【目的】分析各林层物种组成及多样性,探讨各林层之间的联系和群落结构的形成机制,以期为深入了解典型森林群落组成成分在垂直空间中的分布规律、揭示生物多样性维持机制提供依据。【方法】在福建万木林自然保护区内设5块50 m×50 m标准地,使用最大受光面法自上而下将乔木层划分为第Ⅰ,Ⅱ和Ⅲ亚层,第Ⅰ,Ⅱ亚层属于受光层,第Ⅲ亚层为非受光层,采用常见物种多样性指标分析各层的组成与多样性,用相似性系数探讨各层之间的联系。【结果】5块标准地均表现为由第Ⅰ亚层降至第Ⅲ亚层物种丰富度和多样性增加;各样地相同亚层的物种组成及数

为评价贵州省人工林生境养分供应状况及养分获取效率，以贵州省喀斯特地区４种典型人工林：华山松Ｐｉｎｕｓ ａｒｍａｎｄｉｉ林，杉木Ｃｕｎｎｉｎｇｈａｍｉａ ｌａｎＣｅｏｌａｔａ林，马尾松Ｐｉｎｕｓ ｍａｓｓｏｎｉａｎａ林和柏木ＣｕＰｒｅｓｓｕｓ ｆｕｎｅｂｒｉｓ林为研究对象，分析了以上４种人工林叶片生态化学计量学特征。结果显示：华山松、杉木、马尾松和柏木等４种典型人工林叶片碳（Ｃ）质量分数较高，氮（ｎ）和磷（Ｐ）质量分数较低；各林型之间叶片碳质量分数变异较小，氮、磷质量分数以及碳氮比（Ｃ∶ｎ），氮磷比（ｎ∶Ｐ），碳磷比（Ｃ∶Ｐ）变异较大。４种典型人工林各林型之间叶片生态计量学指标大部分差异不显著（．．．

【目的】土壤碳（C）、氮（N）、磷（P）生态化学计量比是反映森林生态系统养分变化的重要指标。研究旨在探明粤西地区不同林分类型的土壤C、N、P养分的垂直分布特征及其与化学计量特征之间的关系。【方法】以广东省阳江市国有花滩林场的马占相思Acacia mangium、加勒比松Pinus caribaea、尾叶桉Eucalyptus urophylla和灰木莲Magnoliaceae glanca四种典型人工林为研究对象，对不同土层（0～10、10～20、20～40、40～60、60～100 cm）的土壤总有机碳（TOC）、全氮（TN）、全磷（TP）和速效磷（AP）等指标进行测定，探讨不同人工林类型土壤C、N、P的垂直变化及其化学计量特征。【结果】不同林分类型和土层深度的土壤TOC、TN存在显著差异，土壤TOC和TN含量随着土层深度的增加而减少，在不同林分间表现为马占相思>加勒比松>尾叶桉>灰木莲，土壤TP在不同林分类型和土层深度间的含量相对比较稳定。马占相思林、加勒比松林、尾叶桉林和灰木莲林的土壤C∶N、C∶P、N∶P分别为7.45～8.09、10.14～16.59和1.35～2.18，均低于全国土壤平均水平。相关性分析结果表明，4种林分的土壤TOC与TN、C∶N与C∶P均呈极显著正相关关系，土壤含水量（SWC）和p H值会影响土壤C、N、P含量以及生态化学计量学特征。【结论】马占相思林有较好的养分归还和地力维持的效果，在人工林营建过程中可以通过适当种植固氮树种达到土壤肥力改良的目的。

探讨海南岛主要树种(组)相容性生物量模型的构建方法,以期为海南岛林木生物量建模工作提供技术支撑。以海南岛主要树种(组)为研究对象,利用全树生物量和各分项生物量实测数据,通过独立模型和非线性度量误差模型方法,构建各树种(组)全树和各分项生物量的一元、二元独立模型及相容性模型。不管是独立模型还是相容性模型,在引入树高因子后,其模型的精度和平均相对误差都得到一定的改善;所建立的各树种(组)一元相容性模型,其全树和各分项生物量模型的确定系数R~2为(0.67～0.99),平均相对误差E1为(-0.07%～89.57%),相比较于一元独立模型的R~2(0.66～0.99)和E1(0.11%～70.06%),两者相差不大;所建立的各树种(组)二元相容性模型,其全树和各分项生物量模型的确定系数R~2为(0.88～0.99),平均相对误差E1为(0.06%～36.00%),相比较于一元独立模型的R~2(0.87～0.99)和E1(0.24%～43.23%),模型效果相当。所建立的各树种(组)模型可以用于海南岛主要树种(组)生物量的估计。

通过收获法和建立的单木相对生长方程研究了南亚热带5种树种人工林乔、灌、草不同组分的生物量及其分配。结果表明:在立地条件相似,林龄和经营管理措施相同的情况下,不同树种人工林生物量有较大差异,表现为米老排林(404.95 t·hm-2)>火力楠林(376.61 t·hm-2)>马尾松林(239.94 t·hm-2)>红椎林(231.01 t·hm-2)>铁力木林(181.06 t·hm-2)。林分生物量空间分布格局以乔木层为主,占总生物量的87.71%97.86%;其次为地表凋落物层,占1.96%10.90%;灌木层和草本层最低,仅占0.02%1.09%。林分乔木层各器官的生物量分配格局总体呈树干...

[目的]对比南亚热带4个树种间生物量及其分配格局的差异,为评估人工林生产能力和碳汇潜力提供基础数据,为区域人工林提质增效改造和建设高效碳汇林的树种选择提供科学依据。[方法]通过标准地调查和生物量实测结合的方法,研究了广西柳州市在马尾松采伐迹地上同期营造的33年生木荷、米老排、蓝果树和杉木人工林的生物量及其分配格局。[结果]在立地条件、经营措施和林龄相同的条件下,不同树种人工林乔木层和林分生物量存在显著差异,林分生物量排序为木荷林(376.37 t·hm~(-2))>米老排林(284.51 t·hm~(-2))>杉木林(200.02 t·hm~(-2))>蓝果树林(175.56 t·hm~(-2))。乔木层生物量占林分总生物量的93.0%～98.3%,处于绝对优势地位;灌木层和草本层生物量占比较低(平均0.9%)且空间分布不均匀,不同林分间差异不显著;枯落物层生物量占比(平均2.3%)高于灌木层和草本层,木荷林枯落物现存量显著高于其他3种林分。乔木层生物量在各器官的分配格局均为树干所占比例最大,根或枝次之,叶最低,灌木和草本层生物量分配格局在不同林分间差异较大。[结论]在南亚热带人工林经营和林分改造中,选择速生阔叶树种造林可获得比针叶林更高的林分生产力和碳汇效益,在人工林经营中建议采取适当调控措施增加林下植被以增加系统稳定性和可持续发展潜力。

岭南槭Acer tutcheri是珠江三角洲地区典型的乡土彩叶树种。研究它所在天然群落特征,可为该地区科学合理营建岭南槭风景林提供理论依据。以广东省南岭国家级自然保护区、黑石顶省级自然保护区和深圳大鹏半岛国家地质公园七娘山的岭南槭所在天然群落为对象,对比分析其物种组成、群落结构、物种多样性和主要种间关联性。结果表明:3地岭南槭所在天然群落物种丰富度表现为南岭>黑石顶>七娘山;黑石顶乔木层的岭南槭平均树高为15.1 m,红叶景观效果最好,4 cm径级以下岭南槭比例为57.14%,说明其小径级个体数量相对较多

训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱(AISA)和激光雷达(LiDAR)主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massonia

【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。