长白落叶松人工林林分模型的应用

合集下载

长自落叶松人工林直径分布模型的研究

概密函：）ｆ广１率度数（ｅ，＝ｘｆ
累积分布函数：（＝－ｘ［（～）］，１ｅ一ａｂ）ｐ／
各径阶理论株＝Ⅳ
显。
（）１
２．２参数预测模型的建立
在样本韦布分布参数已求出的基础上，以各分布参数为因变
林分调查因子为自变量，建立多元回归模型，即参数预测模型。（）量，２
１究资料研２００２年在黑龙江省牡丹江地区和桦南县孟家岗林场调查收集了１８块临时标准地。标准地面积８０４—０１ｍ，分布于不同年龄阶．０．ｈ
段、同立地、同密度级，闭度不不郁大于０７的林分中。从中精选了百．余块标准地用于建模和模型检验，数据的统计特征见表１。
误差平均值＝一１ √ ×００；
经复相关系数检验，（０＝．，明上述相关系数均达到Ｒ６）Ｏ４说４极显著水平。参数预测模型已经建立，只要知道林分的年龄、平均直径、公顷株数和地位指数，代人模型求出林分的韦布分布三参数，即确定了林分的直径结构分布。２３参数回收模型的建立．参数回收模型是在全林分生长模型的基础上，用矩法求解分布函数的一阶、阶原点矩，二利用一二阶原点矩与林分特征因子、的关系，联立解得参数ｂｃ值，、即：．
ｆ（『ｅ１Ｘ｝ｐｆ＿
用逐步回归筛选了自变量，筛选Ｆ值和偏相关系数都比较合适的林龄ｔ平均胸径Ｄ，，公顷株数Ｎ，地位指数Ｓ４个因子为自变量，Ｉ建（）３立了三参数预测模型。

长白山区人工落叶松林分生长规律的研究

长白山区人工落叶松林分生长规律的研究廖宇翔【期刊名称】《《吉林林业科技》》【年(卷),期】2019(048)006【总页数】3页(P11-13)【关键词】长白山区; 人工落叶松; 林分; 生长规律; 数量成熟龄【作者】廖宇翔【作者单位】北华大学林学院吉林吉林 132013【正文语种】中文【中图分类】S791.22自2015年长白山国有重点林区实行全面停止天然林商业性采伐后，人工林已成为木质产品生产的主要来源[1-3]。

林分生长模型可以精确地预测各种特定立地条件下林分生长动态，掌握林分生长规律，实现森林可持续经营[4-7]。

为了准确了解人工林林分生长规律，众多学者对林分生长模型进行了构建。

胡晓龙以理查德方程为基础，对长白落叶松林分断面积生长模型进行了构建[8]。

姚丹丹等利用贝叶斯法对长白落叶松林分优势高生长模型进行了研究[9]。

孙世仁等对长白山区人工红松林蓄积生长模型进行了研究[10]。

刘红梅等采用林分特征因子年龄、立地指数、密度以及材积，建立华北人工落叶松林分生长模型，预测精度均达到了80 %以上[11]。

人工落叶松作为我国重要的用材树种，一直为我国木材生产做出重大贡献。

本文利用吉林森工集团红石林业局的森林资源调查小班数据库，对人工落叶松林分生长模型进行了拟合和检验，并对其林分生长规律进行了研究。

旨在为充分利用该地区人工落叶松林分的生态作用和经济价值提供参考。

1 研究区域概况研究区域位于吉林省桦甸市和靖宇县境内，隶属吉林森工集团红石林业局。

该区域夏季高温多雨，冬季寒冷漫长，属典型的温带大陆性气候。

月均最高温为21.9 ℃，最低为-18.7 ℃，年平均气温为3.7 ℃，无霜期100～110 d，有效积温2 100～2 500 ℃，年平均降水量720～810 mm，土壤以山地暗棕色森林土为主。

植被类型以红松阔叶林为主，阔叶主要有蒙古栎、水曲柳、核桃楸、紫椴、榆树、白桦和色木槭等，针叶主要有红松、云杉和人工落叶松等。

浅析落叶松人工林生物量模型及生物碳计量_陈瑶

2012年5月（上）农林科技科技创新与应用浅析落叶松人工林生物量模型及生物碳计量陈瑶（黑龙江省森林工程与环境研究所，黑龙江哈尔滨150001）1引言落叶松(Larixolgensis)是我国东北林区的主要优势树种之一，它属于松科落叶松属的落叶乔木，是喜光的强阳性树种，适应性强，在泥炭沼泽地、极干燥山坡均能生长发育，对土壤水分条件和土壤养分条件的适应范围很广，落叶松耐低温耐寒冷，一般在最低温度达-50℃的条件下也能正常生长。

由于落叶松树势高大挺拔，冠形美观，根系十分发达，抗烟能力强，所以，又是一个优良的园林绿化树种。

落叶松的木材抗弯力大，耐腐性好，亦耐水湿，但是对落叶松加工锯解、刨光等比较困难，所以它是直接使用原木的优良树种，是东北地区主要三大针叶用材林树种之一。

因此，研究落叶松人工林生态系统的生物量回归模型和碳计量对研究全球CO2浓度及全球环境变化有重要意义。

2生物量的研究现状和发展趋势2.1国外研究现状生物量的研究和测定在研究森林生长的过程和森林生态系统的动态变化过程中显得极为重要。

目前，国外学者对于森林生物量研究开始结合不同内容深入到各个层面，研究方法和技术也在不断地改进，同时其研究的尺度和领域也在不断拓展。

从上世纪60年代中期生物学计划（International Biological Program，简称（IBP）中关于不同类型的森林生物量和生产力的调查和研究，开始了对森林生态系统的生物量和生产力的大规模研究。

Ebermeryer最早于1876年在德国进行几种森林的树枝落叶量和木材重量的测定。

1910年，Boysen Jensen在研究森林自然稀疏问题时，研究了森林的初级生产量。

1929～1953年，Burger研究了树叶生物量和木材生产的关系。

20世纪50年代以来，世界上开始重视对森林生物量的研究。

到了80年代后期，伴随着全球碳循环研究的重视，研究者利用以前的样地生物量和面积的统计资料，估算由于土地变化而引起的一个区域向大气中释放的碳量。

落叶松人工林林分生物量预测模型的研究

本文选取
，
，
，
，
等5种模型进行拟合。
3.2 单木生物量模型拟合结果利用外业调查所获得的各样木树干解析和生物量数据，采用Statistica 6.0统计软件对上述5个模型进行分析拟合。最终得出落叶松人工林单木各分量生物量最优预测模型。 3.2.1 树干生物量模型对树干生物量进行拟合，得出的最优模型
当代生态农业 2010年第3、4期
落叶松人工林林分生物量预测模型的研究
杨彬*（吉林省林业勘察设计研究院长春 130022）
刘红润（东北林业大学林学院哈尔滨 150040）
许彬彬（吉林省林业勘察设计研究院长春 130022）
摘要：本文以不同年龄、不同密度的落叶松（Larix olgensis）人工林为研究对象，基于 95株标准木的树干解析和枝解析生物量数据，研究不同大小树木因子与单木各分量生物量之间的关系，应用统计分析软件建立落叶松单木各部分生物量的回归模型；利用单木各部分生物量回归模型方程估测落叶松人工林各林分的总生物量，并分析了不同年龄及林分密度下林分生物量的变化规律。研究结果表明林分的生物量随年龄的增加而不断增长，树干的生物量的比例是最大的，同时也随着年龄的增加而不断的增长，而树枝和树叶的生物量的比例较小，林分的生物量随林分密度的增加而不断增加。关键词：落叶松；人工林；生物量；预测模型
3.95
13 0.238993 6.90
0.20
0.53 0.008749 0.33
2.4
5.75 0.089781 2.85
检验数据19
最小值最大值
17.2
28.5
17.0
22.8
11.6
15.3
4.7
9.75

辽东山区长白落叶松人工林生长规律的研究

ＥａｓｔｅｒｎＬｉａｏｎｉｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ
ＨＥＹｕａｎ — ｙａｎｇ，ＤＵＡＮＪｉｅ，ＷＥＩＹｏｎｇ－ｚｈｏｎｇ。，ＭＡＬＹｕ — ｙｉ ’ ，ＪＩＡＬｉ・ｍｉｎｇ，
ｅａｓｔｅｒｎＬｉａｏｎｉｎｇＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ，４４ａｎａｌｙｔｉｃｔｒｅｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔａｇｅｓｗｅｒｅｓｅｌｅｃｔｅｄｔｏｓｔｕｄｙｔｈｅｇｒｏｗｉｎｇ
中图分类号：￥７９１．２２０．６
文献标志码：Ａ
文章编号：１００１ — ７４６１（２０１４）一０２ — ０１８４ — ０７
ＧｒｏｗｔｈＲｅｇｕｌａｒｉｔｙｏｆＬａｒｉｘｏｌｇｅｎｓｉｓＰｌａｎｔａｔｉｏｎｉｎＭｏｕｎｔａｉｎｏｕｓＲｅｇｉｏｎｓｏｆ
辽东山区长白落叶松人工林生长规律的研究
何远洋，段劫，魏永忠。，马履一，贾黎明，贾忠奎，苏小琚，
周强。，张云江。，
（１．北京林业大学林学院，北京１０００８３；２．北京林业大学国家能源非粮生物质原料研发中心，北京１０００８３；３．辽宁省实验林场，辽宁清原１１３３１１）

长白落叶松(Larix olgensis)工业人工林的模拟间伐

ｙｒ，ｔｅｔｉｎｎｔｏｎｅｓｒｃｏｄｎｏｃｌｉａｉｎｔｍｅｗａｃｉｖｄ，ｔｅｐｅｉｉｎｆｒｍａ — ｈｈｎｉｇｍｅｈｄａｄｍａｕｅａｃｒｉｇｔｕｔｔｏｉｓａｈｅｅｖｈｒｃｓｏｏｎａｉｇＬｒｘｏｇｎｉｎｕｓｒａａｔｔｏｓｒｉｅＴｈｍａｌｄａｅｅｒｅｈｕｄｂｈｉｅｓｔｅｇｎａｉｌｅｓｓｉｄｔｌｐｌｎａｉｎｗａａｓｄｉｅｓｌｉｍｔｒｔｅｓｓｏｌｅｔｎｎｄａｈｄｍｉａｔｎｔｏｙｃｎｉｅｎｒｍｈｏｎｆｃｌｉａｉｇｆｒｓｕｌｏｆｏｏｔｉｉｇｗｏｄａｄｉ — ｏｎｎｏｎｌｏｓｄｒｇｆｉｏｔｅｐｉｔｏｕｔｖｔｎｏｅｔｂｔａｓｒｍｂａｎｎｏｎｎ
ＡｂｓｒｃＢａｅｎｇｔｉｇｔｅｔｅｓｄａｅｅｒｎｓｅｒｂｂｌｔｔｅｈｉｎｎｆｔｅｔａｔｓｄｏｅｔｈｒｅｉｍｔｒｔａｆｒｐｏａｉｙ．ｈｔｎｉｇｏｈｎｉ
ｏｇｎｉｌｅｓｓ
大径阶林木，中间径阶林木三种间伐方式，在保留不同密度情况下对长白落叶松工业人工林进行
模拟间伐，出了适宜的保留密度和相应的抚育间伐对象。结果表明：尔柯夫过程确能反映长提马
白落叶松工业人工林的直径转移过程，用马尔可夫过程理论对长白落叶松工业人工林进行模拟利

长白落叶松林分进界模型的研究

Ｐｏｉｓｓｏｎ回归模型比较适用，但是对于零枯损过多的数据，这两类模型拟合效果较差；零膨胀模型和Ｈｕｒｄｌｅ模型对这
类数据有很好的解决办法，而且，零膨胀负二项模型拟合效果最好。
关键词：进界；Ｐｏｉｓｓｏｎ模型；负二项模型；零膨胀模型；Ｈｕｒｄｌｅ模型；长白落叶松
Ａｂｓｔｒａｃｔ：Ｔｒｅｅｒｅｃｒｕｉｔｍｅｎｔｍｏｄｅｌｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｓｉｍｕｌａｔｉｎｇｓｔａｎｄｄｙｎａｍｉｃｐｒｏｃｅｓｓｅｓ．Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｆａｃｔｔｈａｔｉｎｐｅｒｍａｎｅｎｔｓａｍｐｌｅｐｌｏｔｓｓｏｍｅｏｆｔｈｅｐｌｏｔｓｈａｖｅｎｏｏｃｃｕｒｒｅｎｃｅｓｏｆｒｅｃｕｉｒｔｍｅｎｔｅｖｅｎｏｖｅｒｐｅｒｉｏｄｓｏｆｓｅｖｅｒａｌｙｅａｒｓ，ｉｔｍｅａｎｓｔｈａｔｄａｔａａｒｅｂｏｕｎｄｅｄａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃａｌｌｙｅｘｈｉｂｉｔｖａｒｙｉｎｇｄｅｇｒｅｅｓｏｆｄｉｓｐｅｒｓｉｏｎａｎｄｓｋｅｗｎｅｓｓｉｎＦｅ — ｌａｔｉｏｎｔｏｔｈｅｍｅａｎ．Ａｄｄｉｔｉｏｎａｌｌｙ，ｔｈｅｄａｔａｏｆｔｅｎｃｏｎｔａｉｎａｎｅｘｃｅｓｓｎｕｍｂｅｒｏｆｚｅｒｏｃｏｕｎｔｓ．Ｉｆｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄｉｓｓｔｉｌｌｕｓｅｄｔｏｄｅａｌｗｉｔｈｔｈｅｄａｔａｗｉｔｈｌａｒｇｅｐｒｏｐｏｒｔｉｏｎｏｆｚｅｒｏｃｏｕｎｔｓ，ｔｈｅｅｓｔｉｍａｔｅｄｒｅｓｕｌｔｓｗｉｌｌｂｅｂｉａｓｅｄ．ＢａｓｅｄｏｎｔｈｅｄａｔａｆｒｏｍｐｅｒｍａｎｅｎｔｐｌｏｔｓｏｆｏｌｇｅｎｓｉｓｉｎＷａｎｇｑｉｎｇＦｏｒｅｓｔＦａｍ，Ｐｏｒｉｓｓｏｎｍｏｄｅｌ，ｎｅｇａｔｉｖｅｂｉｎｏｍｉａｌｍｏｄｅｌ，

落叶松人工林林分生物量预测模型的研究

（．ｎｔｕｅｏｏｅｔｃｎａｓｎｅａｄＤｅｇｆｉｎＰｏｉｃ，Ｃｈｎｃｕ０２１ＩｓｔｔｆｒｓｙＲｅｏｎｉａｃｓｎｏＪｆｒｖｅｉＦｒｓｎｉｉｎａｇｈｎ１０２，３
Ｃｉａ．ｃｏｌｆｏｅｔ，ＮｏｔｅｓＦｒｓｙＵｎｖｒｔ，Ｈａｂｎ１０４，Ｃｈｎ）ｈｎ；２ＳｈｏＦｒｓｙｏｒｒａｏｅｒｉｅｓｙｈｔｔｉｒｉ５００ｉａ
ＫｅｒｓＬｒｌｅｓ；Ｐａｔｔｎ；ＢｉｍａｓＭｏｅｙｗｏｄ：ａｉｏｇｎｉｘｓｌｎａｉｏｏｓ；ｄｌ
生物量是指在一定时间和一定空间内一种或
ｔｅｃａｇｗｆｏｅｔｉｍａｓｆｉｅｅｔｇｓｄｄｎｉｅ：ｔｎｉｍａｓｎｒａｅｃｅｈｈｎｅｌｏｒｓｏｓｆｒｎｅｅｓｉｓＳａｄｂｏｓｉｃｅｓａｆｂｏｄａｎａｔｓｗｉｈ、不同密度的落叶松（ａｉｌｅｓ）人工林为研究对象，基于Ｌｒｏｇｎｉｘｓ９株标准木的树干解析和枝解析生物量数据，研究不同大小树木因子与单木各分量生物５量之间的关系，应用统计分析软件建立落叶松单木各部分生物量的回归模型；利用单木
ＡｓａｔｎｔｉｐｐｒｈｅｅｒｈｏｊｃａｘｏｇｎｉＰａｔｔｎｆｉｅｅｔｇｓｎｂｔｃ：Ｉｈｓａｅ，ｔｅｒｓａｂｅｔｓｆｌｅｓｌａｏｓｆｒｎｅａｄｒｃｉＬｉｓｎｉｏｄａ

长白落叶松人工林林隙间伐对林下更新及植物多样性的影响

和平均地径明显增加，林隙尤为显著（００）林隙内木本植物的Ｓｍｓｎ多样性指数和盖度均显著高于均匀大Ｐ＜．５；ｉｐｏ
间伐（００）与小林隙相比，林隙内木本和草本植物盖度均显著增加（＜．５；本植物竞争种的重要值Ｐ＜．５；大Ｐ００）木表现为大林隙＞林隙＞匀间伐，胁迫种的重要值相反（＜．５；大林隙内１年生草本植物的重要值显著小均耐Ｐ００）高于小林隙和均匀间伐（００）多年生草本植物则相反（００）大林隙Ｇｉｅ功能群中杂草种的重要值高Ｐ＜．５，Ｐ＜．５；ｒ ’ ｍ
ｈｉｈｒｈｎ１５ｍｒｏｎｎｇｐａｈｒｔａｄｒｔｒｙｉｈｎｆｒｙｔｉｎｄｓａｄ．Ｅｖｎｈｇｅａｌｎｓｅｇｔｍｏｅｔａ．ｗｅｅｆｕｄｉａｓｒｔｅｈｎｕｎｅｓｏｅｎｔｅｕｉｏｍｌｈｎｅｔｎｅｉｈｒｓｐｉｇ
第４７卷第８期 ຫໍສະໝຸດ ２０１１年８月林
业
科
学
Ｖｏ．７．．８１４ＮｏＡｕｇ．，２０１１
ＳＣＩＥＮＴＩＡ
ＳＬＶＡＥＩ
ＳＩＣＡＥＮＩ
长白落叶松人工林林隙间伐对林下更新及植物多样性的影响木

长白落叶松人工林胸径和蓄积量变化分析

长白落叶松人工林胸径和蓄积量变化分析作者：关煜涵来源：《绿色科技》2017年第11期摘要：指出了长白落叶松在退耕还林项目中表现出的效果极为重要，也成为东北地区退耕还林的重要树木之一。

选用长白落叶松不同树龄人工林的60株特点木数据建成林分饱和密度类型，对经营密度表进行了编排，采用合规的26块密度运营的生长时段的区别来解析了实际的径阶布局、均衡胸径增长量和总蓄积量，以运营密度表为标准供育4间伐的进度和结果。

关键词：长白落叶松；人工林；胸径和蓄积量；中图分类号：S792文献标识码：A 文章编号：16749944（2017）110104021 引言因为长久的盲目开垦毁林，对林木防护意识不重视，国内较多地区遭受了风沙灾难及水土流失灾害，使国家经济受损，也损害了生态平衡，乃至对人类的生存现状产生胁迫。

笔者科学编排运营密度表，根据长白落叶松人工林优势木数据，把合规的运营密度运用到造林、蓄积生长和抚育间伐中，对长白落叶松人工林抚育间伐次数、初植密度、经营密度等制定标准，提升长白落叶松人工林资源治理水准，科学合理的为其定制运营策略。

2 研究区概况坐落在某市林场的研究场地，属低山丘陵，坡度起伏小的丘陵漫岗，坡度均在7°，海拔200～400 m，618 mm的年降水量，0.36 ℃的年均温度，≥10 ℃年积温2050 ℃，生长期110～120 d。

