基于CAPV的大兴安岭天然次生混交林林分结构特征

（东北林业大学 工程技术学院，黑龙江 哈尔滨 150040）

森林可持续经营及精细化利用是现代林业发展的必然选择，实现森林可持续经营的基础是拥有健康稳定的森林[1]。因人为因素和自然扰动，如采伐和火灾，大兴安岭地区森林从一个原始森林群落退化成天然次生群落[2-3]。与原生林相比而言，次生林失去了原有的森林生态环境，其物种构成、森林生产力水平、森林生长、生态功能[4]存在显著差异，严重制约和影响了森林的可持续发展[5-6]。森林结构决定其林分所具有的功能，其对森林的可持续经营及发展具有重要的价值[1]。综合分析大兴安岭天然次生林的林分结构特征，对探明其林分空间结构信息，以及后期进行的林分结构合理调整尤为重要[7-10]。

林分结构既包括与林分基本特征有关的非空间结构，又有与林木空间位置有关的空间结构。非空间结构描述的是林分基本特征的一种平均状态，如树种构成、胸径结构及树高结构等，应用非常广泛[11]。目前描述空间结构的方法有很多，与林木水平分布格局有关的角尺度[12-13]、与胸径（树高、冠幅等）林木大小分化程度有关的大小比数[14]、与树种多样性和种间隔离程度有关的混交度[15]是森林空间结构[16-18]研究常用的参数，密集度也是近年来提出来的一个林分空间结构指标，能够反映森林树冠密集程度和林木竞争状况，且它克服了郁闭度指标的理论缺陷[19-20]。这些参数能够合理地表达林木种群及森林群落的空间结构特征。

目前来说，角尺度、混交度、大小比数和密集度4 个空间结构参数构成的参数体系已经成为不可分割的有机整体[6,21]。将4 个空间结构参数联合起来综合分析，才能更好、更客观地反映不同林型的空间结构和功能的特征。在以往的分析中，大部分均以各结构参数分别对林分的空间特征进行描述，虽然有学者利用乘除法[22]等对林分空间结构进行了综合评价，但是没有一个定量化的综合指标来反映环境以及人为因素给林分空间结构带来变化的程度。近年来，有学者利用微观经济学中的柯布-道格拉斯函数构建了以3 个空间结构参数为“投入”与以空间结构评价为“产出”的生产函数，并通过三参数构建的林分空间结构距离（FSSD）定量化综合评价林分空间结构[21]。惠刚盈等[21]加入密集度指标，以4 个空间结构参数构建了一体化表达林分空间结构的综合指数（FSI）。这些指标都是以结构参数对理想空间结构的贡献相等为前提，为说明各参数在空间结构中的作用，张甜等[6]利用熵权法及层次分析法对林分空间结构参数进行加权，提出了一种综合距离评价指标（CDEV）。这些都为定量化描述林分结构和功能提供了综合评价方面的有益借鉴。

大兴安岭地区森林在经历采伐破坏并实施“天然林保护工程”以后，渐渐演变成天然次生林，且以黑桦Betula dahurica、白桦Betula platyphylla及蒙古栎Quercus mongolica等作为主要先锋树种最早出现[24]。次生林相对于原始森林而言，既保持着原始森林的物种构成与生态环境，又与原生林有着明显的不同[25]。在演替的过程中，各种群落的演替逆行与顺进进程不一，各自的结构也千变万化。目前，次生林及其相关干扰对其形成和评价过程的影响研究较少[6]。加格达奇林业局林分类型有常绿针叶、落叶针叶、常绿阔叶、落叶阔叶及混交林5种，林区东部及西部主要以混交林为主，混交林是5 类中覆盖范围最广且面积最大的林分[26]。不同的混交林其优势树种、树种构成比例及林分密度等方面各有不同，其林分类型也不同，具有的林分结构特征也有差别。因此，本研究以加格达奇林业局天然次生混交林为例，探索利用综合分析原理来探明林分空间结构优劣的方法，为该区域混交林生态系统经营提供理论及技术支撑。

