木和林分生长率模型研建

利用第六次至第九次全国森林资源清查河北省2001,2006,2011,2016年4个年度的固定样地调查数据,采用非线性回归估计方法,建立了18个树种组的单木胸径生长率和材积生长率模型,以及12个树种组的林分材积生长率模型。结果表明,单木生长率模型的平均预估误差(MPE)基本都在3%以内,而平均百分标准误差(MPSE)、胸径生长率模型大都在10%以内,材积生长率模型大都在20%左右;林分生长率模型的平均预估误差(MPE)基本都在5%以内,平均百分标准误差(MPSE)大都在25%以内。所建模型可为河北省开展森林资源年度更新提供技术支撑。     

广西桂北马尾松不同起源单木和林分材积生长率模型研究

基于广西第七次、第八次森林资源清查数据中马尾松样地样木资料,对不同起源下的单木和林分材积生长率模型进行对比分析。结果表明:对数函数模型Y=a+bln(X)和幂函数模型Y=a×X~b,分别作为单木和林分不同起源下的最优材积生长率模型。马尾松幼龄林生长期,人工林材积生长率要高于天然林,且变化幅度大;生长后期,天然林材积生长率要高于人工林,变化趋向平稳。单木不同起源间的材积生长率差异显著,林分不同起源间差异不显著。     

基于贝叶斯模型平均法构建杉木林分蓄积量生长模型

目的 探究杉木林分蓄积量变化的影响因素,为在气候变化背景下科学经营管理杉木人工林提供理论支撑。 方法 以福建邵武卫闽林场的杉木（Cunninghamia lanceolata）人工密度试验林为研究对象,分别利用贝叶斯模型平均法（BMA）和逐步回归法（SR）构建杉木林分蓄积量与林分变量因子（包括初植密度、每公顷胸高断面积、每公顷株数、平方平均胸径、林分优势高、年龄）和气候因子（包括年均气温、最热月平均温度、最冷月平均温度、年均降水量、年均湿热指数、低于0℃天数、夏季平均最高温度、冬季平均最低温度、春季平均气温）的关系模型。 结果 杉木林分蓄积量随着每公顷胸高断面积、平方平均胸径、林分优势高、年龄、夏季平均最高温、春季平均温和低于0℃天数的增加而增加,对于诸多的影响因子,SR法所确定的模型并不在BMA选出的后验概率较高的前5个模型中,模型表现出一定的不确定性,从模型后验概率角度看,SR模型精度较低。 结论 杉木林分蓄积量受到林分变量因子和气候因子的显著影响。相比于SR法,在构建杉木林分蓄积量模型方面,BMA方法考虑了模型的不确定性,模型表现更好。     

杉木生物量优化模型研究

根据湖南省杉木分布特点,本着"布点均匀、选树适中"的原则,在湖南绥宁、资兴等地选取标准地进行50株杉木取样,测定样木树高、冠幅、胸径等指标,记录样地海拔、小地形、坡向、坡位、坡度等因子.根据外业采集数据,在充分考虑各种立地因子对杉木生物量影响的基础上,以胸径(D)和树高(H)(或树冠长L)为自变量,用8种数学回归模型进行拟合,拟合了8种模型的杉木树干、根、叶、枝干等的生物量,从中筛选出杉木生物量最优模型.     

思茅松单木生物量生长模型的构建

以云南省墨江县鱼塘镇思茅松天然林132株单木数据为研究对象,采用Richards方程、Logistics方程、Gompertz方程、Korf方程、Weibull方程进行各维量生物量生长模型的构建,并选出最优模型。通过对各维量生物量最优生长模型的拟合结果对比发现,并不是预估精度高的生长模型是最优生长模型;决定系数最高,均方残差最低的模型,其预估精度反而不是最高的。研究结果表明,各维量生物量生长模型的决定系数除树皮生物量生长模型的为0.166,树叶生物量生长模型的为0.374外,其余的均在0.500以上,且木材生物量生长模型的决定系数高达0.549。各维量生物量生长模型的均方残差均小于1.140,可以较好地反映其生长变化规律,生长模型拟合效果较好。各维量生物量生长模型也具有较高的预估效果,预估精度都在75%以上,其中,木材生物量、树皮生物量、树干生物量、树枝生物量、树冠生物量和地上部分生物量生长模型的预估精度均超过90%。因此,模型可用于思茅松单木生物量生长模型的预估。     

