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。     

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.     

光化合反应生物酶系统启动下厌氧-缺氧-好氧工艺活性污泥微生物群落结构响应

为探究光化合反应生物酶系统 (Actinic reaction enzyme system,ARES) 启动下厌氧-缺氧-好氧工艺(Anaerobic-anoxic-oxic,A2/O) 系统中活性污泥微生物群落和功能,了解ARES系统在生活污水处理过程中的影响,采用Illumina-HiSeq 2000高通量测序平台研究ARES启动前后A2/O工艺系统中活性污泥微生物群落结构的演替,并结合污水处理效果相关主要参数,进而解析菌群的环境功能。研究发现,ARES系统启动前后活性污泥微生物群落结构具有明显差异。系统中丰富类群 (平均相对丰度≥1%) 的细菌门类主要有9个,占整体测序细菌总量的96%–98%。ARES系统启动后,变形菌门的b-变形菌门 (Betaproteobacteria) 相对丰度提高3.45%–3.85%,绿菌门 (Chlorobi) 相对丰度提高0.45%–2.61%,在厌氧单元,拟杆菌门 (Bacteroidetes) 相对丰度提高12.97%,而放线菌门 (Actinobacteria) 和厚壁菌门 (Firmicutes) 的相对丰度分别下降了9.60%和1.45%;细菌属水平上,Denitratisoma属相对丰度提高0.80%–3.27%,Haliangium属和弓形杆菌属 (Arcobacter) 相对丰度分别下降3.36%–4.52%、1.48%–3.45%,ARES启动前后细菌相对丰度差异显著。系统中丰富类群 (平均相对丰度≥1%) 的真菌门主要有7个,在ARES系统启动后罗兹菌门 (Rozellomycota) 相对丰度下降42.71%–46.77%,在厌氧单元子囊菌门 (Ascomycota) 相对丰度下降13.39%,而球囊菌门 (Glomeromycota) 相对丰度提高13.86%;真菌属水平,虫霉菌属 (Entomophthoraceae sp.) 和球囊菌属(Glomeromycota sp.)相对丰度分别提高31.35%–36.50%、6.27%–13.84%,而罗兹菌属 (Rozellomycota sp.) 和Xylochrysis lucida相对丰度显著降低,分别下降42.71%–46.77%、3.67%–5.54%。结果表明,ARES系统的启动引起了微生物群落对工艺条件改变的响应,特别是真菌群落的响应,同时提升了出水水质,尤其是对总氮的去除。     

人工长白落叶松立木叶面积预估模型

叶面积影响着树木干物质的生产,进而影响树木乃至整个林分的生长,而叶面积准确估计对分析树木和林分生长具有重要作用.本研究基于黑龙江省长白落叶松人工林中76株解析木数据,分别建立枝条层面和单木层面的叶面积预估模型.结果表明: 考虑样木层次随机效应的最优枝条叶面积混合效应模型包含lnBD(BD为枝条基径)、lnRDINC(RDINC为相对着枝深度)和lnCR(CR为冠长率)3个随机效应参数,具体形式为:lnBLA=β₁+(β₂+b₂)lnBD+(β₃+b₃)lnRDINC+β₄lnDBH+β₅lnHT/DBH+(β₆+b₆)lnCR,其中:β_i和b_i分别是模型的固定效应参数和随机效应参数;DBH为树木胸高处直径;HT/DBH为树高与胸径的比值.模型的修正决定系数(R_a²)为0.90,均方根误差(RMSE)为0.5477,平均偏差(ME)为-0.03,平均绝对偏差(MAE)为0.24,预测精度(P)为91%,枝条叶面积预估模型的预估效果较好.以枝条叶面积预估模型为基础,计算树冠叶面积并建立树冠叶面积预估模型,最终形式为:lnCLA=γ₀+γ₁lnDBH+γ₂CR,其中,γ_i为模型参数.似然比检验结果(P>0.05)说明该模型不用考虑样地层次的随机效应.本研究所建立的立木树冠叶面积预估模型的决定系数(R²)为0.87,RMSE为0.3847,拟合效果好,可以很好地预测人工长白落叶松立木树冠叶面积,为以后叶面积分布和光合作用的研究提供了理论基础.     

基于贝叶斯似乎不相关回归方法的天然蒙古栎生物量模型构建

以胸径和树高作为自变量,基于多元似然分析、似乎不相关回归等方法研建了黑龙江省天然蒙古栎可加性生物量模型系统。结果表明: 树高显著提高了树干生物量模型的效果,决定系数(R²)从0.953提高到0.988,均方根误差(RMSE)减小14 kg,对树枝、树叶和树根生物量的影响并不显著。单变量(仅含胸径)和双变量(胸径、树高)幂函数形式的生物量模型系统的误差结构均为相乘型,表明对数转换后的线性模型形式更合适。树干、树枝、树叶、树根生物量模型的R²分别为0.953～0.988、0.982～0.983、0.916～0.917、0.951～0.952,RMSE分别为13.42～27.03、6.84～7.00、1.95～1.97、9.71～9.84 kg。与广义最小二乘法(FGLS)相比,贝叶斯估计产生了相似的模型拟合效果,却提供了不同变异大小的参数估计值。FGLS各参数标准误为0.054～0.211,而使用Jeffreys不变先验的两种贝叶斯估计方法(DMC和Gibbs1)产生相似的参数变异(标准差为0.055～0.221);使用均值向量为0、方差为1000且协方差为0的多元正态先验(Gibbs2)和使用来自栎属树种生物量模型历史研究汇总的先验(Gibbs3)产生了更大的变异(标准差为0.080～0.278),使用自身数据获取的先验(Gibbs4)估计得到的各参数变异小于其他方法(标准差为0.004～0.013)。当使用Gibbs4法建立模型时,两类模型不仅能提供最窄的95%预测区间,还能产生更小的预估偏差,树干、树枝、树叶、树根和总生物量在单变量模型中的平均绝对偏差百分比(MAPE)分别为19.8%、24.7%、24.6%、29.0%和13.1%,树干和总生物量在双变量模型中的MAPE分别减小到10.5%和9.8%,其他组织MAPE未改变,表明Gibbs4法能提供更准确的生物量预测值。与传统回归方法相比,准确的先验信息使贝叶斯统计在估计稳定性和不确定性减小方面具有优势。     

长白落叶松含碳率分析及含碳量异速生长模型

森林碳储量约占陆地碳储量的45%,准确评估森林碳储量对于森林的科学经营管理及规划具有重要意义。基于2015—2018年黑龙江省佳木斯市孟家岗、尚志帽儿山、小九林场以及东京、林口林业局的77棵人工长白落叶松的解析木数据,分析5种树木成分(即干材、树皮、树枝、树叶和树根)的含碳量分配及含碳率变化,构建了长白落叶松总量及各分项的一元及二元可加性含碳量模型,模型参数估计采用非线性似乎不相关回归模型方法,并采用“刀切法”对模型进行检验,评价其预测能力。结果表明:各分项加权平均含碳率差异显著,树枝(49.3%)>树皮(48.7%)>树叶(48.5%)>干材(48.2%)>树根(47.1%)。地上含碳量约占总含碳量的80%,地下含碳量约占20%。可加性含碳量模型的调整后确定系数R_a²大于0.89,平均绝对误差(MAE)小于4.1 kg,绝大多数模型的平均绝对误差百分比(MAE%)小于30%。引入树高变量,可以有效地提高大部分含碳量模型的拟合效果和预测能力。其中,总量、地上、干材和树皮含碳量模型拟合效果较好,树枝、树叶、树根和树冠含碳量模型拟合效果相对较差。