1 材料与方法

1.1 研究区概况

试验区设在大兴安岭地区加格达奇林业局跃进林 场（124°14′09″～124°15′54″E，50°27′37.85″～50°28′66″N）和翠峰林场（124°23′48″～124°26′37″E，50°35′48″～50°35′39″N）（图1）。加格达奇林业局地权归内蒙古自治区所有，行政隶属黑龙江省大兴安岭地区管理。该区域为寒温带大陆性季风气候，季节温差大，冬季长且寒冷，夏季短促炎热，全年平均气温-1.3℃，无霜期85～130 d，全年平均降水量约494.8 mm。平均海拔大约559 m，属于低山丘陵带，其主要土壤类型为暗棕森林土壤，其次还有草甸土、沼泽土等，土壤厚度15～25 cm，土壤坡度平均为10°。该区森林是大兴安岭地区较为典型的天然次生林，其树种包括蒙古栎Quercus mongolica、兴安落叶松Larix gmelinii、黑桦Betula dahurica、白桦Betula platyphylla、杨树Populus及数量较少的枫桦Ribbed birch等。林下植被主要有杜香Ledum palustre、胡枝子Lobelia、榛子Corylus chinensis以及铃兰Convallaria majalis等。

图1 研究区域Fig.1 Study site

1.2 样地设置及实地调查

2018年8月，经前期踏查，在加格达奇林业局翠峰林场和跃进林场共设置有代表性的混交林样地共8 块，样地规格为30 m×30 m，样地编号为1～8，调查时，利用盘尺将每块样地划分为6个5 m×30 m的小样方，然后以小样方为调查单元，采用全林实测法，记录样地内单木（胸径≥5 cm）的树种名称、胸径、树高、冠幅以及坐标位置等。调查样地林分的基本特征见表1。其中4 块样地为蒙古栎-黑桦混交林，2 块样地为蒙古栎-白桦混交林，黑桦-落叶松混交林及杨树-白桦混交林样地各1 块。

表1 样地概况†Table 1 General information of sample plots

1.3 研究方法

1.3.1 直径分布

本研究采用正态（Normal）、对数正态（Lognormal）、逻辑斯蒂（Logistic）、伽马（Gamma）、指数（Exponential）、威布尔分布（Weibull）[25]这6 种最为常见的概率密度函数方法（表2）对试验样地内林木胸径分布进行拟合，并对6 种分布模型进行比较，选择出最合适的林木胸径分布模型。以Kolmogorov-Smirnov (K-S) 验证，以AIC和BIC两种信息准则来对比及筛选最优拟合函数。

Kolmogorov-Smirnov (K-S)方法是检验单一数据样本是否符合某一特定分布形式的方法，若P＞0.05，则表示该数据样本服从某一特定分布，即接受该模型[25]；否则，拒绝该模型。赤池信息量准则（Akaike Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）两种信息准则被用来比较及筛选更优分布模型，且BIC 比AIC 更加严格。

表2 6 种连续概率分布的密度函数Table 2 Six continuous density function of probability distribution

式中：p为分布模型中参数个数；n为对象数量；SSEp代表残差平方和。密度函数拟合分布的AIC和BIC 数值越低，则表明其拟合效果越好，两者之差若不超过2，密度函数可以相互代替。

1.3.2 林分空间结构参数

为分析大兴安岭加格达奇林业局天然次生混交林的空间结构特征，本研究采用惠刚盈等[27]提出的以最邻近4 株相邻木构成空间结构单元的分析方法，其包括角尺度（Uniformangle index，Wi）、混交度（Mingling degree，Mi）、大小比数（Neighborhood comparison，Ui）、密集度（Crowding degree，Ci）4 个参数（表3）。

表3 林分空间结构参数†Table 3 Definitions and values for each spatial structure index

角尺度用来研究林木个体在林地上的水平分布格局[13-14,27]，当相邻木j选择2～8株时，标准角分别为120 °、90°、72°、60°、51.43°、45°、40°，因本研究选择4 株相邻木进行计算，选取标准角α0=72°[6]，混交度反映了树种空间隔离程度[15]，大小比数描述林木个体胸径（或树高、冠幅）的大小分化程度[7]，这里通过胸径计算得到，密集度[19-20]是与林木距离有关的空间结构参数，其反映了林木树冠的密集程度及林木个体的生长空间，

