林业科学杂志

林业科学杂志2019年第11期

• 我国人工杨树生物量建模和生产力分析

  曾伟生,陈新云,杨学云

  目的: 建立人工杨树生物量模型，分析生产力与气候因子间的关系，为提升我国森林质量提供参考。方法: 基于在全国15个省（区、市）采集的450株人工杨树样木实测地上生物量和147株地下生物量数据，综合利用哑变量建模方法和误差变量联立方程组方法，建立一元和二元立木生物量联立方程组；基于样木胸径、树高和年龄的成对数据，建立与气候因子相关的单木生长模型。根据胸径和树高单木生长模型及二元立木生物量方程，分析气候因子对人工杨树单木生产力的影响。利用全国森林资源连续清查人工杨树林样地调查数据，计算每个样地的生物量和生产力，建立人工杨树林生产力与气候因子间的相关模型，进一步验证气候因子对生产力的影响。结果: 本研究建立的一元和二元人工杨树地上生物量方程，确定系数（R2）在0.90以上，平均预估误差（MPE）在5%以内；地下生物量方程的R2在0.83以上，MPE在10%以内；含气候因子的胸径和树高单木生长模型，R2均在0.70以上，MPE分别在5%和3%以内。人工杨树的胸径、树高生长均与年均气温显著相关，林木年龄为20年，年均气温20℃时的胸径、树高和总生物量分别是年均气温0℃时的2.4、2.4和9.5倍。连清样地数据验证结果表明，年均气温提高10℃，人工杨树林的平均生产力可以提高2.5 t·hm-2a-1；年均气温20℃时的人工杨树林，其平均生产力达到年均气温0℃时的7倍以上，与所建单木生长模型的可比推算结果完全一致。结论: 本研究建立的人工杨树立木地上和地下生物量方程及其相容的生物量转换因子和根茎比模型，达到相关技术规定的预估精度要求，可以推广应用；温度是影响人工杨树生产力的重要因素，随着年均气温升高，人工杨树生产力也相应提高。

• 天山中部雪岭云杉林多功能权衡与协同关系

  兰洁1,雷相东1,3,张毓涛2,*

  目的: 分析森林供给（生产力）、调节（固碳释氧和涵养水源）、支持（生物多样性）功能间的权衡和协同性，为森林多功能经营提供理论依据。方法: 以新疆天山中部雪岭云杉林为研究对象，基于42块样地调查数据和板房沟林场森林资源二类调查1 170个小班数据，采用随机森林法对小班生产力、固碳释氧、涵养水源和生物多样性进行预测，分析林分4种功能间及平均林龄、平均树高、平均胸径、郁闭度、坡度、海拔、植被盖度和蓄积量8个林分因子与功能的关联特征。结果: 对生产力、涵养水源、固碳释氧、生物多样性影响较大的因子有林分平均胸径、蓄积量、植被盖度、平均年龄和郁闭度。林分平均年龄、平均树高、平均胸径、郁闭度、蓄积量与生产力、涵养水源、固碳释氧、生物多样性和综合功能间呈正相关，相关系数为0.225~0.917（P < 0.01）；坡度与涵养水源、固碳释氧和生物多样性间呈正相关，相关系数为0.167~0.393（P < 0.01）；海拔与生产力、涵养水源和综合功能间呈负相关，相关系数为-0.264~-0.143（P < 0.01）；植被盖度与涵养水源和生物多样性间存在正相关关系，相关系数分别为0.237和0.081（P < 0.01）。生产力、涵养水源、固碳释氧、生物多样性4种功能均存在不同程度正相关关系，相关系数为0.228~0.645（P < 0.01），其中生物多样性与固碳释氧间相关程度最高；林分功能间均呈协同关系。结论: 雪岭云杉林生产力、涵养水源、固碳释氧、生物多样性4种功能间呈协同关系，通过合理的森林经营可实现多种功能的协调。

