落叶松人工林单木模型的研究

根据吉林省松江河林业局所实测的落叶松人工林(Larix olgensis)临时标准地66块、固定标准地18块以及8块团状枝解析样地资料,通过对林分中优势木生长及树冠结构与动态的分析,提出适于树木生长的Korf方程并用来构造林木的潜在生长函数。选择林分密度指数(SDI)作为反映林分中林木之间平均拥挤指标。在单木竞争指标的选择上,通过引进树冠因子,并在与传统的竞争指标相比较的基础上,淡化距离因子的作用,应用优势木相对树冠表面积构造了与距离无关的单木竞争指标,以此建立了落叶松人工林单木生长模型。     

樟子松人工林树冠结构的分形分析

基于樟子松人工林7块固定标准地中的31株解析木的树冠体积和叶量,以幂函数关系(F=Av^(D/3))建立了预估树冠表面积的分形维数。同时根据生物量实测数据,建立预估叶量的生物模型Lw=0.180397D^3045903H^-1.67348。基于枝解析、树干解析数据,动态地预估了一年、二年、三年前的树冠体积,并结合树冠体积、叶量的这种幂函数关系可以动态地预估一年、二年、三年前树冠表面积的分形维数,从而反映出树冠结构的动态变化规律。为了了解不同分级样木的分维数变化情况,利用2003年调查的4块生物量标准地数据,根据单株树木各个枝条占据的空间体积与该枝条的带叶枝干重的关系,计算了各标准地不同分级样木树冠的分维数。为探讨单株样木树冠的分维数的计算提供了一种可行方法。树冠的分维数作为表征树冠的动态生长变化是一有用和可靠的指标。     

凉水自然保护区阔叶红松林林分空间结构特征及其与影响因子关系简

根据凉水自然保护区28块典型阔叶红松林样地的5个林分空间结构参数和18个影响因子数据,采用典范对应分析（CCA）方法,对凉水自然保护区阔叶红松林林分空间结构与影响因子间关系进行分析。研究结果表明：（1）研究区域阔叶红松林整体具有较好的林分空间结构,其水平分布格局主要表现为随机分布,树木生长整体处于中庸状态,林木的整体混交程度较高;（2）林分空间结构的CCA排序较好的揭示了该区林分空间结构与影响因子的关系;CCA第一排序轴反映了林龄、坡度、阔叶比和坡向的变化,第二排序轴反映了坡向、土壤有机质和平均胸径的变化,上述6因子的组合是决定林分空间结构特征的主要影响因子;（3）影响林分空间结构的变量中,地形、土壤和林分因子共解释了林分空间结构变化的59.20%,其中纯地形因子占30.68%,纯林分因子占19.01%,纯土壤因子占8.21%,未能解释部分为40.80%。     

黑龙江省落叶松人工林碳储量动态研究

基于36株碳密度测定样木和5期黑龙江省森林资清查数据（1986~2005）,利用非线性度量误差模型来估计黑龙江省落叶松人工林的碳储量动态变化。结果表明：黑龙江省人工落叶松不同器官碳密度在456.7~479.0 mg·g^-1之间,不同器官碳密度差异显著,各器官碳密度由高到低为：树叶>树枝>树干>树根。不同林龄落叶松人工林树干、树根树枝和树叶的碳储量分配比例分别稳定在：66.75%~68.92%、21.59%~22.62%、5.99%~8.16%和2.47%~3.50%。其中,树根和树枝含碳量比重随林分年龄增加而增加,树干和树叶含碳量比重随林分年龄增大而减小。1986~2005年黑龙江省落叶松人工林碳储量总体呈增长趋势,2000年时达最大,为30.38 t·hm^-2,在此期间,平均每年以1.21 t·hm^-2的速度增加。2005年黑龙江省不同区域落叶松人工林碳储量在25.43~34.35 t·hm^-2之间,各区域碳储量由高到低依次为：小兴安岭南坡>完达山地区>张广才岭东坡>张广才岭西坡>小兴安岭北坡。     

人工长白落叶松幼龄林树冠比叶重

比叶重(LMA)是构建生态系统过程模型的重要参数之一,准确预测树冠比叶重的动态变化对提高模型精度有重要意义。本研究以黑龙江省尚志市帽儿山林场人工长白山落叶松为对象,分别在生长季针叶不同发育时期对树冠内不同垂直位置的针叶比叶重进行测量,分析针叶比叶重在树冠垂直方向及针叶不同发育时期的变化规律,探讨导致其时间和空间差异的主要因子,建立长白落叶松幼龄林比叶重动态预估模型。结果表明: 比叶重在树冠垂直方向表现为随着相对着枝深度(RDINC)的增加而减小,完全展叶后比叶重在垂直方向的变化幅度明显高于展叶初期。比叶重在不同发育时期表现为随发育进程先增大后趋于稳定,该趋势随着树冠深度的增加而逐渐减弱。分别以RDINC和年度积日(DOY)为单一变量预测比叶重时,模型的调整后决定系数(R_a²)低于0.6,当同时以RDINC和DOY为自变量构建比叶重预估模型时,R_a²提高0.19,且模型检验效果良好(ME=0.54 g·m^-2, MAE=5.74 g·m^-2)。研究表明长白落叶松比叶重在树冠不同轮层和不同针叶发育期间均存在显著差异,以RDINC和DOY为自变量构建的比叶重预测模型可以很好描述长白落叶松比叶重的空间及生长季针叶发育期变化,为阐明树冠发育机理提供理论依据,为提高生态过程模型精度奠定基础。     

