【目的】探究小兴安岭典型树种粗根分布规律及其影响因素,为小兴安岭树木良好生长提供科学依据和数据支撑。【方法】以红松、落叶松、红皮云杉、樟子松为研究对象,在凉水实验林场选取了8个样地进行试验。以样木为圆心,采用树木雷达扫描以0.5、1、1.5、2 m为半径的圆周上的根系,采用环刀法和取土样法测定土壤理化性质,并测量树高、胸径、冠幅等树木因子,分析小兴安岭树木粗根分布状况,并对粗根密度与树木因子及土壤因子指标进行相关性分析。【结果】(1)小兴安岭4个典型树种在水平方向粗根密度随着与树干距离的增加而减少;在垂直方向上,随着土壤深度的增加,红松和落叶松粗根密度逐渐减少,红皮云杉和樟子松粗根密度先增加后减少。红松、落叶松、红皮云杉、樟子松分别有82.1%、82.0%、89.6%、67.6%的粗根分布在0～40 cm土层深度。(2)树木粗根密度与树高、胸径、冠幅呈显著正相关关系(P 0.05)。(3)树木粗根密度与土壤含水量、饱和持水量、毛管持水量呈显著正相关关系(P

【目的】水曲柳、黄菠萝和紫椴为小兴安岭地区亚顶极群落主要建群树种，分析水曲柳、黄菠萝和紫椴在全球气候变化的背景下的潜在分布区，揭示气候变化对植物分布格局影响，进而为森林质量精准提升和国家储备林建设提供依据。【方法】基于19个气候因子、土壤以及海拔数据，运用MaxEnt模型预测了小兴安岭地区3个珍稀易危树种当前、未来(2021—2040年、2041—2060年、2061—2080年和2081—2100年)4种气候变化情景(ssp126、ssp245、ssp370和ssp585)下潜在分布情况。【结果】1)MaxEnt模型拟合效果良好，AUC值均大于0.7;2)水曲柳重要环境因子依次为年降水量、最热季度的平均温度、最湿月份降水；黄菠萝重要环境因子依次为年降水量、最冷季度的平均温度、最冷季降水；紫椴重要环境因子依次为年平均温度、年降水量、最冷季度的平均温度；3)未来气候变化条件下，水曲柳适生区面积波动较大；黄菠萝在ssp370气候情景下，适生区面积缩减程度最大，其他情况适生区面积趋于平稳；紫椴适生区面积为21 769.87～25 579.46 km2，变化范围小，适生区面积有减小趋势。4种气候变化下3个树种核心区中心海拔升高31～222 m。【结论】为使小兴安岭地区森林质量提升，以适地适树为原则，可在伊春市大力种植黄菠萝，在黑河市南部和伊春市北部大力种植紫椴。气候变化对水曲柳影响较大，适生区存在面积小，并且适生区等级降低面积大，建议加大对水曲柳保护力度。

采用挖掘取样法对北京市典型城市森林中针+阔+草、针+灌+草、阔+灌+草和灌+草4类植物配置模式以及油松混交林和绦柳混交林中细根形态特征进行研究,分析细根形态特征与土壤养分间的关系。结果表明:1)北京市城市森林林分细根以表层分布较多,0~20 cm土层中的细根生物量占细根总量的70%以上。2)配置模式对土壤中细根有显著影响,乔+灌+草配置在0~20 cm土层中细根较多,灌+草配置在20~40 cm土层中细根较多;3)阔叶乔木对0~20 cm土壤中细根贡献较大,而针叶树对20~40 cm土壤中细根贡献较高;在针叶树骨干树种背景下,灌木比乔木对土壤细根的贡献更高。4)混交林细根较纯林显著发达,且细根...