• 永安市半天然马尾松阔叶混交林的树种组成与多样性

  王金池1,2,黄清麟1,2,*,马志波1,2,黄如楚3,郑群瑞4

  目的: 揭示半天然马尾松阔叶混交林特别是其中天然更新阔叶林木的树种组成与多样性特征，为该类型林分的经营利用提供科学依据。方法: 在福建省永安市岭头村半天然马尾松阔叶混交林中设置1块50 m×160 m样地，将样地划分为80个10 m×10 m样方，对样方乔木层和灌木层进行每木调查，在样地内设置128个2 m×2 m草本层小样方进行草本植物调查。采用最大受光面法将乔木层划分为第Ⅰ亚层（受光层）和第Ⅱ亚层（非受光层），运用重要值及常用生物多样性指标分析乔木层（包括第Ⅰ亚层和第Ⅱ亚层）和灌木层的树种组成与多样性。结果: 乔木层、灌木层、草本层的物种丰富度分别为47、109和56；乔木层的Shannon-Wiener指数、均匀度和生态优势度分别为2.93、0.53和0.26；乔木层密度为2 686株·hm-2，其中灌木树种仅有9种，密度为28株·hm-2，总重要值为1.58%；乔木层所有树种中，重要值排前5位的为马尾松（37.87%）、杉木（16.85%）、拟赤杨（10.40%）、檫木（7.01%）和木荷（4.91%）；最大受光面的高度为12.6 m；第Ⅰ亚层的物种丰富度、Shannon-Wiener指数、均匀度和生态优势度分别为23、1.80、0.40和0.47，第Ⅰ亚层所有树种中，重要值排前5位的为马尾松（55.49%）、拟赤杨（13.38%）、檫木（10.69%）、杉木（9.04%）和丝栗栲（2.00%）；第Ⅱ亚层的物种丰富度、Shannon-Wiener指数、均匀度和生态优势度分别为45、3.17、0.77和0.23，重要值排前5位的为杉木（38.84%）、拟赤杨（10.73%）、木荷（9.21%）、赛山梅（8.29%）和丝栗栲（4.26%）；灌木层的Shannon-Wiener指数、均匀度和生态优势度分别为4.44、0.65和0.08，层内林木密度高达9 651株·hm-2，其中灌木树种的密度仅为3 143株·hm-2、重要值仅占28.23%，层内所有树种中，重要值排前5位的为杉木（15.47%）、赛山梅（11.10%）、细枝柃（7.84%）、丝栗栲（5.75%）和拟赤杨（5.61%）；草本层中草本植物株数占比为37.90%。结论: 半天然马尾松阔叶混交林已形成多树种混交的复层异龄林结构，乔木层、灌木层和草本层均具有较高的物种丰富度。人工马尾松是乔木层的优势种，天然更新的阔叶树以拟赤杨、檫木、木荷和赛山梅等为主，层内阔叶树的树种组成与多样性已接近相近年龄的人促阔叶林。第Ⅰ、Ⅱ亚层物种丰富度分别为23和45，第Ⅰ亚层中马尾松占据绝对优势，第Ⅱ亚层中杉木的重要值最大。灌木层内大多为乔木幼树，草本层中草本植物较少。

• 基于混合效应模型和零膨胀模型方法的蒙古栎林分水平枯损模型

  李春明1,赵丽芳2,李利学3

  目的: 基于混合效应模型和零膨胀模型方法构建林分水平枯损模型，为选择科学的经营措施提供理论依据。方法: 以吉林省1994年设置的295块蒙古栎固定样地为数据源，236块样地作为模拟数据，59块样地作为验证数据。构建基于林分因子、立地因子和气象因子的蒙古栎林分水平枯损模型，其基本形式包括泊松分布和负二项分布。考虑样地中存在大量零值问题，在基础模型上加入零膨胀和零改变模型。为解决模型的嵌套和纵向数据问题，在构建模型时考虑样地的随机效应，选择验证数据进行精度验证。结果: 样地断面积、株数和最暖月平均气温是枯损概率和数量最重要的影响因子；考虑样地随机效应后，可明显提高模型模拟精度；负二项分布模型因考虑数据过度离散问题，模拟精度高于泊松分布。结论: 同时考虑随机效应和零膨胀的负二项分布模型，其模拟效果最好。

