皖东南山区杉木人工林立地质量数量化评定与产量预测

对皖东南低山丘陵地区１２个国有林场杉木人工林进行调查,用层次分析法对立地质量进行数量化评定,评定的结果与情况吻合;分析杉木各生长因子和产量之间的关系,用ＳＡＳ软件建立了蓄积,树高,胸径的数学预测模型,所建的模型把年龄,林分密度和立地指数有机结合起来,为该地区杉木人工林生长预测和产量预测提供可靠的依据。     

杉木人工林气候生产潜力及其地理分布模型的研究

本文对福建省杉木人工林气候生产潜力进行了测算,并在Lieth—Box模型的基础上.应用主要气象因子拟合了计算杉木人工林气候生产潜力数学模式.对模式计算值进行地理趋势分析,结果表明地理分布模型回归极显著,可为杉木的产区区划和造林地选择提供参考.     

豫西伏牛山区日本落叶松人工林地位指数表编制研究

本研究以豫西伏牛山区104块日本落叶松人工林标准地优势木平均树高作为研究材料，拟合三个数学模型，最后选定用模型IgH=0．0792 0．8880IgA编制地位指数表，基准年龄为26年，用变异系数导出16、18、20、22、24、26、28七条地位指数曲线．经相关系数检验表明：该地位指数表适用于豫西伏牛山区日本落叶松人工林。     

江西杉木人工林生物量分配格局及其模型构建

在省级尺度上分析不同林龄杉木生物量数据,以探索江西省杉木人工林生物量的动态分配格局及其准确估算方法。结果表明:江西省杉木人工林生物量变化范围为55.64～165.22 t/hm²,其乔木层生物量占94.2%以上。杉木林及其乔木层生物量随林龄先增加后略微下降,而各林龄的灌木层、草本层和凋落物层生物量均没有显著差异。幼龄林、近熟林、成熟林各组分生物量大小排序均为乔木层>凋落物层>灌木层>草本层,而在中龄林和过熟林中则为乔木层>凋落物层>草本层>灌木层。幼龄林各器官生物量大小排序为树干>叶>根>枝,而其他林龄中的排序均为树干>根>枝>叶。以胸径(D)为单变量的杉木单株生物量(W)模型(W=0.266D^2.069)及以胸径(D)和树高(H)为变量的模型(W=0.046 9(D²H)^{0.906 4})预测值小于测量值,且预测精度R²均为0.84,其精度和预测能力均低于以胸径、林龄(A)、密度(N)为自变量的生物量模型(W=11.497D^1.847A^0.082N^-0.478)。     

广义差分法的外推

本文就椭圆边值问题的广义差分法给出了一种外推算法,可将逼近精度提高一阶。     

二阶椭圆型方程的广义差分法

本文利用依赖格网范数,讨论了n维区域上二阶椭圆型方程的广义差分法的抽象变分问题,一般性地研究了广义差分法,并提出了非协调广义差分法,证明了3维区域上一类广义差分格式和2维区域上二类非协调广义差分格式的存在性和收敛性.     

解双调和问题的基于Adini元的广义差分法

提出一种求解双调和问题的基于Adini元的非协议广义差分法，作出误差估计，并人出数值例子，数值效果良好。     

长岭岗林场日本落叶松人工林立地指数表的编制

用150株日本落叶松优势水平均树高－－年龄资料,根据树高生长过程特性,在比较多个树高生长模型的基础上,选择Richards生长方程H＝a（1-e^-bA)^c作为日本落叶松树高生长模型;通过优势木解析木资料分析,确定基准年龄为20年,立地指数级距为2m,在10－22m范围内划分7个指数级;用比例法展开导向曲线编制立地指数表。检验结果表明,所编立地指数表精度高,适应性强,能客观地评价长岭岗林场日本落叶松人工林生境质量。     

杉木人工林凋落物量动态对氮沉降增加的响应

 通过野外模拟试验,研究了杉木人工林凋落物量对氮沉降增加的响应。试验设计为4种处理（N0, N1, N2, N3）,增加氮量分别为0、60 、120 和240 kg·hm^-2·a^-1。通过3 a监测发现,2005年各处理的年凋落量分别是2 427.50、2 238.10、2 286.66和2 599.50 kg·hm^-2,2006年凋落量分别是1 008.83、1 164.10、1 147.30和976.47 kg·hm^-2,2007年凋落量分别是1 557.85、1 445.60、1 595.85和1 555.85 kg·hm^-2。从3 a的试验时间来看,凋落物总量表现为先下降后上升,高氮处理（N3）前期提高凋落物量的作用比较明显,但随后逐渐表现为抑制作用;中氮处理（N2）逐渐表现为增加凋落物量的作用,低氮处理（N1）作用不明显。不同水平的氮沉降处理对凋落物各组分存在不同影响, N2处理对增加叶凋落物量有一定的促进作用,但N1和N3处理表现为抑制作用;氮沉降处理均表现出降低枝和皮凋落量的作用,但对落果和碎屑物有显著的增加作用。     