【目的】以小兴安岭典型阔叶红松林样地为研究对象,分析2010、2015和2020年群落幼树非空间结构动态变化和群落幼树的空间结构动态变化,旨在了解群落的演替趋势、不同尺度下幼树分布特征变化以及不同生长阶段在空间分布上的相关性如何变化,为森林群落动态长期监测研究、维持群落结构、恢复群落生物多样性和合理经营管理提供科学依据。【方法】以研究区阔叶红松林固定监测样地的长期调查数据为基础,在此基础上选取了生长情况较好的200 m×200 m的典型阔叶红松林进行研究,计算2010、2015和2020年样地内不同生长阶段乔木物种及数量变化,群落幼树的物种组成、径级结构和物种多样性动态变化,并且运用O-ring函数分析幼树空间分布和幼树与小树、大树空间关联性。【结果】在3次调查中,乔木物种数保持不变,但个体数呈现先增加后减小的趋势;2015和2020年小树新增个体数均高于转移个体数,但是2020年较高的枯死率逆转了小树的增长趋势,阔叶树的物种数和株数都远远大于针叶树,幼树优势物种组成基本保持不变;随着尺度的增加,幼树的丰富度指数、Shannon-Wiener多样性指数和Simpson优势度指数都先急剧增加后趋于平缓,Pielou均匀度指数先明显下降后趋于平缓;另外,在200 m×200 m的空间尺度下,随着时间的增加,Shannon-Wiener多样性指数和Simpson优势度指数呈先减小后增加的趋势,Pielou均匀度指数持续增加。随着时间的增加,小树和大树的平均胸径均有增加,2020年幼树的平均胸径显著减少。3次调查幼树的空间分布格局类似,在小尺度表现为聚集分布,随着尺度的不断增大,种群的空间格局变为随机分布或均匀分布。在3次调查中,幼树和小树的空间关联性类似,在小尺度上呈正相关性,随着尺度的增加,相关性减弱,两者变为无相关性,但是在中等尺度上和大尺度上存在部分负相关性;幼树和大树在大多数尺度上呈无相关性或正相关性,但是在小尺度和中等尺度上仍然存在负相关性。【结论】阔叶树在此群落中占有重要地位,随着时间的改变,幼树物种组成基本保持不变,物种多样性指数的变化主要是由偶见种引起的,偶见种对维持群落生物多样性机制具有重要影响,群落处于稳定变化中。幼树和小树在小尺度竞争较小,相互依赖,而在中等尺度上和大尺度范围内上层林木具有较强的竞争资源能力;幼树和大树整体上竞争较小,在部分尺度上由于形体差异很大,较大的个体可能对较小的个体产生排斥。该群落在10 a间进行的是正向演替,群落空间格局更加稳定和理想,为相对稳定的森林群落。