以培育在花岗岩上的暗棕土壤为主要土源，土层厚度均在45 cm，石砾较稀少。

该地区的森林类别较多，人工林中主要是长白落叶松林，大面积造林工程在20世纪60年代迅猛发展，栽种时苗龄为2～3年，3330株/hm2为初植密度。

构造简易的长白落叶松人工林，多为同龄纯林、单层林，长白落叶松优势突出。

3 材料与方法3.1 供试林分运营密度不同的长白落叶松人工林中，预设面积为0.06 hm2的60块标准地。

因林分生长是一个持续的历程，由未成林、幼龄林、中龄林、近熟林和成熟林的整体体系构成标准地。

长白落叶松人工林多目标经营模式研究

第４７卷㊀第２期２０２３年３月南京林业大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．４７，Ｎｏ．２Ｍａｒ．，２０２３㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０２２⁃０１⁃２１㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０２２⁃０４⁃２７㊀基金项目：国家自然科学基金区域创新发展联合基金项目（Ｕ２１Ａ２０２４４）；国家自然科学基金面上项目（３２０７１７５８）；中央高校基本科研业务费专项资金项目（２５７２０２０ＢＡ０１）㊂㊀第一作者：宋磊（８４７３６８８２９＠ｑｑ．ｃｏｍ）㊂∗通信作者：金星姬（ｘｉｎｇｊｉ＿ｊｉｎ＠１６３．ｃｏｍ），高级工程师㊂㊀引文格式：宋磊，金星姬，ＰＵＫＫＡＬＡＴｉｍｏ，等．长白落叶松人工林多目标经营模式研究［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７（２）：１５０－１５８．ＳＯＮＧＬ，ＪＩＮＸＪ，ＰＵＫＫＡＬＡＴ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（２）：１５０－１５８．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２２０１０３４．长白落叶松人工林多目标经营模式研究宋㊀磊１，金星姬１∗，ＰＵＫＫＡＬＡＴｉｍｏ１，２，李凤日１（１．东北林业大学林学院，森林生态系统可持续经营教育部重点实验室，黑龙江㊀哈尔滨㊀１５００４０；２．ＳｃｈｏｏｌｏｆＦｏｒｅｓｔＳｃｉｅｎｃｅｓ，ＵｎｉｖｅｒｓｉｔｙｏｆＥａｓｔｅｒｎＦｉｎｌａｎｄ，Ｊｏｅｎｓｕｕ１１１，８０１０１）摘要：ʌ目的ɔ我国林业目前处于提高森林资源质量和转变发展方式的关键阶段，林分水平的经营决策对科学制订森林经营规程㊁提高森林质量具有重要意义㊂利用模拟⁃优化系统，探究不同林分条件下的最佳经营模式，可为提高黄花落叶松（Ｌａｒｉｘｏｌｇｅｎｓｉｓ）（俗名长白落叶松）人工林多目标经营水平提供理论基础和实施方案㊂ʌ方法ɔ以标准长白落叶松人工幼龄林为研究对象，利用多属性效用函数和妥协性分析构建包括净现值㊁大径材产量和林木碳储量的多目标经营模型，链接林分生长模型与粒子群优化算法，优化不同经营方程并提出经营模式㊂ʌ结果ɔ在不同造林密度（２５００和３３００株／ｈｍ２）及不同地位指数（１６２２ｍ）下两种多目标方程（ＭＯＦ１和ＭＯＦ２）估算的林分主伐年龄为５４９６ａ，净现值为３８０４７．８１０９１９４．９元／ｈｍ２，大径材年均产量为１．８４．４ｍ３／（ｈｍ２㊃ａ），轮伐期内年均林木碳储量为５９．７１０３．１ｔ／（ｈｍ２㊃ａ）㊂随着林木碳储量权重的增加（从ＭＯＦ１到ＭＯＦ２），大径材产量提高，但净现值降低㊂ʌ结论ɔ本研究提出的多目标经营模式可以满足对木材产量㊁质量和经济效益的需求，同时兼顾了森林碳储量，其中多目标经营方程ＭＯＦ１是权衡各目标效益的折中方案，研究结论对提升我国森林多功能经营管理水平具有重要借鉴意义㊂关键词：长白落叶松（黄花落叶松）人工林；多目标经营模式；净现值；大径材产量；碳储量中图分类号：Ｓ７５７㊀㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１０００－２００６（２０２３）０２－０１５０－０９Ｒｅｓｅａｒｃｈｏｎｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓＳＯＮＧＬｅｉ１，ＪＩＮＸｉｎｇｊｉ１∗，ＰＵＫＫＡＬＡＴｉｍｏ１，２，ＬＩＦｅｎｇｒｉ１（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｕｓｔａｉｎａｂｌｅＦｏｒｅｓｔＥｃｏｓｙｓｔｅｍＭａｎａｇｅｍｅｎｔＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＳｃｈｏｏｌｏｆＦｏｒｅｓｔｒｙ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＦｏｒｅｓｔＳｃｉｅｎｃｅｓ，ＵｎｉｖｅｒｓｉｔｙｏｆＥａｓｔｅｒｎＦｉｎｌａｎｄ，Ｊｏｅｎｓｕｕ１１１，８０１０１，Ｆｉｎｌａｎｄ）Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＡｔｐｒｅｓｅｎｔ，Ｃｈｉｎａｓｆｏｒｅｓｔｒｙｉｓｉｎａｃｒｉｔｉｃａｌｓｔａｇｅｏｆｉｍｐｒｏｖｉｎｇｔｈｅｑｕａｌｉｔｙｏｆｆｏｒｅｓｔｒｅｓｏｕｒｃｅｓａｎｄｔｒａｎｓｆｏｒｍｉｎｇｔｈｅｄｅｖｅｌｏｐｍｅｎｔｐａｔｔｅｒｎ．Ｍａｎａｇｅｍｅｎｔｄｅｃｉｓｉｏｎｓａｔｔｈｅｓｔａｎｄｌｅｖｅｌａｒｅｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｆｏｒｍｕｌａｔｉｎｇｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓｓｃｉｅｎｔｉｆｉｃａｌｌｙａｎｄｉｍｐｒｏｖｉｎｇｆｏｒｅｓｔｑｕａｌｉｔｙ．Ｉｎｔｈｉｓｓｔｕｄｙ，ａｓｉｍｕｌａｔｉｏｎ⁃ｏｐｔｉｍｉｚａｔｉｏｎｓｙｓｔｅｍｗａｓｕｓｅｄｔｏｉｄｅｎｔｉｆｙｔｈｅｏｐｔｉｍａｌｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓｆｏｒｄｉｆｆｅｒｅｎｔｓｔａｎｄｃｏｎｄｉｔｉｏｎｓｏｆｌａｒｃｈ（Ｌａｒｉｘｏｌｇｅｎｓｉｓ）ｐｌａｎｔａｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｐｒｏｖｉｄｅａｔｈｅｏｒｅｔｉｃａｌｆｏｕｎｄａｔｉｏｎａｎｄｓｉｌｖｉｃｕｌｔｕｒａｌｐｌａｎｎｉｎｇｆｏｒｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎｓ．ʌＭｅｔｈｏｄɔＭｕｌｔｉ⁃ａｔｔｒｉｂｕｔｅｕｔｉｌｉｔｙｆｕｎｃｔｉｏｎａｎｄｃｏｍｐｒｏｍｉｓｅａｎａｌｙｓｅｓｗｅｒｅａｐｐｌｉｅｄｔｏｃｏｎｓｔｒｕｃｔａｎｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｆｏｒｍｕｌｔｉ⁃ｆｕｎｃｔｉｏｎａｌｆｏｒｅｓｔｒｙｉｎｃｌｕｄｉｎｇｎｅｔｐｒｅｓｅｎｔｖａｌｕｅｓ，ｌａｒｇｅｌｏｇｐｒｏｄｕｃｔｉｏｎ，ａｎｄｆｏｒｅｓｔｃａｒｂｏｎｓｔｏｒａｇｅｄｕｒｉｎｇｔｈｅｒｏｔａｔｉｏｎ，ｂａｓｅｄｏｎｓｔａｎｄａｒｄｙｏｕｎｇｌａｒｃｈｐｌａｎｔａｔｉｏｎｓ．Ｂａｓｉｃｇｒｏｗｔｈａｎｄｙｉｅｌｄｍｏｄｅｌｓｌｉｎｋｅｄｗｉｔｈｔｈｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗｅｒｅｕｓｅｄｔｏｔｈｅｏｐｔｉｍｉｚｅｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｕｎｄｅｒｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｗｅｒｅｕｓｅｄｔｏｐｒｏｐｏｓｅｍａｎａｇｅｍｅｎｔｇｕｉｄｅｌｉｎｅｓｆｏｒｌａｒｃｈｐｌａｎｔａｔｉｏｎｓ．ʌＲｅｓｕｌｔɔＴｈｅｒｏｔａｔｉｏｎｌｅｎｇｔｈｓｗｉｔｈｔｈｅｔｗｏｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｕｔｉｌｉｔｙｆｕｎｃｔｉｏｎｓ（ＭＯＦ１ａｎｄＭＯＦ２）ｕｎｄｅｒｄｉｆｆｅｒｅｎｔｐｌａｎｔｉｎｇｄｅｎｓｉｔｉｅｓ（２５００ｔｒｅｅｓｐｅｒｈｍ２ａｎｄ３３００ｔｒｅｅｓｐｅｒｈｍ２）ａｎｄｄｉｆｆｅｒｅｎｔｓｉｔｅｉｎｄｉｃｅｓ（１６－２２ｍ）ｗｅｒｅ５４－９６ｙｅａｒｓ；ｔｈｅｎｅｔｐｒｅｓｅｎｔｖａｌｕｅｒａｎｇｅｄｆｒｏｍ３８０４７．８ｔｏ㊀第２期宋㊀磊，等：长白落叶松人工林多目标经营模式研究１０９１９４．９ｙｕａｎ／ｈｍ２，ｔｈｅｍｅａｎａｎｎｕａｌｌａｒｇｅｌｏｇｐｒｏｄｕｃｔｉｏｎｗａｓ１．８－４．４ｍ３／ｈｍ２，ａｎｄｔｈｅａｖｅｒａｇｅｆｏｒｅｓｔｃａｒｂｏｎｓｔｏｒａｇｅｗａｓ５９．７－１０３．１ｔ／ｈｍ２ｄｕｒｉｎｇｔｈｅｒｏｔａｔｉｏｎ．Ｗｉｔｈｔｈｅｉｎｃｒｅａｓｉｎｇｗｅｉｇｈｔｏｆｆｏｒｅｓｔｃａｒｂｏｎｓｔｏｒａｇｅ（ｆｒｏｍＭＯＦ１ｔｏＭＯＦ２），ｌａｒｇｅｌｏｇｐｒｏｄｕｃｔｉｏｎｉｎｃｒｅａｓｅｄ，ｂｕｔｗａｓａｃｈｉｅｖｅｄａｔｔｈｅｃｏｓｔｏｆｔｈｅｒｅｄｕｃｅｄｎｅｔｐｒｅｓｅｎｔｖａｌｕｅ．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓｐｒｏｐｏｓｅｄｉｎｔｈｅｓｔｕｄｙｃａｎｓｉｍｕｌｔａｎｅｏｕｓｌｙｓａｔｉｓｆｙｔｈｅｄｅｍａｎｄｆｏｒｗｏｏｄｐｒｏｄｕｃｔｉｏｎ，ｑｕａｌｉｔｙ，ａｎｄｅｃｏｎｏｍｉｃｐｒｏｆｉｔａｂｉｌｉｔｙ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｃａｒｂｏｎｓｔｏｒａｇｅｏｆｔｈｅｆｏｒｅｓｔｉｓｃｏｎｓｉｄｅｒｅｄ．Ｔｈｅｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｕｔｉｌｉｔｙｆｕｎｃｔｉｏｎＭＯＦ１ｉｓａｃｏｍｐｒｏｍｉｓｅｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔｍａｎａｇｅｍｅｎｔｏｂｊｅｃｔｉｖｅｓ．Ｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓａｎｉｍｐｏｒｔａｎｔｒｅｆｅｒｅｎｃｅｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｍｕｌｔｉ⁃ｆｕｎｃｔｉｏｎａｌｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｉｎＣｈｉｎａ．Ｋｅｙｗｏｒｄｓ：Ｌａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎ；ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔｓｃｈｅｄｕｌｅｓ；ｎｅｔｐｒｅｓｅｎｔｖａｌｕｅ；ｌａｒｇｅｌｏｇｐｒｏｄｕｃｔｉｏｎ；ｃａｒｂｏｎｓｔｏｃｋ㊀㊀人工林多功能价值的发挥需要科学合理的经营活动来实现［１］，更重要的是在其经营过程中明确经营目标㊁量化经营措施和指标㊁平衡各经营目标间的矛盾，从而真正体现其多重价值㊂模拟和优化作为林分水平森林经营规划过程中直接有效的现代技术手段，对制订森林经营规程㊁编写森林经营方案以及指导林业生产具有重要的意义㊂目前，我国的木材消耗量依然稳居世界前列，近半数木材要靠进口，而进口来源逐年受限［２］㊂黄花落叶松（Ｌａｒｉｘｏｌｇｅｎｓｉｓ）（下文中用俗名长白落叶松表示）是东北林区主要的造林和用材树种之一，在我国速生丰产林建设中占有及其重要的地位［３］㊂然而，据第九次森林资源清查数据显示，黑龙江省落叶松人工林平均单位面积蓄积量仅为７４．８ｍ３／ｈｍ２，年生长量低于２ｍ３／（ｈｍ２㊃ａ）㊂因此，迫切需要针对林分现状利用模拟⁃优化技术，在权衡大径材产量和经济收益的同时兼顾林木碳储量，制定合理有效并易于执行的经营模式，从而有效开展长白落叶松人工林多功能经营，以解决人工长白落叶松林分质量差㊁生产力低及生态服务功能弱等问题㊂林分水平经营决策系统旨在为实现经营者一个或多个目标的前提下，通过模拟和优化技术获得林分最优经营措施，将传统野外试验搬进实验室，故成为进行科学决策的有效工具［４］㊂它实质上是一种特殊的数学模型系统，一般包括林分生长与收获模拟㊁规划模型的建立（目标方程和约束条件）㊁决策变量（经营措施）的选择及利用优化算法进行模型求解等过程［５］㊂长期以来，常用经济收益度量法将经营目标及约束条件包含在目标函数中，如Ｐａｓａｌｏｄｏｓ⁃Ｔａｔｏ等［６］以土地期望价为目标，建立了海岸松（Ｐｉｎｕｓｐｉｎａｓｔｅｒ）林最佳轮伐期㊁采伐时间和采伐强度的回归模型；Ｐｕｋｋａｌａ［７］以净现值为经营目标，比较了云杉（Ｐｉｃｅａａｓｐｅｒａｔａ）㊁松树纯林及与桦树混交林的预期优化和适应性优化结果；Ｐａｌａｈí等［８］基于ＳＰＩＮＥ系统确定了不同地位指数下樟子松（Ｐｉｎｕｓｓｙｌｖｅｓｔｒｉｓ）林的最佳经营措施㊂但这些研究仅测算了经济价值，对于森林的非木质林产品㊁森林的生态服务功能和社会价值的度量仍然存在很多问题㊂近些年来，多属性效用理论被广泛应用于林分水平多目标经营规划中，如Ｊｉｎ等［９］构造了木材净现值㊁木材产量㊁碳储量和松籽产量４个目标的多目标函数，并与单一目标下的经营结果进行比较；Ｐｅｎｇ等［１０］建立了包含净现值㊁木材产量和碳储量３个目标的效用函数，确定长白落叶松人工林最佳间伐次数；Ｓｅｌｋｉｍäｋｉ等［１１］分析并确定了欧洲冷杉（Ａｂｉｅｓａｌｂａ）异龄林木材净现值㊁侵蚀保护和生物多样性之间的权衡关系㊂虽然这些研究中将多目标转化成效益值融合到经营方程中，但通常采用的优化算法为Ｈｏｏｋｅ＆Ｊｅｅｖｅｓ及其他非线性规划方法㊂这类算法的主要问题是当经营决策变量过多时优化结果的稳定性欠佳㊂针对这一问题，Ｐｕｋｋａｌａ［１２］提出了群体算法，并应用到芬兰异龄林的林分结构优化中［１３］㊂李建军等［１４］建立洞庭湖水源涵养林空间结构多目标优化模型，并利用群体算法中的粒子群优化算法求解；Ｊｉｎ等［１５］采用二级元优化的方法搜索群体算法的最佳参数值，发现当优化问题更复杂时粒子群算法具有显著优势㊂为此，本研究以黑龙江省长白落叶松人工林为研究对象，考虑大径材产量㊁净现值和林木碳储量３个经营目标，依据多属性效用理论构建多目标经营模型，通过妥协性分析确定最佳权重，并利用粒子群优化算法进行求解，为揭示长白落叶松人工林多目标经营机制及制定不同林分条件下的经营模式提供理论依据和技术支持㊂１㊀材料与方法１．１㊀研究区概况本研究中长白落叶松人工林生长于黑龙江省的孟家岗林场（１３０ʎ３２ᶄ １３０ʎ５２ᶄＥ，４６ʎ２０ᶄ ４６ʎ３０ᶄＮ）㊁林口林业局（１２９ʎ４０ᶄ １３０ʎ３４ᶄＥ，４５ʎ５１ᶄ ４５ʎ５９ᶄＮ）㊁东京城林业局（１２８ʎ０７ᶄ１５１南京林业大学学报（自然科学版）第４７卷１３０ʎ０２ᶄＥ，４３ʎ３０ᶄ ４４ʎ１８ᶄＮ）㊁帽儿山林场（１２７ʎ１８ᶄ １２７ʎ４１ᶄＥ，４５ʎ２０ᶄ ４５ʎ２８ᶄＮ）㊁黑龙宫林场（１２７ʎ３７ᶄ １２７ʎ５６ᶄＥ，４５ʎ２３ᶄ ４５ʎ３５ᶄＮ）㊁元宝林场（１２８ʎ１０ᶄ １２８ʎ３３ᶄＥ，４５ʎ０８ᶄ ４５ʎ１８ᶄＮ）和勃利县林业局（１３０ʎ０６ᶄ １３０ʎ１６ᶄＥ，４５ʎ１６ᶄ ４６ʎ３７ᶄＮ）㊂研究区域属于寒温带与温带大陆性季风气候，年均气温２．３３．５ħ，年平均降水量５００８００ｍｍ，无霜期１００１４０ｄ㊂１．２㊀数据来源及林分经济参数本研究所必需的基础数据包括不同立地下的幼龄林标准林分㊁林分基础模型和计算目标方程所需的经济参数㊂１．２．１㊀幼龄林标准林分及其基础模型首先，收集研究区域内不同林分条件下的长白落叶松人工林标准地共计１２６块（其中幼龄林５５块，林龄１０ａ），其面积为０．０４０．０９ｈｍ２，具体统计信息见表１㊂再利用此数据应用两参数Ｗｅｉｂｕｌｌ函数［１６］描述长白落叶松人工林直径分布㊂两参数Ｗｅｉｂｕｌｌ分布的概率密度函数为：表１㊀长白落叶松人工林林分因子统计信息Ｔａｂｌｅ１㊀ＳｔａｔｉｓｔｉｃａｌｉｎｆｏｒｍａｔｉｏｎｏｆｓｔａｎｄｆａｃｔｏｒｓｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓ统计项目ｓｔａｔｉｓｔｉｃｉｔｅｍ林分年龄／ａｓｔａｎｄａｇｅ林分平均胸径／ｃｍｓｔａｎｄＤＢＨ林分优势高／ｍｓｔａｎｄｄｏｍｉｎａｎｔｈｅｉｇｈｔ林分密度／（株㊃ｈｍ－２）ｓｔａｎｄｄｅｎｓｉｔｙ林分断面积／（ｍ２㊃ｈｍ－２）ｓｔａｎｄｂａｓａｌａｒｅａＷｅｉｂｕｌｌ参数Ｗｅｉｂｕｌｌｆｕｎｃｔｉｏｎｂｃ最小值ｍｉｎ７５．６７．０２６７０．７５５．８６１．９７最大值ｍａｘ６７２８．２３３．２４４８３４８．０８３３．４７１０．６５平均值ｍｅａｎ２６１３．７１７．８１５５６１７．７８１６．１７４．６２标准差ＳＤ１４５．１５．４８９０６．０１６．００１．３１㊀㊀注：ｂ．尺度参数ｓｃａｌｅｐａｒａｍｅｔｅｒ；ｃ．形状参数ｓｈａｐｅｐａｒａｍｅｔｅｒ㊂㊀㊀ｆ（ｄ）＝ｃｂæèçöø÷ｄｂæèçöø÷ｃ－１ｅｘｐ－ｄｂæèçöø÷ｃéëêêùûúú㊂（１）式中：ｄ是林木胸径，ｂ是尺度参数，ｃ是形状参数㊂ｄ㊁ｂ㊁ｃ＞０㊂建立的长白落叶松人工林Ｗｅｉｂｕｌｌ参数ｂ和ｃ的预测模型如下：ｂ＝１１．７７＋１．１７８ˑ Ｄ－１．５４７ˑ１０－４ˑＮ－０．３７８ˑｌｎ（Ｈｄｏｍ）；（２）ｌｎｃ＝１．０６２＋０．０３９ˑ Ｄ－０．００６ˑＧ㊂（３）式中：Ｄ为林分平均胸径，ｃｍ；Ｎ为林分密度，株／ｈｍ２；Ｈｄｏｍ为林分优势高，ｍ；Ｇ为林分断面积，ｍ２／ｈｍ２㊂参数ｂ的模型Ｒ２为０．