基于激光雷达数据的森林表层土壤有机质空间格局反演

森林土壤是陆地生态系统的主要碳库,其有机质含量是估算碳储量的基础数据,也是评价土壤碳汇功能的重要指标.利用2009年8月采集的凉水自然保护区激光雷达（LiDAR）数据和55块固定样地土壤有机质含量数据,结合偏最小二乘算法,反演森林表层土壤有机质的空间格局,提取并筛选出与土壤有机质分布相关的变量,分析并确定变量（强度、点数、高程、坡度和坡向）值与土壤有机质含量的相关关系,建立土壤有机质含量的预测模型并检验.结果表明： 研究区域表层土壤有机质含量与强度、点数和高程3变量呈极显著相关（r分别为0.765、0.423和0.475）;基于此3变量的预测模型对研究区域表层土壤有机质含量的预测结果可靠（精度83.3%,R²=0.725,RMSE=1.955）.研究区林缘和郁闭度较小林分的表层土壤有机质含量<100 g·kg^-1;大部分区域表层土壤有机质含量为100~150 g·kg^-1,少部分区域为150~318.4 g·kg^-1.     

大兴安岭新林林业局3种林分类型天然更新幼苗幼树的空间分布格局

基于大兴安岭新林林业局落叶松林、白桦林和混交林3种主要林分类型16块样地的调查数据,依照幼苗幼树的株高划分为3个等级: Ⅰ级, 株高≤60 cm; Ⅱ级, 60 cm＜株高≤200 cm; Ⅲ级, 株高＞200 cm且胸径＜5 cm.在4种取样尺度下,采用负二项指数等7种聚集度指数,判定幼苗幼树的分布格局及格局强度,分析格局变化和格局规模.结果表明: 除落叶松林的落叶松幼苗幼树Ⅱ级最多,且随等级升高幼苗幼树密度先升高后降低外,白桦林和混交林的落叶松以及3种林分的白桦幼苗幼树Ⅲ级最多,而Ⅰ级最少,随等级升高,幼苗幼树密度均升高.落叶松幼苗幼树在3种林分4种取样尺度下均呈聚集分布.白桦幼苗幼树在白桦林中除在10 m×20 m尺度为随机分布外,均呈聚集分布.除落叶松幼苗幼树在混交林中5 m×10 m尺度时聚集强度最大外,落叶松在其他林分以及白桦在3种林分均在5 m×5 m尺度下聚集强度最大.在落叶松林,落叶松和白桦幼苗幼树的聚集强度随等级增大而减小,其中白桦由聚集分布变为随机或均匀分布;在白桦林和混交林中,落叶松和白桦幼苗幼树的聚集强度随等级升高不断增大,由均匀分布变为聚集分布.在3种林分类型中,不同更新等级落叶松和白桦幼苗幼树种群的格局规模均为25 m².落叶松和白桦幼苗幼树种群格局强度在不同林分类型、不同更新等级中差异明显.     

长白落叶松无性系抗寒性比较研究

以58个长白落叶松无性系1年生枝条为材料,对其进行低温胁迫处理,探讨不同无性系抗寒差异,结果表明：不同温度和时间的处理条件下,4个落叶松无性系电导率不同,随着低温胁迫时间的延长和温度的降低,不同无性系电导率呈上升趋势。在相同温度及时间处理条件下（-40℃、12 h）,58个长白落叶松无性系相对电导率差异达极显著水平（P<0.01）。以-40℃、12 h处理下各无性系电导率与对照的差值为指标,利用聚类法进行分析,初步筛选出9个抗寒性较强的无性系（L5、L16、L21、L23、L27、L40、L73、L78和L90）,这些无性系可作为抗寒优良无性系进行考察,本研究为落叶松抗寒良种选育提供基础。     

孟家岗林场森林景观结构动态分析

以黑龙江省孟家岗林场1989年和2006年两期森林资源二类调查数据为基础,结合林相图,利用GIS技术和景观格局分析软件包FRAGSTATS进行分析,提取森林景观要素内部结构指标等景观指数,并对孟家岗林场近20年的景观格局的动态特征进行了系统的分析。研究结果表明：由于孟家岗林场森林景观要素类型的增加以及多样性和优势度指数的增高,使得森林景观的分离度和破碎度也在增加;虽然落叶松林为该研究区域的优势景观要素类型,但其优势度却在逐渐降低,表明落叶松景观要素在向其它景观要素类型转化;首次对孟家岗林场进行景观内部结构指数分析,表明阔叶树和混交林景观要素类型是以成、过熟林为主,三大主要针叶树种以中龄林和近熟林为主。人为干扰的加剧,使针叶林年龄结构趋于单一化。     