通过Winklemass1.0 计算角尺度（W）、混交度（M）、大小比数（U），通过R3.5.3 计算密集度（C），为消除边缘的影响，缓冲区设置为5 m，缓冲区内的林木只作为邻近木进行分析。4个结构参数都是以0.00、0.25、0.50、0.75、1.00为取值等级的，省去了单位统一的换算，为在数学上联合提供了条件，利用Excel 数据透视表统计缓冲区内林木的二元分布、三元分布，并利用Origin 2018 软件绘制分布图。

1.3.3 林分空间结构综合指数

本研究主要选取3 种空间结构综合评价指标（表4）。董灵波等[23]以混交度、角尺度、大小比数3 个林分空间结构参数构建了林分空间结构距离指数（FSSD），能够作为定量描述林分空间结构状态和变化的综合指标。惠刚盈等[21]在FSSD 基础上加入密集度参数，给出了一体化表达林分空间结构的综合指数FSI（表4），且FSI 值越小，林分空间结构越优。张甜等[6]为说明各参数在空间结构中的作用，采用层次分析法确定各空间结构参数的主观权重，利用熵权法确定客观权重，提出了已融合各参数贡献率的林分空间结构综合指数（CDEV）。

CDEV 通过R3.5.3 进行计算，以熵权法-层次分析法确定各参数的综合权重CWi。层次分析法以各参数作为指标构造判断矩阵，以检验系数CR（CI/RI）（CI 为一致性指标，RI 为随机一致性指标）确定判断矩阵是否通过，若通过，则权向量为各指标的主观权重（vi），若不通过，则调整判断矩阵。熵权法用以确定客观权重（wi），因结构参数组成的各指标取值存在零值，在处理之前先进行数据标准化处理，熵值取值愈低，指标反映的信息愈多。最后，由主观权重和客观权重联合得到综合权重CWi。

柴宗政[25]提出用偏好值来描述森林的真实状态和理想状态之间的距离，可以用来反映森林内部的空间结构。其中，Ij为各结构单元指数（参数）值，角尺度和密集度是中间指数，最优值（O）为0.5，优势度为负指数，最优值（O）为0，混交度为正指数，最优值（O）为1。各参数平均优势度（PVi）公式为：

4 个参数之间是相互联系、相互影响的。本研究借鉴非线性加权方法[28]，参考CDEV[6]，探索建立一种更能突出指标影响的加权综合距离评价模型。

表4 综合评价指标†Table 4 Comprehensive assessment indexes

FSI 值在（0,1.5）之间，FSI 愈小，距离最优空间结构愈近，林分空间结构愈优。CDEV 指标的取值范围在（0,1）之间，其值愈大，林分空间结构愈优。

2 结果与分析

2.1 大兴安岭天然次生林林分径阶结构特征

根据典型样地基本特征（表1）可知，大兴安岭天然次生混交林林分平均胸径约为10.27 cm。由图2可知，该地区林分胸径变动范围为5.00～51.70 cm，在林分中林木株数所占的比重最大的是5～17 cm 径阶。随着径级的不断增加，林木数量先增加后减少，小径阶的林木株数多且集中，这有利于次生林林分的更新，而大径阶的林木株数也有少量存在，这对于林分更新非常有利，由此，在未来对该地区的森林经营中，可采用合适的森林抚育以及间伐措施，合理调整林分密度。

