［目的］以湖南省黄丰桥国有林场杉木纯林为研究对象，进行树木竞争指数的研究，基于Ｈｅｇｙｉ简单竞争指数的形式，提出包含反映树冠特征因子的树冠竞争指数。［方法］将树冠竞争指数和Ｈｅｇｙｉ简单竞争指数分别与胸径增长量进行相关分析。［结果］Ｋｅｎｄａｌｌ’ｓ ｔａｕ－ｂ系数、ｓｐｅａｒｍａｎ’ｓ ｒＨｏ系数和相关系数ｒ２均显示树冠竞争指数与林木生长量的相关性高于Ｈｅｇｙｉ简单竞争指数。［结论］该结果表明树冠竞争指数与林木生长量有更强的相关性，可以更好地体现树冠在树木生长中的作用，能作为模拟林分生长量的依据。

【目的】无人机遥感的迅速发展为胸径预估提供了新方向，本研究适用于通过无人机遥感技术提取样地单木树冠因子后，估算胸径及林分每公顷断面积等指标，实现精准高效的森林资源监测与管理。【方法】根据福建省将乐国有林场33块杉木人工林地面调查数据，利用10种传统模型与2种机器学习方法分别对单木胸径进行估测，并基于不同的自变量组合形式来分析不同因子对胸径估测的影响。【结果】根据传统模型参数拟合结果可以看出，树冠半径与胸径呈显著正相关，林分密度、偏冠因子及竞争指数与胸径均呈显著负相关。传统模型建模过程中所引入最优竞争指数为树冠重叠内角相关的CI2，模型逻辑斯蒂模型拟合结果最优，幂函数（有截距）模型次之。而在使用检验数据进行估测时，幂函数（有截距）有着最好的估测效果。随机森林模型均具有较好的拟合效果，使用检验数据进行估测，不同竞争指数对模型拟合提升程度不同，与树冠重叠面积相关的竞争指数CI3取得了最好的效果。支持向量回归模型拟合优度小于随机森林，略大于传统模型。对胸径进行估测时，包含与竞争木大小相关的竞争指数CI4的模型为最优模型。【结论】传统模型和机器学习模型在拟合与估测单木胸径上均取得了一定的效果，利用机器学习模型效果更优。在模型的不同自变量组合中，加入有关树冠的竞争指数能使模型预测精度提高，决定系数R~2增加，E_(MA)、E_(RMS)及A_(IC)减小。传统模型的最优竞争指数为重叠内角相关的竞争指数CI2，在机器学习方法中与对象木和竞争木大小相关的竞争指数CI3和CI4也取得了较好的效果。此外，偏冠指数对于胸径估测的提升效果仍需进一步验证。

以湖南省株洲市攸县黄丰桥国有林场杉木中龄林为研究对象,用逐步回归的方法建立以单木大小、单木竞争指标为自变量,冠幅、冠长为因变量的函数估算模型,实现林木树冠形状的模拟。研究结果显示:在杉木树冠形状模拟时,与竞争有关的冠幅模型、冠长模型的判定系数R2分别为0.771、0.872,显著高于与竞争无关的冠幅模型、冠长模型的调整的判定系数0.729、0.811,这说明竞争对树冠生长影响的作用是显著的。

【目的】合理的林分密度是风景林经营的关键,为了提升风景林景观质量,应首先确定合理的经营密度。【方法】以北京市西山人工油松Pinus tabulaeformis风景林为研究对象,基于61块20 m×30 m标准样地的林分调查数据,结合空间竞争和树冠半径生长模型研究树冠生长规律并确定油松风景林的合理经营密度。【结果】1)从10个常用竞争指数中确定了相对树冠表面积RCS为最优竞争指数,决定系数最大(R~2=0.650 6,P <0.01);2)经检验,以RCS为修正参数的树冠半径生长模型预测值与实测值之间最大平均误差为-0.53,最大绝对标准误差0.57,潜在树冠半径的预估精度94.53%,单木树冠半径的预估精度为89.03%,能够有效地预测树冠半径生长;3)基于此模型,建立了不同竞争强度、不同立地条件、不同年龄的经营密度表。【结论】树冠对林分密度和空间竞争的敏感性很强,相同立地条件和年龄的林分中,林分密度越大,空间竞争越激烈,树冠生长受到影响越大。基于树冠半径生长模型建立的林分经营密度表,可以直观地展现不同竞争强度的油松人工林在各年龄阶段的树冠半径和适宜的林分密度。风景林经营实践中应按照不同培养目标选择合适的林分密度和竞争强度。开发封闭式观赏景观,宜选择竞争指数为0.8～0.9的中高密度林分;培育观赏型林内景观时,宜选择竞争指数为1.0～1.1时的林分密度;培育观赏型林内景观和开放式林下休闲空间,应控制竞争指数应大于等于1.2。