• 气候变化情景下基于潜在NPP的河北省华北落叶松生长适宜性

  吕振刚1,2,李文博2,黄选瑞2,张志东2,*

  目的: 模拟华北落叶松当前及未来气候变化情景下的潜在NPP，并以此为基础评价其生长适宜性，为评估气候变化对华北落叶松林的影响和精准提升森林质量提供理论依据。方法: 基于河北省森林资源二类调查数据和2001-2010年累年平均NDVI数据，采用Climate AP气候模型生成当前及未来（2040-2069年和2070-2099年）时期的气候数据，利用CASA模型计算华北落叶松当前及未来气候变化情景下的潜在NPP，以此为基础分析其生长适宜性，并运用Pearson相关分析法在像元尺度上分析气温和降水变化对潜在NPP的影响。结果: 河北省华北落叶松当前潜在NPP均值为342.7 gC·m-2a-1，其生长适宜性较低的区域主要集中在平原和西北部高海拔地区，占研究区总面积的80%以上，生长适宜性较高的区域主要集中在亚高山地带，占研究区总面积的比例低于20%；2040-2069年的年均潜在NPP上升为392.9 gC·m-2a-1，总体生长适宜性明显提高，中适宜生长区面积大规模扩大至59.4%；2070-2099年的年均潜在NPP略微下降为375.1 gC·m-2a-1，总体生长适宜性下滑，生长适宜性较高区域面积明显缩小；河北省华北落叶松潜在NPP主要受降水量影响，大部分区域华北落叶松的潜在NPP与降水量显著正相关（P < 0.05），当前的降水条件限制华北落叶松的生产力。结论: 随着气候变化，河北省华北落叶松生长适宜性将发生显著变化，变化主要发生在低适宜生长区和中适宜生长区，总体适宜性将提高。在华北落叶松当前及未来生长适宜性均较高的地区适当扩大其营造面积，有利于防范气候变化的不利影响。。

• 基于自适应神经模糊系统的杉木冠幅估算方法

  李永亮,张怀清*,杨廷栋,马载阳,李思佳,沈康

  目的: 基于相邻木特征与对象木冠幅间的复杂关系，提出一种基于自适应神经模糊系统的冠幅估算方法，以提高林木冠幅智能化估算水平。方法: 以杉木为研究对象，根据相邻木相对对象木的距离和方位，采用象限补树法构建空间结构单元。测定100组4方向冠幅、距离和方位角，提出相邻木冠幅、距对象木距离2个自变量的计算方法，以对象木冠幅与相邻木冠幅的比值作为因变量。根据样本数据，分析变量间非线性映射关系，建立25条模糊逻辑推理规则，设计以2个自变量为输入、1个因变量为输出的零阶Takagi-Sugeno模型，以70组数据训练自适应神经模糊系统，以30组数据检验系统冠幅估算效果，并与多元线性回归法和BP神经网络法进行对比。结果: 3种方法冠幅估算值与真实值的线性关系均达显著水平，经检验，本研究方法、BP神经网络法和多元线性回归法的判定系数分别为0.71、0.67和0.66。结论: 基于自适应神经模糊系统的冠幅估算方法可在自变量不含对象木属性特征的情况下，根据空间结构单元内相邻木特征，直接实现对象木冠幅的智能化估算。