图2 直径分布Fig.2 Diameter distribution

以2 cm 为径阶，利用6 种不同的概率密度函数模型对大兴安岭天然次生混交林林分胸径数据进行拟合，拟合参数见表5。

D值表示两个分布之间的最大距离，显著性水平检验P值用于分布决策。通过K-S 检验即P＞0.05 发现，对数正态、伽玛分布及逻辑斯蒂3 个分布模型的拟合效果较好，指数分布被K-S 检验排除，只有样地4 的Weibull 分布通过检验，说明这两个概率密度函数模型的拟合效果差，这与树种组成比较单一有关[29]。通过AIC 及BIC 筛选（表6），对数正态分布的拟合效果最好，其参数分别为2.13～2.36、0.22～0.40（表5），用此模型来拟合大兴安岭天然次生林的直径分布可取得比较好的结果，可以此来预测此地区的林木株数分布。

表6 对数正态分布模型的参数检验Table 6 The parameter test of Lognormal model

2.2 林分结构参数综合评价方法

对林分空间结构的综合评价一般以其各参数平均值来衡量，如林分综合指数FSI、优度系数等。为突出不同结构参数的重要性，有学者通过层次分析法与熵权法联合计算综合权重，并与平均优度系数进行联立，提出了一种与各参数重要性有关的综合评价指标CDEV，该指标对林分空间结构的综合评价提供了一种新的方向，其研究结果表明该指标能有效对不同抚育间伐强度的林分空间结构进行评价。为综合各综合评价参数的优势，更准确地研究不同林分的结构状况，本研究以FSI、指标优度系数（PV）及综合距离评价（CDEV）3 种综合评价指标为基础，探索一种新的综合评价方法，以期为结构调整及森林经营提供一种更为精确的研究方法。

柴宗正[25]提出用指标优度系数来反映林分空间结构参数向理想结构逼近或远离的趋势，已经被许多学者证明是一种有效的评价方法，广泛应用于森林结构健康评价的研究中。本研究计算了不同样地的优度系数（图3），其值越接近1，林分空间结构参数向理想结构点越逼近。总体来看，平均优度系数最高值出现在角尺度指标上，为0.85，平均优势系数最低值出现在混交度指标上，为0.67。从优势度来看，因其值越接近1 结构越优，这代表着各参数雷达图（图3）中阴影面积（SPV）越大，林分空间结构越优，因此，此时的空间结构优劣排序为：样地2（0.804）＞样地7（0.775）＞样地1（0.699）＞样地6（0.696）＞样 地8（0.656）＞样 地3（0.643）＞样 地4（0.594）＞样地5（0.565）。计算FSI，其均值见表7。FSI 在8 个样地中的林分空间结构指数大小排序为：样地4（0.931）＞样地1（0.854）＞样地5（0.854）＞样地2（0.817）＞样地8（0.802）＞样地3（0.764）＞样地6（0.688）＞样地7（0.687）。

图3 不同指标优度系数雷达图Fig.3 Radar chart of preference value of different parameter

由指标平均优度系数及FSI 值排序可以看出，以平均值来衡量林分空间结构参数皆有其合理性和有效性，但其结果却并不完全一致。因此，综合各参数的权重，可能为更精准地评价提供一个新的思路。CDEV 方法的提出正是通过确定各空间结构参数的权重来突出各参数的重要性，且该方法融合了平均优度系数以及各参数权重的优势，具有比较好的评价效果，为今后森林空间结构的综合评价开辟了一条新的途径。但其认为，权重的确定必须反映当地的实际情况，一个地区的结果可能不适合于任何林场。为能确定不同地区的权重情况，经过研究发现，FSI 与各空间的结构参数平均值有很大联系。4 个空间结构参数的排序相似却又有不同，由此可得，不同指数对FSI 的影响程度不同。这为不同地区的权重系数确定提供了思路。通过皮尔逊相关系数确定FSI 与各参数平均值的相关性（表7），研究发现，与FSI相关性最高，其P＜0.01，且呈极显著负相关，其次为角尺度及密集度，呈显著负相关关系（P＜0.05），因此可确定层次分析法的各参数的重要性，大小排序为混交度＞角尺度≥密集度＞大小比数，为建立与权重有关的综合指数奠定基础。

