松栎林天然更新模拟与不确定性分析

森林天然更新的复杂性和不确定性是森林生态系统动态预测中的关键问题。本研究引入贝叶斯技术和全局敏感性分析,构建基于竞争、气候和地形3类因子的秦岭松栎林天然更新模型。备选模型形式以泊松(Poisson)模型、负二项(negative binomial,NB)模型、零膨胀泊松(zero-inflated Poisson,ZIP)模型和零膨胀负二项(zero-inflated negative binomial,ZINB)模型为基础。同时,根据模型参数传递的不确定性量化分析结果,阐释影响森林更新小概率事件的主导因子。结果表明: ZINB模型在油松和锐齿栎更新模拟中均优于其他模型。林分总断面积、光截留、坡位和生长季最低温是影响松栎林中油松天然更新的最关键因子;而林分总断面积、坡向与海拔的组合、年均温和最热季节降水量则是影响松栎林中锐齿栎天然更新的关键因子。油松更新模拟中,各类因子对模型输出的不确定性贡献率从小到大依次为: 竞争因子(25%)＜气候因子(29%)＜地形因子(46%);锐齿栎更新模拟中为: 气候因子(12%)＜竞争因子(24%)＜地形因子(64%)。油松天然更新数量对生长季最低温和最干季节降水量为正响应,对最干季节均温为负响应;锐齿栎天然更新数量对年均温、生长季最低温和最热季节降水量为正响应,对最干季节均温为负响应。基于贝叶斯技术的ZINB模型可以量化森林更新的影响因子,并解释参数传递的不确定性,是预测森林天然更新的有力工具。     

基于过程模型CROBAS的全局灵敏度分析方法比较

过程机理模型在开发过程中常受限于生理学参数无法直接或准确测量。全局灵敏度分析可以评估模型预测结果对于生理学参数变化的响应,为模型结构改进、数据收集和参数校准提供参考。本研究基于过程模型CROBAS,以华山松为例,选取模型中描述树木结构关系的10个参数,以树高和各器官生物量的Nash-Sutcliffe效率(NSE)为目标函数,比较了3种应用较广泛的全局灵敏度分析方法,即Morris筛选法、基于方差的Sobol指数法和扩展的傅里叶幅度检验法(EFAST)。结果表明: 参数灵敏度排序在不同方法中仅略微有所变化,但对于不同目标函数则区别明显。对算法耗时和收敛效率而言,Morris和EFAST性能较高,Sobol效率相对较低。所有模型输出变量均对单位面积年最大光合速率、比叶面积、消光系数敏感,林冠光截留状态对于林木生长量有着关键性影响,意味着光合固碳量是CROBAS在模型校正和林木生长动态模拟中需要优先进行数据收集、验证与测试的模块。灵敏度分析同时表明,碳平衡理论在林木生物量模拟中最为核心部分是树叶生物量模块的计算与验证。对于复杂过程模型的参数灵敏度分析,如需定性研究可选Morris,而量化评估采用EFAST更适合。