混交比例对长白落叶松和水曲柳混交林碳储量及其分配格局的影响

以长白落叶松和水曲柳混交林为研究对象,根据长白落叶松和水曲柳的栽植行数比选择4种不同行状混交比例的林分(类型Ⅰ:5∶3;类型Ⅱ:6∶4;类型Ⅲ:5∶5;类型Ⅳ:1∶1),建立长白落叶松和水曲柳生物量似乎不相关模型,分析林分各林层和生态系统碳储量的差异及其分配规律。结果表明: 不同林分类型的乔木层碳储量为39.86～50.12 t·hm^-2,类型Ⅰ、Ⅱ和Ⅳ的乔木层碳储量显著高于类型Ⅲ;林下植被层碳储量为0.10～0.30 t·hm^-2,类型Ⅱ的林下植被层碳储量显著高于其他类型;凋落物层碳储量为4.43～6.96 t·hm^-2,类型Ⅱ、Ⅲ凋落物层碳储量显著高于其他类型;土壤层碳储量为34.97～54.66 t·hm^-2,类型Ⅱ土壤层碳储量显著高于其他类型。在整个生态系统中,林分类型Ⅰ~Ⅳ碳储量分别为90.43、108.27、85.83、89.92 t·hm^-2,类型Ⅱ生态系统碳储量显著高于其他类型。乔木层和土壤层为生态系统主要碳库,分别占生态系统碳储量的43.3%~55.7%和38.7%~50.5%。建议在未来的营林造林中,以6行长白落叶松和4行水曲柳交替种植。     

包含哑变量的黑龙江省落叶松人工林碳储量预测模型系统

利用2005—2010年两期黑龙江省落叶松人工林固定监测样地数据,分析黑龙江省落叶松人工林各林分变量因子之间的关系,建立地位级指数曲线模型和林分密度指数模型,采用两步最小二乘的方法建立预测包含林分平均断面积和林分碳储量的联立方程组,将以上所构建的模型统称为黑龙江省落叶松人工林碳储量预测模型系统.同时将龄组和区域作为哑变量加入到预测模型中.结果表明: 模型系统中除地位级指数曲线模型之外,剩余模型的确定系数(R²)均大于0.98,均方根误差均小于4,而加入哑变量的模型R²有所增加,均方根误差均小于3,说明模型稳定性较好,预估参数较为精确.各模型的平均相对误差均小于2%,大部分模型平均相对误差绝对值小于15%,模型精度均在95%以上,研究结果可以对黑龙江省不同区域和龄组的落叶松人工林林分平均树高进行精确拟合.根据地位级指数曲线模型和联立方程组的拟合参数进行分析,当调查样地在同一区域时,林分年龄越大,林分平均树高、林分平均断面积和林分碳储量越大,符合实际生长规律;而在林分年龄相同、区域不同时,不同区域林分平均树高由大到小的排列顺序为: 平原地区、小兴安岭南坡地区、张广才岭东坡地区、完达山地区、张广才岭西坡地区、小兴安岭北坡地区.不同区域林分断面积和林分碳储量由多到少的排列顺序为: 张广才岭东坡地区、小兴安岭北坡地区、张广才岭西坡地区、小兴安岭南坡地区、完达山地区、平原地区.     

基于混合效应模型的人工红松节子属性

基于黑龙江省孟家岗林场60株人工红松1534个节子数据,利用SAS软件中的NLMIXED和GLIMMIX模块构建人工红松节子属性因子(基径、健全节长度、死亡年龄、角度)的混合效应预测模型.采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(-2LL)和似然比检验(LRT)评价指标对所构建模型的精度进行比较.结果表明:考虑树木效应的混合模型模拟精度均高于传统回归模型.含有b_1、b_2随机参数组合的节子基径模型是最优混合效应模型;含有b_1、b_3随机参数组合的节子健全节长度模型是最优混合效应模型;含有节子基径随机参数的广义线性混合模型为节子死亡年龄的最优模型;含有截距、节子基径、健全节长度3种随机效应参数组合的广义线性混合模型为节子角度的最优模型.混合效应模型比传统回归模型更能有效地描述节子属性.红松是东北主要的用材树种,利用节子属性预测模型结合合理的整枝方案可以提高木材质量.     

