天然栎类阔叶混交林林分平均高与平均胸径关系模型
Journal of Beijing Forestry University(2020)
Abstract
[目的]考虑天然混交林的林分密度、直径结构和树种结构,基于代数差分方程构建最适宜的林分平均高与平均胸径关系模型,为天然混交林的立地生产力估计与可持续经营提供理论依据.[方法]以吉林省天然栎类阔叶混交林为研究对象,利用4期连续调查固定样地数据,基于Richards方程构建4种数据结构类型即typeC、typeD、typeE和typeF的基础代数差分方程,比较分析得出最优数据结构类型;基于最优数据结构类型,以5个林分密度指标即林木株数(N)、林分断面积(BA)、林分密度指数(SDIr)、可加林分密度指数(SDIa)和郁闭度(CD),5个直径多样性指数即Shannon均匀度指数(ShaI)、Simpson指数(SimI)、McIntosh均匀度指数(MceI)、Gini系数(GinI)和Berger-Parker指数(BerI),4个树种多样性指数即ShaI、SimI、MceI和BerI,构建并比较分析不同多样性代数差分方程的差异,得出最佳方程为最适宜林分平均高与平均胸径关系模型.[结果]不同数据结构类型的建模效果由好到差排序:typeD>typeC>typeF>typeE.除了typeC,其他3个数据结构类型的模型参数b和r均显著不为零(P<0.01),说明typeD拟合的模型参数检验效果最佳.林分密度指标SDIr的建模效果最好.无论使用哪个林分密度指标,其模型参数b0、r和cSD均显著(P<0.01),说明5个林分密度指标的模型参数检验效果均比较理想.直径多样性指数ShaI的建模效果最好.除了GinI,其他4个直径多样性指数的模型参数b0、r、cSDIr和cDI均显著(P<0.01),表明ShaI、SimI、MceI和BerI均为较理想的直径多样性指数.4个树种多样性指数的建模拟合效果和检验数据效果差别不大.BerI的模型参数b0、r、cSDIr、cShaI和cSP均显著(P<0.01),说明BerI是较理想的树种多样性指数.ShaI、SimI和MceI的模型参数b0、r、cSDIr、cShaI和cSP均不能同时达到0.05显著水平,说明ShaI、SimI和MceI是不理想的树种多样性指数.[结论]typeD是最优的数据结构类型,林分密度、直径多样性和树种多样性对模型均有影响.其中,林分密度指标SDIr、直径多样性指数ShaI和树种多样性指数BerI建立的多样性代数差分方程拟合效果最佳,为最适宜的天然栎类阔叶混交林林分平均高与平均胸径关系模型.
MoreTranslated text
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined