【目的】编制落叶松人工林生长过程表，为落叶松人工林经营管理提供科学依据。【方法】以我国东北华北七省（市、区）——北京市、河北省、山西省、辽宁省、吉林省、黑龙江省和内蒙古自治区落叶松人工林为研究对象，基于第5～8次全国森林资源连续清查552块固定样地数据和气象数据，运用3-PG_(mix)过程模型编制落叶松人工林不同立地等级生长过程表。【结果】通过校验得到4种落叶松人工林3-PG_(mix)过程模型参数，林分各变量模型预测值与实测值一致性较高（R~2在0.71～0.96之间），兴安落叶松、长白落叶松、华北落叶松和日本落叶松林分蓄积量的平均误差分别为5.70%、0.95%、4.70%和-4.56%，均方根误差分别为14.88、12.00、16.74和13.11 m3·hm~(-2)。编制的林分生长过程表能够描述林分平均胸径、平均高、株数密度、公顷蓄积量、公顷生物量以及蓄积量和生物量的公顷年均生长量和连年生长量等随林龄增加的动态变化规律，4种落叶松人工林生长过程存在差异，其原因是适生条件、物候期、生长期等生物学特性不同所致，结果具有一定的统计可靠性和生物合理性。【结论】3-PG_(mix)过程模型模拟结果可用于编制落叶松人工林生长过程表，为生长过程表的编制提供一种新的方法。

塞罕坝华北落叶松人工林的叶生长过程从每年４月下旬起至６月上旬完成。在叶生长过程中，叶长、叶面积和叶干重的增长曲线呈Ｓ型，其动态可用Ｌｏｇｉｓｔｉｃ生长函数描述，叶宽的增长过程可用Ｍｉｃｈａｅｌｉｓ－Ｍｅｎｔｅｎ方程描述。

[目的]运用过程模型模拟天然林的生物量及蓄积生长。[方法]以大兴安岭落叶松天然林为研究对象,探索研究基于生理过程的动态模型3-PG模型在天然林中的应用情况,通过调整模型内置模块方程的参数,优化实测值与模拟值的拟合结果,最终得出适用于该地区落叶林天然林的模型参数组,并对不同林龄的林分预测效果进行了对比。[结果]模型在胸径、枝干生物量、根生物量、地上生物量、整株生物量的模拟取得了很好的效果,其中枝干生物量与整株生物量的模拟值与实测值的相关系数R2达到了0.98,且平均相对误差均控制在8%以内。对不同林龄林分的整株生物量与胸径预测结果表明,模型对3个龄组都有很好的拟合效果。[结论]在进行参数本地化调整后,3-PG模型可以运用在落叶松天然林的生长预测中,在生物量预测与胸径预测上可以取得较好的效果。

系统收获表能预测现实林分在各种经营体系下的生长过程和收获量。本文根据信州落叶松人工林固定标准地观测数据，从林分和单木两个水平分析和建立了生长模型，在此基础上编制了信州落叶松人工林系统收获表，提出系统收获表的一般编制方法。本研究的特点是以现实林分为研究对象，建立全林分生长模型和林分径阶生长模型，将前者的总生长量通过后者分配给各直径阶和树高阶，以保证林分水平的预测结果和单木水平的生长是相容的。

根据华北落叶松人工林标准地和解析木资料,采用生长量修正-分析方法推导和建立了与距离无关的单木生长模型.在建立林木胸径潜在生长函数(疏开木直径生长函数及疏开木冠幅-胸径关系)的前提下,以CCF为基础构造了一个新的林分密度指标:林冠重叠度(COD);在分析论证的基础上,选择了相对直径(Rd)作为林木竞争指标.使用单木模型编制了华北落叶松人工林生长模拟,预测程序-LRGP.BA8.该程序可以模拟华北落叶松人工林在自然状态和问伐情况下的生长过程,因而可以用于选择、设计最优间伐方案和造林密度.

根据黑龙江省孟家岗林场、江山娇林场的固定标准地及吉林省松江河地区的团状枝解析样地调查数据，基于Ｋｏｒｆ生长方程，导出了落叶松人工林分自然稀疏模型和断面积生长模型，以此为核心构造了满足相容性原则的树高曲线动态预估模型、林分收获预估模型落叶松人工林生长模型系统。用由这４个模型构成的模型系统可模拟不同林分的平均胸径、每公顷株数、林分断面积及林分蓄积的生长过程，并与实际林分很接近。

根据３６０块标准地１９３株解析木资料，采用Ｃｈａｐｍａｎ—Ｒｉｃｈａｒｄｓ函数和二次项方程分别模拟平均树高和平均胸径的生长过程，运用迭代法分指数级编制了湖北省马尾松人工林林分生长过程表。经预测检验，精度很高，可应用于湖北省马尾松人工林的经营

利用近些年来在南方１４省（区）有关单位搜集的杉木人工林（实生）标地４４６５块材料，以杉木带、区及地位指数表为分类基础，编制了５组杉木人工林生长过程表（南带，北带及中带东区、中区、西区各编一组）。各表标准差大部分在±５％以下，最大不超过±７．８％。并根据各带、区生长过程表，提出经营意见及间伐、主伐年龄。

【目的】目前关于林分碳储量随年龄动态变化的模型研究较少,本研究通过建立林分水平的碳储量生长模型系,为区域尺度的森林碳储量动态预估提供方法。【方法】以吉林省长白落叶松人工林为对象,使用立地质量分级算法将所有样地划分为3个立地等级,并将其作为哑变量引入模型系中,使用联立方程组的方法将林分平均高、断面积生长模型和林分碳储量模型3个方程进行联合估计,建立林分碳储量生长模型系。采用调整确定系数(R_(adj)~2)、估计值的标准误(SEE)和平均预估误差(MPE)来评价模型的表现,分析不同立地等级和林分密度指数(SDI)下林分碳储量的生长过程,及林分断面积和平均高对林分碳储量的影响。【结果】(1)林分碳储量生长模型系中林分平均高生长模型、林分断面积生长模型和林分碳储量模型的R_(adj)~2分别为0.879、0.977和0.953,MPE均 1 500株/hm~2时,在40年以后的林分密度对碳储量生长过程基本无影响;林分密度指数控制在1 500～2 000株/hm~2时可实现较快的碳储量生长。(4)林分碳储量随林分断面积和平均高的增加而增加,林分断面积与林分碳储量的关系更为密切。【结论】林分碳储量的生长和立地等级、林分平均年龄、密度、断面积、平均高等因子有密切联系,采用联立方程组方法是建立林分碳储量生长模型系的有效方法。本研究建立的林分碳储量生长模型系可以对林分碳储量动态进行有效预测,为了解林分碳储量的生长过程和森林碳汇评估提供了工具。

根据浙江省２１个县（市）２９０块样地的优势解析木和平均解析木数据，以修正的Ｒｉｃｈａｒｄｓ函数为数学模型，用Ｍａｒｑｕａｒｄｔ迭代法求出优势高、平均高和平均胸径生长曲线的拟合方程，从而编制出多形地位指数表和多形林分生长过程表。拟合方程中引入一系列形状系数（Ｂ１、Ｂ２等），因此对该省不同地区、不同生长条件下具有不同线形的马尾松生长曲线，有较好拟合效果。无论在全省或Ⅰ、Ⅱ、Ⅲ类产区（每区含样地９０～１００块），模拟精度都很高，其中复相关系数达０．９９以上，剩余标准差为０．１～０．３。另据Ｒｅｉｎｅｋｅ（１９９３）关于完满立木度同龄纯林胸径与单位面积株数关系的理论，用函数Ｎ＝Ｃ０＋Ｃ１／（Ｃ２＋Ｄ）...

【目的】验证解析木数据参数化3-PG模型的可行性，利用解析木数据标定的模型预测长白落叶松人工林生长变化，为扩展参数化3-PG模型数据源提供依据，为模型数据选择提供参考。【方法】以孟家岗林场长白落叶松人工林为研究对象，基于2019年解析木数据模拟胸径连续观测数据，结合相关公式计算叶、干、根生物量和蓄积量。根据参数敏感性分析结果，采用直接计算、参考文献、迭代拟合和默认参数等方法对3-PG模型进行参数化，利用密度试验林和固定样地数据对模型输出进行精度验证，并对模型输出与地面观测值进行回归分析。【结果】验证结果表明，模型拟合精度很高(P

以黑龙江省东北部落叶松人工林为研究对象,应用19块标准地中95株解析木(每块标准地选取5株)的节子剖析数据,采用线性混合效应模型理论建立落叶松节子各因子(节子直径、着生角度、长度)的预估模型。结果表明:节子直径、着生角度和长度都随着树木胸径的增大而增大;节子直径随着着生高度的增大先增大后减小;节子角度随着着生高度的增大而逐渐减小;节子长度随着直径的增大而增大。与固定效应模型相比,考虑混合效应所建立的节子大小预测模型其参数估计更为准确,残差分布更加均匀,模型拟合精度明显得到提高(R2约提高了0.3)。独立样本的检验结果表明:各模型的预估精度均在90%以上,说明所建模型可以很好地描述落叶松人工林节...

如何实现林分水平和单木水平预测林分断面积的兼容性,并提高不同水平断面积模型的预估精度,在森林经营过程中是一个亟待解决的科学问题。本文以华北暖温带华北落叶松人工林为研究对象,运用105块连续观测的固定样地数据,首先采用Gauss-Newton算法建立林分水平和单木水平断面积生长模型;其次分别采用不同形式的逻辑斯蒂方程对单木生存概率方程进行拟合;最后将不同水平最优预测模型进行组合并建立组合方程,采用最小二乘法估计组合方程参数,以提高对不同水平断面积的预测精度。结果表明:在约束参数法中,林分密度模型、林分断面积

[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量A_(GB)和总生物量T_(GB))。使用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优A_(GB)和T_(GB)模型R~2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优A_(GB)模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm~(-2)、0.085%,对于T_(GB)则分别低0.059 t·hm~(-2)、0.081%。(2)A_(GB)和T_(GB)与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,A_(GB)的R~2提高了0.41%,而RMSE和r RMSE降低了6.85%;T_(GB)的R~2提高了0.63%,误差统计量降低了6.79%。(3)A_(GB)和T_(GB)的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。

[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量A_(GB)和总生物量T_(GB))。使用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优A_(GB)和T_(GB)模型R~2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优A_(GB)模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm~(-2)、0.085%,对于T_(GB)则分别低0.059 t·hm~(-2)、0.081%。(2)A_(GB)和T_(GB)与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,A_(GB)的R~2提高了0.41%,而RMSE和r RMSE降低了6.85%;T_(GB)的R~2提高了0.63%,误差统计量降低了6.79%。(3)A_(GB)和T_(GB)的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。