９９４，参数ｃ的模型Ｒ２为０．４９０㊂最后，假设长白落叶松人工林１０ａ时的株数保存率为造林密度的８５％，并利用公式（１）（３）预测不同立地条件下的幼龄林标准林分（表２），作为初始林分模拟数据㊂表２㊀幼龄林标准林分基本信息Ｔａｂｌｅ２㊀Ｂａｓｉｃｉｎｆｏｒｍａｔｉｏｎｏｆｙｏｕｎｇｓｔａｎｄａｒｄｓｔａｎｄｓ地位指数／ｍｓｉｔｅｉｎｄｅｘ林分优势高／ｍｓｔａｎｄｄｏｍｉｎａｎｔｈｅｉｇｈｔ各林分平均胸径／ｃｍｓｔａｎｄＤＢＨ３３００株／ｈｍ２２５００株／ｈｍ２１６５．２４．９５．２１８６．３５．４５．７２０７．３６．０６．３２２８．５６．６６．９㊀㊀在长白落叶松人工林经营周期内，以Ｄｏｎｇ等［１７］建立的长白落叶松生长模型㊁董利虎等［１８］建立的生物量方程㊁高慧淋等［１９］建立的最大密度线和聂璐毅等［２０］建立的削度方程为基础，进行本研究中林分生长预测及模拟不同经营措施下的林分动态变化㊂１．２．２㊀经济参数计算目标方程时所包括的经济参数有贴现率㊁木材价格和经营成本㊂其中，贴现率固定为３％，各规格材的立木价格来源于７个研究区域近３年的林木拍卖均价（表３），经营成本包括造林时的苗木和整地费９０００元／ｈｍ２，幼龄林抚育费为９６０元／（次㊃ｈｍ２），共５次㊂表３㊀长白落叶松人工林各材种规格及立木价格Ｔａｂｌｅ３㊀ＴｉｍｂｅｒａｓｓｏｒｔｍｅｎｔｓａｎｄｓｔｕｍｐａｇｅｐｒｉｃｅｓｏｆＬ．ｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓ规格材ａｓｓｏｒｔｍｅｎｔ小头去皮直径／ｃｍｍｉｎｉｍｕｍｔｏｐｄｉａｍｅｔｅｒｕｎｄｅｒｂａｒｋ最短长度／ｍｍｉｎｉｍｕｍｐｉｅｃｅｌｅｎｇｔｈ立木价格／（元㊃ｍ－３）ｓｔｕｍｐａｇｅｐｒｉｃｅ大径材ｌａｒｇｅｌｏｇ２６４８５０中径材ｍｅｄｉｕｍｌｏｇ１８４７００小径材ｓｍａｌｌｌｏｇ１２４５８０１．３㊀多目标经营优化模型构建１．３．１㊀目标方程本研究组合可加性效用函数（公式４）和惩罚２５１㊀第２期宋㊀磊，等：长白落叶松人工林多目标经营模式研究函数，构建净现值（ＮＰＶ，式中记为ＶＮＰ）㊁大径材产量（ＬＬＰ，式中记为ＰＬＬ）和林木碳储量（Ｃ）的多目标方程㊂同时，为对比不同经营目标间的经营效果，另构建ＮＰＶ单目标方程㊂可加性效用函数：Ｕ＝ðｍｉ＝１ｗｉｊｕｉ（ｑｉ）㊂（４）式中：Ｕ为总效用值；ｍ为经营目标个数；ｗｉｊ为目标ｉ中ｊ变量的权重值，变量包括ＶＮＰ㊁ＰＬＬ和Ｃ，ｊ＝１，２，３；ｕｉ（ｑｉ）为子目标ｉ的效用函数㊂其中，各子目标的权重依据妥协性分析确定㊂单目标方程ＯＦ１（式中记为ＦＯ１）：ＦＯ１＝ＶＮＰ＝ðＲｔ＝１Ｉｔ－Ｃｔ（１＋ｉ）ｔ㊂（５）式中：ＶＮＰ为净现值，ｔ为经营期，Ｉｔ为经营期ｔ内的收入，Ｃｔ为经营期ｔ内的支出，ｉ为贴现率，Ｒ为轮伐期㊂多目标方程（ＭＯＦｉ，式中记为ＦＭＯｉ）：ＦＭＯｉ＝ｗｉｊ（ＶＮＰ／ＶＮＰ，ｍａｘ）＋ｗｉｊ（ＰＬＬ／ＰＬＬ，ｍａｘ）＋ｗｉｊ（Ｃ／Ｃｍａｘ）㊂（６）式中，ＶＮＰ㊁ＰＬＬ和Ｃ分别表示轮伐期内的净现值㊁大径材收获量和林木碳储量㊂ＶＮＰ，ｍａｘ㊁ＰＬＬ，ｍａｘ和Ｃｍａｘ分别为仅考虑ＮＰＶ㊁ＬＬＰ和Ｃ时的最大值，各变量通过除以相应的最大值以消除量纲的影响㊂１．３．２㊀约束条件根据森林采伐作业规程［２１］及大量林分的经营模拟试验结果，本研究在系统内部利用惩罚函数设置的经营约束条件包括：①间伐时断面积强度低于２０％，同时满足株数强度低于４０％；②间伐方式为下层伐㊂１．３．３㊀决策变量本研究所选取的经营决策变量包括：间伐次数㊁间伐时间以及间伐强度和方式㊂其中，不同造林密度下的间伐次数分别为２次（２５００株／ｈｍ２）或３次（３３００株／ｈｍ２）［９－１０］㊂间伐强度和方式用Ｌｏｇｉｓｔｉｃ函数［７］计算，具体参数由系统优化确定㊂ｐ（ｄ）＝１１＋ｅｘｐ［ａ１（ａ２－ｄ）］㊂（７）式中：ｐ（ｄ）表示胸径为ｄ时的采伐比例；ａ２为间伐强度，为５０％时对应的林分平均直径；ａ１为间伐方式，由于选用的采伐方式为下层伐［２１］，故此为负值㊂因此，本研究所包括的决策变量个数＝间伐次数ˑ３＋１㊂即每次间伐包括距离前一次间伐的时间㊁间伐强度曲线的参数ａ１和ａ２共３个决策变量，皆伐包括距离最后一次间伐的时间１个决策变量㊂１．３．４㊀优化方法利用粒子群优化算法对目标方程进行优化求解，即搜索目标方程最大时的经营措施组合㊂在每次迭代中，粒子通过跟踪两个极值（个体极值和全局极值）来更新自身的位置，当最大迭代次数溢出或者粒子群搜索到设定的最优位置时迭代终止［１４］㊂本研究设定算法参数为：群体大小５０，迭代次数１５０，惯性权重０．９，学习因子为２．０㊂２㊀结果与分析２．１㊀目标方程的权重分析综合考虑长白落叶松人工林的生物学特性㊁大径材培育目标和基础模型的应用范围，本研究在固定碳储量的权重下（０㊁０．１和０．２），以造林密度３３００株／ｈｍ２，地位指数１８ｍ的标准林分为例，通过改变净现值和大径材产量的权重进而分析目标间的协同关系，并绘制了净现值与年均大径材收获量（图１Ａ）和年均碳储量（图１Ｂ）的妥协关系曲线㊂图１㊀在不同碳储量权重下，净现值与年均大径材收获量（Ａ）及年均碳储量（Ｂ）的妥协关系曲线Ｆｉｇ．１㊀Ｔｈｅｔｒａｄｅ⁃ｏｆｆｃｕｒｖｅｓｏｆｎｅｔｐｒｅｓｅｎｔｖａｌｕｅ（ＮＰＶ）ｖｅｒｓｕｓａｎｎｕａｌｌａｒｇｅｌｏｇｐｒｏｄｕｃｔｉｏｎ（Ａ）ａｎｄａｎｎｕａｌｃａｒｂｏｎｓｔｏｃｋ（Ｂ）ｆｏｒｔｈｅｗｅｉｇｈｔｓｏｆｃａｒｂｏｎｓｔｏｃｋａｔ０，０．１ａｎｄ０．２结果表明，若偏向选择以碳储量为目标时，必将以降低经济收益（３％２０％）为代价，净现值与碳储量呈明显的线性负相关，因此很难确定折中关系㊂当不考虑固碳功能时，与碳储量权重为０．１和０．２相３５１南京林业大学学报（自然科学版）第４７卷比，年均大径材产量减少７％和９％，年均碳储量减少６％和８％㊂然而，净现值与大径材的妥协关系明显，综上分析，最终确定ＭＯＦ１（式中记为ＦＭＯ１）和ＭＯＦ２（式中记为ＦＭＯ２）目标方程形式如下：㊀ＦＭＯ１＝０．７ＶＮＰＶＮＰ，ｍａｘæèçöø÷＋０．２ＰＬＬＰＬＬ，ｍａｘæèçöø÷＋０．１ＣＣｍａｘæèçöø÷；（８）㊀ＦＭＯ２＝０．６ＶＮＰＶＮＰ，ｍａｘæèçöø÷＋０．２ＰＬＬＰＬＬ，ｍａｘæèçöø÷＋０．２ＣＣｍａｘæèçöø÷㊂（９）２．２㊀标准林分优化结果分析２．２．１㊀不同经营目标对优化结果的影响总体上看，各经营目标随着立地质量的提高，其总效用值及相关数量指标也逐步增加，但轮伐期却明显缩短（表４）㊂当林木碳储量的权重增加１０％时（从ＭＯＦ１到ＭＯＦ２），虽然年均大径材产量提升２０％１１０％，但净现值降低了６％２６％，轮伐期至少延长了４ａ，最多长达３０ａ㊂表４㊀两种造林密度下不同立地和经营目标的优化结果Ｔａｂｌｅ４㊀Ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｓｉｔｅｉｎｄｅｘｅｓａｎｄｏｂｊｅｃｔｉｖｅｓｗｈｉｔｈｔｗｏｐｌａｎｔｉｎｇｄｅｎｓｉｔｉｅｓ地位指数／ｍｓｉｔｅｉｎｄｅｘ林分密度／（株㊃ｈｍ－２）ｄｅｎｓｉｔｙ目标方程ｏｂｊｅｃｔｉｖｅｆｕｎｃｔｉｏｎ优化结果ｏｐｔｉｍｉｚａｔｉｏｎｒｅｓｕｌｔＲＬＰＬＬＰＮＰＶＣＳＵ１６ＯＦ１５９８．５１．７５８９０３．２５７．４２５００ＭＯＦ１６１８．７１．８５８８８２．１５９．７０．２９２１ＭＯＦ２７５９．０２．７４９０３３．３８１．８０．３１８７ＯＦ１５２８．８０．７６７３８７．３５０．０３３００ＭＯＦ１６６８．２２．０５１４９４．３６２．１０．２６４４ＭＯＦ２９６９．１４．２３８０４７．８１０３．１０．３４６３１８ＯＦ１５８９．５２．０７４２３２．０６１．３２５００ＭＯＦ１５９９．６２．１７３３６４．０６３．５０．３３５７ＭＯＦ２７２９．８３．４５９４３３．４８１．９０．３６３９ＯＦ１４８９．７０．９８１４２３．１４７．５３３００ＭＯＦ１６３９．５２．２６８８７３．５７０．８０．３２３９ＭＯＦ２８２１０．２４．４５８４５２．１９２．４０．３９５２２０ＯＦ１５７１１．０２．９８５０５８．２６８．７２５００ＭＯＦ１５８１１．１３．０８３１４５．３７１．８０．４０４２ＭＯＦ２６９１１．０４．０７２３６１．９８４．９０．４１８０ＯＦ１４７１１．２１．２９８０３３．１４８．１３３００ＭＯＦ１５８１２．０２．５９３１５３．０７２．００．４２６２ＭＯＦ２７０１１．８３．７７９９１２．４８４．６０．４３５５２２ＯＦ１５６１２．１２．９１０９２７１．１６５．６２５００ＭＯＦ１５６１２．２３．０１０５６８３．３７１．００．４７４３ＭＯＦ２６０１２．３３．６９６０９０．１７７．１０．４７１１ＯＦ１４５１２．７２．０１１６２２０．５５７．０３３００ＭＯＦ１５４１３．４２．４１０９１９４．９７０．２０．４７９５ＭＯＦ２６０１３．１３．０１０３０１６．５７６．２０．４７８２㊀㊀注：Ｒ．轮伐期ｒｏｔａｔｉｏｎｌｅｎｇｔｈ，ａ；ＬＰ．年均原木总收获量ａｎｎｕａｌｌｏｇｐｒｏｄｕｃｔｉｏｎ，ｍ３／（ｈｍ２㊃ａ）；ＬＬＰ．年均大径材收获量ａｎｎｕａｌｌａｒｇｅｌｏｇｐｒｏ⁃ｄｕｃｔｉｏｎ，ｍ３／（ｈｍ２㊃ａ）；ＮＰＶ．净现值ｎｅｔｐｒｅｓｅｎｔｖａｌｕｅ，元／ｈｍ２；ＣＳ．轮伐期内的年均碳储量ａｎｎｕａｌｃａｒｂｏｎｓｔｏｃｋｄｕｒｉｎｇｔｈｅｒｏｔａｔｉｏｎｌｅｎｇｔｈ，ｔ／（ｈｍ２㊃ａ）；Ｕ．效用值ｕｔｉｌｉｔｙ㊂下同㊂Ｔｈｅｓａｍｅｂｅｌｏｗ．㊀㊀在此，以多目标方程ＭＯＦ１例，当造林密度为２５００株／ｈｍ２时，地位指数从１６到２２ｍ，轮伐期缩短了５ａ，年均木材收获量㊁大径材收获量㊁净现值和轮伐期内的林木年均碳储量分别增加４０％㊁６７％㊁７９％和１９％；当立地质量相同但造林密度增加到３３００株／ｈｍ２时，轮伐期平均延长４５ａ，年均木材收获量㊁净现值和效用函数值在地位指数为１６和１８ｍ时减少，而在２０和２２ｍ时增加，因此，推断中等立地以下的林分最佳造林密度为２５００株／ｈｍ２，中等立地以上的林分最佳造林密度为３３００株／ｈｍ２㊂在不同林分密度和立地条件下，相较于单目标，多目标方程ＭＯＦ１轮伐期延长１１５ａ，年均木材收获量增加１％７％㊁年均大径材产量增加３％１８６％，轮伐期内的林木年均碳储量增加４％５０％；与多目标方程ＭＯＦ２相比，ＭＯＦ１的轮伐期缩短４３０ａ，净现值增加６％３５％㊂综上，不同经营决策者应根据其经营偏好及可承受的经营周期等４５１㊀第２期宋㊀磊，等：长白落叶松人工林多目标经营模式研究因素，综合评价后进行选择㊂从数量角度分析，多目标经营方程ＭＯＦ１兼顾了经济效益㊁年均大径材产量和轮伐期内的林木年均碳储量，是权衡各目标效益的折中方案㊂以地位指数２０ｍ为例，绘制不同经营目标及不同造林密度下的林分蓄积变化曲线和间伐强度曲线，结果见图２㊂根据间伐强度曲线可获得不同径阶下的采伐强度，乘以该径阶的样木株数即可确定不同径阶的采伐株数，这为林业基层单位有效推广经营模式提供数量化的依据㊂Ａ．２５００株／ｈｍ２２５００ｔｒｅｅｓｐｅｒｈｅｃｔａｒｅ；Ｂ．３３００株／ｈｍ２３３００ｔｒｅｅｓｐｅｒｈｅｃｔａｒｅ；ａ．蓄积生长曲线ｄｅｖｅｌｏｐｍｅｎｔｏｆｇｒｏｗｉｎｇｓｔｏｃｋｖｏｌｕｍｅ；ｂ．不同径阶的收获比例ｈａｒｖｅｓｔｐｅｒｃｅｎｔａｇｅｉｎｄｉｆｆｅｒｅｎｔｄｉａｍｅｔｅｒｃｌａｓｓｅｓ；１．ＯＦ１；２．ＭＯＦ１；３．ＭＯＦ２㊂图２㊀两种造林密度下不同经营目标的长白落叶松蓄积生长曲线和不同径阶的收获比例Ｆｉｇ．２㊀Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｇｒｏｗｉｎｇｓｔｏｃｋｖｏｌｕｍｅａｎｄｔｈｅｏｐｔｉｍａｌｈａｒｖｅｓｔｐｅｒｃｅｎｔａｇｅｉｎｄｉｆｆｅｒｅｎｔｄｉａｍｅｔｅｒｃｌａｓｓｅｓｆｏｒｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｉｖｅｓｗｉｔｈｔｗｏｐｌａｎｔｉｎｇｄｅｎｓｉｔｉｅｓ２．２．２㊀不同经营目标最佳经营模式根据不同经营目标下的最优结果，将生长和采伐过程汇总整理得出了不同经营目标在不同林分条件下的经营模式（表５），便于林业基层单位应用㊂随着林木碳储量权重的增加，间伐时间及轮伐期整体推后，保留株数增加㊂以多目标方程ＭＯＦ１为例，地位指数从１６ｍ到２２ｍ时，间伐时间提前２８ａ，保留株数降低３％１５％；在同一地位指数下，造林密度从２５００到３３００株／ｈｍ２时，间伐时间提前２６ａ，保留株数增加２９％５３％㊂因此当５５１南京林业大学学报（自然科学版）第４７卷造林密度较高或立地条件较好时需对林分尽早间伐㊂表５㊀两种造林密度不同经营目标的长白落叶松人工林经营模式Ｔａｂｌｅ５㊀Ｏｐｔｉｍａｌｓｃｈｅｄｕｌｅｓｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｏｆｄｉｆｆｅｒｅｎｔｍａｎａｇｅｍｅｎｔｏｂｊｅｃｔｉｖｅｓｗｉｔｈｔｗｏｐｌａｎｔｉｎｇｄｅｎｓｉｔｉｅｓ造林密度／（株㊃ｈｍ－２）ｐｌａｎｔｉｎｇｄｅｎｓｉｔｙ间伐处理ｔｈｉｎｎｉｎｇｔｒｅａｔｍｅｎｔ地位指数／ｍｓｉｔｅｉｎｄｅｘ林龄／ａｓｔａｎｄａｇｅ保留株数／（株㊃ｈｍ－２）ｔｈｅｎｕｍｂｅｒｏｆｒｅｍａｉｎｉｎｇｔｒｅｅｓ蓄积强度／％ｔｈｉｎｎｉｎｇｉｎｔｅｎｓｉｔｙｏｆｖｏｌｕｍｅＯＦ１ＭＯＦ１ＭＯＦ２ＯＦ１ＭＯＦ１ＭＯＦ２ＯＦ１ＭＯＦ１ＭＯＦ２２５００第１次间伐ｔｈｅｆｉｒｓｔｔｈｉｎｎｉｎｇ１６２３２３２１１０１０１０３０１５６０ɤ１８ɤ１８ɤ１７１８２１２２２０９７０９７０１５２０ɤ１８ɤ１８ɤ１６２０２０２２２０９００９３０１４５０ɤ１６ɤ１６ɤ１７２２１９２１２０８８０８８０１４００ɤ１８ɤ１６ɤ１４第２次间伐ｔｈｅｓｅｃｏｎｄｔｈｉｎｎｉｎｇ１６３６３４３８６３０６２０１０５０ɤ１８ɤ１８ɤ１８１８３４３３３８６２０６１０９８０ɤ１７ɤ１７ɤ１７２０３２３３３８６１０６１０９６０ɤ１８ɤ１８ɤ１８２２３０３２３３５９０６００９５０ɤ１８ɤ１８ɤ１９主伐ｆｉｎａｌｃｕｔｔｉｎｇ１６５９６１７５１８５８５９７２２０５７５８６９２２５６５６６０３３００第１次间伐ｔｈｅｆｉｒｓｔｔｈｉｎｎｉｎｇ１６２４２１２１１２２０１３６０１９６０ɤ１５ɤ１７ɤ１８１８２３２０１８１２００１３３０１８８０ɤ１５ɤ１４ɤ１８２０２２２０１８１１９０１２００１８８０ɤ１６ɤ１３ɤ１６２２１９１６１６１１７０１１６０１７５０ɤ１６ɤ１３ɤ１２第２次间伐ｔｈｅｓｅｃｏｎｄｔｈｉｎｎｉｎｇ１６３０３０３６８５０９５０１３４０ɤ１６ɤ１６ɤ１９１８２９２９３６８２０９２０１２７０ɤ１８ɤ１５ɤ１９２０２８２７３５８００８３０１１９０ɤ１８ɤ１４ɤ１８２２２７２６３１７９０８１０１０８０ɤ１５ɤ１４ɤ１８第３次间伐ｔｈｅｔｈｉｒｄｔｈｉｎｎｉｎｇ１６４０４７５９５８０６６０８３０ɤ１８ɤ１４ɤ１８１８３７４５５９５７０６４０８３０ɤ１７ɤ１５ɤ１８２０３５４３４８５６０５８０８２０ɤ１７ɤ１３ɤ１８２２３３３９４５５５０５６０７４０ɤ１９ɤ１２ɤ１４主伐ｆｉｎａｌｃｕｔｔｉｎｇ１６５２６６９６１８４８６３８２２０４７５８７０２２４５５４６０３㊀讨㊀论以黑龙江省长白落叶松人工林为例，采用林分水平的多目标经营优化技术建立包括净现值㊁大径材产量和林木碳储量的经营模型㊂优化结果表明，在采伐强度和采伐方式的双重约束下：①随着碳储量权重的增加，年均大径材收获量提升２０％１１０％，轮伐期内年均碳储量增加９％６６％，轮伐期延长４３０ａ，间伐时保留株数增加２６％６９％，但净现值下降６％２６％；②在同一目标，同一造林密度下，随着立地质量的提高，间伐时间提前１１４ａ，保留株数降低３％１９％，轮伐期缩短３３６ａ；③在同一目标㊁同一立地下，随着造林密度的增加，间伐时间平均提前３ａ，以提高保留木生长量，因此当造林密度较高或立地条件较好时林分应尽早开始间伐㊂近年来，随着环境的不断恶化以及森林生长状况监管不及时㊁经营措施不当导致的水土流失㊁生物多样性锐减及碳汇能力下降等生态问题备受关注［２２］，因此，建立森林多功能经营规划模型揭示森林多种效益之间的协同机制成为林业基础研究的热点问题㊂然而，以往的研究多集中在木材和碳储６５１㊀第２期宋㊀磊，等：长白落叶松人工林多目标经营模式研究量的联合生产问题［２３－２５］，忽视了大径级林木资源储备的重要性㊂随着落叶松人工林培育目标的转变，传统技术规程不再适用㊂因此如何制订更全面且适用性强的经营模式成为当今林业发展过程中亟须解决的科学问题㊂模拟⁃优化系统是研建森林多目标经营规划模型，进行森林多功能经营决策的重要工具㊂本研究利用长白落叶松人工林模拟⁃优化系统权衡取舍经济效益㊁大径材产量和碳储量的数量关系，提出了不同经营目标下的立木度调控的机制，对人工落叶松多目标经营模式进行了有益探索，但现阶段还存在一些问题有待进一步研究：１）虽然本研究中组合削度方程和材种规格㊁价格进行商品材估算，但材种规格分类方法相对简化，并未充分优化利用木材价值㊂基于不同材长的原木材积计算过程是在指定材长范围内，以阶梯式计算第一阶段纸浆材㊁锯材等材种材积㊂这种关系很难用平滑的回归模型来描述，因为材积阶越值在林分经营优化过程中将对采伐时间造成一定影响［２６］㊂因此，有必要在林分水平优化问题中兼顾造材优化，提升决策能力㊂２）本研究仅用数量优化的方法对乔木层地上，地下部分的碳储量进行优化分析㊂除乔木层外，森林土壤层㊁凋落物层及林下灌草层均具有固碳能力，由于这些成分均存在显著的空间异质性，且很难通过模型定量模拟［２７］，目前无法将其纳入经营模型中㊂但不同森林类型固碳功能的差异有待于进一步研究㊂３）利用模拟⁃优化系统制订森林经营模式时，常见的初始林分确定方法包括两种：①根据直径分布方程预测的标准林分；②实测幼龄林分数据，一般要求各林分条件下不少于８０块㊂两种方法各具优势，前者可针对具体林分给出预期经营优化的结果，后者则要根据所有样地优化结果，建立相应的经营决策模型，推广性更强㊂不论哪种方法，与传统的密控图和林分收获表相比，在进行立木度调控时不仅明确了经营目标还考虑了权衡取舍［６，２８］㊂４）林分水平经营决策属于中长期规划问题，这一过程必将充满不确定性因素的干扰㊂影响决策最主要的不确定性来源主要包括：调查数据㊁林分生长预测㊁林产品价格㊁决策者偏好和自然干扰５个方面［２９］㊂因此，利用确定性模型进行林分经营决策时存在泛化能力弱等问题，这无疑降低了经营方案的适用性㊂如何开展森林的适应性经营和管理，将不确定因素量化并耦合到模拟⁃优化系统中，进行适应性经营优化有待于进一步研究，目前在决策者对风险态度的不确定性［３０－３１］㊁林木生长和木材价格的随机性［７，３２］和林分更新的不确定性［３３］方面已有部分研究成果㊂综上所述，虽然该研究为长白落叶松人工林的多功能经营提供了一定的理论和技术支持，但如何综合考虑多种不确定性因素的干扰，进行适应性经营优化，多角度揭示人工林多目标经营机制有待进一步研究㊂参考文献（ｒｅｆｅｒｅｎｃｅ）：［１］陆元昌，ＳＣＨＩＮＤＥＬＥＷ，刘宪钊，等．