南方杉木人工林树高曲线模型研究

采用多模型对比选优法,以639组南方杉木人工林胸径-树高调查值为依据,求解了24组树高曲线模型的参数和评价指标.经检验,双曲线、Gompertz和Logistic模型均能取得较好的拟合效果,且模型用于杉木树高估计的精度高于98％;双曲线模型略优于其他模型;杉木人工林胸径和树高呈紧密相关关系,双曲线、Gompertz和L...     

会同杉木人工林的树高分布模型

利用湖南会同县１７０块杉木人工林样地资料,用Ｗｅｉｂｕｌｌ分布函同直径分布规律。并以此为基础,结合树高曲线理论模型,推导出树高分布预估模型,同时进行了精度分析和假设检验。     

杉木人工林直径结构模型的研究

通过理论分析与实践验证提出一种新的林分直径分布预测方法Ｇ—ＰＲＭ．其基本思想是：用著名种群模型—Ｇｏｍｐｅｒｔｚ方程来表示林分直径分布;采用两点回收、差分还原的途径实现林分结构的预测．将该模型应用于闽北杉木人工林直径预测,其预估林分直径分布的合格率为７８％．     

遂昌县杉木人工林生长模型的研究

本文在分析生长方程的性质和种类的基础上,用遂昌县227块标准地上测得的资料进行拟合。结果选择Richards方程,建立了杉木人工林平均胸径、林分平均高、林分断面积和林分蓄积量生长模型,并分析了遂昌县杉木人工林的生长特点、生长量和生长率。     

贵州杉木人工标准树高曲线模型

利用试验林和固定样地资料，分析了树高曲线与林龄，立地，密度的关系，得出 高曲线一林龄，立地关系密切，随林龄，立地指数的增大，曲线向右上方移动；而与林分密度关系不大。分析了国内外在树高曲线方面研究情况，针对以往研究中存在的问题，采用再次参数化方法，把立地指数，林龄引入树高曲线模型，创建了１３个树高曲线模型。     

杉木人工林生物量的研究

本文根据103块标准地材料,并利用其103株平均木解析木,分析了不同年龄、不同密度对杉木人工林生物量的影响及不同器官生物量间的相互关系。利用不同的数学模型,探讨了生物量与胸径,树高及树干生物量与材积的回归关系,求出了各器官生物量的最佳估测模型。     

福州市杉木人工林相对树高曲线模型研究

该文对福州市8个国有林场60片伐区的调查数据进行标准化处理,作为杉木相对树高曲线模型的基础数据,选择4个常用的相对树高曲线模型进行回归方程拟合,综合考虑拟合精度R2、Q值以及模型参数个数、模型的生物学意义等指标,认为杉木相对树高曲线的最佳模型为理查德函数变形固定参数模型,数学方程为Rhi=2.151937(1-e-0.3357·Rdi)0.6108。根据该数学方程,可估计各检验样本(伐区)各径阶树木的平均高,从而估计各检验样本的林分蓄积。采用t检验法对20片检验样本的蓄积调查值与估计值成对数据均值差异进行假设检验,结果无显著差异,精度达97.4%,表明该模型可在研究区域内应用。     

闽北杉木人工林密度效应新模型

应用闽北地区杉木人工林样地资料，探讨了密度效应新模型，并对该模型进行生产弹性分析和边际产量分析，测定了杉木人工林林分密度的生产弹性值和边际产量。     

杉木人工林直径分布BP模型的研究

以相对直径作为输入向量,以株数累积频率作为输出向量,建立直径分布的BP神经网络模型;用杉木人工林直径分布的实际数据训练,选出的最佳模型,拟合精度为99.03%,检验精度为97.64%,所选模型没有系统偏差.与Weibull分布模型相比,具有较好的拟合效果.研究结果进一步表明,人工神经网络是一种有效的林分直径分布模拟技术.     

基于冠幅的杉木人工林胸径和树高参数化预估模型

为了研究杉木生长与形态变量的关系,提高模型预估精度,本文根据福建省65块不同密度、林龄分布于6~35年的杉木人工林样地测量数据,选用了Richards理论方程,分别构建了杉木胸径和树高生长模型。在此基础上,分析理论方程中参数与冠幅(CW)的关系,建立两者间的关系函数;使用参数预估法构造胸径和树高的参数化预估模型,并对原模型和参数化模型进行模型检验、残差分析,讨论了冠幅与林木生长之间的关系。结果表明:胸径和树高Richards方程中,参数a与CW呈正比,参数b与CW呈反比,c则与CW呈现出类似正态分布的关系;与传统的理论方程相比,参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映林分因子的状态,同时对于分析林木竞争、光合作用、模拟林木三维可视化等方面也提供了一种模式。      

不同抚育方式对杉木幼林生长的影响

[目的]为杉木人工林的经营管理提供指导。[方法]对3种不同抚育方式(全面铲草、铲草+化学除草、割草+施肥)下杉木幼林的生长量及抚育成本进行比较,确定其最佳抚育方式。[结果]3种抚育方式下,杉木幼林的平均树高分别为3.8、5.0、4.2m,平均胸径分别为5.0、6.4、5.3cm;铲草+化学除草抚育方式杉木幼林的单株材积最高,达0.00970m3,分别为全面铲草和割草+施肥抚育方式杉木幼林单株材积的2.29和1.66倍;割草+施肥抚育方式投资最高(4900元/hm2),其次为全面铲草抚育方式(3600元/hm2),铲草+化学除草抚育方式投资最少(2250元/hm2)。[结论]南方林区杉木幼林的最佳抚育方式为人工除草+化学除草。     

