基于GLMM的人工林红松二级枝条分布数量模拟

【目的】利用广义线性混合模型模拟人工林红松二级枝条分布数量,建立二级枝条分布数量广义线性混合模型,并选出最优模型。【方法】基于黑龙江省孟家岗林场人工林65棵红松955个一级枝上的二级枝条数量,通过传统Poisson回归方法选出模拟精度最高的基础模型,考虑树木效应与树木内枝条观测间的相关性,构建二级枝条分布数量广义线性混合模型,并利用R2、标准误差、平均绝对误差、相对平均绝对误差和Vuong检验对收敛模型进行比较。【结果】考虑树木效应的混合模型模拟精度均高于传统回归模型,最终将含有截距、lnR_DINC(R_DINC为着枝深度)、R²_DINC和C_L(冠长)4个随机效应参数以及自相关矩阵A_R(1)的广义线性混合模型选为二级枝条分布数量最优预测模型。在模型固定效应参数估计结果中,lnR_DINC、C_L和D_BH(胸径)前的系数为正值,R²_DINC、H_DR(高径比)前的系数为负值,树冠内二级枝条分布数量存在最大值。最优模型的R²为0.896 1,标准误差为5.15,平均绝对误差为3.83,相对平均绝对误差为23.25%。【结论】广义线性混合模型不仅提高了模型的拟合精度,在反映总体二级枝条分布数量变化趋势的同时,还可以反映每棵树木之间的差异。     

基于TLS的红松树冠半径提取及其外轮廓模型构建

【目的】探究基于地基激光雷达(Terrestrial Laser Scanning, TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,R_C)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15～1.00,精度均在90%左右;提取效果最差的相对冠深范围为0～0.15,精度为60.27%～75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】基于TLS...     

长白落叶松-水曲柳混交林不同混交方式单木冠长预测模型

【目的】为了准确预估长白落叶松-水曲柳4种不同行间混交方式(行间混交比例分别为1∶1、2∶2、3∶3、5∶5)的单木冠长,采用联立方程组模型分别构建了长白落叶松和水曲柳的冠长模型。【方法】基于黑龙江省尚志国有林场管理局的长白落叶松-水曲柳混交林54块标准地的样木数据,从3种非线性的基础冠长模型中选取最优冠长模型,以单分子式模型为树高曲线的基础模型,并将混交比例(Z_i)和树木在混交带内位置(K)作为哑变量,加入其他树木变量、林分变量和竞争因子,分别构建长白落叶松和水曲柳的冠长模型;基于最优冠长模型和树高曲线模型建立联立方程组模型,采用非线性似乎不相关回归(NSUR)的方法进行参数估计,并对所构建的模型进行评价。【结果】长白落叶松冠长与高径比呈负相关,与林木树高和林分优势高之比呈正相关;水曲柳冠长与高径比呈负相关,与林木胸径和林分优势木胸径之比呈正相关;长白落叶松树高与长白落叶松优势木平均高呈正相关,水曲柳树高与水曲柳优势木平均高呈正相关。联立方程组预估长白落叶松冠长和树高的调整后决定系数 ( R_{\mathrm{a}}^2 )分别为0.478 1和0.821 6,联立方程组预估水曲柳冠长和树高的 R_{\mathrm{a}}^2 分别为0.395 8和0.752 9。【结论】构建冠长和树高联立方程组模型不仅具有较好的拟合效果及预测精度,还解决了冠长与树高之间内在相关性的问题。因此,本研究所构建的冠长模型可以很好地预测东北地区混交林内长白落叶松和水曲柳的冠长,为进一步研究混交林树木树冠结构提供依据。     