多功能目标下的近自然森林经营作业法研究［Ｊ］．西南林业大学学报，２０１１，３１（４）：１－６，１１．ＬＵＹＣ，ＳＣＨＩＮＤＥＬＥＷ，ＬＩＵＸＺ，ｅｔａｌ．Ｓｔｕｄｙｏｎｏｐｅｒａ⁃ｔｉｏｎｓｙｓｔｅｍｔｏｗａｒｄｓｃｌｏｓｅ⁃ｔｏ⁃ｎａｔｕｒｅｆｏｒｅｓｔｂａｓｅｄｏｎｍｕｌｔｉ⁃ｆｕｎｃｔｉｏｎｐｕｒｐｏｓｅｓ［Ｊ］．ＪＳｏｕｔｈｗｅｓｔＦｏｒＵｎｉｖ，２０１１，３１（４）：１－６，１１．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５－１９１４．２０１１．０４．００１．［２］沈国舫．伐木本无过，森林可持续经营更有功［Ｎ］．中国科学报，２０２２－０３－２８（１）．［３］白东雪，刘强，董利虎，等．长白落叶松人工林有效冠高的确定及其影响因子［Ｊ］．北京林业大学学报，２０１９，４１（５）：７６－８７．ＢＡＩＤＸ，ＬＩＵＱ，ＤＯＮＧＬＨ，ｅｔａｌ．ＤｅｔｅｒｍｉｎａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｈｅｉｇｈｔｔｏｅｆｆｅｃｔｉｖｅｃｒｏｗｎｆｏｒｐｌａｎｔｅｄＬａｒｉｘｏｌｇｅｎｓｉｓｔｒｅｅｓ［Ｊ］．ＪＢｅｉ⁃ｊｉｎｇＦｏｒＵｎｉｖ，２０１９，４１（５）：７６－８７．ＤＯＩ：１０．１３３３２／ｊ．１０００－１５２２．２０１９００１６．［４］李明阳，申世广，吴翼，等．南京紫金山风景林多情境规划方法研究［Ｊ］．南京林业大学学报（自然科学版），２００７，３１（５）：２９－３３．ＬＩＭＹ，ＳＨＥＮＳＧ，ＷＵＹ，ｅｔａｌ．ＡｓｔｕｄｙｏｎｓｃｅｎａｒｉｏｐｌａｎｎｉｎｇｏｆｓｃｅｎｉｃｆｏｒｅｓｔｉｎＺｉｊｉｎｓｈａｎＭｏｕｎｔａｉｎｏｆＮａｎｊｉｎｇ［Ｊ］．ＪＮａｎｊｉｎｇＦｏｒＵｎｉｖ（ＮａｔＳｃｉＥｄ），２００７，３１（５）：２９－３３．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－２００６．２００７．０５．００７．［５］ＤＡＶＩＳＬＳ，ＪＯＨＮＳＯＮＫＮ，ＢＥＴＴＩＮＧＥＲＰ，ｅｔａｌ．Ｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔ：ｔｏｓｕｓｔａｉｎｅｃｏｌｏｇｉｃａｌ，ｅｃｏｎｏｍｉｃ，ａｎｄｓｏｃｉａｌｖａｌｕｅｓ［Ｍ］．Ｉｌｌｉｎｏｉｓ：Ｗａｖｅｌａｎｄ，２００５：８０４ｐ．［６］ＰＡＳＡＬＯＤＯＳ⁃ＴＡＴＯＭ，ＰＵＫＫＡＬＡＴ，ＲＯＪＯＡＬＢＯＲＥＣＡＡ．Ｏｐ⁃ｔｉｍａｌｍａｎａｇｅｍｅｎｔｏｆＰｉｎｕｓｐｉｎａｓｔｅｒｉｎＧａｌｉｃｉａ（Ｓｐａｉｎ）ｕｎｄｅｒｒｉｓｋｏｆｆｉｒｅ［Ｊ］．ＩｎｔＪＷｉｌｄｌａｎｄＦｉｒｅ，２０１０，１９（７）：９３７－９４８．ＤＯＩ：１０．１０７１／ＷＦ０８１５０．［７］ＰＵＫＫＡＬＡＴ．Ｏｐｔｉｍｉｚｉｎｇｃｏｎｔｉｎｕｏｕｓｃｏｖｅｒｍａｎａｇｅｍｅｎｔｏｆｂｏｒｅａｌｆｏｒｅｓｔｗｈｅｎｔｉｍｂｅｒｐｒｉｃｅｓａｎｄｔｒｅｅｇｒｏｗｔｈａｒｅｓｔｏｃｈａｓｔｉｃ［Ｊ］．ＦｏｒＥｃｏｓｙｓｔ，２０１５，２（１）：６．ＤＯＩ：１０．１１８６／ｓ４０６６３－０１５－００２８－５．［８］ＰＡＬＡＨÍＭ，ＰＵＫＫＡＬＡＴ．ＯｐｔｉｍｉｓｉｎｇｔｈｅｍａｎａｇｅｍｅｎｔｏｆＳｃｏｔｓｐｉｎｅ（ＰｉｎｕｓｓｙｌｖｅｓｔｒｉｓＬ．）ｓｔａｎｄｓｉｎＳｐａｉｎｂａｓｅｄｏｎｉｎｄｉｖｉｄｕａｌ⁃ｔｒｅｅｍｏｄｅｌｓ［Ｊ］．ＡｎｎＦｏｒＳｃｉ，２００３，６０（２）：１０５－１１４．ＤＯＩ：１０．１０５１／ｆｏｒｅｓｔ：２００３００２．［９］ＪＩＮＸＪ，ＰＵＫＫＡＬＡＴ，ＬＩＦＲ，ｅｔａｌ．ＯｐｔｉｍａｌｍａｎａｇｅｍｅｎｔｏｆＫｏ⁃ｒｅａｎｐｉｎｅｐｌａｎｔａｔｉｏｎｓｉｎｍｕｌｔｉｆｕｎｃｔｉｏｎａｌｆｏｒｅｓｔｒｙ［Ｊ］．ＪＦｏｒＲｅｓ，２０１７，２８（５）：１０２７－１０３７．ＤＯＩ：１０．１００７／ｓ１１６７６－０１７－０３９７－４．［１０］ＰＥＮＧＷ，ＰＵＫＫＡＬＡＴ，ＪＩＮＸＪ，ｅｔａｌ．Ｏｐｔｉｍａｌｍａｎａｇｅｍｅｎｔｏｆｌａｒｃｈ（ＬａｒｉｘｏｌｇｅｎｓｉｓＡ．Ｈｅｎｒｙ）ｐｌａｎｔａｔｉｏｎｓｉｎＮｏｒｔｈｅａｓｔＣｈｉｎａｗｈｅｎｔｉｍｂｅｒｐｒｏｄｕｃｔｉｏｎａｎｄｃａｒｂｏｎｓｔｏｃｋａｒｅｃｏｎｓｉｄｅｒｅｄ［Ｊ］．ＡｎｎＦｏｒＳｃｉ，２０１８，７５（２）：１－１５．ＤＯＩ：１０．１００７／ｓ１３５９５－０１８－０７３９－１．［１１］ＳＥＬＫＩＭÄＫＩＭ，ＧＯＮＺÁＬＥＺ⁃ＯＬＡＢＡＲＲＩＡＪＲ，ＴＲＡＳＯＢＡＲＥＳＡ，ｅｔａｌ．Ｔｒａｄｅ⁃ｏｆｆｓｂｅｔｗｅｅｎｅｃｏｎｏｍｉｃｐｒｏｆｉｔａｂｉｌｉｔｙ，ｅｒｏｓｉｏｎｒｉｓｋｍｉｔｉｇａｔｉｏｎａｎｄｂｉｏｄｉｖｅｒｓｉｔｙｉｎｔｈｅｍａｎａｇｅｍｅｎｔｏｆｕｎｅｖｅｎ⁃ａｇｅｄＡｂｉｅｓａｌｂａＭｉｌｌ．ｓｔａｎｄｓ［Ｊ］．ＡｎｎＦｏｒＳｃｉ，２０２０，７７（１）：１２．ＤＯＩ：７５１南京林业大学学报（自然科学版）第４７卷１０．１００７／ｓ１３５９５－０１９－０９１４－ｚ．［１２］ＰＵＫＫＡＬＡＴ．Ｐｏｐｕｌａｔｉｏｎ⁃Ｂａｓｅｄｍｅｔｈｏｄｓｉｎｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｔａｎｄｍａｎａｇｅｍｅｎｔ［Ｊ］．ＳｉｌｖａＦｅｎｎ，２００９，４３（２）：２６１－２７４．ＤＯＩ：１０．１４２１４／ｓｆ．２１１．［１３］ＰＵＫＫＡＬＡＴ，ＬÄＨＤＥＥ，ＬＡＩＨＯＯ．Ｏｐｔｉｍｉｚｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅａｎｄｍａｎａｇｅｍｅｎｔｏｆｕｎｅｖｅｎ⁃ｓｉｚｅｄｓｔａｎｄｓｏｆＦｉｎｌａｎｄ［Ｊ］．Ｆｏｒｅｓｔｒｙ，２０１０，８３（２）：１２９－１４２．ＤＯＩ：１０．１０９３／ｆｏｒｅｓｔｒｙ／ｃｐｐ０３７．［１４］李建军，张会儒，刘帅，等．基于改进ＰＳＯ的洞庭湖水源涵养林空间优化模型［Ｊ］．生态学报，２０１３，３３（１３）：４０３１－４０４０．ＬＩＪＪ，ＺＨＡＮＧＨＲ，ＬＩＵＳ，ｅｔａｌ．ＡｓｐａｃｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｃｏｎｓｅｒｖａｔｉｏｎｆｏｒｅｓｔｉｎＤｏｎｇｔｉｎｇＬａｋｅｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＰＳＯ［Ｊ］．ＡｃｔａＥｃｏｌＳｉｎ，２０１３，３３（１３）：４０３１－４０４０．ＤＯＩ：１０．５８４６／ｓｔｘｂ２０１２０７２８１０７２．［１５］ＪＩＮＸＪ，ＰＵＫＫＡＬＡＴ，ＬＩＦＲ．Ｍｅｔａｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｔａｎｄｍａｎａｇｅ⁃ｍｅｎｔｗｉｔｈｐｏｐｕｌａｔｉｏｎ⁃ｂａｓｅｄｍｅｔｈｏｄｓ［Ｊ］．ＣａｎＪＦｏｒＲｅｓ，２０１８，４８（６）：６９７－７０８．ＤＯＩ：１０．１１３９／ｃｊｆｒ－２０１７－０４０４．［１６］ＢＡＩＬＥＹＲＬ，ＤＥＬＬＴＲ．Ｑｕａｎｔｉｆｙｉｎｇｄｉａｍｅｔｅｒｄｉｓｔｒｉｂｕｔｉｏｎｓｗｉｔｈｔｈｅｗｅｉｂｕｌｌｆｕｎｃｔｉｏｎ［Ｊ］．ＦｏｒＳｃｉ，１９７３，１９（２）：９７－１０４．ＤＯＩ：１０．１０９３／ｆｏｒｅｓｔｓｃｉｅｎｃｅ／１９．２．９７．［１７］ＤＯＮＧＬＨ，ＰＵＫＫＡＬＡＴ，ＬＩＦＲ，ｅｔａｌ．Ｄｅｖｅｌｏｐｉｎｇｄｉｓｔａｎｃｅ⁃ｄｅｐｅｎｄｅｎｔｇｒｏｗｔｈｍｏｄｅｌｓｆｒｏｍｉｒｒｅｇｕｌａｒｌｙｍｅａｓｕｒｅｄｓａｍｐｌｅｐｌｏｔｄａｔａ：ａｃａｓｅｆｏｒＬａｒｉｘｏｌｇｅｎｓｉｓｉｎｎｏｒｔｈｅａｓｔＣｈｉｎａ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２０２１，４８６：１１８９６５．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２０２１．１１８９６５．［１８］董利虎，李凤日，金星姬．长白落叶松生长模型系统［Ｍ］．北京：中国林业出版社，２０２１：１０７－１３４．ＤＯＮＧＬＨ，ＬＩＦＲ，ＪＩＮＸＪ．ＧｒｏｗｔｈｍｏｄｅｌｓｙｓｔｅｍｏｆＬａｒｉｘｏｌｇｅｎｓｉｓ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＦｏｒｅｓｔｒｙＰｕｂｌｉｓｈｉｎｇＨｏｕｓｅ，２０２１：１０７－１３４．［１９］高慧淋，董利虎，李凤日．基于分位数回归的长白落叶松人工林最大密度线［Ｊ］．应用生态学报，２０１６，２７（１１）：３４２０－３４２６．ＧＡＯＨＬ，ＤＯＮＧＬＨ，ＬＩＦＲ．Ｍａｘｉｍｕｍｄｅｎｓｉｔｙ⁃ｓｉｚｅｌｉｎｅｆｏｒＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓｂａｓｅｄｏｎｑｕａｎｔｉｌｅｒｅｇｒｅｓｓｉｏｎ［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２０１６，２７（１１）：３４２０－３４２６．ＤＯＩ：１０．１３２８７／ｊ．１００１－９３３２．２０１６１１．０２６．［２０］聂璐毅，董利虎，李凤日，等．基于两水平非线性混合效应模型的长白落叶松削度方程构建［Ｊ］．南京林业大学学报（自然科学版），２０２２，４６（３）：１９４－２０２．ＮＩＥＬＹ，ＤＯＮＧＬＨ，ＬＩＦＲ，ｅｔａｌ．ＣｏｎｓｔｒｕｃｔｉｏｎｏｆｔａｐｅｒｅｑｕａｔｉｏｎｆｏｒＬａｒｉｘｏｌｇｅｎｓｉｓｂａｓｅｄｏｎｔｗｏ⁃ｌｅｖｅｌｎｏｎｌｉｎｅａｒｍｉｘｅｄｅｆｆｅｃｔｓｍｏｄｅｌ［Ｊ］．ＪＮａｎｊｉｎｇＦｏｒＵｎｉｖ（ＮａｔＳｃｉＥｄ），２０２２，４６（３）：１９４－２０２．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２１０８０５０．［２１］国家林业局．森林采伐作业规程：ＬＹ／Ｔ１６４６２００５［Ｓ］．北京：中国标准出版社，２００５．ＳｔａｔｅＦｏｒｅｓｔｒｙＡｄｍｉｎｉｓｔｒａｔｉｏｎｏｆｔｈｅＰｅｏｐｌｅｓＲｅｐｕｂｌｉｃｏｆＣｈｉｎａ．Ｃｏｄｅｏｆｆｏｒｅｓｔｈａｒｖｅｓｔｉｎｇ：ＬＹ／Ｔ１６４６２００５［Ｓ］．Ｂｅｉｊｉｎｇ：ＳｔａｎｄａｒｄｓＰｒｅｓｓｏｆＣｈｉｎａ，２００５．［２２］张会儒，雷相东，李凤日．中国森林经理学研究进展与展望［Ｊ］．林业科学，２０２０，５６（９）：１３０－１４２．ＺＨＡＮＧＨＲ，ＬＥＩＸＤ，ＬＩＦＲ．ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓａｎｄｐｒｏｓｐｅｃｔｓｏｆｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｓｃｉｅｎｃｅｉｎＣｈｉｎａ［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２０２０，５６（９）：１３０－１４２．ＤＯＩ：１０．１１７０７／ｊ．１００１－７４８８．２０２００９１５．［２３］董灵波，孙云霞，刘兆刚．基于碳和木材目标的森林空间经营规划研究［Ｊ］．北京林业大学学报，２０１７，３９（１）：５２－６１．ＤＯＮＧＬＢ，ＳＵＮＹＸ，ＬＩＵＺＧ．Ｉｎｔｅｇｒａｔｉｎｇｃａｒｂｏｎａｎｄｔｉｍｂｅｒｏｂｊｅｃｔｉｖｅｉｎｔｏｆｏｒｅｓｔｓｐａｔｉａｌｐｌａｎｎｉｎｇｍａｎａｇｅｍｅｎｔ［Ｊ］．ＪＢｅｉｊｉｎｇＦｏｒＵｎｉｖ，２０１７，３９（１）：５２－６１．ＤＯＩ：１０．１３３３２／ｊ．１０００－１５２２．２０１６０１６６．［２４］戎建涛，雷相东，张会儒，等．兼顾碳贮量和木材生产目标的森林经营规划研究［Ｊ］．西北林学院学报，２０１２，２７（２）：１５５－１６２．ＲＯＮＧＪＴ，ＬＥＩＸＤ，ＺＨＡＮＧＨＲ，ｅｔａｌ．Ｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｐｌａｎ⁃ｎｉｎｇｉｎｃｏｒｐｏｒａｔｉｎｇｖａｌｕｅｓｏｆｔｉｍｂｅｒａｎｄｃａｒｂｏｎ［Ｊ］．ＪＮｏｒｔｈｗｅｓｔＦｏｒＵｎｉｖ，２０１２，２７（２）：１５５－１６２．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－７４６１．２０１２．０２．３２．［２５］ＢＡＣＫÉＵＳＳ，ＷＩＫＳＴＲÖＭＰ，ＬÄＭÅＳＴ．Ａｍｏｄｅｌｆｏｒｒｅｇｉｏｎａｌａｎａｌｙｓｉｓｏｆｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｔｉｍｂｅｒｐｒｏｄｕｃｔｉｏｎ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２００５，２１６（１－３）：２８－４０．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２００５．０５．０５９．［２６］ＰＵＫＫＡＬＡＴ．Ｏｐｔｉｍａｌｃｒｏｓｓｃｕｔｔｉｎｇ：ａｎｙｅｆｆｅｃｔｏｎｏｐｔｉｍａｌｓｔａｎｄｍａｎａｇｅｍｅｎｔ？［Ｊ］．ＥｕｒＪＦｏｒｅｓｔＲｅｓ，２０１７，１３６（４）：５８３－５９５．ＤＯＩ：１０．１００７／ｓ１０３４２－０１７－１０５７－０．［２７］董灵波，蔺雪莹，刘兆刚．大兴安岭盘古林场森林碳汇木材复合经营规划［Ｊ］．北京林业大学学报，２０２０，４２（８）：１－１１．ＤＯＮＧＬＢ，ＬＩＮＸＹ，ＬＩＵＺＧ．Ｆｏｒｅｓｔｃａｒｂｏｎｓｉｎｋ⁃ｔｉｍｂｅｒｃｏｍ⁃ｐｏｕｎｄｍａｎａｇｅｍｅｎｔｐｌａｎｎｉｎｇｏｆＰａｎｇｕＦｏｒｅｓｔＦａｒｍｉｎＧｒｅａｔＸｉｎｇａｎＭｏｕｎｔａｉｎｓｏｆｎｏｒｔｈｅａｓｔｅｒｎＣｈｉｎａ［Ｊ］．ＪＢｅｉｊｉｎｇＦｏｒＵｎｉｖ，２０２０，４２（８）：１－１１．ＤＯＩ：１０．１２１７１／ｊ．１０００－１５２２．２０１９０３３１．［２８］ＧＯＮＺÁＬＥＺ⁃ＯＬＡＢＡＲＲＩＡＪＲ，ＧＡＲＣＩＡ⁃ＧＯＮＺＡＬＯＪ，ＭＯＬＡ⁃ＹＵＤＥＧＯＢ，ｅｔａｌ．ＡｄａｐｔｉｖｅｍａｎａｇｅｍｅｎｔｒｕｌｅｓｆｏｒＰｉｎｕｓｎｉｇｒａＡｒ⁃ｎｏｌｄｓｓｐ．ｓａｌｚｍａｎｎｉｉｓｔａｎｄｓｕｎｄｅｒｒｉｓｋｏｆｆｉｒｅ［Ｊ］．ＡｎｎＦｏｒＳｃｉ，２０１７，７４（３）：５２．ＤＯＩ：１０．１００７／ｓ１３５９５－０１７－０６４９－７．［２９］ＰＡＳＡＬＯＤＯＳ⁃ＴＡＴＯＭ，ＭÄＫＩＮＥＮＡ，ＧＡＲＣＩＡ⁃ＧＯＮＺＡＬＯＪ，ｅｔａｌ．Ａｓｓｅｓｓｉｎｇｕｎｃｅｒｔａｉｎｔｙａｎｄｒｉｓｋｉｎｆｏｒｅｓｔｐｌａｎｎｉｎｇａｎｄｄｅｃｉｓｉｏｎｓｕｐｐｏｒｔｓｙｓｔｅｍｓ：ｒｅｖｉｅｗｏｆｃｌａｓｓｉｃａｌｍｅｔｈｏｄｓａｎｄｉｎｔｒｏ⁃ｄｕｃｔｉｏｎｏｆｎｅｗａｐｐｒｏａｃｈｅｓ［Ｊ］．ＦｏｒｅｓｔＳｙｓｔ，２０１３，２２（２）：２８２－３０３．ＤＯＩ：１０．５４２４／ｆｓ／２０１３２２２－０３０６３．［３０］ＰＵＫＫＡＬＡＴ，ＫＡＮＧＡＳＪ．Ａｍｅｔｈｏｄｆｏｒｉｎｔｅｇｒａｔｉｎｇｒｉｓｋａｎｄａｔｔｉ⁃ｔｕｄｅｔｏｗａｒｄｒｉｓｋｉｎｔｏｆｏｒｅｓｔｐｌａｎｎｉｎｇ［Ｊ］．ＦｏｒＳｃｉ，１９９６，４２（２）：１９８－２０５．ＤＯＩ：１０．１０９３／ｆｏｒｅｓｔｓｃｉｅｎｃｅ／４２．２．１９８．［３１］ＣＯＵＴＵＲＥＳ，ＲＥＹＮＡＵＤＡ．Ｍｕｌｔｉ⁃ｓｔａｎｄｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｕｎｄｅｒａｃｌｉｍａｔｉｃｒｉｓｋ：ｄｏｔｉｍｅａｎｄｒｉｓｋｐｒｅｆｅｒｅｎｃｅｓｍａｔｔｅｒ？［Ｊ］．ＥｎｖｉｒｏｎＭｏｄｅｌＡｓｓｅｓｓ，２００８，１３（２）：１８１－１９３．ＤＯＩ：１０．１００７／ｓ１０６６６－００７－９１２１－７．［３２］ＺＨＯＵＭ，ＬＩＡＮＧＪＪ，ＢＵＯＮＧＩＯＲＮＯＪ．Ａｄａｐｔｉｖｅｖｅｒｓｕｓｆｉｘｅｄｐｏｌｉｃｉｅｓｆｏｒｅｃｏｎｏｍｉｃｏｒｅｃｏｌｏｇｉｃａｌｏｂｊｅｃｔｉｖｅｓｉｎｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２００８，２５４（２）：１７８－１８７．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２００７．０７．０３５．［３３］ＭＩＩＮＡＪ，ＨＥＩＮＯＮＥＮＪ．Ｓｔｏｃｈａｓｔｉｃｓｉｍｕｌａｔｉｏｎｏｆｆｏｒｅｓｔｒｅｇｅｎｅｒａｔｉｏｎｅｓｔａｂｌｉｓｈｍｅｎｔｕｓｉｎｇａｍｕｌｔｉｌｅｖｅｌｍｕｌｔｉｖａｒｉａｔｅｍｏｄｅｌ［Ｊ］．ＦｏｒＳｃｉ，２００８，５４（２）：２０６－２１９．ＤＯＩ：１０．１０９３／ｆｏｒｅｓｔｓｃｉｅｎｃｅ／５４．２．２０６．（责任编辑㊀孟苗婧㊀郑琰燚）８５１。

