不同地貌杉木人工林胸径树高生长曲线研究

马学欣 侯建花 易晓梅



不同地貌杉木人工林胸径树高生长曲线研究

马学欣1，2侯建花3易晓梅1，2

（1浙江农林大学信息工程学院 浙江临安 311300； 2浙江省林业智能监测与信息技术研究重点实验室浙江临安 311300； 3浙江省景宁畲族自治县林业局 323500）

为准确掌握景宁县杉木人工林的生长情况，采用4种生长方程分别拟合杉木胸径树高生长情况，并选择最优生长模型。研究结果表明：多项式方程能够较好的拟合景宁地区杉木林的生长情况，平均决定系数高达0.889；地形因子对杉木生长具有重大影响。

景宁县；胸径树高曲线；杉木;人工林

杉木（（Lamb）Hook）为我国南方主要的造林树种，约占全国人工造林面积的十分之一,其木材生产量占全国商品材总产量的20％～25％,具有生长快、产量高、材性好、经济效益显著等特点，在整个国民经济建设中占有重要地位[1-3]。随着社会经济的发展和人口的急剧增加，木材的需求量正呈现逐年递增的趋势。与此同时，全球森林面积正以每年0.4％的速度锐减。进入21世纪以来，木材资源已成为世界性的战略资源，面临着更为严峻的形势。我国是一个人均占有森林（木材）资源很少的国家，严重少林缺材、森林资源消耗量大，培育大径材树木能够从根本上缓解木材资源的短缺问题。当前，如何充分发挥和利用好南方优越的水热自然条件，有效调整和解决好杉木人工林激增带来的林种、树种和材种结构以及生态结构等一系列矛盾与问题[4-6]，科学、优质、高产、高效地发展商品林，在南方林业分类经营战略中占有至关重要的地位[7-8]。

研究通过对景宁县杉木人工林胸径生长与环境因子相关性分析，筛选出对杉木胸径生长影响较大的因子，从而为构建高精度的杉木人工林生长模型提供依据，进而为景宁地区杉木森林资源动态变化的准确预估、可持续经营与优化配置提供依据。

1 研究区域概况

景宁县位于浙江省西南部（27°58′N、119°38′E），总面积达194998hm2，是瓯江和飞云江水系的发源地。土地类型为“九山半水半分田”，地貌类型为“两山夹一水”。区域气候为亚热带季风气候，温暖湿润，雨量充沛，年平均降水量为1542.7mm，热量资源丰富,年平均气温17.5℃。区域森林覆盖率达81.09%，具有多样性的生态环境和植被类型。

2 数据与方法

2.1 数据来源与数据处理

根据景宁县省级森林资源清查资料与实地踏查，在全县范围内选择生长正常且自然条件（坡度、坡向、土壤类型等）相似的不同密度的杉木人工林，设置14个0.08hm2（28.25m×28.25 m）标准地（表1），每个样地用GPS精确定位，记录其经纬度、坡向、坡度、坡位、海拔、方位等数据及在林分中的相对位置。标准地中杉木为主要建群种，有极少量油松（）、锐齿槲栎（），杉木占林分内林木数的93%～98%。样地数据如表1所示。

表1 研究区样地数据概况

Table 1 Survey of sample plot data in the study area

将调查的杉木数据根据地貌的不同设置为低山区（500～999m）和中山区（1000m以上）两个编组进行归类整理，所有试验数据均采用Excel2013进行处理，并采用IBM SPSS软件中的线性分析、多项Logistic回归分析以及相关性分析功能分别对杉木胸径树高生长曲线方程和因子相关性进行综合分析。

2.2 基础模型建立

基于胸径树高的散点图和前人的研究，选择传统森林测树学中4种常用的树木生长方程[8-10]，包括线性方程、多项式模型、幂函数曲线方程、指数方程，如表2所示。利用MATLAB建立杉木胸径树高生长模型，选择拟合程度最高的模型作为杉木的生长模型，通过模型分析景宁地区不同地貌杉木林的生长变化情况。