表7 FSI 平均值与各参数平均值的相关性检验Table 7 Result and consistency test of the data layer

本研究采用CDEV指标综合权重的建立方法，并依据FSI 指标确定了各参数的重要性排序，此方法能更加准确地了解研究林分各参数的重要性，并较好地解决了用层次分析法确定的权重的主观性强问题，有利于提高空间结构评价的准确性。

通过R 3.5.3 计算特征值和特征向量，并进行一致性检验，其中Wa、Ua、Ma、Ca 分别代表与层次分析法有关的角尺度、混交度、大小比数、密集度（表8）。最大特征值是4.25，以CI 及CR来判断是否调整判断矩阵，因CR＜0.1，所以不需要再调整判断矩阵。熵权法是用来计算各参数指标的客观权重，结合林分实际情况构建了指标优度系数综合分析方法CAPV。

式中：CWi为各结构参数的综合权重；PVi为各参数平均优势度。CAPV 值介于（0,1）之间。

表8 一致性检验及权重Table 8 Result and consistency test of the data layer

2.3 林分空间结构综合评价

计算的CDEV（以张甜等确定的综合权重计算）排序为：2（0.606）＞7（0.587）＞1（0.564）＞3（0.561）＞6（0.558）＞8（0.550）＞4（0.542）＞5（0.522）（表9）。综合来看，4 号和5 号样地的评价最低，CAPV 认为其评价指标值相差0.002，近似度较CDEV 要高，具体分析两者空间结构情况（图4～7）。5 号样地以随机分布林木最多（≥67%），劣势木占其林木比例达26%，48%的个体处于弱度混交以下状态，极强度混交者仅占7%，是8 块样地中最少的，且林冠非常密集的占51%，林冠比较稀疏的占24%；4 号样地中，有42%的林木处于均匀分布状态，随机分布状态者仅占39%，是8 种林型中最低的，劣势木占比为24%，优势木仅占12%，是8 块样地中最少的，其零度混交者占比达36%，混交度情况最差，其林冠非常密集的占比为36%，比较稀疏的占比30%。由此可见，以上两种林分的空间结构相对而言最差，因此应重点关注并及时调整。从最优空间结构来看，7 号样地空间结构有59%以上林木居于随机分布格局，亚优势以上林木占比达43%，中庸以上状态林木占比约为54%，混交度是所有样地中最好的，其树种组成为4 蒙古栎3黑桦1 白桦1 杨树，且林冠密集程度比较密集。2号样地随机分布者约占65%，均匀分布林木占比较7 号样地高8%，亚优势以上林木占比30%，较7 号样地低，且亚劣势以下状态者占比48%，高于7 号样地（46%），绝对劣势木占比较7 号样地高3%。从混交度来看，2 号样地混交程度明显劣于7号样地，但其位于比较密集等级（C=0.750）的分布情况较7 号样地好，但其中等密集及比较稀疏的个体占比（30%）却高于7 号样地（19%）。由图8可知，对不同样地（林型）评价指标进行比较，其结果与CAPV 值排序更为接近，因此，CAPV突出了混交度对混交林林分空间结构的影响程度，其针对不同地区的各结构参数重要性关系确定参数权重，评价效果较好。

表9 综合评价结果Table 9 Result and consistency test of the data layer

综合分析，CAPV 值结合了优势度以及实地权重信息，这对林分空间结构的综合评价有一定影响。CAPV 值在（0.588,0.678）之间，数值相差不大（表9），指标的最大值在样地7 即蒙古栎-黑桦混交林Ⅳ林型，其密度为1 400 株/hm2；最小值在样地5 即蒙古栎-白桦混交林Ⅱ林型，其密度为2 022 株/hm2。CAPV 值总排序为：7（0.678）＞2（0.664）＞6（0.638）＞1（0.619）＞8（0.611）＞3（0.605）＞4（0.590）＞5（0.588）（表9）。相对来看，树种比例为4 蒙古栎3 黑桦1 白桦1 杨树、密度为1 400 株/hm2的空间结构最优，林分平均混交度值也最高（图6），这说明研究区天然次生混交林林分空间结构优劣程度主要与混交有关。