基于两水平非线性混合效应模型的长白落叶松削度方程构建

【目的】以长白落叶松(Larix olgensis)人工林干形指标为主要数据,利用非线性混合效应模型构建长白落叶松削度方程,研究不同的二次抽样方案对混合效应模型预估精度的影响。【方法】在不同类型的削度方程中选择拟合效果最好的Kozak方程作为基础模型,通过再参数化的方法引入树冠特征变量,分析树冠大小对干形的影响;在包含树冠变量的模型基础上,结合混合效应模型考虑样地、样木效应对于干形的影响,建立长白落叶松削度方程;采用2种抽样方案(方案Ⅰ,不限定抽样位置;方案Ⅱ,抽样位置限定在相对高0.1以下)对混合效应模型进行精度检验。【结果】树冠变量中冠长率与干形关系最为密切,将冠长率引入模型后,提升了模型的拟合精度,且模型参数在5%显著性水平上均显著。通过似然比检验,样地效应和样木效应极显著提升了模型拟合效果(P<0.01),并使用指数函数和一阶连续自回归结构[CAR(1)]来解决削度方程中普遍存在的异方差和自相关问题,最终的混合效应模型调整后决定系数( R_{\mathrm{a}}^2)为0.994 1,均方根误差(RMSE)为0.623 1,拟合效果优于基础模型( R_{\mathrm{a}}^2提高了0.4%,RMSE减小了24.6%)。当使用不同的抽样方案进行预测时,方案Ⅰ表现出最高的预测精度,抽样数量为5时,平均绝对误差(MAE)为0.470 0,平均绝对误差百分比(MAPE)为4.62%;而方案Ⅱ不同抽样数量之间的预测效果差别不大(MAE的变化范围为0.520 3~0.536 6,MAPE的变化范围为5.14%~5.22%),但仍优于基础模型。【结论】将冠长率引入模型后,模型对干形的模拟更贴合实际中的林木生长情况;包含样地效应、样木效应的两水平混合效应模型可以很好地模拟长白落叶松的干形变化,为精准估计长白落叶松各材种和立木材积提供了依据。     

黑龙江省长白落叶松人工林单木生长模型

【目的】利用单水平线性混合模型构建了黑龙江长白落叶松人工林单木直径生长模型,为准确预测黑龙江省落叶松人工林的生长及合理经营提供理论依据。【方法】基于黑龙江省148块固定样地数据,运用逐步回归法,依次引入林木初始大小因子、竞争和立地因子,建立并评估了5种不同因变量(5年间隔期末胸高直径d₅,直径增长量d₅-d₀,5年直径增长量的自然对数ln(d₅-d₀+1),直径平方增长量的自然对数ln(d²₅-d²₀+1),直径平方增长量d²₅-d²₀)的黑龙江省长白落叶松人工林传统单木生长模型,同时基于最优传统模型采用哑变量方法构建了与距离无关的单木直径生长模型,并在哑变量模型的基础上把样地作为随机效应因子,运用单水平线性混合模型的方法构建了单木直径生长模型,并利用独立检验样本数据对基础模型、哑变量模型和混合模型进行检验。【结果】对于每一种因变量的单木生长模型,依次加入林木初始大小、竞争因子和立地因子后,模型精度均有显著提高; 因变量为ln(d₅-d₀+1)的模型为最优单木直径生长模型。影响黑龙江省落叶松人工林单木直径生长的主要因素有林木初始大小(ln d₀)、地位指数、林分每公顷断面积和大于对象木断面积和。哑变量模型在保证预估精度的同时体现了两个区域间的差异。混合效应预估模型的R²、均方误差(MSE)和均方根误差(RMSE)分别为0.978 3、0.713 7和0.844 8 cm。与传统模型相比,混合效应模型的相对平均均方误差和均方根误差较传统模型减少了0.300 6和0.162 3 cm,决定系数R²几乎相当。在模型检验中,混合效应模型呈现较好的拟合效果。【结论】基于线性混合效应的黑龙江省长白落叶松人工林的单木直径生长模型较传统模型预测精度更高。     