• 基于模拟退火算法逆转搜索的森林空间经营规划

  孙云霞1,刘兆刚1,2,董灵波1,2,*

  目的: 研究逆转搜索策略对模拟退火算法性能的提升作用，为复杂森林经营规划问题的优化求解提供技术支撑。方法: 以大兴安岭塔河林业局盘古林场森林空间收获安排问题为例，以模拟退火算法1-邻域和2-邻域技术为基础构建逆转搜索过程，并将其应用于具体的森林经营规划实践。规划模型以10年规划期内的木材均衡收获为目标函数，根据经营措施选用不同空间约束形式，对抚育措施采用面积限制模型，对皆伐措施采用单位限制模型，2种模型均满足3年的绿量约束期。结果: 对于最小化森林经营规划问题而言，逆转搜索中不同邻域间的交互次数对规划结果影响不显著，但其平均目标函数值均显著低于传统模拟退火算法1-邻域（P < 0.01）和2-邻域（P < 0.01），而算法优化时间分别比1-邻域和2-邻域增加约5和2倍，逆转搜索策略具有显著的优越性能和广泛的应用前景；最优森林经营方案表明，整个规划期（10年）内预计可收获木材约5.00×105 m3，其中抚育出材量3.12×105 m3，抚育林分面积占林场总面积的10.94%，皆伐出材量1.88×105 m3，皆伐林分面积占林场总面积的1.02%，该方案能够满足森林可持续经营的目标。结论: 逆转搜索是一种高效、稳定的优化求解技术，能够满足复杂森林经营规划问题的需要，可为森林经营方案的编制提供技术支撑。

• 林分年龄、造林密度和林分自然稀疏对杉木人工林个体大小分化和生产力关系的影响

  杨桂娟1,胡海帆2,孙洪刚2,*,张建国1,段爱国1

  目的: 研究林分生长过程中个体大小分化规律以及个体分化对林分生产力的影响，为通过培育措施调整改变林分内个体大小分化进而提高林分生产力提供理论依据。方法: 基于5种造林密度（2.0 m×3.0 m、2.0 m×1.5 m、2.0 m×1.0 m、1.0 m×1.5 m和1.0 m×1.0 m）的26年生杉木密度试验林定位观测数据，采用广义线性混合模型研究林分年龄、造林密度和林分自然稀疏对林分个体大小分化的影响以及个体分化与林分生产力的数量关系。结果: Gini系数（个体大小分化）随林分年龄和造林密度增加而增大，林分发生自然稀疏时Gini系数降低，但在林分自然稀疏进程中林分内个体大小分化程度再次增大。造林密度越大，林分生产力越高；林分发生自然稀疏时林分生产力下降，但自然稀疏后生产力增加速度大于自然稀疏前；林分生产力与个体大小分化呈负相关。结论: 随林分年龄和造林密度增加，个体间分化程度增大，林分生产力增加；发生林分自然稀疏时，个体间分化程度降低，林分生产力下降；在随后的林分生长进程中，个体间分化程度不断增大，林分生产力也继续提高。林分自然稀疏可改变林分种内竞争强度，进而改变个体分化和生产力之间关系的轨迹。