2.4 全部林分空间结构参数的二元及三元分布特征

图4 不同样地的角尺度参数频率分布及均值Fig.4 The frequency distribution and mean value of W under different sample plots

图5 不同样地的大小比数参数频率分布及均值Fig.5 The frequency distribution and mean value of U under different sample plots

图6 不同样地的混交度参数频率分布及均值Fig.6 The frequency distribution and mean value of M under different sample plots

图7 不同样地的密集度参数频率分布及均值Fig.7 The frequency distribution and mean value of C under different sample plots

图8 不同评价指标雷达图Fig.8 Radar chart of different evaluation indicators

空间结构参数二元分布能从两个不同的方面描述不同状态林木的结构特征，进一步细化了它们所在空间结构单元的微环境[6,30]。三元分布丰富了变量分布的形式和数量，提供了更多的林分结构信息[31]。为更精准了解加格达奇林业局天然混交林林分空间结构情况，以各参数作为随机变量构建联合概率分布即二元分布（图9）、三元分布（图10）。

图9 二元分布Fig.9 Bivariate distribution

图10 三元分布Fig.10 Trivariate distribution

在加格达奇林业局天然混交次生林中，相同大小比数等级的林木有53.03%以上处在随机分布的空间格局；而相同分布格局的林木大都以近20%的比例处在5 种不同优劣等级，除此之外，仍有1.7%的林木个体属于非常不均匀分布的绝对劣势木，此项可作为预备采伐木（图9a）。处在随机分布格局且混交良好的林木最常见（36.32%），仍有1.2%的林木个体属于四周非常不均匀分布的4 种相同种相邻木，也可作为预备采伐木（图9b）。相同密集度等级上林木大多处在随机分布的空间格局，林分中作为保留得很密集、比较密集且随机分布的林木分别有21.07%、15.25%，有2.2%的林木非常不均匀分布且林冠非常密集，不利于林木生长，也可作为备选采伐木（图9c）。55.07%以上相同大小比数等级林木混交不错；5 种混交等级上不同优势木都有分布，且差异不大，有2.7%的林木个体为周围都是同种木的绝对劣势木，可作为备选采伐木（图9d）。53.93%以上相同大小比数等级林木树冠比较密集；U=0.00 且C=1.00的占林木总株数比例最高，为8.96%，从U=0.00、C=1.00 到U=1.00、C=0.00 占总株数的比例呈现递减的趋势，5.6%的林木个体为林冠非常密集的绝对劣势木（图9e）。C-M 与C-U 情况相似，其中56.05%以上相同混交等级的林木树冠比较密集；林分内林木大多很密集地与2 株不同树种相邻木相伴而生，但仍有15%以上的林木处在零度混交状态，6.8%的林木个体其空间结构单元为四周同种相邻木且林冠非常密集（图9f）。

同样，将3 种结构参数进行联立，划分了125种不同结构组合的相对频率分布情况（图10），每种情况代表在此空间结构单元的林木个体频率数。由此可见，4.83%的林木为林冠很密集且随机分布的优势木，是三元分布最优的结构组合之一，此外，0.7%的林木为林冠非常密集且非常不均匀分布的绝对劣势木，可作为预备采伐木（图10a）。林木为优势木且四周随机分布有4 种不同种木的占比最高，为5.33%；在相同分布格局（W=0.50 除外）和胸径优劣等级上，林木在不同混交等级皆有分布且频率比例相当，占总数0.2%的林木为零度混交且非常不均匀分布的绝对劣势木，可作为预备采伐木（图10b）。混交良好、随机分布且比较密集的林木占总数的21.79%；四周很密集地随机分布有3～4 种不同树种相邻木的林木占比14.04%，没有此三种结构均最差的林木即零度混交且林冠非常密集的绝对劣势木（图10c）。在M-U-C 三元分布（图10d）中，每种情况的分布都有且比较平均，以四周很密集地分布有4 种伴生树种的优势木为最多，仅占林木总株数的3.15%，占总数0.5%的林木为零度混交且林冠非常密集的绝对劣势木，可作为预备采伐木。