基于抚育间伐效应的长白落叶松人工林单木直径生长模型

【目的】分析抚育间伐对长白落叶松人工林单木胸径(D)生长的影响规律并对其进行模拟。【方法】基于黑龙江省孟家岗林场与江山娇林场10块固定样地复测数据,建立了基于抚育间伐效应的与树木距离无关的长白落叶松单木胸径5年生长量预估模型,量化了抚育间伐对林木直径生长的影响。长白落叶松单木直径生长模型为基于样地效应的单水平线性混合效应模型,根据赤池信息准则(AIC)和贝叶斯信息准则(BIC)等统计指标和似然比检验对模型进行比较和筛选,并采用独立样本数据对模型进行检验。【结果】当地位指数一定且林分年龄较小时,抚育间伐强度越大,林木直径生长量越大; 当林分年龄较大时,抚育间伐对林木直径生长影响不明显。同一林分中,林木直径生长量随林木径阶增大呈增大趋势。长白落叶松单木直径生长模型中显著自变量为:林木前期胸径的二次方(D²)、胸径的自然对数(ln D)、林分中大于对象木的所有林木断面积之和(B)、地位指数(I)、抚育间伐年龄(T_i)和间伐强度(P_i)。落叶松单木直径生长最优混合效应模型的AIC、BIC和均方根误差均小于一般线性模型。独立样本数据检验最优线性混合效应模型和一般线性模型的拟合效率分别为0.678 和0.624。【结论】基于抚育间伐效应的落叶松直径生长的最优线性混合效应模型优于一般线性模型。模型能够较好地量化抚育间伐对落叶松人工林单木直径生长的影响。     

华北落叶松冠层光合生理特性的空间异质性

【目的】森林生产力取决于树冠的整体光合能力,而树冠不同部位的光合作用具有差异性。深入了解华北落叶松冠层内光合作用的差异,为冠层水平模拟和准确估算森林生产力提供依据。【方法】采用Li-6400便携式光合仪对山西省太岳山20年生和40年生华北落叶松不同层次和不同方位的光合生理特性进行研究。【结果】20年生华北落叶松树冠中上层与下层的净光合速率(P_n)差异显著(P<0.05),而不同方位上的P_n差异不显著; 40年生华北落叶松树冠上、中、下3个层次的P_n差异显著(P<0.05),不同方位上的P_n差异也不显著。影响20年生华北落叶松树冠P_n的主要因子是羧化效率(V_c)、胞间CO₂浓度(C_i)、蒸腾速率(T_r); 影响40年生华北落叶松树冠P_n的主要因子是V_c、气孔导度(G_s)、水汽压亏缺(p_VPD)。20年生和40年生华北落叶松树冠不同层次、不同方位叶绿素a、叶绿素b和总叶绿素含量差异不显著。【结论】冠层光合空间异质性是冠层水平模拟和估算森林生产力时必须考虑的因素,这对于从单木到林分的尺度推演和模型拟合具有重要的意义。     