落叶松人工造林以及人工抚育技术的应用及重要性

技术应用J1372019年9月·下落叶松人工造林以及人工抚育技术的应用及重要性李　营（吉林省吉林市永吉县西阳林场，吉林永吉 132201）摘要落叶松是一类综合价值比较高的树种，在我国林业行业发展过程中具有十分重要的位置，因此，作为落叶松栽培人员应当不断提高人工抚育技术，累计人工造林经验，进而提高林业生产过程中的经济效益，推动林业经济的可持续发展。

关键词落叶松；人工造林；人工抚育；技术应用；重要性落叶松是一类较为特殊的树种，我国落叶松栽培的历史十分悠久，因此在林业产业发展过程中也起到了十分重要的作用。

为了加快落叶松的生长速度，我们应当对落叶松在栽培过程中的各项技术进行仔细的分析，确保栽培的每一环节以及抚育管理能够不断地优化，遵守落叶松生长的原则，只有这样才能够促进落叶松的稳定生产，为我国社会经济发展做出贡献。

1 落叶松人工造林的重要性落叶松木质十分坚硬，有一定的抗压能力，耐腐蚀性也较强，因此在生活中可以作为木质材料使用，作为木材，落叶松可以用来制作桥梁、铁杆等等。

其次，落叶松竹竿高大且树冠十分优美，具有一定的观赏价值，且松树具有一定寓意可以用做室内盆栽，与此同时，也可以被广泛应用于园林景观。

再者，落叶松能够制造阿拉伯半乳聚糖，通过在落叶松木材中进行提炼用于食品生产以及医药研究。

落叶松也是造纸的重要材料，纸质对促进我国文化传播具有十分重要的作用，因此落叶松具有很大的价值，值得我们加强人工造林，通过应用人工抚育技术推动人工造林发展。

2 落叶松人工造林存在的问题2.1 造林地整理不规范由于落叶松对于生长环境的要求较高，因此工作人员在进行人工造林的过程中进行有效的管理，在落叶松种植以及树苗成活后进行全过程管理才能够确保造林工作质量。

其中造林地整理对于整体工作具有十分重要的影响，如果造林地的整理不符合规范会直接影响到土壤中的养分，树苗由于养分摄入不充足，会相继死亡。

2.2 施肥及防虫害措施不完善很多工作人员已经意识到了落叶松人工造林过程中及时施肥和防病虫害的意义，然而还缺乏相对应的保护措施。

长白落叶松人工林不同林隙间伐对林下更新生长的影响

长白落叶松人工林不同林隙间伐对林下更新生长的影响作者：胡振宇，孙楠，梁晓东来源：《林业科技》 2016年第1期胡振宇1 孙楠2** 梁晓东1（1. 黑龙江省佳木斯市孟家岗林场，佳木斯154000； 2. 黑龙江省林业科学研究所，哈尔滨1540081）摘要：以黑龙江省佳木斯市孟家岗林场长白落叶松为研究对象，采用3种林隙大小的间伐（5 m×5 m，7 m×7 m，10 m×10 m），在采伐区域用5个树种（柞树、红松、胡桃楸、云杉和水曲柳）进行人工更新，研究更新幼树的成活率、苗高、苗高生长量及地径的生长情况，试验结果表明：不同林隙大小对各更新树种苗木的生长有显著影响，10 m×10 m的林隙间伐更能促进林下更新的生长。

关键词：长白落叶松；林隙间伐；林下更新；生长中图分类号： S 791. 22, S 753. 1文献标识码： A* 黑龙江省林业厅黑林函[2012]649号“长白落叶松人工林近自然经营模式研究”近自然森林经营起源于欧洲中部，是为了改变当时森林过度砍伐以及脆弱生态景观退化的状况而产生的[ 1 - 2 ]。

长白落叶松人工纯林存在生物多样性严重下降、地力衰退、病虫害猖獗、生产力下降等一系列问题[ 3 ]。

主要原因是人工林造林密度较大，林隙过小，不利于其他树种尤其是喜光树种的介入[ 4 ]。

本研究为了促进长白落叶松人工纯林的近自然化经营进行了不同林隙大小的间伐，并在林下进行人工更新，研究不同大小的林隙间伐对人工更新生长的影响，为现有长白落叶松人工纯林的近自然经营提供技术支撑。

1 研究区域概况试验地设置在黑龙江省佳木斯市孟家岗林场（130°32′42″～130°52′36″E，46°20′16″～46°30′50″N）。

地处完达山西麓余脉，以低山丘陵为主，平均海拔250 m。

属东亚大陆性季风气候，年平均气温2.7 ℃，年≥10 ℃积温2 547 ℃，年平均降水量550 mm，无霜期120天左右。

长白落叶松人工林胸径和蓄积量变化分析

编排，采用合规的２６块密度运营的生长时段的区别来解析了实际的径阶布局、均衡胸径增长量和总蓄积量，以运营密度表为标准供育４间伐的进度和结果。关键词：长白落叶松；人工林；胸径和蓄积量；中图分类号：￥７９２文献标识码：Ａ文章编号：１６７４ — ９９４４（２０１７）ｌ１ — ０１０４ — ０２
该地区的森林类别较多，人工林中主要是长白落叶松林，大面积造林工程在２Ｏ世纪６０年代迅猛发展，栽种
现实运用中，依照优势木胸径与冠幅的线性联系推测出每株树木的潜伏最大树冠面积。根据测量的６ｌ株长白落叶松优势木胸径（Ｄ）与冠幅（Ｃ）数值，设回归方程，为Ｃ一ａ＋ｂＤ。还需测算林木的树冠投影面积
２Ｏ１７年６月源自ＪｏｕｒｎａｌｏｆＧｒｅｅｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ
绦色科技
第１１期
长白落叶松人工林胸径和蓄积量变化分析
夭煜油
（辽宁省林业种苗管理总站，辽宁沈阳１１００３６）
策略。
与林下被压木相比，则树冠大，形成最合适、经济的树冠面积在林分竞争状况下饱满的萌发，因为树冠的面积林木会出现干形结构，出材概率高。因此，林木最好的营养空间取决于优势木树冠面积大小。每株林木具备最合适的成长空间，优良林分完整构造是林分的最适密度的表现。若每株林木的树冠面积都具备相同径阶，包围全部林地面积等于树冠面积之和时，完成最合规的林分构造。所以，适当的林分密度由优势木的树冠面积来

东北长白落叶松人工栽培技术研究

东北长白落叶松人工栽培技术研究李文战（吉林省磐石市江南林场（松山国有林管护中心）吉林磐石132300）摘要：长白落叶松是属于松科落叶松属，落叶针叶乔木，其树能够高达30m，其直径能够达到1m，是我国东北部主要的植树造林树种之一。

长白落叶松边材为淡黄色，其树心为红褐色，并且具有纹理直，结构粗等特点，其木材略重，并且经久耐用，是土木工程、船舶、电感、枕木、家具等主要材料，其树皮还能够作为栲胶用，因此，长白落叶松具有极高的实用价值。

关键词：长白落叶松；认购栽培；地理环境中图分类号：S791.22文献标识码：A文章编号：1005-7897（2019）16-0177-02引言长白落叶松是东北地区植树造林的主要树种之一，其具有极高的实用价值。

其树皮为灰褐色，纵裂成长鳞片脱落，落痕为紫红色或淡褐色，少有光泽，其顶端叶枕间生有淡褐色绒毛。

其松叶成倒披针状线形，长度约为1~2.5cm，宽约1mm，呈扁平状，是一种生命力极强的树种，并被大量运用于植树造林中。

本文针对东北长白落叶松人工栽培技术进行研究，为东北植树造林工程提供一定的参考意见。

1生物学特性长白落叶松具有喜光、喜肥、喜水喜温暖湿润的气候环境等特点，因此，在对长白落叶松进行人工栽培时，需要选择阳光充足、土地肥沃、水资源丰富以及气候环境适宜的地区进行大面积栽种。

