基于GreenLab的油松结构-功能模型

 植物结构-功能模型(Functional-structural models, FSMs)将结构模型与过程模型结合起来, 用以描述环境机制驱动的植物生长, 输出植物的三维结构。GreenLab是一个近年来不断发展着的基于源-汇关系的通用植物结构-功能模型, 它多应用于农作物, 在树木方面的应用还很少。该文以幼龄油松(Pinus tabulaeformis)为研究对象, 首次将GreenLab模型应用到虚拟树木生长的研究中。采用破坏性取样, 实测了9株油松幼树的形态结构、拓扑结构和器官生物量信息, 根据拓扑编码体系组织数据。模型的直接参数是通过实测数据获得的, 隐含参数是利用非线性最小二乘法拟合反求获得的。对模型的假设进行了验证, 并对模型的模拟效果进行了评估, 结果表明: 节间总鲜质量、树木叶总鲜质量、节间鲜质量、节间长度观测值和模型模拟值建立的回归方程的决定系数在0.78~0.91之间, 因此该模型较真实地反映了油松的结构和生长过程。提出的树木结构和生物量测量及编码方法, 可作为针叶树建立结构-功能模型的参照。     

基于GreenLab原理构建油松成年树的结构-功能模型

 林木的结构-功能模型(functional-structural tree modeling, FSTMs)是基于器官级组件构建的将植物结构和功能结合起来的一类模型, 在应用于成年树时需要解决拓扑结构复杂性和年轮分配模式普适性的问题。该文以18年生和41年生的油松 (Pinus tabulaeformis)成年树为研究对象, 将GreenLab模型应用到成年树的模拟中。采用破坏性取样, 实测了2株油松成年树的形态结构, 利用子结构模型解决成年树拓扑结构复杂性的问题, 引入年轮影响系数λ, 将全局分配模式和Pressler模式结合起 来, 解决年轮分配模式在不同年龄和环境条件下不同的问题。模型的直接参数通过实测数据获得, 隐含参数利用非线性最小二乘法拟合反求获得。通过实测数据与模拟数据的对比、模拟数据与经验模型模拟数据的对比, 对模型的模拟效果进行了评估, 发现节间总重、针叶总重、树高、树干节间重观测值和模型模拟值建立的回归方程的决定系数为0.84–0.98, 结构-功能模型与经验模型对总生物量模拟的决定系数为0.95, 表明该模型能较真实地反映油松的结构和生长过程。