4种类型水曲柳人工林叶片-凋落物-土壤生态化学计量特征比较

【目的】利用生态过程中多重化学元素的平衡关系,揭示营养元素相互作用的变化规律,了解多重化学元素质量平衡及其对生态交互作用的影响。分析4种类型水曲柳人工林间树种叶片-凋落物-土壤以及同一水曲柳人工林不同组分间碳(C)、氮(N)、磷(P)的含量及其生态化学计量特征,为水曲柳人工林的混交树种选择、叶片-凋落物-土壤中的养分调节及水曲柳人工林的合理施肥提供理论参考。【方法】在东北林业大学森林培育实验站,以天然林带状皆伐后营造的29年生水曲柳纯林、长白落叶松水曲柳混交林、红皮云杉水曲柳混交林和红松水曲柳混交林为对象,野外样地调查取样,室内测定叶片、凋落物、土壤的有机C、N、P含量,分析比较了4种类型水曲柳人工林叶片-凋落物-土壤的C、N、P含量及其化学计量比[碳氮、碳磷、氮磷质量比,即m(C):m(N),m(C):m(P),m(N):m(P),分别表示为C/N、C/P、N/P]特征。【结果】水曲柳与长白落叶松叶片的N、P含量显著高于红皮云杉和红松叶片中的N、P含量; 水曲柳纯林凋落物的N、P含量显著高于3种混交林凋落物的N、P含量; 4种林型土壤C、N、P含量差异显著,C以长白落叶松水曲柳混交林土壤的为最高,N、P以水曲柳纯林土壤的为最高,C、N、P皆以红松水曲柳混交林土壤的为最低; 4种林型叶片到凋落物的C、N、P含量平均降低率分别为18.98%、32.12%与21.95%; 凋落物到土壤的C、N、P含量平均降低率分别为81.37%、50.73%与3.49%; 混交林叶片到土壤的C、N、P含量平均降低率分别为84.90%、66.55%与24.67%; 红皮云杉和红松叶片的C/N、C/P显著高于水曲柳、长白落叶松叶片,N/P皆以长白落叶松、红皮云杉和红松显著低于水曲柳; 凋落物C/N和C/P以红皮云杉水曲柳混交林和红松水曲柳混交林显著高于水曲柳纯林和落叶松水曲柳混交林,N/P以水曲柳纯林高于3种混交林; 土壤C/N和C/P皆以落叶松水曲柳混交林显著高于其他3种林型。C/N以凋落物最高,土壤最低; C/P和N/P以叶片最高,土壤最低。【结论】从提高养分利用效率,促进树木生长和保护土壤角度综合考虑,相对于红松与红皮云杉,水曲柳与长白落叶松具有更好的养分利用效率与生长速度,长白落叶松水曲柳混交林和水曲柳纯林林下土壤中的C、N、P含量也相对高于红皮云杉水曲柳混交林与红松水曲柳混交林。因此,对水曲柳人工林的混交树种应优先选择长白落叶松。基于水曲柳人工林叶片-凋落物-土壤的C、N、P含量及其生态化学计量在不同组分中的变化情况,应注意林下土壤N、P肥的补施。     

长白落叶松人工林多目标经营模式研究

【目的】我国林业目前处于提高森林资源质量和转变发展方式的关键阶段,林分水平的经营决策对科学制订森林经营规程、提高森林质量具有重要意义。利用模拟-优化系统,探究不同林分条件下的最佳经营模式,可为提高黄花落叶松(Larix olgensis)(俗名长白落叶松)人工林多目标经营水平提供理论基础和实施方案。【方法】以标准长白落叶松人工幼龄林为研究对象,利用多属性效用函数和妥协性分析构建包括净现值、大径材产量和林木碳储量的多目标经营模型,链接林分生长模型与粒子群优化算法,优化不同经营方程并提出经营模式。【结果】在不同造林密度(2 500和3 300株/hm²)及不同地位指数(16～22 m)下两种多目标方程(MOF₁和MOF₂)估算的林分主伐年龄为54～96 a,净现值为38 047.8～109 194.9元/hm²,大径材年均产量为1.8～4.4 m³/(hm²·a),轮伐期内年均林木碳储量为59.7～103.1 t/(hm²·a)。随着林木...     

落叶松人工林树皮厚度预测模型

【目的】建立落叶松人工林树皮因子及任意高度处树皮厚度的预测模型,以期更加准确地对树皮厚度进行预测,为实际木材生产和森林经营提供更加准确的指导。【方法】基于2015年黑龙江省佳木斯市孟家岗林场49株人工落叶松的1 186个圆盘数据,利用SAS 9.4软件中的MIXED模块构建落叶松人工林树皮厚度(树皮因子、任意高度处树皮厚度)的线性混合效应预测模型。模型评价指标选用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、-2倍的对数似然值(-2LL)及似然比检验(LRT)。【结果】对于树皮因子模型,基于树木效应时含b₁、b₂、b₄随机参数组合的树皮因子模型为最优混合模型;基于样地效应时含b₁、b₂随机参数组合的模型是最优混合效应模型。对于任意高度处树皮厚度模型,基于树木效应时含b₁、b₂的组合为最优混合模型;基于样地效应时含b₀、b₂、b₃组合的为最优模型。所有最优模型在具有无结构(UN)方差-协方差矩阵时拟合效果最好。【结论】不论是树皮因子还是树皮厚度模型,树木效应对模型的影响最大;混合效应模型的预估精度与传统回归模型相比有明显提高。     