3 结论与讨论

林分结构对森林功能的发展起着决定作用。而天然次生林因其林分密度大，且容易过度郁闭，只靠林木的自然稀疏，其生长速度非常慢，结构也不合理，对森林的生长不利[32]。本研究调查林分主要包括黑桦、柞树、白桦、杨树、落叶松等5种树种，且落叶松占比不高。蒙古栎、黑桦等落叶树种大多为先锋树种，而落叶松作为大兴安岭地区的顶级优势种刚刚开始在该区出现，森林仍然处在演替过程中。在林分直径结构中，小径阶的林木比较多且分布集中，随着径阶的不断增大，林木的比例先增多后减少。对数正态分布模型更能体现研究区域的林木直径结构状况。

林分空间结构距离指标FSI 及平均优度系数指标能够有效评价林分空间结构的优劣，但其评价结果存在一定的差异，为明确各参数对于空间结构的影响力度，以FSI 与各参数进行相关性对比，确定了混交林林分空间结构各因子的重要性排序：混交度＞角尺度≥密集度＞大小比数，并基于综合距离方法CDEV 建立一种新的综合评价方法即CAPV。不同林型林分空间结构指数CAPV 大小排序为：蒙古栎-黑桦混交林7（0.678）＞蒙古栎-白桦混交林2（0.664）＞蒙古栎-黑桦混交林6（0.638）＞蒙古栎-黑桦混交林1（0.619）＞蒙古栎-黑桦混交林8（0.611）＞黑桦-落叶松混交林3（0.605）＞杨树-白桦混交林4（0.590）＞蒙古栎-白桦混交林5（0.588），通过与CDEV 方法对比，认为CAPV 对该地区的空间结构评价效果较好，7 号样地即蒙古栎-黑桦混交林林分空间结构最优，林分密度为1 400 株/hm2，其树种组成为4 蒙古栎3 黑桦1 白桦1 杨树，混交程度也最高（46%的林木个体混交良好），即混交度高的林型其空间结构更优，这与前人的研究成果一致。综合来看，蒙古栎-黑桦混交林的空间结构是最优的，不同优劣程度的蒙古栎-黑桦混交林其林分密度分别为1 400、1 489、1 433、1 944 株/hm2，由此可见，以林分密度为1 400 株/hm2的林分空间结构相对最优。

对于混交度差的林型可以考虑在后期进行抚育间伐，合理增加混交程度，使林分空间结构更优。天然次生林在演替的过程中趋向稳定状态发展，但同时也产生了许多低质林，需要合理经营。任何对森林的人为干扰比如择伐都会对林分空间结构产生影响[33]，适宜的采伐强度对林分空间结构的调整及优化非常重要[6,32-34]。刘帅[7]、董灵波等[11]、向博文等[35]通过不同方法研究并确定不同林型的最优采伐木来优化空间结构。不同地区、不同林分类型等的林分空间结构都会存在较大的差异，林分空间结构二元及三元分布特征能更准确地提供林木微环境信息，且更为直观可视化，为明确单木空间结构单元的细化调整措施以及确定采伐木空间位置提供了参考。本文研究区域树种比较单一，除合理间伐外，通过后期抚育等具体的经营措施来调整树种比例，促进天然林更新也刻不容缓[36]。

林分空间结构研究越来越向着综合评价的方向发展，然而森林结构非常复杂，本文中探索建立的综合评价方法CAPV 虽对空间结构有一定的评价效果，但因其只是针对加格达奇地区天然混交林进行研究，对于其他地区的研究效果尚不明确，且因研究地区数据调查较为困难，数据量也有待加大[37]。本研究中样地的起测径阶为5 cm，未考虑径阶在5 cm 以下的树木，在后续研究中可以进一步拓展研究范围，进行全样地所有径阶树木每木检尺，研究不同林型林分结构分布。除此之外，对于后续应用及改进方面还有待于深入研究，将通过抚育间伐合理调整林分密度，并通过间伐前后对比研究及应用到不同地区等进一步优化模型，以期为更准确地评价森林空间结构提供参考。