【目的】以小兴安岭典型阔叶红松林样地为研究对象，分析2010、2015和2020年群落幼树非空间结构动态变化和群落幼树的空间结构动态变化，旨在了解群落的演替趋势、不同尺度下幼树分布特征变化以及不同生长阶段在空间分布上的相关性如何变化，为森林群落动态长期监测研究、维持群落结构、恢复群落生物多样性和合理经营管理提供科学依据。【方法】以研究区阔叶红松林固定监测样地的长期调查数据为基础，在此基础上选取了生长情况较好的200 m×200 m的典型阔叶红松林进行研究，计算2010、2015和2020年样地内不同生长阶段乔木物种及数量变化，群落幼树的物种组成、径级结构和物种多样性动态变化，并且运用O-ring函数分析幼树空间分布和幼树与小树、大树空间关联性。【结果】在3次调查中，乔木物种数保持不变，但个体数呈现先增加后减小的趋势；2015和2020年小树新增个体数均高于转移个体数，但是2020年较高的枯死率逆转了小树的增长趋势，阔叶树的物种数和株数都远远大于针叶树，幼树优势物种组成基本保持不变；随着尺度的增加，幼树的丰富度指数、Shannon-Wiener多样性指数和Simpson优势度指数都先急剧增加后趋于平缓，Pielou均匀度指数先明显下降后趋于平缓；另外，在200 m×200 m的空间尺度下，随着时间的增加，Shannon-Wiener多样性指数和Simpson优势度指数呈先减小后增加的趋势，Pielou均匀度指数持续增加。随着时间的增加，小树和大树的平均胸径均有增加，2020年幼树的平均胸径显著减少。3次调查幼树的空间分布格局类似，在小尺度表现为聚集分布，随着尺度的不断增大，种群的空间格局变为随机分布或均匀分布。在3次调查中，幼树和小树的空间关联性类似，在小尺度上呈正相关性，随着尺度的增加，相关性减弱，两者变为无相关性，但是在中等尺度上和大尺度上存在部分负相关性；幼树和大树在大多数尺度上呈无相关性或正相关性，但是在小尺度和中等尺度上仍然存在负相关性。【结论】阔叶树在此群落中占有重要地位，随着时间的改变，幼树物种组成基本保持不变，物种多样性指数的变化主要是由偶见种引起的，偶见种对维持群落生物多样性机制具有重要影响，群落处于稳定变化中。幼树和小树在小尺度竞争较小，相互依赖，而在中等尺度上和大尺度范围内上层林木具有较强的竞争资源能力；幼树和大树整体上竞争较小，在部分尺度上由于形体差异很大，较大的个体可能对较小的个体产生排斥。该群落在10 a间进行的是正向演替，群落空间格局更加稳定和理想，为相对稳定的森林群落。

【目的】结合Sentinel-2光谱特征、纹理特征和Sentinel-1雷达后向散射特征,开展光学与雷达影像协同人工林树种分类研究,评价不同数据源和不同特征在树种分类中的作用,获取最优分类策略,为热带典型人工林树种精细识别提供新的技术途径。【方法】获取Sentinel-2光学影像43个光谱特征,将优选的Sentinel-2光谱特征与Sentinel-2纹理特征、Sentinel-1雷达后向散射特征组合,采用随机森林分类算法对研究区橡胶林、油棕林和桉树林进行精细提取,并评价不同特征对人工林树种识别的贡献。【结果】1)选择重要性排名前17的Sentinel-2光谱特征参与分类时,OOB score达最高值0.947 2,其中Sentinel-2的蓝波段、红边和近红外波段及其相应的植被指数在树种识别中重要性较高; 2) Sentinel-2纹理特征和Sentinel-1雷达后向散射特征对于不同树种均具有一定差异性,可作为树种分类的有效特征; 3)仅利用Sentinel-2光谱特征对橡胶林、油棕林和桉树林的区分度有限,生产者精度和用户精度的调和平均值(F1)分别为0.70、0.74和0.61;结合光谱特征、纹理特征和后向散射特征,3种人工林的分类精度达到最高,F1均大于0.80,同时其他地物的分类精度也有较大提高,总体分类精度为0.85,Kappa系数为0.83。【结论】Sentinel-2光学影像的光谱特征是树种识别的重要基础,Sentinel-2光学影像派生的纹理特征及由Sentinel-1雷达影像提取的后向散射特征可为不同人工林树种识别提供有益补充。考虑到Sentinel-2和Sentinel-1较高的时间分辨率和空间分辨率,同时结合其光谱特征、纹理特征和后向散射特征对热带典型人工林树种进行精细识别具有极大潜力。

以大小兴安岭生态功能区为研究对象,运用DEMATEL方法,对大小兴安岭生态功能区建设实践中的影响因素进行定量地研究,从而识别出大小兴安岭生态功能区建设最根本的影响因素和最重要的动力因素。研究结果表明:在影响大小兴安岭生态功能区建设的核心象限因素中,生态因素处于驱动层面,社会因素居于核心位置;森林资源状况和众多的社会方面的因素位于原因因素象限,是驱动大小兴安岭生态功能区建设最根本的动力因素;教育水平和高新技术状况是结果因素象限中效应最为显著的两个影响因素;只有经济发展水平因素处于被影响因素象限。最后,根据因果象限分析的结果,得出相关的若干结论与建议。

