格氏栲群落生态学研究——格氏栲林主要种群生态位的研究

采用定量分析方法,对格氏栲(Castanopsis kawakamii Hayata)自然保护区格氏栲林群落中11个主要种群进行了生态位研究.以群落组成类型:①格氏栲+马尾松+木荷+黄瑞木(Castanopsis kawakamii+Pinus massoniana+Schima superba+Adinandra millettii);②格氏栲+虎皮楠+木荷(Castanopsis kawakamii+Daphniphyllum oldhamii+Schima superba);③马尾松+木荷+格氏栲+石栎(Pinus massoniana+Schima superba+Castanopsis kawakamii+Lithocarpus glaber);④格氏栲+木荷+青冈(Castanopsis kawakamii+Schima superba+Cyclobalanopsis glauca);⑤格氏栲+马尾松+木荷(Castanopsis kawakamii+Pinus massoniana+Schima superba);⑥甜槠+格氏栲+木荷+米槠+乌饭(Castanopsis eyrei+Castanopsis kawakamii+Schima superba+Castanopsis carlesii+Vaccinium bracteatum),及海拔梯度(180～340m)综合为一维资源位,调查6个资源位,定量测定格氏栲林群落主要种群生态位宽度、生态位相似比例、生态位重叠,并分析各种群生态位的生态学意义.研究结果为进一步研究格氏栲林群落稳定性、演替、空间分布格局提供理论基础.  

运用改进单纯形法拟合Logistic曲线的研究

Ｌｏｇｉｓｔｉｃ方程是研究有限空间内种群增长规律的重要工具之一本文运用改进单纯形法最优拟合Ｌｏｇｉｓｔｉｃ曲线，结果表明改进单纯形法具有较强的拟合非线性方程的能力，对生物实验及生态、生理学中诸多非线性曲线的参数估计具有普遍意义．  

邻体干扰指数通用模型及其应用

 本研究在前人工作的基础上提出邻体干扰指数的通用模型并讨论邻体干扰指数模型中生长速度、邻体及基株大小的度量方法的选择，进而提出通用模型在马尾松优势种群的经营管理中的具体应用。  

格氏栲群落生态学研究

采用定量分析方法，对格氏栲(  

格氏栲种群个体年龄与胸径的时间序列模型研究

本文提出格氏栲种群以年轮确定种群个体年龄并与胸径、树高确定种群个体年龄有机结合的时间序列预测个体年龄方法。通过时间序列分析，确定出格氏栲种群个体年龄与胸径关系的ＡＲＩＭＡ（１，２，０）模型，经检验该模型的相似性系数为９３．４８％，即该模型预测胸径生长量是可靠的。同时，通过ＡＲＩ－ＭＡ（１，２，０）模型预测结果与实际调查材料组合起来，建立较为准确反映个体年龄的组合模型：Ａ＝１０．１５４５１＋１．１１３８５１Ｄ＋０．０４２２００４９Ｄ２－０．０００２２７３０３Ｄ３式中Ｄ为格氏栲种群个体胸径，Ａ为格氏栲种群个体年龄，相关指数为０．９９９８。可见，组合模型的格氏栲种群个体胸径与年龄回归关系极显著，效果理想，为相应研究提供一个较为可靠的方法。  

油茶主要病虫害生态空间分布规律的研究

应用生态空间分布的分析方法,研究了油茶主要病虫害的空间分布规律。结果表明软腐病、炭疽病、油茶毒蛾为均匀分布;煤污病、白绢病,茶梢蛾为随机分布;茶蚕为聚集分布。  

长苞铁杉种群个体年龄与胸径的多维时间序列模型研究

 利用多维时间序列分析方法，建立长苞铁杉(Tsuga longibracteata)种群胸径生长的多维时间序列模型，即Yt=1.7870785Yt-1-0.8950167Yt-2+0.4509997Ut-0.8036035Ut-1+0.3950577Ut-2,其中Yt、Yt-1、Yt-2分别为t年、t-5年、t-10年长苞铁杉胸径值(cm)，Ut、Ut-1、Ut-2分别为t年、t-5年、t-10年长苞铁杉种群个体年龄（a），模型相关系数为0.9998。以年轮确定种群个体年龄法与多维时间序列模型相结合，建立能  

格氏栲种群优势度增长改进模型的研究

提出有限的空间种群增长的Logistic改进模型探讨格氏栲种群基面积增长规律，即dS/dt=rS(1-S^θ/K）。该模型通过树种的竞争特性因子θ控制，将指数增长、线性制约、下凹增长和上凸增长非线性制约概括一个统一的自适应性的非线性制约通用模型。运用改进单纯形对Logistic改进模型进行优化，拟合结果表明改进模型是格氏栲种群优势度增长动态变化的一个极好机理描述式，其增长速度最大是在141年。  

杉木林自疏过程密度调节规律的研究

提出了森林自然稀疏过程中密度调节规律新模型，应用收缩扩张算法以山杨、云南松等树种森林自疏过程中密度资料对新模型进行了验证。验证结果表明：所提出的森林自疏规律模型能很好拟合实际的观测资料，具有良好的使用价值；所采用的非线性方程最优拟合方法是科学的，从而丰富了该领域的研究方法。交提出的森林自然稀疏过程密度调节规律模型应用于杉木林自疏过程密度变化规律研究，效果很理想，可为杉木林经营管理提供参考。  

BP-MSM混合算法及其在森林自疏规律研究中的应用

森林自然稀疏机制一般是非线性的、动态的。人工神经网络具有逼近任意非线性映射的特性。本文阐述了人工神经网络模拟森林自疏机制的可行性和不足之处，并提出了基于改进单纯形法的神经网络模型（ＢＰ－ＭＳＭ混合算法）的基本原理和算法，结合山杨天然林和杉木人工林自疏实例说明了其应用。森林自疏实例应用结果表明，ＢＰ－ＭＳＭ混合算法模拟森林自然稀疏机制是理想的，模拟精度较高，从而继承和发展了人工神经网络方法与理论，丰