论文部分内容阅读
第七次全国森林资源清查结果显示我国森林覆盖率达到了20.36%,与第六次清查相比,人工林面积净增8.4311×106 hm2,人工林面积位居世界首位。人工造林面积不断扩大,对我国的生态环境建设和经济发展发挥着巨大的作用,但由于长期沿用传统粗放的经营管理方式,使得我国人工林质量低下,生态功能较差。油松(Pinus tabulaeformis)是北京山区主要的造林树种,面积为7.9468×104hm2,绝大部分为人工林,人工林面积为6.1×104hm2,约占油松林总面积的77%,但由于经营管理水平低下,出现了造林密度偏大、树木生长缓慢、林分总体质量较差等一系列严重问题。本文首次尝试应用美国森林资源清查体系FIA (Forest Inventory Analysis)中的树冠调查指标并对北京山区油松人工林进行树冠调查,通过样地调查和数学建模等方法,分析树冠生长与林木生长的关系,并建立了冠幅模型、冠幅—林下植被多样性指数模型、冠幅—林下生物量模型、并使用FVS (Forest Vegetation Simulator)系统模拟了油松人工林在不同抚育措施下林分生长的情况,同时对树冠生长及林下植被的生长进行了模拟预测。主要研究结果如下：1.通过相关性分析得出,林分密度是影响树冠因子变化的重要因素。油松人工林(40-50a)林分密度应控制在1500株.hm-2左右,这样有利于树冠的健康生长,也有利于林木的生长。2.拟合了树冠圆满度与林木生长因子之间的模型,结果如下：DBH=29.248e-1.478Rc；H=13.58 e-1.121Rc;V=0.3715 e-3.308Rc；相关指数R2都达到了0.7以上。3.基于枝解析的结果,建立了树冠生物量与胸径之间的幂函数模型,模型拟合结果如下：WC=0.4087DBH2.21 R2=0.8204；经检验,模型拟合效果良好。4.建立了油松人工林胸径-冠幅模型,以二次曲线模型的拟合结果最佳,拟合方程为：CW=-0.7133+0.3714×DBH-0.0037×DBH2 R2=0.6959；检验结果表明,该模型拟合效果和预估效果良好,且预测精度较高。5.建立了冠幅与林下植被多样性Shannon-Wiener指数H′的模型,以指数函数的拟合效果最优,拟合结果：H′=1.232e0.0912CW R2=0.7699；经检验,模型拟合效果良好。6.建立了冠幅与林下草本生物量、灌木生物量的模型,以三次方模型的拟合结果最好。冠幅与草本生物量方程：W草=244.192—117.488×CW+60.196×CW2—6.015×CW3；当冠幅为5.5m,草本生物量达到最大值,为418.2kg·hm-2；冠幅与灌木生物量方程：W灌=2.559×103—1.494×103×CW+716.935×CW2—74.763×CW3；当冠幅为5.1m,灌木生物量有最大值,为3669.7kg·hm-2；模型均通过检验,说明拟合模型有良好的模拟和预测效果。7.使用FVS-BJ系统对油松典型样地进行了自然生长及不同疏伐措施(下层疏伐和上层疏伐)下生长情况的可视化动态预测,同时对树冠及林下植被生长进行了模拟,并可得到合理的预测结果。本研究可为油松人工林的科学经营管理提供参考,研究方法还可为拓宽该系统的应用尺度范围提供了借鉴。