• 基于空间聚类的杉木生长预测方法

  张英凯1,刘鹏举1,*,刘长春1,任怡2

  目的: 基于空间聚类对杉木分布区进行分组，在不同组内分别建立杉木生长模型，为适用于全国范围的杉木生长高精度预测提供方法。方法: 以杉木分布的16个省区为研究区，基于第七次、第八次全国森林资源连续清查杉木固定样地复测数据和研究区的地形、土壤、气象等环境数据，采用随机森林-递归特征消除（RF-RFE）算法对影响杉木生长的环境因子进行分析。选择对杉木生长影响较大的前8个环境因子，利用ArcGIS 10.2的分组分析功能，根据环境相似性对杉木分布区进行分组，分别建立林分分组和未分组蓄积生长率模型。以全国未分组模型作为参考，采用决定系数（R2）、均方根误差（RMSE）、平均相对误差（MRE）、系统误差（SE）和剩余标准差（S）对建模结果进行分析。结果: 对杉木生长影响较大的前8个环境因子分别为bio4（温度季节变化标准差）、elevation（海拔）、bio3（等温性）、bio8（最湿季度平均温）、bio1（年均温）、bio14（最干月降水量）、bio12（年均降水量）和bio2（昼夜温差月均值）。将研究区划分为7组时可使组内环境相似性最大、组间环境相似性最小。7组中只有4组有杉木样地数据，在4组中采用2种模型分别建立杉木林分生长率模型，与全国未分组模型相比，分组模型的决定系数提高0.1左右，拟合度更好；分组建模精度也明显提高，RMSE降低0.5左右，MRE降低6%左右，SE降低3%左右，S降低1左右。结论: 根据环境相似性对研究区分组并在此基础上建立生长模型是一种适用于全国范围杉木生长的高精度预测方法，可用于全国区域范围杉木林分生长量的整体预估和森林资源小班数据的模型更新，为实现主要人工林树种的大区域生长预测提供新的方法。

• 幼龄降香黄檀冠层叶片全磷含量的无损估计

  陈珠琳1,王雪峰1,*,管青军2

  目的: 以树木图像为数据源，采用图像理解方法估算幼龄降香黄檀单位质量叶片的全磷含量，为林农在施肥时间与数量方面经营该树种提供参考。方法: 首先提出从图像中分割降香黄檀树木冠层的算法；然后构建用于估计叶片全磷含量的统计模型形式和有效图像参数；最后采用混合模型方法，引入随机效应，建立以图像参数为自变量的植物叶片全磷含量预测模型，实现基于图像的叶片全磷含量预测。结果: 由于森林图像的自然属性，林木分类提取成为图像处理中的难点问题，利用林木前景与背景存在颜色差异这一特性，提出简洁的绿率树冠图像提取方法，通过大量图像测试，获知当绿率取0.35~0.42时，能够有效屏蔽背景保留树冠；进一步组合分析图像参数构建养分含量计算模型，确定将标准化灰度值作为指数并用暖距进行调整的二元叶片全磷含量预测模型，该模型能够实现对树冠叶片单位质量全磷含量的较高精度估算；同时，在模型参数估计时引入随机效应，对于各地区土壤条件等存在差异的降香黄檀全磷含量预测表现出较好适应性。结论: 对于与背景存在一定差异的林木图像，绿率是一种很好的树冠图像分割提取方法；在全磷含量预测模型中，双图像参数模型能够有效提高估计精度；对于各地区土壤或环境等存在差异的降香黄檀冠层叶片全磷含量预测，混合效应模型有效融合差异到一个模型中，表现出强大的适应性。