杉木人工林不同间伐强度对林分生物量的影响

通过对 1 3年生不同地位级杉木林间伐强度试验结果表明 ,间伐强度对不同地位级杉木林的单株生物量生长影响达到显著差异 ,单株生物量则随间伐强度加大而增大 ,单位面积生物量则随间伐强度加大而减小。树干生物量随年龄加大比例上升 ,枝、叶生物量随年龄增加比例下降     

杉木巨尾桉混交林林分生物量及土壤肥力研究

对杉木纯林、杉木巨尾桉混交林的林分生物量、土壤肥力和生物多样性的研究结果表明：杉桉混交林林分的总蓄积量比杉木纯林高出26．41％，生物量则是纯林的1．6倍，大大地提高林分生产力。两种林分林地土壤结构稳定性相差不大，混交林土壤肥力略有下降，但混交林增加了群落的生物多样性，取得了良好的生态效益。因而营造杉木巨尾桉混交林是科学经营杉木连栽地的有效措施之一。     

高山松天然林单木生物量因子模型构建

以云南省香格里拉市高山松天然林为研究对象,实测116株高山松单木生物量数据,并计算各维量生物量因子,以幂函数形式为基本模型,构建各维量生物量因子估算模型。结果表明:各维量生物量扩展因子的决定系数(R2)0.78,平均残差平方和(MSE)0.03,预估精度(P)84.00%;各维量生物量转扩因子的决定系数(R2)0.72,平均残差平方和(MSE)0.003,预估精度(P)83.00%。这些模型均具有较高的拟合精度和预估精度,可为高山松碳汇计量提供数据支撑。     

黄柏、杉木混交林林分生物量及黄檗碱含量

为了给黄柏、杉木混交林的营造和经营利用提供理论依据和实践指导,对湘西低山区的黄柏、杉木混交林的生物量和黄檗碱含量进行了研究。结果表明:黄柏、杉木的生物量与胸径、树高均呈正相关,且黄柏、杉木生物量与胸径的相关系数大于与树高的相关系数,因此在经营管理时,应适时间伐以增大其胸径,进而提高林分生物量和生产力;黄柏地上部分干皮和枝皮生物量占68%,根皮生物量占32%,且根皮中黄檗碱含量比干皮高50.7%,在经营时应考虑根皮的利用,以获取最大经济效益。     

不同密度杉木林分生物量结构与土壤肥力差异研究

对２９年生五种造林密度生物量结构及土壤肥力进行了全面研究，结果表明：平均单株及其各器官生物量随密度增加呈递减趋势；单位面积不同密度的杉木林分生物量及其生产力基本趋于一致；各种密度单位面积现存枯枝落叶量随密度增加而增加，而林下植被生长及其生物量则相反；五种密度林分土壤自然含水量、最大持水量和毛管持水量基本上以２８０５株／ｈｍ２和３７５０株／ｈｍ２较大；土壤非毛管孔隙度，毛管孔隙度和总孔隙度均随密度增加而增大；土壤有机质、全Ｎ、全Ｐ、水解Ｎ和速效Ｐ的含量随密度增加而下降；而速效钾含量变化规律性不明显。因此，杉木初植密度尽量控制在２８０５—３７５０株／ｈｍ２之间，以利于杉木产量提高和地力维护。     

杉木成熟林生物量生长模型研究

以福建省将乐县国有林场杉木成熟林为研究对象,通过建立16块杉木标准地来获取基础数据。采用比较符合生物学特性的Logistic方程和幂函数方程对生物量进行拟合,根据生物量平均数据,以D,DH为自变量,分别拟合了各个器官(树干、树根、树叶、树枝)和全株的Logistic方程和幂函数。根据残存平方和SSE、总相对误差RS、平均相对误差E1、平均相对误差绝对值E2,AIC,BIC等6个检测评价指标进行方程的4选1筛选。筛选出的最优模型中,幂函数模型3个,Logistic函数模型2个。结果表明:其模型的相关判定系数R2均在0.925~0.932之间;单株杉木各器官生物量占整体生物量的比重由大到小为树干>树枝>树根>树叶。     

