论文部分内容阅读
本文以黑龙江省孟家岗林场的长白落叶松人工林为研究对象,基于50棵长白落叶松解析木的1434个节子数据,以poisson分布为基础,采用SAS9.4软件中的glimmix模块,分别建立了形成节子的这部分枝条从形成到停止生长(BC)、停止生长到死亡(CD)、死亡到被完全包藏(DO)这三个阶段年轮数量的最优基础模型,在得到最优基础模型后引入随机效应,分别建立基于树木效应、样地效应的混合模型,通过计算相应的指标,选出最优混合模型。(1)枝条BC时期年轮数量结果表明:节子着生高度越高(KH)、节子直径越大(KD),则形成节子的这部分枝条BC时期的年轮数量越多。林分密度越大,枝条BC时期年轮数量越少。不同样地、不同林木个体间年轮数量差异明显,分别建立基于树木效应、基于样地效应的混合效应模型,两种随机效应下的混合效应模型的拟合效果均优于基础模型。基于树木效应的最优混合效应模型的调整后确定系数为0.76,均方根误差为0.1494,平均绝对误差为0.1094;基于样地效应的最优混合效应模型的调整后确定系数为0.70,均方根误差0.1802.平均绝对误差为0.1367.(2)枝条CD时期年轮数量结果表明:形成节子的这部分枝条CD时期的年轮数量随节子着生高度的增加而减少。在每公顷株数大于700株或每公顷株数小于300株的林分中,枝条丢失年轮数最少。引入随机效应建立混合效应模型,在考虑树木效应情况下的最优混合效应模型的调整后确定系数为0.66,均方根误差为0.2101,平均绝对误差为0.1713;在考虑样地效应情况下的最优混合效应模型的调整后确定系数为0.55,均方根误差为0.2541,平均绝对误差0.2000。两种混合效应模型的拟合效果均优于基础模型,且基于树木效应的混合效应模型拟合效果最好。(3)枝条DO时期年轮数量结果表明:着生位置靠上的节子直径较大,而枝条死亡后被包藏的时间(DO)与节子直径正相关,即枝条的着生高度越高,枝条的基径越大,枝条死亡后被包藏的时间越长。同时,随着枝条插入角的增大,枝条死亡后被包藏的时间越长。在不同林分密度条件下,枝条DO时期年轮数量在每公顷株数为760-500的范围内最小。在考虑树木效应情况下的最优混合效应模型的调整后确定系数为0.74,均方根误差0.2374,平均绝对偏差0.1715;考虑样地效应情况下的最优混合效应模型的调整后确定系数为0.64,均方根误差为0.3307,平均绝对偏差为0.2595。混合效应模型的各项统计量均优于基础模型,其中基于树木效应的混合模型拟合结果最好。由研究结果可以得到,形成节子的这部分枝条在各个时期的年轮数量受树木效应的影响大于样地效应,即林木个体间的差异较大,含有随机效应的混合模型矫正了这部分差异,使模型的预测能力得到了提升。节子是枝条死亡后被树干包藏起来形成的,在掌握形成节子的这部分枝条在不同生长时期的年轮数量规律,就可以在营林过程当中通过测量枝条的一些外部属性掌握现存枝条的生长发育时期,从而为人工整枝提供理论支持,使森林的经营管理更加的科学规范。在生产经营中可以通过前期合理密植减少枝条所处BC时期的时间,在枝条停止生长后及时进行间伐和人工整枝,减少枝条所处CD、DO时期的时间,从而减小节子的体积达到培育无节材的目的。