• 塞罕坝华北落叶松人工林间伐和混交改造对大型土壤动物群落结构的影响

  扈梦梅1,田龙1,吴亚楠1,杨晋宇1,2,3,*,吕小翠1,黄选瑞1,2,3

  目的: 比较研究塞罕坝地区华北落叶松人工林间伐和混交改造对大型土壤动物群落组成和多样性的影响，为实现华北落叶松人工林质量精准提升和可持续利用提供理论依据和技术支撑。方法: 以塞罕坝机械林场未经营的华北落叶松人工林（CK）、抚育间伐后的华北落叶松人工林（TH）和引入阔叶树的华北落叶松白桦混交林（M）为对象，于2014年5-9月，利用手拣法调查大型土壤动物群落，研究不同经营措施林分内土壤动物的结构组成、空间分布、多样性和功能群组成的差异及其影响因素。结果: 共获得大型土壤动物55类1 405头，隶属2门4纲12目，优势类群为正蚓目、叶甲科幼虫、象甲科幼虫。总体上，经间伐和混交改造后华北落叶松人工林内大型土壤动物的类群数显著高于未经营的对照林分（P < 0.05），TH内土壤动物密度亦显著高于CK（P < 0.05）。不同经营措施林分大型土壤动物类群数均表现为沿土壤剖面位置上升逐渐增加的趋势，且M和TH凋落物层土壤动物类群数及0~10 cm土层土壤动物密度显著高于CK（P < 0.05）。间伐和混交改造后，土壤动物群落各多样性指数均有提高，其中M的Shannon-Wiener多样性指数（H）显著高于CK（P < 0.05）。各功能群中，植食性土壤动物所占比例（47.19%）最高，其次为腐食性土壤动物（33.31%）；捕食性（19类）和植食性（18类）土壤动物的类群数居多；多因素方差分析显示，经营措施、土层和时间均对大型土壤动物功能群组成和结构影响显著（P < 0.05），其中间伐和混交改造均可显著提高植食性土壤动物的类群数。冗余度分析（RDA）显示，凋落物全碳含量（P=0.03）和C/N（P=0.08）对凋落物层大型土壤动物分布影响显著；而土壤含水量（P=0.008）、pH（P=0.012）和土壤密度（P=0.062）对土壤层大型土壤动物分布影响显著。结论: 塞罕坝华北落叶松人工林经间伐和混交改造后，林分结构和微环境的改善可提高大型土壤动物的种类、数量和多样性水平，尤其是部分功能群种类增加可能更有利于凋落物早期的粉碎和分解。

• 广东省木荷碳密度及其不确定性估计

  何潇1,雷渊才1,薛春泉2,徐期瑚2,李海奎1,*,曹磊1

  目的: 基于实测的广东省木荷地上和地下生物量数据及加权平均含碳率，建立单木地上、地下生物量模型，获得区域尺度木荷碳密度及其估计误差，为其他树种的区域尺度碳汇估计提供参考。方法: 参考广东省木荷分布数据，选择并伐倒90株木荷测定地上部分的含碳率和生物量，并从中抽取40株木荷测定地下部分的含碳率和生物量。分地上、地下部分构建生物量随胸径变化的异速模型，利用非线性回归拟合模型参数。基于广东省第八次森林资源连续清查数据，使用Monte Carlo模拟法分地上、地下部分估计区域尺度上木荷的碳密度。采用决定系数、均方根误差和平均预估误差评价单木生物量模型拟合效果，通过均方根误差和相对均方根误差度量区域碳密度估测的不确定性。结果: 广东省木荷地上部分含碳率为0.554 9，地下部分含碳率为0.548 7；建立的单木地上和地下生物量模型的决定系数分别为0.909 8和0.793 1，表明木荷单木生物量模型具有良好的拟合优度和预估精度；广东省第八次森林资源清查时的木荷地上碳密度为5.80±0.44 t·hm-2，不确定性占比7.62%，地下碳密度为1.73±0.17 t·hm-2，不确定性占比9.76%，总碳密度为7.53±0.54 t·hm-2，不确定性占比7.23%。结论: 广东省木荷地上和地下部分含碳率均大于南方地区的平均水平，有明显的地域特征。使用Monte Carlo方法可得到稳定可靠的区域尺度的碳密度，并可量化广东省木荷碳密度估计的不确定性。