红松天然林胸径生长的空间异质性及其与地形的关系

【目的】探讨红松天然林胸径生长的空间异质性及其与地形因子的关系,为科学管理经营红松天然林提供借鉴。【方法】通过采用地统计学、方差分析、地理加权回归等方法,对白河林业局的红松天然林胸径生长的空间异质性及其与海拔、坡位、坡向和坡度等地形因子的关系进行了研究。【结果】研究区内红松天然林胸径生长变异系数为0.6,属于中等变异性,其空间变异特征最适合用指数模型来描述,且模型拟合度高; 红松天然林胸径生长在0～4 230 m范围内存在强烈的空间自相关; 运用普通线性回归(OLS)与地理加权回归(GWR)方法建立基于地形因子的红松天然林胸径生长模型,预测结果显示,GWR方法较OLS方法提高了预测精度。【结论】红松天然林胸径生长在一定范围内具有较强空间异质性,且会因地形因子的变化而产生差异,其中海拔、坡向对胸径的生长影响较大。     

基于广义非线性混合效应的华北落叶松天然次生林枝下高模型

【目的】立木枝下高模型的构建是森林经营的核心内容,利用非线性混合效应模型方法构建华北落叶松枝下高模型,可为森林生长与收获研究提供理论依据。【方法】基于112块华北落叶松天然次生林样地单木数据,从7个备选的枝下高-树高模型中选出一个最优基础模型; 分析9个不同单木或林分因子及其因子之间的组合对枝下高的影响,将影响显著的因子作为模型预测变量以提高模型精度。在此基础上,考虑区组以及嵌套在区组里的样地对枝下高的影响,即构建嵌套两水平的非线性混合效应枝下高模型。【结果】Logistic模型预测精度较高并且模型参数可解释,因此选为基础模型。除树高之外,立木胸径、样地内所有大于对象木胸径的立木断面积总和、平均冠幅和林分密度与枝下高相关显著,故作为模型预测变量。与传统模型相比,所构建的两水平嵌套非线性混合效应模型对应的决定系数提高了53.26%,均方根误差降低了24.73%,因此明显提高了模型预测精度。【结论】区组和嵌套在区组里的样地对立木枝下高随机干扰较大,当考虑这些随机效应对枝下高的影响时能明显提高模型的预测精度。     

红松半同胞家系生长性状变异分析与优良家系选择

【目的】分析红松(Pinus koraiensis)半同胞家系生长性状的遗传变异,选择优良家系,为红松高世代遗传改良提供材料。【方法】以吉林露水河国家红松良种基地内红松半同胞家系子代测定林为研究对象,对34个家系(包括对照1个)不同林龄(18、23、27 a)时期的生长性状进行家系间差异性比较、遗传参数估算、表型相关与遗传相关分析,综合各林龄阶段家系生长表现,以材积和育种值为主要指标进行优良家系选择。【结果】不同林龄时期,树高、胸径、材积的家系间差异均达到极显著水平。材积家系间差异主要受遗传效应影响,随林龄增长,作用逐渐加强。树高与胸径主要受遗传效应、遗传与环境互作效应共同影响,冠幅主要受环境效应影响。4个性状中,树高变异相对较小,材积变异较大。树高、胸径、材积受较强遗传控制,冠幅受中低遗传控制。林龄18~23 a时,树高、胸径、材积的家系遗传力呈下降趋势;林龄23~27 a时,遗传力变幅较小,表现趋于稳定。遗传进展变化趋势与遗传变异系数变化趋势一致,表现为树高、胸径、材积随林龄增长有所下降,林龄23 a后变幅缩小,基本稳定。生长性状间表型相关与遗传相关均表现为正相关关系。胸径与材积遗传相关达到极显著水平;树高与材积遗传相关随林龄增长逐渐减弱;冠幅与材积遗传相关随林龄增长逐渐加强。对参试家系3个林龄时期的生长表现进行综合分析与评价,筛选出优良家系2个,二者材积均值高出对照25.84%,高出参试家系平均值50.00%,高出表现较差的1331号家系114.29%。【结论】所选1302号、1046号优良家系材积现实增益显著,可为红松高世代育种提供基础材料,对今后红松生长性状的遗传改良以及大径材定向培育等具有积极意义。     