利用锥形量热仪对黑龙江省8个常见阔叶树种白桦、黄菠萝、山杨、胡桃楸、大青杨、蒙古栎、青楷槭、水曲柳的燃烧性能的系统的测定,通过对树皮和枯落叶的试样在燃烧时热释放和烟释放等燃烧参数的对比分析,评价8个树种的抗火性。结果表明:白桦树皮和枯落叶在热释放速率、总热释放量、烟产生速率和比消光面积均比其他树种高,火发生指数低,说明白桦的阻火性能差;青楷槭在各项燃烧指标中,峰值都较低或最低,释烟、释热都比较缓慢,火发生指数大,阻火性能较强,说明青楷槭可以作为阻火优先筛选树种;其他树种介于白桦和青楷槭之间;蒙古栎由于树皮耐火而枯落叶易燃,表现出明显的耐火树种特征,但不宜作为防火树种。不同研究结果之间的差异在很...

[目的]分析海南典型热带山地雨林分布区域尖峰岭60 hm~2大样地内豆科树种对邻体树木的影响，并探讨其可能的影响机制。[方法]利用尖峰岭60 hm~2大样地的2012年和2018年2次调查数据，对样地内7种豆科树木的邻体非豆科树木的多度、丰富度和存活率进行比较分析。[结果]2次调查期间，7种豆科树木的邻体多度和丰富度无显著变化。与非豆科树木相比，软荚红豆(Ormosia semicastrata Hance)、猴耳环(Archidendron clypearia (Jack) I.C.Nielsen)和亮叶猴耳环(A. lucidum (Benth.) Nielsen)具有较高的邻体多度和丰富度，而肥荚红豆(O. fordiana Oliv.)、木荚红豆(O. xylocarpa Chun ex L. Chen)、长脐红豆(O. blansae Drake)和薄叶猴耳环(A. utile Chun et How)具有较低的邻体多度和丰富度。软荚红豆、肥荚红豆和猴耳环具有较高的邻体树木的存活率，而长脐红豆、薄叶猴耳环、亮叶猴耳环和木荚红豆具有较低的邻体树木的存活率；7种豆科树木对邻体多度、丰富度的影响与其叶片氮含量和固氮能力无显著相关关系，但邻体距离为4 m的豆科树木邻体存活率与叶片氮含量有显著相关关系。[结论]总体上，不同豆科树木对邻体的影响不尽相同，软荚红豆更倾向于对邻体产生有利作用，薄叶猴耳环和木荚红豆对邻体产生抑制作用，而其它4种豆科树木对邻体的多度、丰富度和存活率的影响不一致。

【目的】采用探地雷达对木质体内部缺陷进行断层扫描探测,研究基于雷达波的树木内部层面反射特征识别算法,为雷达波无损测试技术在树木内部结构和缺陷的解析、定位及分布表征提供理论依据。【方法】采用900 MHz介质耦合树木雷达对柳木试件进行断层扫描,研究实现阈值法、匹配滤波器法和希尔伯特积算法获取缺陷层面的反射位置,基于层剥反演法对树木内部不同介质进行介电常数反演,求得层位的相对深度,结合三维激光扫描仪获取的树木外形轮廓点云数据,根据轮廓追踪法将雷达波B扫描图像与断层轮廓绝对位置进行映射,实现对树木内部缺陷的准确定位和表征。对3种算法分别使用FDTD正演方法进行对比验证,并应用于颐和园古柳木试件试验测试中。【结果】正演对比测试结果表明,希尔伯特积算法相较于阈值法和匹配滤波器法,对木质体内部缺陷识别效果更好。柳木试验测试结果显示,树木内部缺陷深度误差为10%,结合三维激光和外轮廓扫描技术求得的缺陷部分面积误差在5%左右。【结论】本研究提出的算法可以实现雷达波扫描图像对树木内部缺陷的准确定位和分布成像。