【目的】基于交角的林木竞争指数（ＣＩ）简洁，能同时表达出竞争木上方的遮盖和侧翼的挤压。探讨不同林分用胸径（Ｄ）或通过胸径－树高（Ｄ－Ｈ）曲线预估树高后替代实测树高计算该竞争指数的可行性，以期给出基于交角的林木竞争指数的最优经验计算途径。【方法】以３个地区共６块样地的天然林和人工林为研究对象，利用全站仪测定并记录林木坐标、树种、胸径、树高、冠幅和健康状况，并计算和分析各样地林木通过胸径得到的竞争指数（ＣＩＤ），通过胸径－树高曲线预估树高后得到的竞争指数（ＣＩ＿（Ｄ－Ｈ））与通过实测树高得到的竞争指数（ＣＩＨ）间的关系。【结果】不同森林类型林分通过胸径和胸径－树高曲线预估树高后计算得到林木竞争指数．．．

建立基于交角的林木竞争指数(u_a_CIi),该指数能够同时表达出竞争木对对象木的上方遮盖和侧翼挤压。该指数取值范围为[0,1),无量纲,指数值越大,表明树体越小,所承受的竞争压力越大,清晰直观地表达林木在林分中所处的相对竞争态势。从理论上阐明大的竞争邻体比小的竞争邻体对对象木有更大影响,不仅反映在上方的遮盖也体现在侧方的挤压中。该指数与林木大小的相关性明显高于常用的HEGYI竞争指数。在测量技术飞速发展的今天,该竞争指数将具有很大的应用前景。

断面积生长预估是林分生长和收获预估体系中的核心因子和基础。本文选用了包含林分密度指标、年龄和立地质量指标的Ｒｉｃｈａｒｄｓ 模型作为断面积生长模型。利用树冠竞争因子（ ＣＣＦ） 能稳定反映林分竞争水平的特性，建立了ＣＣＦ 与林分密度指数和单位面积林木株数之间的函数关系式，并对长白落叶松和杉木得出：（１） ＣＣＦ＜ ２００ ，林分为等株数生长；（２）２００ ≤ＣＣＦ≤３００ 时，为等株数生长向自然稀疏生长的过渡期，该期间林分密度指数的变化可用等株数生长和自然稀疏生长的线性组合来表达；（３） ＣＣＦ＞ ３００ 时，林分为完全的自然稀疏生长

以福寿山林场25年生的杉木生态公益林为研究对象,通过分析林木竞争指数与胸径生长因子的相关关系,得出二者为负相关,从而确定加权Voronoi图的权重为胸径倒数(W),借助Arcgis软件里的加权Voronoi图工具,通过加权Voronoi图的方法来确定竞争单元,提出基于加权Voronoi图的W_V_Hegyi竞争指数,最后将W_V_Hegyi竞争指数与Hegyi、V_Hegyi竞争指数进行对比分析,结果表明:1)3种竞争指数与胸径相关性强弱排序为:W_V_Hegyi>V_Hegyi>Hegyi;2)3种竞争指数与胸径服从幂函数关系,曲线拟合度排序为:W_V_Hegyi>V_Hegyi>Hegyi...

［目的］由于激光雷达技术已经能准确测定立木树高及相关树冠因子，应用该技术建立基于树高和树冠因子的立木材积模型，为激光技术在森林蓄积估计中提供技术支撑。［方法］利用云杉、冷杉、栎树、桦树４个树种组的３ ０１０株实测样木数据，分析了立木材积与胸径、树高、树冠因子之间的相关关系；并通过对数回归方法构建了基于树高和树冠因子的立木材积模型，用确定系数Ｒ２和平均预估误差ＭＰＥ等６项指标对模型进行评价。［结果］表明，立木材积与单一因子之间的相关，以胸径最为紧密，其次是树高，再次是冠长和冠幅。基于树高和树冠因子的立木材积模型中，以树高和冠幅作为解释变量的二元模型效果较好，再增加冠长因子的三元模型改进不大。云杉．．．

[目的]研究林木树冠形态对外界环境适应的可塑性机理。[方法]以小兴安岭地区的长白落叶松为研究对象，利用详细的树冠半径调查数据，研究长白落叶松的树冠偏冠现象，分析树冠偏冠与林木大小和竞争之间的关系。[结果]在单木水平上，不同林龄样地中林木的树冠变异系数的平均值均大于20%，大部分林木的树冠半径变异系数较大，只有不到1/5的林木的树冠半径变异系数小于15%。不同林龄样地中长白落叶松偏冠距离的平均值在0.35～0.51 m之间，各样地中林木偏冠距离的最大值均在1.2 m以上，其中成熟林中林木偏冠距离的最大值达到1.73 m。树冠的偏冠方向没有特定的方向偏向，是均匀分布的。在幼龄林中，林木的偏冠距离与胸径、冠长、平均树冠半径呈显著正相关，树冠偏冠距离随树木增大而增大。在中龄林和近熟林中，偏冠指数与胸径、树高和平均树冠半径呈显著负相关，与高径比呈显著正相关，树冠偏冠程度随树木增大而减小。在成熟林中，偏冠程度与林木大小的相关性不显著。在幼龄林、中龄林、近熟林中，树冠偏冠与竞争压力呈显著正相关，在成熟林中树冠偏冠与竞争压力的相关性不显著。基于树冠中心坐标计算的林分平均竞争指数均小于基于树干坐标计算的林分平均竞争指数。[结论]长白落叶松树冠偏冠距离一般随着林龄的增大而变大，在不同发育阶段受到不同程度竞争的影响，树冠偏冠在一定程度上降低了林分平均竞争指数，减少了林分竞争压力。