杈干现象对南方红豆杉树冠形态、生长和形质的影响

【目的】探明杈干对南方红豆杉树冠形态、生长和形质的影响,揭示杈干作用于树木生长、树冠形态的分级机制,分析树冠形态与生长和形质间关系的杈干效应,明确杈干木和未杈干木类型的树冠形态调控措施。【方法】在福建省明溪县南方红豆杉15年生人工林分中设置标准地,调查分析杈干木、未杈干木的树冠形态及生长、形质间差异,统计不同杈干木类型红豆杉胸径、树高、冠幅、冠形率、树冠率的分级分布,通径分析不同杈干木类型红豆杉树冠形态特征与生长形质间的关系。【结果】杈干显著抑制南方红豆杉的冠长、冠形率、树冠率,但对冠幅无显著性影响;杈干显著促进南方红豆杉地径、胸径、树高、单株材积、枝下高以及生长形质总体表现,但对树干尖削度、圆满度无显著性影响。不同杈干木类型间胸径、树高、冠形率、树冠率的分级分布明显不同,胸径、树高、单株材积、总体表现与树冠形态特征间关系也明显不同。【结论】杈干明显改变南方红豆杉胸径、树高、冠形率、树冠率的分级分布,杈干对胸径、树高、冠形率、树冠率的影响是通过改变高、低分级区间的分布比例来实现。杈干改变南方红豆杉胸径、单株材积、总体表现与树冠形态特征间关系,其相应的树冠形态调控措施不同。促进总体表现时...     

基于线性分位数组合的兴安落叶松冠幅预测

【目的】 使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持。【方法】 利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型。比较7种分位数组合:三分位数组合(τ=0.1, 0.5, 0.9和τ=0.3, 0.5, 0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果。分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1~9株)对预测精度的影响。同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较。【结果】 线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好。多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关。使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3, 0.5, 0.7)的预测能力最好。对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木。【结论】 基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测。     

初植密度对4个落叶松无性系生长与干形的影响

目的 探究落叶松优良无性系生长、干形与初植密度的关系,为落叶松无性系人工林的合理经营提供科学依据,促进落叶松良种的推广与应用。方法 以辽宁清原大孤家林场2006年营造的4个落叶松优良无性系3种初植密度(A.2.0 m×3.0 m;B.2.0 m×2.0 m;C.2.0 m×1.5 m)的试验林为研究对象,基于连年测定的树高、胸径、冠幅、树干通直度和圆满度等数据,分析遗传和密度效应对生长和干形特征的影响。结果 4个无性系的胸径、冠幅和单株材积生长量受初植密度影响显著,随密度的减小而增大,13年生时各无性系在低密度A林分比高密度C林分的胸径、单株材积和冠幅分别提高16.4%、28.8%和19.0%;而蓄积量和高径比则表现出相反的规律,蓄积量降低了29.3%。树高、树干通直度和圆满度受初植密度的影响较小。生长特征受遗传效应影响显著,在不同密度下从大到小均为无性系2>无性系1>无性系3>无性系4,在密度A林分中无性系2的胸径、冠幅、单株材积生长量和蓄积量分别比无性系4高出24.5%、21.2%、47.8%和42.8%。无性系间的生长和干形特征受密度影响不同,胸径、单株材积和高径比的分化均随着初植密度增大而加剧,而树高生长、树干通直度和圆满度在无性系间的差异较弱,无性系2在生长和干形变异上综合表现较为稳定。4个无性系在3种密度下抚育间伐起始期均不同,在密度A下无性系1、2、3、4的起始间伐期分别为7、9、11、11 a,在密度B下分别为7、9、9、11 a,在密度C下均为7 a。结论 遗传和密度效应对树木生长和干形均有显著影响,但交互作用不显著。生长比干形特征更易受到遗传和密度效应的影响,在树木生长前期遗传效应大于密度效应。遗传改良林分提早了抚育间伐期,需针对该林分制订相应的经营措施。4个无性系中无性系1和2属于速生型无性系,无性系3和4属于匀速型无性系,若培育大径材,无性系1和2适宜匹配A密度(2.0 m×3.0 m)营造人工林;若培育纸浆材,无性系2和4适宜匹配C密度(2.0 m×1.5 m)营造人工林,无性系3受造林密度影响较小,适宜匹配B密度(2.0 m×2.0 m)营造人工林。综合生长和干形特征来看,无性系2(日永8×长混4-14)由于其速生性和稳定性较好可在辽东山区大力推广造林,将能收获最大的林分蓄积量。     