表2 生长曲线方程

Table 2 Growth curve models

注：f(x)和x为杉木胸径和树高，p1、p2、p3、n为模型待估参数。

在MATLAB中，利用建模数据对表2所示模型进行模拟计算，并使用决定系数（R-square）、均方根误差（RMSE）和调整后的决定系数（Adjusted R-square）来检验所选模型的精度，从而选择最优模型。R-square和Adjusted R-square的值越接近1，说明模型参考价值越高；RMSE的值越小，说明模型精度越高[10-11]。

2.3 模型求解

基于杉木林胸径和树高的实测数据，利用MATLAB的工具箱分别对模型进行求解，依次求出4个模型的待估参数及3个评价指标：决定系数（R-square）、均方根误差（RMSE）和调整后的决定系数（Adjusted R-square），模型参数和评价指标如表3所示。

表3 模型参数和评价指标

Table 3 Model parameters and evaluation indexes

由表3可知，通过拟合精度对比分析，低山区和中山区的多项式模型拟合效果最好且符合生物学意义，故选择多项式方程作为杉木胸径树高的最佳模型。

3 结果与分析

3.1 生长模型检验

利用实测数据中随机抽取的10%未用于建模的数据验证所选模型的准确性，将预测求出的理论值与实际值绘制散点图进行分析，并通过均方根误差和平均误差进行模型评价[12-14]。

3.2 海拔对杉木生长的影响

海拔作为重要的地形因子，对杉木生长的影响非常大。景宁地区山地面积大，山势高峻，多高海拔山峰，1000m以上是杉木林大面积分布的地区。高山地区平均气温维持在20℃以下，这些人为影响较弱的地方有利于杉木林的生长发育。而低山区人为活动较频繁，人类活动限制了杉木的生长。如表1所示，中山区杉木林长势比低山区有优势。

3.3 坡向对杉木生长的影响

杉木主要分布在温带、亚热带地区，较喜光，适应年平均温度15℃～23℃，是一种典型的喜温暖湿润，多雾静风气候环境树种。中山区杉木林多分布在南坡，受太阳辐射多，光照充足，温度高，可加快杉木生长；而低山区杉木生长在北坡，接受太阳照射少，温度低，故杉木的生长情况要比背阴的北坡差。

3.4 坡度对杉木生长的影响

坡度的缓急、地势的陡峭不但会形成小气候[15]，而且对水土流失和集聚都有影响，可直接或间接影响杉木的生长和分布[16]。根据景宁地区的实际情况，将坡度分为6级，Ⅰ级为平坡：＜5度；Ⅱ级为缓坡：5～14度；Ⅲ级为斜坡：15～24度；Ⅳ级为陡坡：25～34度；Ⅴ级为急坡：35～44度；Ⅵ级为险坡：≥45度。在坡面上，水流的速度与坡度成正比，流速越快，冲刷掉的土壤量就越大，因此坡度直接改变土壤的厚度和含水量。故在斜坡上，土壤较肥沃，排水良好，对杉木生长有利；而在急坡或者险坡上，土层薄，砂砾含量高，杉木生长较差。

4 结论与讨论

利用景宁地区的杉木实测数据研究了基于不同地貌的胸径树高生长模型，选择多项式模型拟合杉木胸径树高曲线，具有较高精度，能较好的模拟该地区的杉木生长情况；通过分析不同地形因子对杉木生长的影响，表明中山区的杉木生长情况优于低山区的杉木。

景宁县属山地地貎，在对不同地貌上的杉木林胸径与树高关系进行研究时，忽略了坡位[17]对胸径树高的影响；研究地区仅局限于景宁县，空间尺度较小；在分析时，只选择了相关性较高的地形因子，忽略了其他立地条件、气象条件[15]对杉木生长的影响，坡度对杉木生长的影响表明，坡度只是影响杉木生长的其中一个因素，其他立地条件如降水量、土壤类型、土壤厚度、温度的影响同样不可忽视，在以后的研究中，应该加以综合考虑。

[1] 李瑾,王光军.不同林龄杉木叶经济性状的变异特征[J].湖南师范大学自然科学学报,2018,41(03): 30-35.