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。

以研究青冈栎林木竞争、掌握青冈栎林分竞争结构规律、为评价林木竞争压力状况提供新方法为目的。以中南林业科技大学芦头林场青冈栎次生林为研究对象,构建青冈栎优势木冠幅模型,并采取平均离差百分数调整法对模型进行调整得到青冈栎自由树冠幅模型。分别利用样地偏移法和影响力因子判别法确定对象木和竞争木。基于单木影响圈构建单木影响体,同时结合竞争压力指数(CSI)提出综合竞争压力指数(C-CSI)概念。分析得到CSI、C-CSI以及简单竞争指数CI与胸径均为指数函数关系。三个竞争指数均表明林木胸径越大其受到的竞争压力越小,

[目的]以无人机高清影像为数据源,结合样地实地调查数据,研究杨树冠幅提取及其与胸径和林分蓄积量的相关性,为无人机森林调查技术提供一种思路和方法。[方法]基于无人机高分影像及实地调查数据,采用面向对象法,对杨树林木冠幅进行分割与提取,通过实地测量数据建立冠幅-胸径模型,利用一元材积表计算样地蓄积量,并进行相关性分析与精度检验。[结果]影像分割效果良好,但提取得到的冠幅比实际值偏小,研究区最适宜的杨树冠幅分割尺度为10,平滑度0.1,紧致度0.5。杨树冠幅与胸径建立相关模型,其中一元线性方程拟合效果最好,相关

【目的】明晰北京市城区城市林木树冠覆盖（urban tree canopy, UTC）斑块总体形态特点，揭示城市化进程中UTC斑块形态特征变化的时、空演化特征，以期为今后城区的城市森林建设和现有城市林木保护提供借鉴。【方法】本研究以北京市六环内为研究区，基于2002、2013和2019年3期高分辨率遥感影像提取UTC斑块，采用形态学空间格局分析方法，分析近20年来北京城区UTC斑块形态特征组成状况，并结合转移矩阵与相对贡献度等方法指标，识别北京市城区UTC形态特征的主要转换类型及其空间分异特点。【结果】2002—2019年间，北京城区UTC从2002年的387.93 km~2增加到2019年的771.14 km~2。其中，2002—2013年间，北京市城区UTC增幅达282.92 km~2，显著高于2013—2019年间的97.39 km~2。3期UTC斑块的形态特征组成却较为一致，孤岛、核心区与桥接区是UTC斑块主要的形态特征，三者总和均占各期UTC总面积的80%以上；而UTC的边缘、环道区、分支以及孔隙则是次要的形态特征。从时间变化来看，在2002—2013年和2013—2019年2个时段，UTC孤岛与其他地类之间的转换均为UTC变化的主要类型，其面积分别在UTC转换总面积中占30%和25%。但同时，两个时段内UTC形态特征转换仍存在一定差异。在2002—2013年间，与UTC核心区相关的转换类型面积占比较大，在同期UTC转换总面积中占比达23.12%；而在2013—2019年间，与UTC桥接区相关的转换类型面积占比则较大，在同期UTC转换总面积中占比达35.22%。相较于前一时段UTC核心区的动态变化较为明显，在后一时段北京市城区UTC形态特征转换则更多地表现为与桥接区相关的变化。从空间变化来看，北京市4环内区域主要以UTC孤岛变化为主要的转换类型，而四环外则以UTC核心区与桥接区变化为主。【结论】近20年来，北京市城区林木树冠覆盖大幅提升，城市绿化工程取得巨大成效，UTC孤岛、核心区和桥接区是北京市六环内UTC斑块的主要形态特征。随着城市发展，UTC斑块的形态特征主要转换类型逐渐从以核心区相关的转换变为与桥接区相关的转换。UTC斑块形态特征转换呈现城乡梯度分布特征，从市中心向外，UTC斑块形态特征的主要转换类型从与孤岛相关的转换变为与桥接区和核心区相关的转换。今后，城市森林建设需侧重于维持和提升城市森林斑块之间的连接度，并强化市中心残留林木斑块的保护。

为了研究竞争指标之间的关系,本文基于长白山林区云冷杉针阔混交林的典型样地数据,选取12个可测指标并分为3类,即林木距离指标(简单竞争指标、竞争指标ME、竞争指标A、竞争木株数控制指标)、林木树冠指标(生长空间指数、生长空间竞争指数、伸展度、圆满度、投影比)和林木相对大小指标(相对胸径、相对树高、相对冠幅)进行信度检验和效度分析,并通过构建结构方程模型从总体层面对这3类林木竞争指标进行评价。结果显示:林木距离竞争指标的变幅较大、离散程度适中且一致,在结构方程中具有较为一致的显著正相关影响效用,林木距离指标的信度和效度最高,表明内在一致性最强且能够最真实地反映林木竞争状况;林木树冠各竞争指标离散程...