林业科学

作者：罗光成1,2,何潇2,雷相东2,吴璧芸2,向玮1,*

单位：1. 北京林业大学　林木资源高效生产全国重点实验室　北京 1000832. 中国林业科学研究院资源信息研究所　国家林业和草原局森林经营与生长模拟重点实验室　北京 100091

关键词：广义代数差分法,长白落叶松,混合效应模型,立地质量评价

基金：“森林立地质量评价与全周期多功能经营关键技术”（2022YFD2200500）。

目的: 以长白落叶松人工林为研究对象，探究不同立地类型的立地质量差异，实现从立地分类到立地分级，精准评价长白落叶松人工林立地质量。方法: 基于吉林省一类调查和二类调查固定样地数据，采用广义代数差分法构建林分优势高生长差分模型。通过偏相关分析筛选对长白落叶松优势高生长具有显著影响的主导立地因子并形成立地类型（ST），应用K-Means算法对立地类型聚类形成立地类型组（STG），分别以ST、STG作为随机效应构建优势高生长混合效应模型，引入指数函数、幂函数、常数加幂函数消除异方差，采用一阶自回归、复合对称和自回归移动平均3种结构考虑自相关性，选出最优混合效应模型，根据立地类型组30年生的优势高进行立地分级。结果: 最优差分模型M1.1的调整决定系数（$ {R}_{\mathrm{a}}^{2} $）为0.865，相对均方根误差（rRMSE）为7.756%。对林分优势高具有显著影响（P<0.01）的立地因子（偏相关系数）为海拔（0.379）、土层厚度（?0.247）、腐殖质层厚度（0.190）、坡位（0.113）、坡度（0.067），前3项为主导立地因子，形成45个立地类型。45个立地类型聚类形成5个立地类型组，考虑立地类型组的混合效应模型M1.7最优，赤池信息准则（AIC）为4 402.492、贝叶斯信息准则（BIC）为4 451.014，相较M1.1的AIC和BIC分别下降7.42%、7.04%。利用M1.7将5个立地类型组划分为5个立地等级，30年生的优势高依次为18.7、17.6、16.2、14.4和12.8 m。结论: Richards、Korf、Hossfeld较其他基础模型更适宜推导差分模型；海拔、土层厚度、腐殖质层厚度是影响长白落叶松优势高生长的主导立地因子；获得立地类型与立地等级的对应表。

来源：2024年第12期

《林业科学》期刊编辑部

查看林业科学杂志2024年第12期