[2] 樊伟,许崇华,崔珺,等.基于混合效应的大别山地区杉木树高-胸径模型比较[J].应用生态学报,2017, 28(09):2831-2839.

[3] 袁硕,杨智杰,元晓春,等.降雨隔离和温度增加对杉木幼林土壤可溶性碳氮的影响[J].应用生态学报,2018,29(07):2217-2223.

[4]]黄其城.福州市杉木人工林相对树高曲线模型研究[J].安徽农学通报,2017,23(04):58-59+65.

[5] 李春明.基于两层次线性混合效应模型的杉木林单木胸径生长量模型[J].林业科学,2012,48(03): 66-73.

[6] 许崇华,崔珺,黄兴召,等.基于线性混合效应模型的杉木树高-胸径模型[J].西北农林科技大学学报(自然科学版),2017,45(06):53-60.

[7] 陈传松,司芳芳.江西大岗山地区杉木树高曲线模型的研究[J].林业科技通讯: 2018,28(06): 1-5.

[8] 袁晓红,李际平.杉木人工林南北坡向树高-胸径生长曲线研究[J].西北林学院学报,2012,27(02): 180-183.

[9] Xue L , Hagihara A . Growth analysis on the competition-density effect in Chinese fir (Cunninghamia lanceolata) and Masson pine (Pinus massoniana) stands[J]. Forest Ecology & Management, 2001, 150(3):331-337.

[10]Song T T , Chen G S , Shi S Z , et al. Effects of soil warming on specific respiration rate and non-structural carbohydrate concentration in fine roots of Chinese fir seedlings[J]. Chinese Journal of Applied Ecology, 2018, 79(6):1043-1051.

[11]Xiaohui W , Yujun S , Wei M A . A height growth model for Cunninghamia lanceolata based on Richards' equation[J]. Journal of Zhejiang A & F University, 2012.

[12潘荣荣.沙县地区杉木人工林地径与树高、材积的相关性分析[J].绿色科技,2018，(15):218-220.

[13]周国强,陈彩虹,楚春晖,等.大围山杉木人工林不同海拔直径分布研究[J].西北林学院学报,2017, 32(01):86-91.

[14]廖美振,温红芳,董南松,等.陈山红心杉人工林生长过程及其模型模拟[J].中南林业科技大学学报,2018,38(09):107-114.

[15]王广胜.气象因子对杉木人工林胸径生长的影响[J].黑龙江科学,2017,8(04):185-188.

[16]Shouyun Z. Growth of Big-diameter Timber plantation of Chinese fir (Cunninghamialanceolata) Plantation Interplanted With Castanopsishystrix[J]. Journal of Green Science & Technology, 2017,45(03):78-84.

[17]严强.坡位对6年生杉木闽楠混交林生长的影响[J].绿色科技, 2018，(07):5-8.

Study on growth curve of DBH of Chinese fir plantation in different landforms

Ma Xuexin1,2, Hou Jianhua3,Yi Xiaomei1,2

In order to accurately grasp the growth of Chinese fir plantation in Jingning County, four growth equations were used to fit the height growth of Chinese fir with DBH, and the optimal growth model was selected. The results show that the polynomial equation can better fit the growth of Chinese fir forests in Jingning area, with an average determinant coefficient of 0.889; topographic factors have a significant impact on the growth of Chinese fir.

Jingning County；height-diameter relationship；fir；plantation

S791.27

A

1004-7743（2019）01-0071-04

2018-12-19

国家自然科学基金（61190114），景宁畲族自治县科技计划项目(2014A05-5)，浙江农林大学科研发展基金项目。

马学欣，硕士研究生，研究方向为农林业发展；Email：457283836@qq.com。

易晓梅，副教授，硕士，从事无线传感器网络与物联网研究；Email：m_mei0516@163.com。