【目的】使用深度学习方法实现对根系雷达图像的多目标检测和多参数估计。【方法】构建了一种以YOLOv5s和CNN-LSTM为主要框架的网络模型实现对根系雷达扫描图像的多目标检测和多参数估计。首先，通过仿真模拟和预埋试验获取试验所需的根系雷达剖面图数据，同时为了增加数据的多样性，使用CycleGAN风格迁移网络获取了一批具有真实雷达图像特征的仿真数据；然后，使用YOLOv5s目标检测网络识别并提取根系响应区域；接着引入频域变换，获取频域特征，并将根系雷达图像的时域特征和频域特征融合；最后，利用卷积神经网络、卷积注意力机制以及长短期记忆网络强调和提取与根系参数相关的信息特征，并使用多任务学习的方法实现对根系半径、深度、相对介电常数以及水平倾角的预测。【结果】（1）仿真试验中，根系半径估计的最大误差是4.3 mm,R2为0.980，均方根误差为1.32，深度估计的最大误差是35.1 mm,R~2为0.962，均方根误差为17.68，相对介电常数估计的最大误差是3.1,R~2为0.960，均方根误差为1.10，水平倾角估计的最大误差是10.2°，R~2为0.821，均方根误差是4.96。（2）在实测数据上对根系半径估计的平均相对误差是9.112%，深度估计的平均相对误差是5.772%，水平倾角估计的平均相对误差是11.25%。【结论】本文提出的基于深度学习与探地雷达的多目标检测方法可以为根系检测和根系参数估计提供便利。

【目的】为实现树木根系相对介电常数的定量估算，提出一种基于雷达波信号和树木根系参数的估算方法。【方法】首先，仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径，并通过正演分析获得探地雷达图像中双曲线顶点处的A-scan曲线；然后，提取A-scan曲线中与根系相对介电常数关联的目标振幅参数ΔF；最后，结合土壤相对介电常数、根系半径、根系深度，建立相对介电常数估算的数据集。分别基于偏最小二乘回归（PLSR）模型、反向传播（BP）神经网络模型和粒子群优化反向传播（PSO-BP）神经网络建立了估算模型，并对比分析了这3种模型的估算精度。【结果】（1）在仿真实验中，PSO-BP神经网络估算模型的均方根误差、平均绝对误差分别为0.701、0.255,R²为0.990，各指标均优于PLSR和BP神经网络估算模型。（2）在实地预埋实验中，PSO-BP神经网络估算模型的估算精度均优于PLSR和BP神经网络估算模型，其最大绝对误差和整体平均相对误差分别为3.16和10.88%。【结论】利用本研究提取的目标振幅参数ΔF、土壤相对介电常数、根系半径和根系深度建立的数据集，结合PSO-BP神经网络估算模型，能够实现对树木根系相对介电常数的准确估算。这对于评估树木根系的生长和健康状况具有重要意义。

对海南岛尖峰岭热带树木园保存的降香黄檀、印度紫檀、海南石梓、黄籽孔雀豆、柚木、麻楝、细基丸、千张纸、乌墨、白格、圆果象耳豆、华楹、黑格、非洲楝和大叶桃花心木１５个树种与温度、雨量、日照等的环境因子的关系进行了分析。运用多元统计分析的方法，揭示出了对主要物候期影响最大的气象因子是日平均温度、雨量和日平均日照时数。运用系统聚类的方法将１５个树种各物候期分类，其类型确定为：展叶期、开花期、果熟期和叶变色期四个类型。