• 吉林蛟河针阔混交林乔木幼苗存活对密度和生境的响应

  孟令君,张春雨,姚杰,赵秀海*

  目的: 探究密度制约和生境过滤在群落、龄级和物种3个水平对幼苗存活的影响及相对重要性，为温带森林幼苗更新与物种多样性维持机制研究提供理论依据。方法: 基于对吉林蛟河针阔混交林209个幼苗监测样站连续3年（2016-2018）的动态监测及光照和土壤条件的测定，运用广义线性混合模型划分零模型、生物模型、生境模型和全模型4个模型，在群落、龄级和物种3个水平分析影响幼苗存活的因素及其相对重要性。结果: 2016-2018年累计调查到乔木幼苗共计3 970株，分属19种10科13属，其中重要值排名前5位的幼苗树种是水曲柳、紫椴、色木槭、红松和东北枫；至调查结束时（2018年9月），幼苗死亡数量共计2 644株，存活率为33.4%；在群落水平上，幼苗存活率与异种幼苗邻体个体数、土壤有效钾和全磷含量均显著正相关（P < 0.05）；在龄级水平上，不同年龄幼苗个体的存活对生物邻体和非生物环境因素的响应存在差异，当年生幼苗存活率与同种幼苗邻体密度和异种幼苗邻体密度均显著正相关（P < 0.05；P < 0.01），且与异种大树邻体胸高断面积之和显著负相关（P < 0.05），多年生幼苗存活率与生物邻体变量无显著相关性，而与土壤有效钾和全磷含量等非生物环境因素显著正相关（P < 0.05）；在物种水平上，幼苗个体存活的影响因素表现出种间差异，水曲柳幼苗存活率与异种幼苗邻体个体数显著正相关（P < 0.05），色木槭的幼苗存活率与同种大树邻体胸高断面积之和显著负相关（P < 0.05），紫椴幼苗在土壤有效钾含量较高的生境中存活率更高，而红松幼苗偏好有效氮和有效磷含量较低的土壤环境。结论: 密度制约和生境过滤共同影响乔木幼苗存活，但其相对重要性随年龄和树种而变化。当年生幼苗存活主要受邻体的影响，而生境因素对多年生幼苗存活影响更显著。密度制约效应在吉林蛟河针阔混交林群落中得到验证，与土壤养分条件相关联的生境过滤作用对幼苗存活影响显著。在林分更新过程中需综合考虑幼苗个体存活影响因素的种间和龄级差异，在主要树种育苗及林下补植中需结合考虑不同树种偏好的生境因素进行适当管理。

• 浙江省毛竹竹秆生物量模型

  沈钱勇,汤孟平*

  目的: 通过样地实测获取毛竹竹秆生物量数据，研建基于不同变量的生物量模型并作比较分析，确定适宜的预测变量及模型，以精准估计毛竹竹秆生物量，为浙江省毛竹林立地质量评价和高效培育提供依据。方法: 从浙江省东、南、西、北、中不同区域选择10个县市采伐216株样竹，并进行样竹测量。引入胸径（D）、竹龄（A）和胸高竹节长（L）变量，利用全部样本信息，基于3个不同异速生长方程拟合竹秆生物量模型。采用似然估计法判定误差结构，确定模型拟合方法。通过3个模型的拟合优度及预估精度的比较分析，确定适用于浙江省的毛竹竹秆生物量模型。结果: 竹秆含水率逐年下降，Ⅴ度竹的平均含水率较Ⅰ度竹低24%；竹秆生物量占地上部分生物量比重逐年增加，且Ⅴ度竹占比超过80%；利用似然估计法分析确定生物量模型误差结构为乘积型，应采用对数转换的线性回归进行模型拟合；经检验，基于胸径的一元模型（M1）W=0.104 6D2.257 8确定系数（Ra2）仅为0.774 2，而基于胸径-竹龄的二元模型（M2）W=0.052 0D2.205 2A0.445 7和胸径-竹龄-胸高竹节长的三元模型（M3）W=0.026 5D2.143 9A0.449 5L0.262 9确定系数均达到0.89，且模型M3的估计值标准差（SEE）和平均系统误差（MSE）均为最小；3个对数回归模型在不同径阶范围的预估精度均较高，预估偏差接近于0，其中模型M3在不同径阶的预估效果均为最佳。结论: 由于模型校正后预估精度有所下降，故本研究在进行对数模型反对数转换时不作校正。二元和三元模型比一元模型具有更高的拟合优度和预估精度，确定基于胸径-竹龄-胸高竹节长的模型M3为最佳模型，即W=0.026 5D2.143 9A0.449 5L0.262 9。