基于线性混合效应的红松人工林枝条生物量模型

基于黑龙江省孟家岗林场60株红松解析木3643个枝条生物量的实测数据,利用全部子回归技术建立了枝条生物量模型(枝、叶和枝总生物量模型),最终选择lnw=k₁+k₂lnL_b+k₃lnD_b为枝条生物量最优基础模型.利用SAS 9.3统计软件的PROC MIXED模块建立枝条生物量混合模型,并采用AIC、BIC、对数似然值和似然比等统计指标评价不同模型的拟合效果.结果表明: 红松解析木的叶和枝总生物量混合模型以k₁、k₂、k₃作为随机效应参数的拟合效果最好,而枝生物量混合模型以k₁、k₂作为随机效应参数的拟合效果最好.最后将枝条生物量最优基础模型与最优混合模型进行模型检验.混合模型各项指标优于基础模型,能有效地提高模型的预估精度,并且通过方差协方差结构校正随机参数来反映树木之间的差异.     

两种方法预估红松立木含碳量的精度

森林碳储量是评价森林生态系统生态效益的重要指标,准确估计立木各器官(树干、树枝、树叶和树根)含碳量是其基础。基于黑龙江省44株人工红松各器官生物量和含碳量的实测数据,采用非线性联立方程组构建了相容性立木生物量和含碳量模型,比较了两种方法(直接法和间接法)估计红松立木含碳量的精度。直接法是通过构建各器官相容性含碳量模型,直接预估立木各器官含碳量。间接法是由各器官相容性生物量模型,结合3种形式的含碳率(平均含碳率0.5、林木实测平均含碳率,各器官实测平均含碳率)来预估树木各器官含碳量。研究结果表明:相容性生物量和含碳量模型的相关指数R2为0.76—0.99,模型的拟合效率(EF)为0.80—0.98。直接法中树干、树枝、树叶、树根和总量的含碳量预估精度分别为91.03%、80.02%、70.24%、87.10%、93.08%;间接法中采用平均含碳率0.5的预估精度与直接法相比,各器官及总量分别下降1.39%、1.5%、0.13%、1.09%和2.2%,而采用另外两种形式的含碳率其预估精度降幅在0.3%以内。依据文中推导的相对误差积累公式可知,间接法的预估精度主要与Ci%/珔C%(Ci%为单木各器官含碳率,珔C%为实测平均含碳率)有关。显然,直接法是预估红松立木含碳量的最佳方法。通常使用的碳含量转换系数0.5与实测含碳率有明显差异,因此间接法中采用0.5的含碳率其预估精度最低,而使用各器官实测的含碳率可以明显提高预估精度。     

基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

以大兴安岭地区兴安落叶松天然林为研究对象,基于688块固定标准地数据,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,依据全林分生长模型的概念,以年龄（A）、地位级指数（SCI）和林分密度指数（SDI）作为输入变量,以林分每公顷蓄积量（M）作为输出变量,构建和训练了全林分生长的BP人工神经网络模型,并与常规建模方法进行了对比研究。结果表明,BP人工神经网络模型的拟合精度高达99.6%,检验精度为98.9%,说明与其它建模方法相比人工神经网络建模具有较高的拟合精度和适应性,对林分生长具有更好的预测能力。     

乌兰布和沙漠天然白刺种群及主要伴生种种间关联性研究

采用2×2列联表,运用方差比率法（VR）、χ²统计量检验、联结系数（AC）和共同出现百分率（PC）等指标,以关联测度指标（OI、DJ、JI）为参考,对内蒙古自治区乌兰布和沙漠天然白刺（Nitraria tangtorum）种群及其伴生种的种间关联性进行分析,结果表明：天然白刺种群内8个主要物种总体关联性表现为无关联。在全部的28个种对中,15个种对表现为正联结,13个种对间表现为负联结。种对中除白刺–沙蒿表现为显著负联结外,其他种对间联结性均不显著。主要物种白刺与草本,草本与草本之间趋向独立分布。通过对天然白刺种群总体以及种间的关联性研究,为构建稳定的沙漠植物群落、恢复重建沙漠地区的植被、改善沙漠地区生态格局提供理论指导。     

人工红松树干内部节子体积预测模型

基于黑龙江省林口林业局林场和东京城林业局林场29块标准地中49株人工红松1207个节子数据,使用图片处理软件Digimizer对节子纵剖面图片数据进行提取,将节子形状用一个二维散点图表示。根据节子二维形状散点图,把人工红松节子分为3种类型: 活节(整个节子为健全节)、未包藏死节(节子由健全节和疏松节组成)和包藏死节(节子的健全节和疏松节部分被树干包藏)。3个类型节子的健全节体积通过对健全节形状参数方程求积得到;疏松节体积利用圆柱体的体积计算得到;节子总体积等于健全节体积与疏松节体积之和。最后,基于节子变量(节子直径、节子相对高、节子总长度)和树木变量(胸径),采用样地和树木水平的线性混合模型建立了红松人工林健全节体积、疏松节体积和节子总体积的预测模型。与基础模型相比,考虑样地和树木水平的混合效应所建立的健全节体积、疏松节体积和节子总体积预测模型,其参数估计更精准,残差分布更均匀,拟合精度明显提高。检验结果表明,基础模型预估精度均在90%以上,引入样地和树木效应的混合模型的预估精度均在93%以上,说明所建模型可以很好地预测红松人工林节子体积大小。