但是长白落叶松其抗风能力较差，并且不耐旱，不耐积水等特点，也为栽种造成了一定困难。

长白落叶松其生长速度偏快，其枝条萌芽力较强，在自然分布区内呈现出纯林或混交林中呈优势木居于第一层。

其自然分布地区主要为内陆性冷凉气候地带，该地带平均温度大约为2℃~13℃。

其最为适宜的生长土壤为灰化的火山堆积土，并且在石灰质土壤以及砂壤上也能进行良好的生长[1]。

2分部与用途长白落叶松主要分布在我国东北长白山一带，其海拔位于900~2500m之间。

主要的栽培地区位于吉林省东部以及通化地区；辽宁省定南部的丹东、本溪、抚顺以及沈阳等地带均有分布。

基于林分及地形因子的落叶松人工林林分生物量模型构建

第４７卷㊀第３期２０２３年５月南京林业大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．４７，Ｎｏ．３Ｍａｙ，２０２３㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０２１⁃１０⁃１２㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０２２⁃０１⁃０７㊀基金项目：国家自然科学基金项目（３１９７１６４９）；中央高校基本科研业务费专项资金项目（２５７２０２０ＤＲ０３）；黑龙江头雁创新团队计划项目（森林资源高效培育技术研发团队）㊂㊀第一作者：孙宇（３０５７１３５８１４＠ｑｑ．ｃｏｍ）㊂∗通信作者：董利虎（ｄｏｎｇｌｉｈｕ２００６＠１６３．ｃｏｍ），教授㊂㊀引文格式：孙宇，李凤日，谢龙飞，等．基于林分及地形因子的落叶松人工林林分生物量模型构建［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７（３）：１２９－１３６．ＳＵＮＹ，ＬＩＦＲ，ＸＩＥＬＦ，ｅｔａｌ．Ｃｏｎｓｔｒｕｃｔｉｏｎｏｆｔｈｅｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｍｏｄｅｌｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎ⁃ｔａｔｉｏｎｓｂａｓｅｄｏｎｓｔａｎｄａｎｄｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（３）：１２９－１３６．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２１１００２４．基于林分及地形因子的落叶松人工林林分生物量模型构建孙㊀宇，李凤日，谢龙飞，董利虎∗（东北林业大学林学院，黑龙江㊀哈尔滨㊀１５００４０）摘要：ʌ目的ɔ落叶松在我国东北地区广泛分布，是重要的造林和用材树种，具有生长速度快㊁耐寒等优点㊂为了准确地估算落叶松人工林林分生物量，构建了落叶松林分可加性生物量模型㊂ʌ方法ɔ以落叶松人工林为研究对象，基于黑龙江省的３０４块人工落叶松固定样地数据，采用非线性似乎不相关回归的方法建立了可加性生物量模型系统，使用留一交叉验证法对建立的模型进行检验㊂ʌ结果ɔ林分断面积和林分平均高对树干㊁树枝㊁树叶和树根生物量模型有显著影响，林龄和海拔也显著影响林分树干㊁树叶㊁树根生物量；坡率和坡向对树枝生物量有显著影响㊂树叶生物量与林分平均高㊁林龄和海拔呈显著负相关，树干与树根生物量则与之呈显著正相关，树枝生物量与林分平均高呈显著正相关㊂在所建立的可加性生物量模型中，调整后决定系数（Ｒ２ａｄｊ）均在０．９４以上，均方根误差（ＲＭＳＥ）较小㊂检验指标平均误差（ＭＰＥ）和平均误差百分比（ＭＰＥ％）均接近０，拟合指数（ＩＦ）均大于０．９３，平均绝对误差（ＭＡＥ）较小，且平均绝对误差百分比（ＭＡＥ％）均小于１１％㊂ʌ结论ɔ建立的落叶松人工林可加性生物量模型的拟合与预测效果均较好，可以进行黑龙江省林分尺度的落叶松人工林生物量预测㊂关键词：落叶松人工林；林分生物量；地形因子；似乎不相关回归；异方差；可加性模型中图分类号：Ｓ７５８㊀㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１０００－２００６（２０２３）０３－０１２９－０８Ｃｏｎｓｔｒｕｃｔｉｏｎｏｆｔｈｅｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｍｏｄｅｌｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｐｌａｎｔａｔｉｏｎｓｂａｓｅｄｏｎｓｔａｎｄａｎｄｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒｓＳＵＮＹｕ，ＬＩＦｅｎｇｒｉ，ＸＩＥＬｏｎｇｆｅｉ，ＤＯＮＧＬｉｈｕ∗（ＣｏｌｌｅｇｅｏｆＦｏｒｅｓｔｒｙ，ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＬａｒｉｘｏｌｇｅｎｓｉｓｉｓｗｉｄｅｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎｎｏｒｔｈｅａｓｔｅｒｎＣｈｉｎａａｎｄｉｔｉｓｃｏｎｓｉｄｅｒｅｄｔｏｂｅａｎｉｍｐｏｒｔａｎｔａｆｆｏｒｅｓｔａｔｉｏｎａｎｄｔｉｍｂｅｒｓｐｅｃｉｅｓｗｉｔｈａｄｖａｎｔａｇｅｓｌｉｋｅｔｈｅｒａｐｉｄｇｒｏｗｔｈａｎｄｃｏｌｄｔｏｌｅｒａｎｃｅ．Ｔｏａｃｃｕｒａｔｅｌｙｅｓｔｉｍａｔｅｔｈｅｂｉｏｍａｓｓｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎｓ，ａｎａｄｄｉｔｉｖｅｓｙｓｔｅｍｏｆｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｆｏｒｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｗａｓｅｓｔａｂｌｉｓｈｅｄ．ʌＭｅｔｈｏｄɔＴｈｉｓｓｔｕｄｙｉｎｖｅｓｔｉｇａｔｅｄｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｕｓｉｎｇｔｈｅｆｏｒｅｓｔｒｙｉｎｖｅｎｔｏｒｙｄａｔａｏｆ３０４ｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ．Ａｎａｄｄｉｔｉｖｅｓｙｓｔｅｍｏｆｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｗａｓｅｓｔａｂｌｉｓｈｅｄｕｓｉｎｇｔｈｅｍｅｔｈｏｄｏｆｎｏｎ⁃ｌｉｎｅａｒａｎｄｓｅｅｍｉｎｇｌｙｕｎｃｏｒｒｅｌａｔｅｄｒｅｇｒｅｓｓｉｏｎａｎｄｅｍｐｌｏｙｅｄａｌｅａｖｅ⁃ｏｎｅ⁃ｏｕｔｃｒｏｓｓｍｅｔｈｏｄｆｏｒｔｈｅｍｏｄｅｌｖａｌｉｄａｔｉｏｎ．ʌＲｅｓｕｌｔɔＴｈｅｓｔａｎｄｂａｓａｌａｒｅａａｎｄｓｔａｎｄｍｅａｎｔｒｅｅｈｅｉｇｈｔｈａｄａｓｉｇｎｉｆｉｃａｎｔｅｆｆｅｃｔｏｎｔｈｅｓｔｅｍ，ｂｒａｎｃｈ，ｆｏｌｉａｇｅａｎｄｒｏｏｔｂｉｏｍａｓｓ，ｔｈｅｓｔａｎｄａｇｅａｎｄｅｌｅｖａｔｉｏｎａｌｓｏｓｉｇｎｉｆｉｃａｎｔｌｙａｆｆｅｃｔｔｈｅｓｔｅｍ，ｆｏｌｉａｇｅａｎｄｒｏｏｔｂｉｏｍａｓｓ．Ｔｈｅｂｒａｎｃｈｒａｔｅａｎｄａｓｐｅｃｔｈａｄａｓｉｇｎｉｆｉｃａｎｔｅｆｆｅｃｔｏｎｂｒａｎｃｈｂｉｏｍａｓｓ．Ｆｏｌｉａｇｅｂｉｏｍａｓｓｗａｓｎｅｇａｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｓｔａｎｄｍｅａｎｔｒｅｅｈｅｉｇｈｔ，ｓｔａｎｄａｇｅａｎｄｅｌｅｖａｔｉｏｎ，ｗｈｅｒｅａｓｓｔｅｍａｎｄｒｏｏｔｂｉｏｍａｓｓｅｓｗｅｒｅｐｏｓｉｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｔｈｅｅｘｐｌａｎａｔｏｒｙｖａｒｉａｂｌｅｓ，ａｎｄｂｒａｎｃｈｂｉｏｍａｓｓｗａｓｐｏｓｉｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｓｔａｎｄｍｅａｎｔｒｅｅｈｅｉｇｈｔ．Ｉｎｔｅｒｍｓｏｆｔｈｅａｄｄｉｔｉｖｅｓｙｓｔｅｍｏｆｔｈｅｂｉｏｍａｓｓｅｑｕａｔｉｏｎ，ｔｈｅａｄｊｕｓｔｅｄｃｏｅｆｆｉｃｉｅｎｔｓｏｆｄｅｔｅｒｍｉｎａｔｉｏｎ（Ｒａｄｊ２）ｗｅｒｅｇｒｅａｔｅｒｔｈａｎ０９４，ａｎｄｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ（ＲＭＳＥ）ｗａｓｓｍａｌｌ．Ｔｈｅａｖｅｒａｇｅｂｉａｓ（ＭＰＥ）ａｎｄａｖｅｒａｇｅｂｉａｓｐｅｒｃｅｎｔａｇｅ（ＭＰＥ％）ｗｅｒｅｂｏｔｈｃｌｏｓｅｔｏ０，ｔｈｅｆｉｔｉｎｄｉｃｅｓｗｅｒｅａｌｌｇｒｅａｔｅｒｔｈａｎ南京林业大学学报（自然科学版）第４７卷０９３，ｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅｂｉａｓ（ＭＡＥ）ｗａｓｓｍａｌｌ，ａｎｄｔｈｅａｖｅｒａｇｅａｂｓｏｌｕｔｅｂｉａｓｐｅｒｃｅｎｔａｇｅ（ＭＡＥ％）ｗａｓｌｅｓｓｔｈａｎ１１％．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅａｄｄｉｔｉｖｅｂｉｏｍａｓｓｍｏｄｅｌｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｅｓｔａｂｌｉｓｈｅｄｉｎｔｈｉｓｓｔｕｄｙｉｓｅｆｆｅｃｔｉｖｅｆｏｒｆｉｔｔｉｎｇａｎｄｐｒｅｄｉｃｔｉｏｎ，ａｎｄｃａｎｂｅｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎｓｉｎＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｅ．Ｋｅｙｗｏｒｄｓ：ｌａｒｃｈ（Ｌａｒｉｘｏｌｇｅｎｓｉｓ）ｐｌａｎｔａｔｉｏｎ；ｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓ；ｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒ；ｓｅｅｍｉｎｇｌｙｕｎｃｏｒｒｅｌａｔｅｄｒｅｇｒｅｓｓｉｏｎ；ｒｅｇｒｅｓｓｉｏｎｈｅｔｅｒｏｓｃｅｄａｓｔｉｃｉｔｙ；ａｄｄｉｔｉｖｅｅｑｕａｔｉｏｎ㊀㊀森林生态系统是全球所有生态系统中的一个主体部分，在控制全球气候变化㊁固定二氧化碳㊁减缓全球温室效应等方面起着重要的作用［１］，而森林生物量是森林生态系统最为基础的指标之一［２］㊂准确估算森林的生物量对于评价森林生态系统碳储量和对碳循环的研究具有重要的意义［３］㊂目前测定森林生物量的方法主要有直接法和间接法㊂直接法包括皆伐法和标准木法，但是无论是皆伐还是标准木法都会对森林造成损害，且对人力㊁物力的消耗也是巨大的，而且有些偏远的地区由于地形条件的恶劣无法运用直接法测算生物量㊂间接法主要包括遥感估计法和模型法［２］㊂关于利用遥感估计法来估测林分生物量的报道已有很多，如浮媛媛［４］以我国东北地区１７个主要建群树种的遥感数据和对应的地面调查数据为基础，评估了该区域的地上生物量大小㊂虽然遥感技术对于大尺度生物量的估计具有优势，但是其估计精度较低，在实际使用中受到了限制㊂而使用生物量模型法对林分生物量进行估算受到广泛应用［５－７］㊂许多研究表明［５－８］，森林的生物量与森林自身的林分因子有着密切的关系，因此，利用林分因子与生物量之间的紧密关系建立林分生物量模型是非常可靠的㊂基于不同林分因子的森林生物量模型被开发和用于估算林分生物量㊂欧光龙等［５］选择林分平均高和林分平均胸径为自变量构建思茅松天然林林分生物量混合效应模型；赵嘉诚等［６］分别建立了以林分平均断面积与林分平均高为自变量的杉木林地下生物量模型和以林分平均胸径与林分平均高为变量的杉木林分生物量模型；董利虎等［７］以林分断面积和林分平均高为变量构建了天然落叶松林林分生物量模型㊂除了林分因子，还有研究表明林分生物量随着地形因子的变化也会呈现一定的规律性变化［９］㊂但是，当前建立的林分生物量模型中很少有将地形因子作为自变量直接引入到模型中［７，１０－１１］㊂建立生物量模型的另一个重要步骤是建模方法的选择㊂根据生物量的可加性和相关性的特点，各分项生物量和总生物量应该进行联合估计㊂为了实现生物量方程的可加性和相关性，有许多方法可以被使用，如度量误差法㊁广义矩估计㊁似乎不相关回归等［１２－１５］㊂诸多方法中，似乎不相关回归是最灵活㊁最受欢迎的参数估计方法［２］㊂许多研究者用似乎不相关回归来确定模型的可加性，如Ｚｈａｏ等［１６］利用非线性似乎不相关回归构建了美国东南部湿地松的可加性生物量模型；董利虎等［１７］利用似乎不相关回归构建了基于林分变量和基于生物量换算系数的两种林分生物量模型㊂长白落叶松（黄花落叶松，Ｌａｒｉｘｏｌｇｅｎｓｉｓ）是松科落叶松属的一种落叶乔木，是东北地区三大针叶用材树种之一，该树种的优点是适应性强㊁耐寒㊁易更新㊁生长速度快［１８］，是一种经济价值很高的树种㊂本研究基于黑龙江省的３０４块人工落叶松固定样地数据，分析地形因子是否影响林分各器官生物量㊂１㊀材料与方法１．１㊀研究区概况黑龙江省（１２１ʎ１１ᶄ １３５ʎ０５ᶄＥ，４３ʎ２５ᶄ ５３ʎ３３ᶄＮ）地处我国的东北部，东㊁北与俄罗斯分别以黑龙江和乌苏里江为边界，南面和吉林相邻，西面与内蒙古自治区接壤㊂黑龙江省的总地势为东南㊁北部和西北部高，东北与西南较低，主要由山地㊁平原㊁水面和台地构成㊂根据第９次全国森林资源清查数据显示，全省的森林面积为１９９０．４６万ｈｍ２，森林的覆盖率达到了４３．７８％，森林蓄积量达到了１８４７０４．０９万ｍ３；森林树种较多，达１００多种，其中有３０多种有较高的利用价值，在林业生产中有十分重要的地位㊂１．２㊀数据收集与整理本研究数据来源于２００５２０１０年黑龙江省哈尔滨市㊁牡丹江市㊁佳木斯市㊁齐齐哈尔市㊁鸡西市等地区的３０４块不同林龄㊁不同地形条件的人工落叶松林标准样地㊂统计各个样地的林分调查因子，如林分平均高㊁林分断面积㊁林龄㊁海拔㊁坡度和坡向等㊂并统计坡率值（ｒｓ）及坡率和坡向的组合项（ＳＬＳ和ＳＬＣ）［１９］，公式如下：ｒｓ＝ｔａｎα；（１）ＳＬＳ＝ｒｓｓｉｎβ；（２）０３１㊀第３期孙㊀宇，等：基于林分及地形因子的落叶松人工林林分生物量模型构建ＳＬＣ＝ｒｓｃｏｓβ㊂（３）式中：ｒｓ为坡率值，α为坡度值，β为坡向值，ＳＬＳ和ＳＬＣ分别为坡率和坡向组合项ＳＬＳ和ＳＬＣ㊂根据已经获取的落叶松人工林样地的检尺数据，使用已经建立的人工落叶松单木生物量模型系统［２］来计算样地内各样木的各个器官（树干㊁树枝㊁树叶和树根）生物量大小，最终汇总得到每个样地的各器官生物量大小，将其除以样地的面积可以得到各器官的林分每公顷生物量，表１给出了３０４块落叶松人工林样地的林分基本信息统计㊂表１㊀数据基本信息统计表Ｔａｂｌｅ１㊀Ｄｅｓｃｒｉｐｔｉｖｅｓｔａｔｉｓｔｉｃｓｏｆｂａｓｉｃｉｎｆｏｒｍａｔｉｏｎｏｆｄａｔａ统计项ｓｔａｔｉｓｔｉｃｉｔｅｍ指标ｉｎｄｅｘ样本数ｓａｍｐｌｅｓｉｚｅ最小值ｍｉｎ最大值ｍａｘ均值ｍｅａｎ标准差ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ林分因子ｓｔａｎｄｆａｃｔｏｒ林分平均高／ｍｓｔａｎｄｍｅａｎｔｒｅｅｈｅｉｇｈｔ３０４５．００２２．８０１２．６１３．９６林分断面积／（ｍ２㊃ｈｍ－２）ｓｔａｎｄｂａｓａｌａｒｅａ３０４１．４３３０．８６１４．３６７．１９林龄／ａｓｔａｎｄａｇｅ３０４６．００５４．００２８．００１１．００地形因子ｔｏｐｏｇｒａｐｈｉｃｆａｃｔｏｒ海拔／ｍａｌｔｉｔｕｄｅ３０４５６．００６４０．００３１３．５０１１７．２３坡向／（ʎ）ａｓｐｅｃｔ３０４０．００３１５．００１５１．７３１０２．５６坡度／（ʎ）ｓｌｏｐｅ３０４０．００２７．００６．４７５．０７坡率值ｓｌｏｐｅｒａｔｅ３０４０．０００．５１０．１１０．０９ＳＬＳ３０４－０．４００．４０－０．０１０．１０ＳＬＣ３０４－０．４９０．３４－０．０５０．１１各器官生物量ｂｉｏｍａｓｓｏｆｓｔａｎｄｏｒｇａｎｓ林分树干生物量／（Ｍｇ㊃ｈｍ－２）ｓｔａｎｄｓｔｅｍｂｉｏｍａｓｓ３０４２．５１１６２．４０４８．６１３１．１９林分树枝生物量／（Ｍｇ㊃ｈｍ－２）ｓｔａｎｄｂｒａｎｃｈｂｉｏｍａｓｓ３０４０．５４１６．７１６．３５３．５６林分树叶生物量／（Ｍｇ㊃ｈｍ－２）ｓｔａｎｄｆｏｌｉａｇｅｂｉｏｍａｓｓ３０４０．３９５．８５２．４４１．１４林分树根生物量／（Ｍｇ㊃ｈｍ－２）ｓｔａｎｄｒｏｏｔｂｉｏｍａｓｓ３０４０．６８５０．２２１４．４３９．４５林分总生物量／（Ｍｇ㊃ｈｍ－２）ｓｔａｎｄｔｏｔａｌｂｉｏｍａｓｓ３０４４．１２２３０．９６７１．８３４４．７０㊀㊀注：ＳＬＳ和ＳＬＣ为坡率值和坡向的组合项㊂ＳＬＳａｎｄＳＬＣａｒｅｔｈｅｃｏｍｂｉｎａｔｏｒｉａｌｔｅｒｍｓｏｆｓｌｏｐｅｒａｔｅａｎｄａｓｐｅｃｔ．１．３㊀研究方法１．３．１㊀基础模型的选择以往研究表明，以林分断面积和林分平均高为自变量幂函数形式的林分生物量模型具有较高的预测精度［７，１７，２０］㊂因此，本研究将基于断面积和林分平均高为自变量的林分生物量模型作为基础模型，以林龄㊁海拔㊁坡率值㊁ＳＬＳ和ＳＬＣ作为备选协变量，采用参数化的方法将各备选协变量的线性和非线性形式引入基础模型中㊂模型拟合均使用Ｒ４．０．３软件完成㊂根据各模型参数的显著性以及模型效果是否改善为标准来确定各备选协变量是否对林分各器官生物量有显著影响，最终得到各器官的生物量模型形式㊂１．３．２㊀可加性生物量模型的构建考虑总生物量等于各器官生物量之和，本研究拟建立聚合型可加性生物量模型系统，确保生物量的可加性㊂Ｐａｒｒｅｓｏｌ［１３］提出基于似乎不相关回归（ＳＵＲ）方法来建立生物量模型系统，通过添加限制条件实现各器官生物量之和与总量相等，并考虑了各器官生物量间的相关性㊂本研究建立的林分生物量模型系统的具体形式如下：Ｗｓ＝ｆｓ（ｘ）＋εｓＷｂ＝ｆｂ（ｘ）＋εｂＷｆ＝ｆｆ（ｘ）＋εｆＷｒ＝ｆｒ（ｘ）＋εｒＷｔ＝Ｗｓ＋Ｗｂ＋Ｗｆ＋Ｗｒ＋εｔéëêêêêêêê㊂（４）式中：Ｗｉ为林分各器官生物量和总生物量大小，ｆｉ（ｘ）为各个生物量模型具体形式，ｘ为模型的解释变量，即林分因子，εｉ为各个模型的残差项，ｉ代表ｓ㊁ｂ㊁ｆ㊁ｒ㊁ｔ，分别表示树干㊁树枝㊁树叶㊁树根和总生物量㊂１．３．３㊀异方差与加权回归研究表明，生物量模型普遍具有异方差性［２１－２２］㊂因此在拟合生物量模型时需要进行异方差的校正，最常用的校正异方差方法有两种：①使１３１南京林业大学学报（自然科学版）第４７卷用恰当的权函数进行加权回归；②将生物量模型进行转换，如对数转化［２０］㊂由于林分生物量与林分因子的非线性关系较为明显，因此本研究准备使用权函数进行加权回归来消除异方差㊂权函数的选择方法为：使用因变量预估残差的方差与自变量的幂函数关系ｅ２ｉ＝σ２ｙ２ψｂａｒ进行估计得到待估参数σ和ψ，其中ｅ２ｉ是单个模型通过最小二乘法获得的模型残差的方差，ｙｂａｒ是普通回归的模型预测值，那么对应的模型的权函数为ｇ（ｙｂａｒ）＝１／ｙψｂａｒ㊂１．３．４㊀模型的评价在模型拟合效果的评价方面，本研究通过使用调整后决定系数（Ｒ２ａｄｊ）和均方根误差［ＲＭＳＥ，式中记为σ（ＲＭＳＥ）］对所建立的模型进行拟合效果评价，其中Ｒ２ａｄｊ越接近１㊁ＲＭＳＥ越小，说明拟合效果越好㊂Ｒ２ａｄｊ和ＲＭＳＥ的具体计算公式［２］如下：Ｒ２＝１－ðＮｉ＝１（Ｙｉ－Ｙ︿ｉ）２ðＮｉ＝１（Ｙｉ－Ｙ）２；（５）Ｒ２ａｄｊ＝１－（１－Ｒ２）（Ｎ－１）Ｎ－ｐ－１；（６）σ（ＲＭＳＥ）＝ðＮ１（Ｙｉ－Ｙ︿ι）２Ｎ－ｐ㊂（７）式中：Ｎ为样本量，Ｙｉ是第ｉ个观测值，Ｙ︿ｉ为全部数据拟合非线性回归模型计算出的Ｙｉ的拟合值，Ｙ－为观测值的均值，ｐ是拟合的模型的参数个数㊂模型的拟合效果仅针对于建模数据而言，并不能完全表示模型的预测效果，因此还需要利用独立样本对模型进行检验㊂本研究采用留一交叉验证法进行模型的预测效果评价，具体步骤如下：①将数据分为两部分，第１部分为第ｉ行数据（ｉ＝１，２，３，，Ｎ，Ｎ为样本量），第２部分为剩下的Ｎ－１行数据；②利用第２部分数据进行模型的拟合，计算出参数估计值，去估计第１部分数据的模型预测值，此时求出的预测值作为第ｉ行数据的估计值；③重复步骤①和②直到ｉ＝Ｎ，最终得到所有观测值的留一交叉验证法预测值㊂通过计算平均绝对误差［ＭＡＥ，式中记为σ（ＭＡＥ）］㊁平均绝对误差百分比［ＭＡＥ％，式中记为σ（ＭＡＥ％）］㊁平均误差［ＭＰＥ，式中记为σ（ＭＰＥ）］㊁平均误差百分比［ＭＰＥ％，式中记为σ（ＭＰＥ％）］㊁拟合指数（ＩＦ）这５个指标来进行模型预测能力的评价㊂以上指标的具体计算公式［２］如下：ｅｉ，－ｉ＝Ｙｉ－Ｙ︿ｉ，－ｉ；（８）σ（ＭＡＥ）＝ðＮｉ＝１｜ｅｉ，－ｉ｜Ｎ；（９）σ（ＭＰＥ）＝ðＮｉ＝１ｅｉ，－ｉＮ；（１０）σ（ＭＡＥ％）＝ðＮｉ＝１（｜ｅｉ，－ｉＹｉ｜）ˑ１００Ｎ；（１１）σ（ＭＰＥ％）＝ðＮｉ＝１（ｅｉ，－ｉＹ）ˑ１００Ｎ；（１２）ＩＦ＝１－ðＮｉ＝１（ｅｉ，－ｉ）２ðＮｉ＝１（Ｙｉ－Ｙ）２㊂（１３）式中：ｅｉ，－ｉ为利用留一交叉验证法得到的数据残差，Ｙ︿ｉ，－ｉ为第ｉ个留一交叉验证法预测值㊂２㊀结果与分析２．１㊀基础模型的选定非线性回归的参数估计结果表明林分断面积Ｇ和林分平均高Ｈ在各器官生物量模型中均有显著影响，且在仅将林分断面积和林分平均高作为自变量时，各器官生物量模型调整后决定系数均大于０９㊂除树枝生物量外，其余器官生物量模型中林龄Ｔ㊁海拔ＨＢ的参数均有显著影响（Ｐ＜００１），而树枝生物量模型里林龄Ｔ和海拔ＨＢ的参数影响不显著（Ｐ＞００５），但ＳＬＣ对应的参数有显著影响（Ｐ＜００５）㊂加入地形因子与不加入地形因子时所构建林分生物量模型拟合结果见表２㊂结果表明，加入地形因子时模型的拟合效果有所提升（ＲＭＳＥ平均下降了２．７％，Ｒ２ａｄｊ平均提高了０．３５％），在构建生物量模型时加入地形因子是有意义的㊂因此，本研究以上述因子为自变量建立了林分各器官生物量基础模型，得到单个的基础生物量模型形式，具体如下：Ｗｓ＝ｅ－０．８２１８＋０．０１０４０ＴˑＨ０．５７６４ˑＧ０．９２９２ˑＨ０．０７０６０Ｂ；（１４）Ｗｂ＝ｅ－１．３９３４ˑＨ０．１７３４ˑＧ（１．０４３５－０．０８２１０ＳＬＣ）；（１５）Ｗｆ＝ｅ（－０．４０９８－０．００９９１６Ｔ）ˑＨ－０．３７９０ˑＧ１．０５０５ˑＨ－０．０４２４０Ｂ；（１６）Ｗｒ＝ｅ－３．０１６５ˑＨ０．６６９３ˑＧ０．９３１８ˑＴ０．３２０８ˑＨ０．０７３８６Ｂ㊂（１７）式中：Ｇ为林分断面积，Ｈ为林分平均高，Ｔ为林龄，ＨＢ为各样地的海拔，ＳＬＣ为坡率值和坡向的组合项㊂根据模型（１４）（１７）中参数估计值可以发现，除林分叶生物量与林分平均高㊁林龄和海拔，以及林分树枝生物量与ＳＬＣ之外，其余各项生物量２３１㊀第３期孙㊀宇，等：基于林分及地形因子的落叶松人工林林分生物量模型构建大小与林分因子均呈正相关性，即随着林分断面积Ｇ的增大，林分树干㊁树枝㊁树叶和树根生物量也随之增大；随着林分平均高Ｈ的增高，林分树干㊁树枝和树根生物量也随之增大，而林分树叶生物量随之减小；随着林龄Ｔ和林分海拔ＨＢ的增加，林分树干和树根生物量也增大，林分树叶生物量随之减小；随着ＳＬＣ增大，林分树枝生物量减小，其他器官生物量变化不明显㊂表２㊀加入地形因子与未加入地形因子林分生物量模型拟合指标对比Ｔａｂｌｅ２㊀Ｃｏｍｐａｒｉｓｏｎｓｏｆｆｉｔｔｉｎｇｉｎｄｅｘｅｓｏｆｓｔａｎｄｂｉｏｍａｓｓｍｏｄｅｌｓｗｉｔｈｏｒｗｉｔｈｏｕｔｔｏｐｏｇｒａｐｈｉｃｖａｒｉａｂｌｅｓ拟合指标ｆｉｔｔｉｎｇｉｎｄｅｘ树干生物量模型ｓｔｅｍｂｉｏｍａｓｓｍｏｄｅｌ树枝生物量模型ｂｒａｎｃｈｂｉｏｍａｓｓｍｏｄｅｌ树叶生物量模型ｆｏｌｉａｇｅｂｉｏｍａｓｓｍｏｄｅｌ树根生物量模型ｒｏｏｔｂｉｏｍａｓｓｍｏｄｅｌＡＢＡＢＡＢＡＢＲ２ａｄｊ０．