杉木第3代种子园优良家系实生裸根苗早期生长对比分析

为对比杉木第3代种子园不同家系实生裸根苗造林2年生长状况,2022年3月开展5个不同家系和种子园混合种对照(CK)试验林生长量测定。结果表明：5个家系2年生幼林,JX₅和JX₂树高生长相对CK分别高出10.5%和3.5%,JX₂、JX₅和JX₁地径生长相对CK分别高出14.6%、9.9%和6.8%。通过聚类分析,可将5个家系和对照(CK)分成3个类群,JX₂为A类群,幼林生长较好;JX₁和JX₅为B类群,幼林生长中等;JX₃、JX₄和CK为C类群,幼林生长较慢。     

中龄林修枝对杉木林生长和材种结构的影响

为培育杉木大径级无节柱材,探讨修枝对杉木人工林生长和材种结构的影响,选择17年生中龄林,设置修枝与不修枝处理试验,20 a后调查中龄林修枝处理对杉木人工林生长和材种结构影响。结果表明:修枝后的前两年,修枝处理显著提高了杉木人工林的胸径年生长量(P<0.05),对树高、林分蓄积量年生长量没有显著影响,随后修枝处理对杉木人工林生长的影响逐渐减弱。中龄林修枝处理20 a对杉木人工林的胸径、树高、林分蓄积量和总生物量均没有显著影响,但显著提高了杉木人工林干生物量分配比例(P<0.05),显著降低了叶生物量分配比例(P<0.05)。中龄林修枝处理20 a显著提高了杉木人工林大径材出材率(P<0.05),有利于杉木人工林大径无节柱材培育。     

基于UNet-ResNet14*半监督学习的无人机影像森林树种分类

无人机遥感在森林树种精细和高效分类制图中具有巨大的潜力。为了快速准确获取森林的优势树种分布信息,该研究探讨了半监督学习方法在树种分类方面的有效性。以福建省福州市、龙岩市和三明市的4个试验区为例,构建精简的ResNet18为主干的UNet树种分类模型（UNet-ResNet14*）,使用交叉熵和Dice系数的联合损失函数来优化模型参数,对比分析Self-training和Mean teacher两种不同的半监督学习方法在无人机影像森林树种分类模型的泛化能力。结果表明,以ResNet14*作为主干的分类模型与其他模型相比精度更高且预测速度更快,当联合损失函数权重值为0.5的情况下模型预测效果最好,总体精度达到了91.15%。经过Self-training的模型在木荷、马尾松、杉木3个样本充足的类别中精度均有所提升,总精度为91.08%,比原始模型略低,但在独立验证区的精度为88.50%,比原始模型高;Mean teacher方法的总精度为88.56%,在独立验证区的精度为73.56%。因此,研究认为可以采用Self-trainin半监督方法结合UNet-ResNet14*的方案快速得到试验区的树种组成信息。     

马尾松自由授粉家系产脂力遗传变异及选择

在福建省大田桃源国有林场,分析了马尾松高产脂初级种子园自由授粉子代18 a林龄时产脂力和生长性状的遗传变异规律和遗传相关性。结果表明:产脂力家系遗传力和单株遗传力分别为0.5891和0.6078;树高、胸径和单株立木材积家系遗传力介于0.2999~0.3817间,单株遗传力介于0.2033~0.2865间;产脂力与树高、胸径和单株立木材积呈高度正向遗传相关,遗传相关系数分别为0.761、0.884和0.930。对产脂力进行选择时,树高、胸径和单株立木材积的间接选择响应分别达到0.945、1.209和1.303,在获得产脂力较高遗传增益的同时,可间接获得较大生长性状遗传增益。在遗传变异及遗传相关分析基础上,筛选出高产脂家系8个、单株10株,入选的家系平均产脂力、单株立木材积、胸径和树高遗传增益分别为12.32%、4.19%、2.06%和1.07%。入选的单株平均产脂力、单株立木材积、胸径和树高遗传增益分别为58.05%、18.02%、8.38%和3.14%。     

马尾松高产脂种子园自由授粉子代生长性状选择

对设在福建省大田桃源国有林场的15年生马尾松高产脂初级种子园子代测定林进行生长性状调查分析,结果表明,生长性状在家系间差异均达极显著水平。生长性状家系遗传力0.5 360～0.5 427,单株遗传力0.1 816～0.2 501。以单株立木材积遗传增益为指标选择出4个马尾松高产脂速生家系和8株优良单株,生长性状选择效果显著。