不同龄组天然常绿阔叶林与杉木人工林林下草本层生物量分配特征

以福建省天然常绿阔叶林及人工杉木林下草本层为研究对象,对其地上生物量(y)与地下生物量(x)分配关系进行研究,并对方程lg y=b+ a lg x中的生长指数(a)和生长常数(b)进行计算分析,初步揭示不同森林类型草本层植物生物量分配及其随乔木层林龄变化的基本特征,探究其是否符合等速生长规律。结果显示:①天然常绿阔叶林草本层生物量随林龄增加而下降,人工杉木林草本层生物量在成熟林时期最大,幼、中龄林次之,近熟林最小; ②天然常绿阔叶林幼龄林及成熟林草本层地上-地下生物量分配遵循等速生长规律,中龄林及近熟林生长指数a的95%置信区间上限接近理论值1,各林龄生长常数以成熟林<幼龄林<中龄林<近熟林; ③人工杉木林草本层地上-地下生物量分配均遵循等速生长规律,各林龄生长常数以幼龄林>成熟林>近熟林>中龄林。研究表明,人为干扰对草本层地上-地下生物量分配有影响,但并未破坏其等速分配生长的规律。     

残留物管理育林法对杉木人工林物种多样性的恢复作用

根据在江西武功山林场定位研究的调查材料，对以残留物管理育林法和以传统育林法所培育的两种杉木林分，在物种多样性以及垂直结构等方面，进行了对比分析。结果表明，残留物管理育林法对杉木林地的物种多样性有着明显有恢复作用。以残留管理育林法所培育的林分，不仅其物种多样性指数已超过江西常绿阔叶林物种多样性指数的下限，而且还具备良好的垂直结构及较高的生境多样性。因此，在我国南方林区，全面推广残留物管理育林法，对这     

杉木幼林磷肥利用率的研究

在肥力中等、其它条件正常的酸性红黄壤上，对２年生杉木幼林进行不同磷肥品种（磷酸氢二铵、过磷酸钙、钙镁磷肥）、不同施肥方式（沟施和穴施）的施肥试验。试验进行７个处理、３次重复的随机区组设计。结果表明：施肥后两年内各处理林木胸径、树高、当年抽高等生长指标差异不显著，但总的生物量及叶生物量差异明显，尤其是沟施磷酸氢二铵能明显增加叶和林木总的生物量；施肥后两年内磷肥的利用率以沟施磷酸氢二铵最高（１２．４５     

基于空间结构的杉木枝下高可视化模拟研究

【目的】定量研究林分空间结构对杉木枝下高的影响,构建基于空间结构的枝下高模型,结合杉木生长模型,应用三维可视化技术,实现杉木枝下高可视化模拟。【方法】利用湖南省黄丰桥国有林场6块杉木人工林临时样地的调查数据,选择5个常用枝下高基础模型,分析水平空间结构参数(P_H)、垂直空间结构参数(P_V)和空间结构单元平均距离(d_DIS)及其组合对枝下高的影响,构建综合指标较好且变量少的枝下高模型。基于林分三维模型实时生成方法,建立一种枝干可控的杉木三维模型;结合单木胸径连年生长量模型、树高-曲线模型和冠幅面积估计模型,模拟林木的生长状态。【结果】Logistic模型综合指标较好且模型参数可解释,可选为基础模型;3个空间结构参数中垂直空间结构影响较为显著,将P_V加入到Logistic模型中,改善了枝下高模型的拟合效果,决定系数(R²)从0.717提升到0.741,估计值的标准差从1.407 m减小到1.321 m,并使各项模型检验误差指标有所减小;构建的杉木三维模型可以动态调节枝干,实现了杉木枝下高模拟。【结论】构建的枝下高模型可以应用于林木年龄和部分林分信息未知的杉木林中,体现了林木间的相互竞争影响;结合枝干可控的杉木三维模型,模拟杉木生长过程,形象直观地表现了杉木枝下高的变化,为进一步研究林分生长动态可视化模拟和森林经营可视化模拟提供支持。     

山地杉木人工林择伐环境效益价值动态变化

以33a生杉木(Cunninghamia lanceolata(Lamb.)Hook.)人工纯林为研究对象,研究择伐强度对森林环境效益的影响.设置弱度(12.5%)、中度(22.9%)、强度(49.3%)和极强度(62.7%)4种不同择伐强度,跟踪调查试验样地5a和8a后土壤及凋落物持水、保肥及林分固碳释氧的价值变化,分析不同择伐强度对生态环境效益的影响.结果表明:随着择伐强度的增大,生态环境效益总价值呈先增大后减小的变化趋势;弱度和中度择伐5a和8 a后,可产生环境收益463.5~804.2元/hm2;强度择伐5 a后,导致环境成本23.7元/hm2,但8 a后可产生环境收益747.4元/hm2;极强度择伐5 a和8 a后,导致环境成本488.6和48.1元/hm2.因此,杉木人工林弱度、中度和强度择伐,能较好地促进其发挥涵养水源、保肥和固碳释氧3方面的生态服务功能,建议类似林分择伐强度不超过强度择伐.     

杉木炭疽病预测预报研究

杉木炭疽病流行的时间动态类型介于单年流行病害与积年流行病害之间或者更接近于积年流行病害类型 ,遵循逻辑斯蒂模型。依据 1991- 1993年在福建省三明市的调查资料 ,采用逻辑斯蒂模型建立该病的中期预测预报方程 :ln[x2 / (1- x2 ) ]=- 1.990 91 0 .0 2 72 2 4 T 0 .0 0 794 4 U- 0 .0 0 0 913R 0 .5 912 0 2 ln[x1/ (1- x1) ],模外数据检验表明该预测模型具有较高的可靠性 ,可供生产上使用。