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。

【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.

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。

[目的]构建落叶松人工林单木和林分水平的相容性生物量模型,使之既在数据采集区域内能够表征不同水平下的差异程度,又具有较强的通用性。[方法]基于64株长白落叶松人工林样木生物量实测数据和40个每木检尺样地数据,在考虑和未考虑林龄2种情形下,利用哑变量和非线性似然无关回归方法相结合,构建单木和林分水平的一元相容性生物量模型。[结果]表明:(1)地上及全株生物量模型单木水平下的R～均大于0.95,林分水平下的R～均大于0.78,(2)利用哑变量考虑林龄因素后,单木水平下各评价指标总体稳定,参数b值范围从0.905 5～2.512 5减小为1.047 0～2.202 8。林分水平下R~2提升0.201 9,参数b值范围从0.071 1～1.560 7减小为0.781 1～1.055 1;且具有更小的TRE、MPE和MSE。(3)利用对数转换的线性回归模型,全株及各组分生物量模型残差的分布趋势均平行于横轴。[结论]非线性似然无关回归和哑变量相结合的方法灵活、建模过程简单、模型稳定性好,适用于不同因素下落叶松人工林相容性生物量模型构建。林龄因素对林分模型拟合效果的改善更显著,在建模过程中,单木模型可以不考虑林龄的影响,而林分模型需要考虑林龄的影响。

利用黑龙江省孟家岗林场长白落叶松人工林间伐标准地定位观测数据，基于间伐林分断面积与相同年龄、相同立地、相同保留木株数的未间伐林分的断面积，随时间趋于一致的假设，根据未间伐人工林林分断面积生长的一般预测模型导出了间伐林分的断面积生长预测模型，同时，结合抚育间伐技术指标的确定，进行间伐林分的动态模拟。

【目的】神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。【方法】以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数(R~2)、均方根误差(RMSE)、相对均方根误差(RMSEr)和平均绝对误差(MAE)来评价模型。【结果】估计精度最高的模型是输入单元为林分平均胸径(D)-平均高(H)-林分密度指数(S)-海拔(HB)-坡向(PX)-坡位(PW)、2个隐藏层、隐单元数为40-20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数(Adj.R~2)分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSEr分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R~2分别提高了0.88%和0.99%,RMSEr分别降低了5.33%和5.46%。【结论】多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。

为了对东北地区东部落叶松人工林的多代经营提供指导,以黑龙江省孟家岗林场的长白落叶松人工林为对象,采用森林生态系统经营管理模型FORECAST,从轮伐期长度、林地枯落物的管理和采伐剩余物的处理方面,评价不同经营措施下落叶松人工林的生物量、养分动态和长期生产力。结果表明:常规森林利用方式下维持落叶松人工林长期生产力的轮伐期应大于35a;落叶松林地枯落物的保留可以显著提高各种轮伐期长度时的林地生产力,短轮伐期时作用效果尤为明显;全面保留采伐剩余物可以维持不同轮伐期条件下落叶松人工用材林的长期生产力。

【目的】构建一整套林分空间结构优化的评价方法，以此为基础建立林分间伐模型，以期为森林抚育经营提供科学的间伐方案。【方法】以长白落叶松人工林为研究对象，将林木调查因子树高、胸径、冠幅标准化计算后，加权到Delaunays三角网中并确定林分空间竞争单元，计算样地角尺度、大小比数、密集度、开敞度、竞争指数、混交度这6个林分空间结构参数并使用熵权法赋予各参数权重，结合乘除法思想对其进行多目标规划，进而计算出林分空间评价指数（SEE）与林分空间评价等级（SET）。以SEE为基础构建林分均分间伐模型（该模型可以选定林分中空间结构较差的林木并让其较为均匀地分布在林分中）并将其应用到实际样地中。在露水河林业局东升林场设立了20块面积为0.06 hm~2的落叶松人天混林分的正方形样地，利用样地数据分析间伐前后6个林分空间结构参数、SEE、SET、林冠投影图的变化以验证模型的合理性。【结果】将SEE应用到调查林分中发现，20块样地SEE均值为0.138～0.216,SET分布在1级和2级，其中85%的样地属于1级，15%的样地属于2级，根据SET的定义可以判定该林分质量较差，需要进行优化。以评级指数最低的z17号样地为例，对均分间伐模型进行应用后发现，各林分空间结构参数均往优的方向发展，且样地SET从1级提升到2级。【结论】以加权Delaunays三角网为基础，结合乘除法与熵权法思想所构建的林分均分间伐模型，改善了同类模型所存在的缺陷，可以显著优化林分空间结构，对于林分生长与收获预估模型构建具有重要的参考意义。

【目的】森林立地质量评价是森林经营的基础工作,是估计林分生长量和收获量、评价森林生产潜力及确定合理经营措施的重要依据。本文基于60株优势木和亚优势木解析木数据,采用广义代数差分法(GADA)构建了更加灵活的异形地位指数模型,为黑龙江省长白落叶松人工林立地质量的精准评价提供了依据。【方法】选择修正Weibull、Korf和Richards生长方程为基础方程,使用GADA法推导出6个差分地位指数模型,基于1994—2017年在黑龙江省调查的解析木数据,利用非线性最小二乘法进行拟合。结合拟合样本和检验样本计算R2、均方根误差(RMSE)、模拟效率和平均绝对误差等4项指标检验模型的拟合效果与预测能力,初步筛选出较优模型。通过分析比较它们的残差图、地位指数曲线簇进一步筛选出最优模型。将最优模型和使用代数差分法(ADA)推导的模型绘制地位指数曲线簇,并对地位指数为12～22 m曲线的参数、年生长量达到最大值的时间(拐点)和数值进行分析比较。【结果】基于Richards方程h=a(1-e~(-bt))~c,设定自由参数为a=e~(X_0),c=c_2/X_0,X_0=1/2[lnh_1+(lnh_1~2-4c_2ln(1-e~(-bt_1)))~(1/2)]的差分地位指数模型被选为最优模型。其参数的拟合结果为b=0.046 8,c_2=4.675 4,R~2为0.987 4,RMSE为0.749 1,平均绝对误差为0.904 0,模拟效率为97.04%。相比于使用ADA法推导的模型,采用GADA法推导的最优模型能更好地预测优势木树高生长过程。【结论】在推导地位指数模型时,根据GADA法,指定多个参数为自由参数所推导出的差分模型不仅具有良好的拟合效果,也能同时符合多条水平渐近线与曲线多形性的性质,而ADA法只能满足其中一个条件。最优模型的拟合结果表明,随着地位指数的提升,优势木树高生长曲线的渐近最大值(参数)逐渐增大,连年生长量达到最大值(拐点)的时间越早。这说明立地条件越好长白落叶松人工林优势木树高年生长量和最大值越大,且年生长量更早达到最大值。

分析了理查德、逻辑斯蒂、单分子及冈珀斯生长方程之间的关系,以理查德方程为基础,研究了其它各方程的特点及性质。运用辽宁省长白落叶松林分观测数据,模拟了Richards等生长方程的林分断面积生长过程,以林分立地指数,疏密度为因变量,建立了多形长白落叶松林分断面积生长曲线模型。通过预测分析表明,Richards生长方程具有适应性强、精度高等特点。

[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。

【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。

贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统...