森林更新、进界与枯损的模拟有助于更深入的了解未来森林群落的演替及多样性的动态变化过程,是林分生长预测和森林经营规划的重要组成部分。然而,由于森林更新、进界与枯损的变化过程受到竞争因子、立地因子、环境因子、人为干扰等多因素的影响,是一个复杂的随机过程,具有很高的不确定性。因此,森林更新、进界与枯损的模拟一直是森林生态系统建模与不确定性研究中的难题。如何定量评价模型预测过程中的不确定性,阐释模型参数对预测不确定性的贡献及意义有助于提升对森林生态系统复杂性和不确定性的认知,为森林生态系统的动态模拟和经营规划提供科学依据。基于上述问题,本论文以秦岭松栎林为主要研究对象,构建基于贝叶斯框架下的森林更新（包括幼树树高生长）、进界与枯损模型,研究模型预测的不确定性,阐释影响更新、进界与枯损的主导因子及其不确定性。主要取得如下结果:（1）以泊松（Poisson）模型、负二项（negative binomial,NB）模型、零膨胀泊松（zero-inflated Poisson,ZIP）模型和零膨胀负二项（zero-inflated negative binomial,ZINB）模型为基础,构建了基于竞争因子、立地因子和气候因子的秦岭松栎林天然更新模型。结果表明:ZINB模型优于其他模型,适用于更新数据过度离散和零数据过多条件下的更新模拟。林分总断面积、光截留、生长季最低温和坡位是影响松栎林中油松天然更新的最关键因子;而林分总断面积、坡向与海拔的组合（CE）、年均温、最热季节降水量是影响锐齿栎天然更新的最关键因子。油松和锐齿栎更新模拟中立地因子相关的参数传递的不确定性高于竞争因子和气候因子,可作为未来研究中进一步优化的主要目标。油松天然更新数量与生长季最低温和最干季节降水量正相关,与最干季节均温负相关;锐齿栎天然更新数量与年均温、生长季最低温和最热季节降水量正相关,与最干季节均温负相关。油松和锐齿栎的天然更新数量对温度的敏感性高于降水。（2）以秦岭松栎林地带性树种油松幼树为研究对象,构建基于贝叶斯框架下的油松幼树树高层次模型,分析模型预测的不确定性来源,阐释模型参数对模型预测的不确定性的贡献及其意义,为提高幼树建模的可靠性提供理论依据。采用马尔科夫链蒙特卡洛抽样方法估计模型参数的联合后验分布,量化模型预测误差的不确定性、输入变量（自变量测量误差）的不确定性及模型参数的不确定性。结合贝叶斯统计框架和全局敏感性分析技术,量化每个参数或参数组合传递到模型输出的不确定性。结果表明:所构建的模型预测的不确定性区间包含了97%的观测点,可较准确覆盖模型中观测数据的随机误差。油松幼树树高5年生长量模拟中最大的不确定性来源是模型预测误差的不确定性,占总体不确定性的51%;其次是模型参数的不确定性,占43%;不确定性比例最小的是输入变量即自变量（树冠竞争因子、光截留）测量误差的不确定性,仅占6%。对油松幼树树高预测不确定性贡献最大的是树冠竞争因子相关的参数,占参数总体不确定性的64.87%,其次是坡度和光截留相关的参数,分别占15.88%和10.02%,与树高相关的参数仅占1.78%,其他参数贡献的不确定性低于1%。油松幼树树高5年生长量与树冠竞争因子、光截留和坡度呈负相关,与当前树高正相关。结合参数的不确定性分析得出,参数不确定性越高,其相关的变量对模型预测结果的影响越不显著。（3）林分进界是描述林分动态变化的主要因子,然而受多种复杂因素影响,调查间隔期内可能有大量的样地没有发生进界现象,即存在高比例的零数据,其预测具有很大不确定性。以秦岭松栎林为例,采用固定样地连续观测数据构建基于贝叶斯框架下的松栎林进界模型。并与全局敏感性分析相结合量化模型中不同来源的不确定性,即模型形式、参数和输入数据（模型随机误差）的不确定性,并阐释每一个参数对模型预测不确定性的贡献及意义。结果表明:ZINB模型在油松和锐齿栎进界模拟中均表现出最高的模拟精度。油松和锐齿栎的进界数量与林分总断面积负相关,与树种密度和地位级指数正相关。锐齿栎树种的进界优于油松,尤其是在锐齿栎树种密度高且立地条件好的林分中具有更大的进界优势。油松树种的进界更多依赖于低的林分断面积,其次在立地条件较差的区域进界数量才有可能接近或大于锐齿栎。油松进界模拟中林分总断面积相关的参数所贡献的不确定性最小,树种密度和地位级指数相关的参数所贡献的不确定性较大;而锐齿栎进界模拟中与树种密度相关的参数所贡献的不确定性最小,林分总断面积和地位级指数相关的参数所贡献的不确定性较大。（4）以秦岭松栎林为研究对象,采用固定样地连续复测数据构建基于竞争因子、立地因子和气候因子的油松和锐齿栎的贝叶斯枯损模型,阐释影响林分枯损的主导因子及其不确定性。结果表明:ZINB模型具有最优的预测精度,适宜模拟数据过度离散和零数据过多条件下的林分枯损。油松枯损数量与林分优势高、油松树种数密度、春季平均温度、年平均夏季降水量正相关,与林分平均胸径和最冷月平均温度负相关。锐齿栎枯损数量与锐齿栎树种密度、坡度、最暖月平均温度正相关,与林分平均胸径和年平均夏季降水量负相关。油松枯损模拟中,与油松树种密度、最冷月平均温度和春季平均温度相关的参数传递的不确定性较小,与林分优势高、林分平均胸径和年平均夏季降水量相关的参数传递的不确定性较大。锐齿栎枯损模拟中,与锐齿栎树种密度、坡度与坡向的组合（SIC）和最暖月平均温度相关的参数传递的不确定性较小,而与林分平均胸径、年平均夏季降水量相关的参数传递的不确定性较大。研究结果为气候变化条件下森林动态预测及经营管理提供了科学依据。总之,森林更新及幼树树高生长、进界与枯损变化过程具有很高的不确定性。基于贝叶斯框架下的建模方法将模型预测过程中的各个要素以概率分布的方式表达,从而对模型预测的不确定性进行量化。该方法可阐释模型中变量及相关参数对预测结果的意义,进而量化解释数据和模型预测的变异。为森林更新、进界与枯损模型参数校正及模型改进提供新的参考依据。