【目的】气候变暖带来的环境问题越来越突出，含碳气体排放量增加是温室效应的主要原因，而森林火灾排放含碳气体仅次于化石燃料燃烧，是全球变暖的重要因素，为了实现定量探究森林火灾对气候变暖的影响，需要准确估算森林火灾含碳气体的排放量。【方法】以大兴安岭6种主要乔木的枝和叶为研究对象，通过室内燃烧试验的方法，利用Testo350烟气分析仪测定其在燃烧过程中含碳气体的排放量，分析不同可燃物排放气体差异性，并计算可燃物的排放因子和修正燃烧效率。【结果】1)燃烧过程中6种乔木枝、叶燃烧含碳气体(CO、CO_2、C_xH_y)排放量的平均值枝为2 406.18、18 486、184.88 mg·dm~(-3)；叶为2 297.43、20 548.6、166.27 mg·dm~(-3);2)6种乔木枝的CO_2气体排放量差异不显著，樟子松叶的CO_2排放量显著低于其余5种乔木，剩余5种乔木差异不显著。6种乔木枝和叶的CO、C_xH_y排放量差异显著；3)6种乔木枝、叶含碳气体的排放因子(EFi)范围分别为CO(118.97～195.00)、CO_2(1 290.12～1 672.50)、C_xH_y(8.10～17.32)g·kg~(-1);4)叶的修正燃烧效率(MCE)：针叶乔木叶，而同种阔叶乔木的修正燃烧效率(MCE)：枝<叶。【结论】根据气体排放量计算了不同气体的排放因子，利用排放因子可对大兴安岭森林火灾排放的含炭气体进行估算；修正燃烧效率结果能定量反映出本文在实验条件下可燃物都达到了明然状态，修正燃烧效率越低产生的不完全燃烧产物就越多；修正燃烧效率结果说明了针叶乔木叶相对于阔叶乔木叶燃烧不充分，针叶乔木叶燃烧产生的CO量多；研究结果将对估计大兴安岭森林火灾含碳气体排放总量和其对环境的影响提供一定的理论依据。

【目的】构建小兴安岭8种阔叶树在不同叶生长期的叶面积经验模型,以期为快捷、准确地测定不同叶形阔叶植物的叶面积及其动态变化提供技术支持。【方法】以小兴安岭地区阔叶红松林内的白桦、紫椴、色木槭、青楷槭、枫桦、水曲柳、春榆和裂叶榆8种阔叶树种为对象,在叶生长期(5月底)、叶稳定期(7月中旬)和叶凋落初期(9月初),分别测定叶长L、叶宽W及叶面积LA,并以叶长与叶宽之比(叶长宽比)的中位数为基准,将8种树种分为2组,构建适于预测不同树种在不同叶生长期的通用LA经验模型,并评估模型预测精度;最后以2种灌木为例检验了经验模型预测其他阔叶植物LA的适用性。【结果】8种阔叶树种在不同叶生长期的LA最优模型均为幂函数;对叶长宽比小于1.5(中位数)的树种组,5和7月的LA经验模型为LA=0.618×L~(1.197)W~(0.806),预测精度为81%～96%,9月的经验模型为LA=0.581×L~(1.332)W~(0.671),预测精度为83%～94%;对叶长宽比大于1.5的树种组,5月的LA经验模型为LA=0.627×L~(0.975)W~(1.063),预测精度为91%～95%,7月的经验模型为LA=0.705×L~(0.876)W~(1.146),预测精度为92%～96%,9月的经验模型为LA=0.607×L~(0.970)W~(1.076),预测精度为92%～95%;利用这些模型预测毛榛(叶长宽比小于1.5)和暴马丁香(叶长宽比大于1.5)不同叶生长期LA的精度为88%～94%。【结论】对不同叶生长期需构建不同经验模型来预测LA,以叶长宽比为分类标准对多种阔叶树进行分类是可行的,且基于乔木树种构建的经验模型能有效预测灌木的LA,研究结果可为快捷、高效地预测其他阔叶植物的LA提供技术支持。