杉木人工林树根生物量模型的研究

以杉木人工林单木树根生物量为因变量,胸径、树高为辅助变量,拟合了18个回归方程。选择相关指数、平均绝对误差、平均相对误差、平均系统误差和预估精度作为评价指标,应用灰色关联分析法对各个方程进行综合评价,筛选出杉木人工林树根生物量模型,为生产应用提供科学依据。     

林分生物量碳计量模型的比较研究

选取3个天然林群落作为研究对象,利用3种包含不同计量参数的生物量碳计量模型,即生物量因子法、异速生长方程法及材积源生物量法,分别计算林分碳储量并比较分析各模型计量结果的差异。结果表明:生物量因子法与材积源生物量法计算所得林分平均碳密度相近,分别为155.56和152.82 Mg·hm-2,异速生长方程法的结果偏低,为118.44 Mg·hm-2,生物量因子法计算的不同群落的林分碳储量比异速生长方程法的高22.11%~43.02%;各群落的立木结构及物种组成存在显著差异,均方根误差分析显示生物量因子法对群落碳密度的差异反应最为敏感,计量精度最高;各方法计量结果均显示中、大径级立木是林分碳储量的主要贡献者,中径级立木与大径级立木中计量精度较高的模型分别是异速生长方程法与生物量因子法。综合考虑计量精度及参数获取的便利性,3种计量模型各有优势,在实际应用中可以根据具体情况选择较为适合的模型,一般情况下可使用材积源生物量法,能便利地获得与采用包含木材密度参数的生物量因子法最接近的计量结果。     

秃杉与杉木、木荷混交林林分结构和生物量研究

对秃杉杉木混交林、秃杉木荷混交林、秃杉纯林、杉木纯林、木荷纯林的林分结构和生物量进行研究,结果表明:秃杉混交林与秃杉纯林、杉木纯林、木荷纯林相比具有较大的生物量和较合理的林分结构,可以把秃杉与杉木、木荷混交林作为用材林造林方式加以推广.     

不同林分密度指标在杉木林分蓄积量模型的应用研究

目的 林分密度是反映单木林分中林木株树和竞争的一个重要指标,构建林分生长与收获模型的一个重要变量。选择合适的林分密度指标来构建杉木林分蓄积量模型,提高林分预测精度。 方法 以福建邵武杉木(Cunninghamia lanceolata)人工林密度长期试验林28 a连续观测数据为依据,基于可变生长率法,建立了含5种林分密度指标的杉木林分蓄积年生长模型。 结果 模型决定系数R2均在0.979以上,精度高于不含密度指标的对照组模型。在包含密度指标的模型中,精度最高的为每公顷株数N密度模型,其次是相对植距RS密度模型,但是这两个模型参数估计不显著而被舍弃。所有模型的R2数值由高到低顺序为：每公顷株数N林分蓄积量模型（0.979 9）、相对植距模型（0.979 9）、林分密度指数SDI模型（0.979 4）、优势高营养面积比Z模型（0.979 3）、Nilson密度指数模型（0.979 0）以及不含密度指标模型（0.972 8）。 结论 除去N指标和RS指标模型,杉木林分蓄积量模型中表现最好的是以林分密度指数SDI为密度指标的模型。其次,还发现在低造林密度（1 667～3 333 株·hm−2）林分,蓄积生长量要大于中高造林密度（5 000～10 000 株·hm−2）的林分。     

我国杉木通用性立木生物量模型研究

以我国南方地区的最重要针叶树种杉木为研究对象,综合利用非线性混合模型、哑变量模型和误差变量联立方程组方法,建立了适合杉木不同生长区域（总体）应用的一体化一元和二元地上生物量方程及根茎比函数.结果表明：不同总体的地上生物量模型之间存在显著差异,总体（一）的估计值要大于总体（二）,而地下生物量则差异不明显;地上和地下生物量方程的平均预估误差分别在5％和10％以内,可应用于不同区域的杉木林生物量估计.