９６１４０．９６３９０．９４５９０．９４８９０．９４３１０．９４７９０．９５２９０．９５６０ＲＭＳＥ６．１３００５．９３０００．８２６７０．８０３９０．２７１７０．２６７５２．０５５４１．９８６２㊀㊀注：Ａ代表未加地形因子的生物量模型，Ｂ代表加入地形因子的生物量模型㊂Ａｒｅｐｒｅｓｅｎｔｓｔｈｅｂｉｏｍａｓｓｍｏｄｅｌｗｉｔｈｏｕｔｔｏｐｏｇｒａｐｈｉｃｖａｒｉａｂｌｅｓ，Ｂｒｅｐｒｅｓｅｎｔｓｔｈｅｂｉｏｍａｓｓｍｏｄｅｌｗｉｔｈｔｏｐｏｇｒａｐｈｉｃｖａｒｉａｂｌｅｓ．２．２㊀生物量可加性模型系统２．２．１㊀可加性模型的拟合本研究以选定的基础模型ｆｓ（ｘ）㊁ｆｂ（ｘ）㊁ｆｆ（ｘ）和ｆｒ（ｘ）为基础，运用聚合型可加性生物量模型系统，建立了非线性聚合型可加性模型系统，具体形式如下：㊀Ｗｓ＝ｅｘｐ（βｓ０＋βｓ１ˑＴ）ˑＨβｓ２ˑＧβｓ３ˑＨβｓ４Ｂ＋εｓＷｂ＝ｅｘｐ（βｂ０）ˑＨβｂ１ˑＧ（βｂ２＋βｂ３ˑＳＬＣ）＋εｂＷｆ＝ｅｘｐ（βｆ０＋βｆ１ˑＴ）ˑＨβｆ２ˑＧβｆ３ˑＨβｆ４Ｂ＋εｆＷｒ＝ｅｘｐ（βｒ０）ˑＨβｒ１ˑＧβｒ２ˑＴβｒ３ˑＨβｒ４Ｂ＋εｒＷｔ＝Ｗｓ＋Ｗｂ＋Ｗｆ＋Ｗｒ＋εｔìîíïïïïïïïï㊂（１８）式中：βｉ０ βｉ４为模型的待估计参数，εｉ为模型误差项㊂模型的参数估计是利用非线性似乎不相关回归进行拟合得到的，建立的生物量可加性模型系统的参数估计值㊁标准误㊁调整后决定系数（Ｒ２ａｄｊ）㊁均方根误差（ＲＭＳＥ）和权函数系数见表３㊂从各个林分器官生物量模型的拟合效果来看，其调整后确定系数（Ｒ２ａｄｊ）均在０．９４以上，均方根误差（ＲＭＳＥ）也均较小，说明各个模型的拟合效果都较好㊂在不同器官的生物量模型中，总生物量模型的拟合效果最好，其他依次为树干㊁树根㊁树枝和树叶生物量模型㊂在０．０５的显著性水平下，表３中各参数均达到了统计意义上的显著，说明各模型解表３㊀落叶松人工林林分可加性生物量模型系统拟合结果Ｔａｂｌｅ３㊀Ｇｏｏｄｎｅｓｓ⁃ｏｆ⁃ｆｉｔｓｔａｔｉｓｔｉｃｓｏｆｔｈｅａｄｄｉｔｉｖｅｓｙｓｔｅｍｏｆｓｔａｎｄｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｆｏｒｌａｒｃｈｐｌａｎｔａｔｉｏｎｓ各组分ｃｏｍｐｏｎｅｎｔ估计值（标准误）ｅｓｔｉｍａｔｅ（ＳＥ）βｉ０βｉ１βｉ２βｉ３βｉ４Ｒ２ａｄｊＲＭＳＥ权函数系数ｗｅｉｇｈｔｅｄｆｕｎｃｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ树干ｓｔｅｍ－０．８１８１（０．０７７８）０．００９２（０．０００８）０．６００８（０．０２９４）０．９８０５（０．０１２２）０．０４０２（０．０１１９）０．９６２２６．０６０４１．４０４０树枝ｂｒａｎｃｈ－１．３０１４（０．０３１２）０．１６７８（０．０１７７）１．０１４６（０．００９１１）－０．０５３５（０．０１５８）０．９４７７０．８１３５２．１９４１树叶ｆｏｌｉａｇｅ－０．１９８８（０．０７４９）－０．００７３（０．０００７）－０．４８３９（０．０２９１）１．０２３２（０．０１２７）－０．０３２２（０．０１１２）０．９４１４０．２７５８１．０７５５树根ｒｏｏｔ－２．７１６７（０．０８６８）０．６９７３（０．０３７７）０．９６０１（０．０１５４）０．２２０４（０．０２５２）０．０４４８（０．０１４６）０．９５２５２．０６０２１．４９８８总量ｔｏｔａｌ０．９６７４８．０７３４１．２４５３释变量对各林分器官生物量的影响是显著的㊂可加性模型的参数与单个的生物量基础模型参数一致，这表明林分断面积对生物量的影响是正向的，林分平均高对除树叶生物量外的其他器官生物量大小的影响也是正向，林龄和海拔与林分树干㊁树根生物量呈正相关，与树叶生物量呈负相关，ＳＬＣ仅与林分树枝生物量呈负相关㊂根据所建立的可加性生物量模型系统，本研究模拟了不同自变量对林分各器官生物量的影响（图１）㊂根据图１可以看出，在同等林分断面积下，随着林分平均高的增加，树干㊁树枝㊁树根生物量均相应增加，而树叶生物量却减小；随着海拔的增加，树干㊁树根生物量相应增加，而树叶生物量却减小，树枝生物量无变化；随着林龄的增加，树干㊁树根生物量增加，树叶生物量减小，树枝生物量无变化；随着ＳＬＣ的增加，树枝生物量相应减小，树干㊁树叶㊁树根生物量无变３３１南京林业大学学报（自然科学版）第４７卷化㊂表４给出了式（１８）各方程残差的相关性矩阵，各器官生物量方程残差存在一定的相关性，表明运用似乎不相关的方法较为合适㊂图１㊀落叶松人工林树干㊁树枝㊁树叶和树根生物量与林分断面积的关系Ｆｉｇ．１㊀Ｒｅｌａｔｉｏｎｓｈｉｐｓｏｆｓｔａｎｄｓｔｅｍ，ｂｒａｎｃｈ，ｆｏｌｉａｇｅａｎｄｒｏｏｔｂｉｏｍａｓｓｏｆｌａｒｃｈｐｌａｎｔｉｏｎｓｗｉｔｈｓｔａｎｄｂａｓａｌａｒｅａ表４㊀落叶松人工林生物量模型系统各方程残差的相关性矩阵Ｔａｂｌｅ４㊀Ｃｏｒｒｅｌａｔｉｏｎｍａｔｒｉｘｅｓｏｆｒｅｓｉｄｕａｌｓｏｆｅｑｕａｔｉｏｎｓｉｎｔｈｅｌａｒｃｈｐｌａｎｔａｔｉｏｎｂｉｏｍａｓｓｍｏｄｅｌｓｙｓｔｅｍ生物量ｂｉｏｍａｓｓ树干ｓｔｅｍ树枝ｂｒａｎｃｈ树叶ｆｏｌｉａｇｅ树根ｒｏｏｔ总量ｔｏｔａｌ树干ｓｔｅｍ１树枝ｂｒａｎｃｈ０．２１１树叶ｆｏｌｉａｇｅ－０．８２０．０７１树根ｒｏｏｔ０．９１０．２０－０．８３１总量ｔｏｔａｌ０．９９０．３１－０．７８０．９３１２．２．２㊀模型系统的检验与评价㊀㊀采用留一交叉验证法获得预测值后，计算各检验指标并汇总，结果见表５㊂由表５可以看出，树干和总量生物量模型的平均绝对误差小于５５Ｍｇ／ｈｍ２，树根生物量模型的平均绝对误差为１３８７６Ｍｇ／ｈｍ２，树枝和树叶生物量模型的平均绝对误差小于０４５Ｍｇ／ｈｍ２，各林分器官生物量模型的平均绝对误差较小㊂所有生物量模型的平均绝对误差百分比小于１１％，树干生物量的平均误差４３１㊀第３期孙㊀宇，等：基于林分及地形因子的落叶松人工林林分生物量模型构建小于０，表明整体水平上树干生物量的预测值偏高，也就是高估了生物量㊂树枝㊁树叶㊁树根和总生物量的平均误差为０００４，说明低估了树枝㊁树叶㊁树根和总生物量㊂生物量模型的拟合指数均大于０９３，模型对于独立样本的预测效果较好㊂表５㊀落叶松人工林可加性生物量模型系统检验结果Ｔａｂｌｅ５㊀Ｖａｌｉｄａｔｉｏｎｏｆｔｈｅａｄｄｉｔｉｖｅｓｙｓｔｅｍｏｆｓｔａｎｄｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｏｆｌａｒｃｈｐｌａｎｔａｔｉｏｎ生物量ｂｉｏｍａｓｓＭＡＥ／（Ｍｇ㊃ｈｍ－２）ＭＡＥ％ＭＰＥ／（Ｍｇ㊃ｈｍ－２）ＭＰＥ％ＩＦ树干ｓｔｅｍ４．０７１１９．３１６７－０．０１０１－０．０２０７０．９６１１树枝ｂｒａｎｃｈ０．４４９２５．９３５７０．０３９２０．６１６７０．９４６９树叶ｆｏｌｉａｇｅ０．２０４１９．１０３８０．０００５０．０２０００．９３９７树根ｒｏｏｔ１．３８７６１０．９２２５０．００４３０．０２９６０．９５１１总量ｔｏｔａｌ５．３８３７７．９８６６０．０３３８０．０４７１０．９６６６３㊀讨㊀论林分生物量模型是根据生物量和与其紧密相关的林分信息之间的异速关系而实现的，常用的有两类模型：①基于林分因子的林分生物量模型；②基于林分蓄积的林分生物量模型［５，７，２３］㊂相比使用林分因子作为自变量，使用林分蓄积则更复杂，需要先计算林分蓄积㊂因此，本研究使用了基于林分因子的生物量模型，并在该模型的基础上引入除了林分因子（林分断面积Ｇ㊁林分平均高Ｈ㊁林分年龄Ｔ）之外的地形因子（海拔ＨＢ和ＳＬＣ）㊂根据结果可知，林分断面积Ｇ和林分平均高Ｈ的组合解释了各器官生物量９０％以上的差异，表明这两个变量可以很好地估计林分生物量大小，这与其他研究的结论一致［１１，２４］㊂在引入林分林龄和地形因子后，林分各器官生物量模型的Ｒ２ａｄｊ有轻微提升，ＲＭＳＥ也呈减小的趋势，表明引入林分林龄和地形因子可以提高林分生物量模型的拟合效果㊂留一交叉验证结果表明，考虑林龄和地形的生物量模型可以提供精确的生物量预测值㊂当所建立的包含林龄和地形的林分生物量模型用于估计大面积林分生物量时，林龄和地形因子的引入可以提高林分生物量的估计精度㊂在分析林分林龄㊁海拔和ＳＬＣ对林分各器官生物量的影响时，发现林龄和海拔显著影响林分树干㊁树叶和树根生物量，对树枝生物量无显著影响；而ＳＬＣ显著影响了树枝生物量，对树干㊁树叶和树根生物量无显著影响㊂其中，树叶生物量与林龄和海拔呈负相关，树干㊁树根生物量与林龄和海拔呈正相关，且树枝生物量与ＳＬＣ呈负相关㊂研究表明，海拔㊁坡度和坡向等地形因子会影响森林所在的气候环境，如温度和降水等，从而影响森林的生物量［２５］㊂随着海拔的增加，温度会降低，降水量会增加；对于坡向来说，由于光照的原因向阳坡的温度会高于向阴坡，来自向阳坡方向的温暖空气会在向阴坡形成大量降水；对于坡度来说，坡度越小，降水留存的水分越多，土壤越湿润［２６］㊂随着降水量增加，土壤中水分含量增加，树根生物量会增加，分配给树干的生物量也会增加；温度降低，树木为了适应会减少枝叶的比例㊂总之，地形因子会对林分生物量造成影响㊂总体来说，本研究选用的模型变量充分考虑了林分生长发育阶段和林分生长环境对林分各器官生物量的影响㊂参考文献（ｒｅｆｅｒｅｎｃｅ）：［１］罗云建，张小全，王效科，等．森林生物量的估算方法及其研究进展［Ｊ］．林业科学，２００９，４５（８）：１２９－１３４．ＬＵＯＹＪ，ＺＨＡＮＧＸＱ，ＷＡＮＧＸＫ，ｅｔａｌ．Ｆｏｒｅｓｔｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｓａｎｄｔｈｅｉｒｐｒｏｓｐｅｃｔｓ［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２００９，４５（８）：１２９－１３４．ＤＯＩ：１０．３３２１／ｊ．ｉｓｓｎ１００１－７４８８．２００９．０８．０２３．［２］董利虎．东北林区主要树种及林分类型生物量模型研究［Ｄ］．哈尔滨：东北林业大学，２０１５．ＤＯＮＧＬＨ．Ｄｅｖｅｌｏｐｉｎｇｉｎｄｉｖｉｄｕａｌａｎｄｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｉｎｎｏｒｔｈｅａｓｔＣｈｉｎａｆｏｒｅｓｔａｒｅａ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０１５．［３］王效科，冯宗炜，欧阳志云．中国森林生态系统的植物碳储量和碳密度研究［Ｊ］．应用生态学报，２００１，１２（１）：１３－１６．ＷＡＮＧＸＫ，ＦＥＮＧＺＷ，ＯＵＹＡＮＧＺＹ．ＶｅｇｅｔａｔｉｏｎｃａｒｂｏｎｓｔｏｒａｇｅａｎｄｄｅｎｓｉｔｙｏｆｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｓｉｎＣｈｉｎａ［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２００１，１２（１）：１３－１６．［４］浮媛媛．中国东北林区主要树种地上生物量与密度的遥感估算与模拟研究［Ｄ］．长春：东北师范大学，２０２０．ＦＵＹＹ．Ｒｅ⁃ｍｏｔｅｓｅｎｓｉｎｇｅｓｔｉｍａｔｉｏｎａｎｄｓｉｍｕｌａｔｉｏｎｏｆｍａｊｏｒｔｒｅｅｓｐｅｃｉｅｓａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓａｎｄｄｅｎｓｉｔｙｉｎｔｈｅｆｏｒｅｓｔｒｅｇｉｏｎｏｆｎｏｒｔｈｅａｓｔＣｈｉｎａ［Ｄ］．Ｃｈａｎｇｃｈｕｎ：ＮｏｒｔｈｅａｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，２０２０．［５］欧光龙，胥辉，王俊峰，等．思茅松天然林林分生物量混合效应模型构建［Ｊ］．北京林业大学学报，２０１５，３７（３）：１０１－１１０．ＯＵＧＬ，ＸＵＨ，ＷＡＮＧＪＦ，ｅｔａｌ．ＢｕｉｌｄｉｎｇｍｉｘｅｄｅｆｆｅｃｔｍｏｄｅｌｓｏｆｓｔａｎｄｂｉｏｍａｓｓｆｏｒＳｉｍａｏｐｉｎｅ（Ｐｉｎｕｓｋｅｓｉｙａｖａｒ．ｌａｎｇｂｉａｎｅｎｓｉｓ）ｎａｔｕｒａｌｆｏｒｅｓｔ［Ｊ］．ＪＢｅｉｊｉｎｇＦｏｒＵｎｉｖ，２０１５，３７（３）：１０１－１１０．ＤＯＩ：１０．１３３３２／ｊ．１０００－１５２２．２０１４０３１６．［６］赵嘉诚，李海奎．杉木单木和林分水平地下生物量模型的构建［Ｊ］．林业科学，２０１８，５４（２）：８１－８９．ＺＨＡＯＪＣ，ＬＩＨＫ．Ｅｓｔａｂｌｉｓｈｍｅｎｔｏｆｂｅｌｏｗ⁃ｇｒｏｕｎｄｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｆｏｒＣｈｉｎｅｓｅｆｉｒａｔｔｒｅｅａｎｄｓｔａｎｄｌｅｖｅｌ［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２０１８，５４（２）：８１－８９．ＤＯＩ：１０．１１７０７／ｊ．１００１－７４８８．２０１８０２０９．［７］董利虎，李凤日．大兴安岭东部天然落叶松林可加性林分生物量估算模型［Ｊ］．林业科学，２０１６，５２（７）：１３－２１．ＤＯＮＧＬＨ，ＬＩＦＲ．Ａｄｄｉｔｉｖｅｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｍｏｄｅｌｓｆｏｒｎａｔｕｒａｌｌａｒｃｈｆｏｒｅｓｔｉｎｔｈｅｅａｓｔｏｆＤａｘｉｎｇａｎＭｏｕｎｔａｉｎｓ［Ｊ］．ＳｃｉＳｉｌｖａｅＳｉｎ，２０１６，５２（７）：１３－２１．ＤＯＩ：１０．１１７０７／ｊ．１００１－７４８８．２０１６０７０２．［８］巨文珍，农胜奇．森林生物量研究进展［Ｊ］．西南林业大学学报，２０１１，３１（２）：７８－８３，８９．ＪＵＷＺ，ＮＯＮＧＳＱ．Ｒｅｓｅａｒｃｈ５３１南京林业大学学报（自然科学版）第４７卷ａｄｖａｎｃｅｓｉｎｆｏｒｅｓｔｂｉｏｍａｓｓ［Ｊ］．ＪＳｏｕｔｈｗｅｓｔＦｏｒＵｎｉｖ，２０１１，３１（２）：７８－８３，８９．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－７１７９．２０１１．０２．０１８．［９］黄明泉．典型地段思茅松天然林生物量分配的比较分析及环境解释［Ｄ］．昆明：西南林业大学，２０１８．ＨＵＡＮＧＭＱ．Ｃｏｍ⁃ｐａｒａｔｉｖｅａｎａｌｙｓｉｓａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｔｈｅｂｉｏｍａｓｓｄｉｓｔｒｉｂｕｔｉｏｎｏｆＳｉｍａｏｐｉｎｅｎａｔｕｒａｌｆｏｒｅｓｔｉｎｔｙｐｉｃａｌｓｅｃｔｉｏｎ［Ｄ］．Ｋｕｎｍｉｎｇ：ＳｏｕｔｈｗｅｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０１８．［１０］ＤＯＮＧＬＨ，ＷＩＤＡＧＤＯＦＲＡ，ＸＩＥＬＦ，ｅｔａｌ．Ｂｉｏｍａｓｓａｎｄｖｏｌｕｍｅｍｏｄｅｌｉｎｇａｌｏｎｇｗｉｔｈｃａｒｂｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｖａｒｉａｔｉｏｎｓｏｆｓｈｏｒｔ⁃ｒｏｔａｔｉｏｎｐｏｐｌａｒｐｌａｎｔａｔｉｏｎｓ［Ｊ］．Ｆｏｒｅｓｔｓ，２０２０，１１（７）：７８０．ＤＯＩ：１０．３３９０／ｆ１１０７０７８０．［１１］ＣＡＳＴＥＤＯ⁃ＤＯＲＡＤＯＦ，ＧÓＭＥＺ⁃ＧＡＲＣÍＡＥ，ＤＩÉＧＵＥＺ⁃ＡＲＡＮＤＡＵ，ｅｔａｌ．Ａｂｏｖｅｇｒｏｕｎｄｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎ：ａｃｏｍｐａｒｉｓｏｎｏｆｔｗｏｍｅｔｈｏｄｓｆｏｒｍａｊｏｒｆｏｒｅｓｔｓｐｅｃｉｅｓｉｎｎｏｒｔｈｗｅｓｔＳｐａｉｎ［Ｊ］．ＡｎｎＦｏｒＳｃｉ，２０１２，６９（６）：７３５－７４６．ＤＯＩ：１０．１００７／ｓ１３５９５－０１２－０１９１－６．［１２］ＰＡＲＲＥＳＯＬＢＲ．Ａｓｓｅｓｓｉｎｇｔｒｅｅａｎｄｓｔａｎｄｂｉｏｍａｓｓ：ａｒｅｖｉｅｗｗｉｔｈｅｘａｍｐｌｅｓａｎｄｃｒｉｔｉｃａｌｃｏｍｐａｒｉｓｏｎｓ［Ｊ］．ＦｏｒＳｃｉ，１９９９，４５（４）：５７３－５９３．ＤＯＩ：１０．１０９３／ｆｏｒｅｓｔｓｃｉｅｎｃｅ／４５．４．５７３．［１３］ＰＡＲＲＥＳＯＬＢＲ．Ａｄｄｉｔｉｖｉｔｙｏｆｎｏｎｌｉｎｅａｒｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓ［Ｊ］．ＣａｎＪＦｏｒＲｅｓ，２００１，３１（５）：８６５－８７８．ＤＯＩ：１０．１１３９／ｘ００－２０２．［１４］ＤＯＮＧＬＨ，ＺＨＡＮＧＬＪ，ＬＩＦＲ．Ａｔｈｒｅｅ⁃ｓｔｅｐｐｒｏｐｏｒｔｉｏｎａｌｗｅｉｇｈｔｉｎｇｓｙｓｔｅｍｏｆｎｏｎｌｉｎｅａｒｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓ［Ｊ］．ＦｏｒＳｃｉ，２０１５，６１（１）：３５－４５．ＤＯＩ：１０．５８４９／ｆｏｒｓｃｉ．１３－１９３．［１５］董利虎，李凤日，贾炜玮．黑龙江省红松人工林立木生物量估算模型的研建［Ｊ］．北京林业大学学报，２０１２，３４（６）：１６－２２．ＤＯＮＧＬＨ，ＬＩＦＲ，ＪＩＡＷＷ．ＤｅｖｅｌｏｐｍｅｎｔｏｆｔｒｅｅｂｉｏｍａｓｓｍｏｄｅｌｆｏｒＰｉｎｕｓｋｏｒａｉｅｎｓｉｓｐｌａｎｔａｔｉｏｎ［Ｊ］．ＪＢｅｉｊｉｎｇＦｏｒＵｎｉｖ，２０１２，３４（６）：１６－２２．ＤＯＩ：１０．１３３３２／ｊ．１０００－１５２２．２０１２．０６．０１６．［１６］ＺＨＡＯＤＨ，ＷＥＳＴＦＡＬＬＪ，ＣＯＵＬＳＴＯＮＪＷ，ｅｔａｌ．Ａｄｄｉｔｉｖｅｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｆｏｒｓｌａｓｈｐｉｎｅｔｒｅｅｓ：ｃｏｍｐａｒｉｎｇｔｈｒｅｅｍｏｄｅｌｉｎｇａｐｐｒｏａｃｈｅｓ［Ｊ］．ＣａｎＪＦｏｒＲｅｓ，２０１９，４９（１）：２７－４０．ＤＯＩ：１０．１１３９／ｃｊｆｒ－２０１８－０２４６．［１７］董利虎，李凤日．三种林分生物量估算方法的比较［Ｊ］．应用生态学报，２０１６，２７（１２）：３８６２－３８７０．ＤＯＮＧＬＨ，ＬＩＦＲ．Ｃｏｍｐａｒｉｓｉｏｎｏｆｔｈｒｅｅｓｔａｎｄ⁃ｌｅｖｅｌｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｓ［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２０１６，２７（１２）：３８６２－３８７０．ＤＯＩ：１０．１３２８７／ｊ．１００１－９３３２．２０１６１２．０３０．［１８］刘强．人工长白落叶松光合特性的研究［Ｄ］．哈尔滨：东北林业大学，２０１５．ＬＩＵＱ．ＳｔｕｄｙｏｎｐｈｏｔｏｓｙｎｔｈｅｔｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＬａｒｉｘｏｌｇｅｎｓｉｓｈｅｎｒｙｐｌａｎｔａｔｉｏｎ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０１５．［１９］王鹤智．东北林区林分生长动态模拟系统的研究［Ｄ］．哈尔滨：东北林业大学，２０１２．ＷＡＮＧＨＺ．Ｄｙｎａｍｉｃｓｉｍｕｌａｔｉｎｇｓｙｓ⁃ｔｅｍｆｏｒｓｔａｎｄｇｒｏｗｔｈｏｆｆｏｒｅｓｔｓｉｎｎｏｒｔｈｅａｓｔＣｈｉｎａ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０１２．［２０］ＴＲＯＦＹＭＯＷＪＡ，ＣＯＯＰＳＮＣ，ＨＡＹＨＵＲＳＴＤ．Ｃｏｍｐａｒｉｓｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇａｎｄｇｒｏｕｎｄ⁃ｂａｓｅｄｍｅｔｈｏｄｓｆｏｒｄｅｔｅｒｍｉｎｉｎｇｒｅｓｉｄｕｅｂｕｒｎｐｉｌｅｗｏｏｄｖｏｌｕｍｅｓａｎｄｂｉｏｍａｓｓ［Ｊ］．ＣａｎＪＦｏｒＲｅｓ，２０１４，４４（３）：１８２－１９４．ＤＯＩ：１０．１１３９／ｃｊｆｒ－２０１３－０２８１．［２１］申屠惠良．使用怀特检验判断生物量模型的异方差性［Ｊ］．浙江林业科技，２０１２，３２（３）：４３－４５．ＳＨＥＮＴＵＨＬ．Ｗｈｉｔｅｔｅｓｔｆｏｒｈｅｔｅｒｏｓｋｅｄａｓｔｉｃｉｔｙｏｆｂｉｏｍａｓｓｍｏｄｅｌ［Ｊ］．ＪＺｈｅｊｉａｎｇＦｏｒＳｃｉＴｅｃｈｎｏｌ，２０１２，３２（３）：４３－４５．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３７７６．２０１２．０３．００９．［２２］曾伟生，唐守正．非线性模型对数回归的偏差校正及与加权回归的对比分析［Ｊ］．林业科学研究，２０１１，２４（２）：１３７－１４３．ＺＥＮＧＷＳ，ＴＡＮＧＳＺ．Ｂｉａｓｃｏｒｒｅｃｔｉｏｎｉｎｌｏｇａｒｉｔｈｍｉｃｒｅ⁃ｇｒｅｓｓｉｏｎａｎｄｃｏｍｐａｒｉｓｏｎｗｉｔｈｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎｆｏｒｎｏｎ⁃ｌｉｎｅａｒｍｏｄｅｌｓ［Ｊ］．ＦｏｒＲｅｓ，２０１１，２４（２）：１３７－１４３．ＤＯＩ：１０．１３２７５／ｊ．ｃｎｋｉ．ｌｙｋｘｙｊ．２０１１．０２．０１１．［２３］光增云．河南森林生物量与生产力研究［Ｊ］．河南农业大学学报，２００６，４０（５）：４９３－４９７．ＧＵＡＮＧＺＹ．Ｓｔｕｄｙｏｎｆｏｒｅｓｔｂｉｏ⁃ｍａｓｓａｎｄｐｒｏｄｕｃｔｉｖｉｔｙｉｎＨｅｎａｎ［Ｊ］．ＪＨｅｎａｎＡｇｒｉｃＵｎｉｖ，２００６，４０（５）：４９３－４９７．ＤＯＩ：１０．１６４４５／ｊ．ｃｎｋｉ．１０００－２３４０．２００６．０５．０１０．［２４］ＢＩＨＱ，ＬＯＮＧＹＳ，ＴＵＲＮＥＲＪ，ｅｔａｌ．ＡｄｄｉｔｉｖｅｐｒｅｄｉｃｔｉｏｎｏｆａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｆｏｒＰｉｎｕｓｒａｄｉａｔａ（Ｄ．Ｄｏｎ）ｐｌａｎｔａｔｉｏｎｓ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２０１０，２５９（１２）：２３０１－２３１４．ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２０１０．０３．００３．［２５］ＨＥＸ，ＬＥＩＸＤ，ＤＯＮＧＬＨ．Ｈｏｗｌａｒｇｅｉｓｔｈｅｄｉｆｆｅｒｅｎｃｅｉｎｌａｒｇｅ⁃ｓｃａｌｅｆｏｒｅｓｔｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎｓｂａｓｅｄｏｎｎｅｗｃｌｉｍａｔｅ⁃ｍｏｄｉ⁃ｆｉｅｄｓｔａｎｄｂｉｏｍａｓｓｍｏｄｅｌｓ？［Ｊ］．ＥｃｏｌＩｎｄｉｃ，２０２１，１２６：１０７５６９．ＤＯＩ：１０．１０１６／ｊ．ｅｃｏｌｉｎｄ．２０２１．１０７５６９．［２６］肖兴威．中国森林生物量与生产力的研究［Ｄ］．哈尔滨：东北林业大学，２００５．ＸＩＡＯＸＷ．Ｓｔｕｄｙｏｎｆｏｒｅｓｔｂｉｏｍａｓｓａｎｄｐｒｏ⁃ｄｕｃｔｉｖｉｔｙｉｎＣｈｉｎａ［Ｄ］．Ｈａｒｂｉｎ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２００５．（责任编辑㊀李燕文）６３１。