帽儿山地区樟子松优良种源的选择

【目的】进一步揭示不同种源樟子松在帽儿山地区的生长差异性,选择出优良种源。【方法】以1981年采种、1982年育苗、1984年春造林到帽儿山地区的高峰、图强、卡伦山、红花尔基、罕达盖、金山、阿尔山等7个种源31年生樟子松试验林为研究对象,通过对樟子松胸径、树高、材积、冠幅、年轮宽度及保存率等6个生长性状进行方差分析、多重比较、相关性分析、主成分分析等,选择优良种源。【结果】种源间胸径达到极显著差异(P＜0.01),材积和冠幅达到显著差异(P＜0.05),树高没有显著差异(P＞0.05); 区组间各性状均没有显著差异(P＞0.05)。图强种源的年轮宽度最大(3.69 mm),保存率则最小(56.67%); 不同种源胸径、树高、材积、冠幅及年轮宽度与原产地地理气候因子之间没有显著相关性。樟子松种源各性状地理变异模式不明显,而保存率与纬度呈极显著负相关(P＜0.01),与经度呈显著负相关(P＜0.05),与海拔呈显著正相关(P＜0.05); 主成分分析结果发现,图强种源综合指数得分最高(2.972)。【结论】31年生樟子松人工林生长性状不同种源之间存在差异,红花尔基、高峰种源生长较好; 图强种源表现最好,应用潜力大。     

基于固定样地连续监测数据的林木蓄积生长率月际分布

【目的】森林资源监测的周期缩短、监测区域越来越小,精准监测成为森林资源监测的必然,对省域森林资源监测数据的误差进行控制是一项重点工作。【方法】以浙江省2004—2015年森林资源连续清查年度监测的5 375个固定样地数据为基础数据源,区分松类、杉类、硬阔、软阔4个树种组和小径级(6～12 cm)、中径级(14～26 cm)、大径级(≥28 cm)3个胸径级,组成12个研究类组,将全年划分为4、5、6、7、8、9、10、11月至次年3月等8个生长月,对各类组的蓄积月生长率进行了抽样估算,获得了蓄积月生长率和年生长率值。在此基础上,分析了各类组的月生长率动态曲线。【结果】不同的树种组,其林木蓄积月生长率变动曲线有所不同,在4—10月的主生长期内,月生长率最高月与最低月比在2.0～2.2之间; 1年中,松、杉、软阔有2个生长高峰但出现时间与高度不尽一致,硬阔只有1个生长高峰; 随着径级的增大,蓄积生长率呈明显下降趋势,中径级蓄积生长率为小径级的77%～88%,大径级蓄积生长率为中径级的64%～90%、小径级的56%～77%。【结论】浙江全省林木的蓄积月际生长率存在较大差异,开展短周期森林资源调查时(如年度监测),需要进行时间误差校正和起源误差校正(起源调整系数)。研究认为时间误差的校正基准月定在6—8月期间为宜,在此基础上分别按天然、人工起源计算起源校正系数,浙江天然林的调整系数为0.908 6,人工林的为1.091 4。