基于局域模型的凉水国家自然保护区土壤全氮空间分布

以凉水国家自然保护区激光雷达数据为基础,建立数字高程模型,提取基本地形属性如坡度、坡向和复合地形属性湿度指数和相对径流强度指数等,在成土因素学说基础上,对全氮含量(TN)进行地理加权回归建模(GWR),同时运用反距离加权(IDW)、普通克里格(OK)和泛克里格(UK)对TN进行空间插值.结果表明： 对于研究区TN的预测,GWR模型预测精度(77.4%)高于其他3种空间插值方法,IDW预测精度(69.4%)高于OK(63.5%)和UK(60.6%)的预测精度.利用GWR模型预测研究区域土壤TN平均达到4.82 g·kg^-1;在高海拔、地形湿度大以及相对径流强的区域,土壤TN相对较高.对预测结果进行探讨发现,不同坡位、坡向的土壤TN也存在一定差异.因此,基于地形属性的局域模型是土壤属性空间分布预测的更为有效的方法.     

黑龙江省红松人工林枝条分布数量模拟

基于黑龙江省佳木斯市孟家岗林场的12块样地65株人工红松解析木的955个枝解析数据,以Poisson回归模型和负二项回归模型作为备选模型,构建了人工红松二级枝条数量分布模型,并采用AIC、Pseudo-R²、均方根误差(RMSE)和Vuong检验对模型的拟合优度进行比较.结果表明: 每轮一级枝条分布数量集中在3~5个,均值为4个,一级枝条分布数量与人工红松自身的枝条属性相关.一级标准枝上二级枝条分布的离散程度较大,利用全部子回归技术构建二级枝条分布数量模型,最终选择以负二项回归模型为基础的E(Y)=exp(β₀+β₁lnRDINC+β₂RDINC²+β₃HT/DBH+β₄CL+β₅DBH)作为二级枝条分布数量最优预测模型(β为参数;RDINC为相对着枝深度;HT为树高;DBH为胸径;CL为冠长).最优模型的Pseudo-R²为0.79,平均偏差接近于0,平均绝对偏差<7.对于所建立的模型,lnRDINC、CL和DBH的参数为正值,RDINC²和HT/DBH的为负值,随着RDINC增大,在树冠内二级枝条分布数量存在最大值.总的来说,所建立的人工红松二级枝条分布数量模型的预测精度为96.4%,可以很好地预估该研究区域人工红松二级枝条分布数量,为以后枝条的光合作用和生物量的研究提供了理论基础.     

人工长白落叶松冠层光合作用-光响应曲线最优模型

以黑龙江省帽儿山林场15年生人工长白落叶松为研究对象,采用直角双曲线模型(RH)、非直角双曲线模型(NRH)、指数模型(EM)、修正直角双曲线模型(MRH)和修正指数模型(MEM)分别对4种不同光响应特征的光合作用-光响应曲线(光抑制型光响应曲线,PLC_i;光饱和型光响应曲线,PLC_s;未饱和型光响应曲线,PLC_u;弱光环境下植被的光响应曲线,PLC_w)进行拟合,计算出光饱和时的最大净光合速率(P_{n max})、暗呼吸速率(R_d)、光补偿点(LCP)、光饱和点(LSP)及表观量子效率(AQY)等重要的光合生理指标,综合对比5个候选模型对不同响应曲线的拟合优度和对光合生理指标的估计精度.结果表明: MEM模型仅适用于拟合光抑制型曲线,MRH对光抑制型曲线和光饱和型曲线的拟合效果最好(R_a²分别为0.9986和0.9978),NRH最适合拟合未饱和型曲线和弱光环境型曲线(R_a²分别为0.9996和0.9963).在所有类型曲线中,MRH模型估计P_{n max}时,平均相对误差绝对值(MAPE)最低(0.1%R_d表现出更准确的估计(MAPE分别为1.8%、0.1%和3.9%);RH模型对光抑制型曲线的LCP及光饱和型曲线的R_d有更好的估计效果(MAPE分别为1.0%和2.7%);EM模型适用于估计弱光环境型曲线的LCP(MAPE为0.2%).MRH在保证较好的模型拟合效果及光合生理指标估计精度以外,还在拟合不同类型曲线时表现出极高的稳定性,因此,本文选择MRH模型作为拟合人工长白落叶松冠层光合作用-光响应曲线的最优模型.