杉木人工林不同抚育措施生态效益研究

研究3种不同抚育措施（割灌＋疏伐、疏伐、割灌）对杉木人工林生态效益的影响。结果表明：3种抚育措施均能明显促进林分生长,改善林分结构,增强林分稳定性,提高林下植被盖度,丰富林下植被种类,增加生物多样性,其中以割灌＋疏伐抚育所起的生态效果最为显著。     

杉木人工林直径分布模型

应用威布尔分布函数描述杉木人工林直径结构规律,采用参数回收技术建立直径分布模型 该模型主要由林分因子、单木二元材积方程和材种出材率等子模型组成 应用该模型,只要输入现实林分年龄、地位级指数、每公顷断面积和株数,就能输出未来林分蓄积量、出材量及平均胸径、平均高、株数等因子 并探讨了该模型在用材林林木资产评估、经济成熟龄确定中的具体应用     

杉木人工林神经网络密度效应模型

基于人工神经网络具有逼近任意非线性映射的特性,将其应用于建立杉木人工林密度效应模型,并用免疫进化算法优化求解人工神经网络参数。结果表明：基于人工神经网络及免疫进化算法的杉木人工林密度效应模型,建模方法科学合理,林分蓄积量和平均胸径预测误差小,一定程度上优于以往传统的林分密度效应模型,在林分密度控制中有推广应用价值。     

河南省杉木林碳储量成熟问题研究

应用国际上森林碳汇项目中普遍采用的碳计算方法,对河南省南部不同立地条件下的杉木林碳储量成熟问题进行研究,分析不同立地条件对碳储量成熟的影响,结果表明：立地条件越好,成熟龄越早,达到成熟龄时的年平均碳储量也越高;碳储量成熟年龄的确定对选择树种和确定有关森林碳储量项目的期限具有重要意义。     

湿地松、杉木林取代马尾松林后土壤肥力的差异

对 18年生湿地松、杉木林取代马尾松林后的土壤肥力状况进行了比较分析。结果表明 ,湿地松林地的土壤水稳性团聚体、非毛管孔隙度、毛管孔隙度、自然含水量、最大持水量、田间持水量及土壤主要养分含量均呈增大趋势 ,土壤结构破坏率和容积质量则呈下降趋势 ;而杉木林则与此相反。由此可见 ,杉木林不利于保持和改善土壤的肥力性状 ,而湿地松林具有良好的改良土壤能力 ,有利于林业的持续发展。     

杉木纯林采伐迹地人工林生长状况调查

用不同阔叶树与杉木人工混交造林,幼林期各林分杉木生长差异不明显,而阔叶树生长差异较大.11年生时蓄积生长存在极显著差异,表现为:杉木南酸枣混交>杉木拟赤杨混交>杉木纯林>杉木木荷混交>杉木火力楠混交.杉木纯林处于中等.     

生物炭对杉木人工林土壤磷素吸附解吸特性的影响

为了改善磷素吸附作用,提高磷在杉木人工林土壤中的利用率,又防止解吸过度引起土壤磷素淋溶造成资源浪费,以杉木树叶和树干为原料,分别在300℃和600℃下制备4种生物炭:300℃杉叶炭(BL300)、600℃杉叶炭(BL600)、300℃木屑炭(BW300)和600℃木屑炭(BW600),分别向土壤中加入0%、2%、4%、8%比例的生物炭,完成吸附解吸试验。结果表明,制备原料和温度对生物炭的成分和性质有决定性的作用,杉叶生物炭pH值、灰分含量、有效磷等的含量显著高于木屑生物炭,且高温炭大于低温炭,其中BL600生物炭pH值、灰分含量及有效磷含量最高;Langmuir模型能很好地拟合生物炭添加后红壤磷素的吸附过程,在低磷浓度时生物炭添加对土壤磷素吸附作用的影响不大,高磷浓度时则促进吸附作用;其中杉叶炭促进土壤磷素吸附的作用大于木屑炭,高温炭大于低温炭,2%和4%的生物炭添加量促进土壤磷素吸附,但8%的添加量会降低土壤对磷的吸附作用;生物炭添加在一定程度上降低了土壤磷素的解吸率,其中木屑炭降低的作用大于杉叶炭;因此建议在磷浓度较高的杉木林人工土壤中添加中低量的BL600,在磷浓度较低的杉木林人工土壤中添加大量的BL600,土壤富磷时能够增强吸附作用,减小土壤磷素淋溶风险,土壤缺磷时增加解吸率来提高土壤磷素利用率。     

中国安曹下丰产杉木人工林林窗特征

根据安曹下杉木丰产林全林林窗样地调查资料,分析了杉木林林窗的大小结构、形成方式及林窗形成木的数量特征。结果表明,在安曹下杉木林中,林窗的面积为22.75-319.92 m2,平均面积为102.3 m2,林窗大小多为50-200 m2,其中以50-100 m2所占的数量比例最大,且所占的面积比例也最大;林窗形成方式由砍伐形成的最为普遍,占形成木总数的70.45%,其次是由于枯立而形成的,占22.73%;林窗大多由1株形成木形成,平均每个林窗拥有形成木1.33株。