落叶松人工林经营采伐的实践探究

落叶松人工林经营采伐的实践探究落叶松是我国重要的林木资源之一，主要分布于我国的长白山、大兴安岭等地区。

人工林经营采伐是指对落叶松人工林进行科学管理和采伐，以提高林木的生长质量和经济效益。

本文将就落叶松人工林经营采伐的实践进行探究。

一、人工林经营采伐的背景与意义落叶松人工林经营采伐是我国重点林木资源开发的一项重要工作。

落叶松是具有较高经济价值的木材树种，其木材质地坚硬，密度高，材质细致均匀，适用于建筑材料、家具、制造胶合板等行业，具有很高的市场需求和开发潜力。

人工林经营采伐可以促进落叶松人工林的生长和更新，提高人工林的质量和产量，保障木材的供应。

科学的经营采伐可以调整林分结构，提高光照条件和水分利用效率，改善生态环境。

经营采伐还可以增加林地的经济效益，改善林农收入，促进地方经济的发展。

1. 合理规划原则：根据林分的密度、年龄、径级等情况，制定合理的采伐规划，保证人工林的生长和更新。

遵循“低龄优先、薪材期定期采伐、规模适度、品质为主”的原则，确保木材的质量和市场竞争力。

2. 选择优良个体原则：在采伐时，要选择生长良好、直径较大且具有较高经济价值的个体进行采伐。

通过选择优良个体，可以提高木材的质量和价值。

3. 适量采伐原则：在采伐时要控制采伐强度，不进行过度采伐，以保护林分的生长能力和生态功能。

一般采取薪材期定期采伐、贮藏采伐等方法，保证林木的生长和继续更新。

4. 混交经营原则：在人工林的经营采伐中，可以采用混交经营的方法，将落叶松与其他树种混交种植，以提高土壤的肥力和水分利用率，增加经济效益。

常见的混交树种有阔叶树种如白桦、杨树等。

5. 生态调控原则：在采伐后要进行合理的生态调控，包括修剪落叶松枝网、根瘤蚁灭治、杂草除控等措施，以促进林木的生长和更新，保证林分健康的发展。

1. 吉林省延边朝鲜族自治州以落叶松人工林经营采伐为支撑，制定了《延边朝鲜族自治州落叶松人工林经营采伐技术规程》，明确了经营采伐的方法和原则。