一、求林分生长量的两种方法（论文文献综述）
张博,陈科屹,周来,Sajjad Saeed,张雅馨,孙玉军[1]（2021）在《基于分位数回归的杉木人工林地位级划分方法研究》文中提出[目的 ]优化地位级划分策略的效率并提高立地质量分级的准确性,提出基于分位数回归模型的地位级模型和立地质量评价方法。[方法 ]分别采用标准差调整法和分位数回归方法分级并评价了福建省三明市将乐国有林场418个杉木纯林样地的立地质量,并将结果进行比较。具体为:以林分树高生长量趋于稳定和杉木达到成熟龄为标准确定基准年龄（A0）。采用标准差调整法并按标准年龄时树高值和地位级距构建地位级曲线簇,并划分了8个地位级。采用分位数回归法以导向曲线为基础,根据数据分布特点,指定8个分位点（0.01,0.05,0.15,0.30,0.70,0.85,0.95,0.99）构建分位数回归模型,并以分位数曲线划分地位级。[结果 ]根据林分平均高与各分级曲线树高预测值的差值平方和（或差值绝对值）最小的原则,分位数回归模型在林地地位级划分方面虽与传统方法无显着差异,却显着提高了划分效率,并准确地实现了对杉木人工纯林地位级的评价。[结论 ]分位数回归模型可描述、分类、预测和验证林分生长与地位级之间的关联性,基于导向生长模型的分位数回归曲线簇能够更直观地反映出不同地位级下杉木树高的变化规律,从而全面准确地预测杉木人工林的生产力水平。
王震,鲁乐乐,张雄清,张建国,姜丽,段爱国[2]（2021）在《基于贝叶斯模型平均法构建杉木林分蓄积量生长模型》文中研究表明[目的]探究杉木林分蓄积量变化的影响因素,为在气候变化背景下科学经营管理杉木人工林提供理论支撑。[方法]以福建邵武卫闽林场的杉木（Cunninghamia lanceolata）人工密度试验林为研究对象,分别利用贝叶斯模型平均法（BMA）和逐步回归法（SR）构建杉木林分蓄积量与林分变量因子（包括初植密度、每公顷胸高断面积、每公顷株数、平方平均胸径、林分优势高、年龄）和气候因子（包括年均气温、最热月平均温度、最冷月平均温度、年均降水量、年均湿热指数、低于0℃天数、夏季平均最高温度、冬季平均最低温度、春季平均气温）的关系模型。[结果]杉木林分蓄积量随着每公顷胸高断面积、平方平均胸径、林分优势高、年龄、夏季平均最高温、春季平均温和低于0℃天数的增加而增加,对于诸多的影响因子,SR法所确定的模型并不在BMA选出的后验概率较高的前5个模型中,模型表现出一定的不确定性,从模型后验概率角度看,SR模型精度较低。[结论]杉木林分蓄积量受到林分变量因子和气候因子的显着影响。相比于SR法,在构建杉木林分蓄积量模型方面,BMA方法考虑了模型的不确定性,模型表现更好。
陆海望[3]（2021）在《安徽省湿地松生长收获模型的构建及生长过程表的编制》文中指出湿地松（pinus elliotti）原产于美国,我国从20世纪30年代开始引种工作,因其具备速生、适应性强、木材用途广和松脂产量高等多种优良特性,在我国多个地区有着广泛分布。森林生长收获模型作为森林生长和收获量预估的主要手段,对森林科学管理和动态监测有着尤为重要的作用。本研究基于安徽省编制湿地松相关林业数表时在安徽省各地收集的湿地松正常林分的标准地数据,分别全林分模型和径阶分布模型两种方法编制安徽省湿地松生长过程表,为安徽省湿地松的科学合理经营以及林分动态预估提供技术支持,结果如下:（1）安徽省湿地松全林分模型的建立,其各林分因子模型如下:平均胸径:=7.0475×1.0417t+1.1370平均树高:H=3.3284t0.4778-2.7582优势木平均高:Ht=5.2867t0.3939-4.1542株数:N=0.0218t2-4.1334t+145.0596断面积:G=83.2223t00082-83.5540蓄积量:M=2.1165t0.5929-2.5654对上述各林分因子模型进行适用性检验,总相对误差为-0.59%,在±3%之间,通过适用性检验;最终编制得到安徽省湿地松全林分生长过程表。（2）安徽省湿地松径阶分布模型的建立,其三参数模型如下:参数a:a=1.8921×1.0639t+2.5203参数a+b:a+b=14.5527×1.0264t-6.0570参数c:c=-0.0005t2+0.0001t+2.7889对利用三参数模型计算出的林分各调查因子进行适用性检验,总相对误差为-0.37%,在±3%之间,通过适用性检验;最终编制得到安徽省湿地松径阶分布生长过程表。（3）对两种方法编制的生长过程表结果进行配对样本T检验,其林分因子预测值之间不存在显着差异,但两者对30年以上成熟林的预测值存在一定差异。
丁赵炜[4]（2021）在《包含气候因子的湖北省马尾松人工林单木胸径生长模型 ——基于固定样地数据》文中进行了进一步梳理全球气候变暖给人类社会和生态系统带来了巨大影响。湖北省地处中国中部,以亚热带季风气候为主,局部地区形成高山小气候,气候变化较为敏感,同时又是我国马尾松的主要生长分布区,马尾松的生长对气候变化的响应也非常敏感,因此本研究以湖北省地区马尾松人工林为研究对象开展研究具有非常重要的意义。本试验基于湖北省能够完全复位的209块固定样地的9702株马尾松的调查数据和湖北省及周边共90个气象站点的气象数据,研制了能够反应大尺度区域气候变化对单木生长影响的单木胸径生长模型并根据前人研究结果及数据整理结果将湖北省分为鄂西区域和其他区域,将利用哑变量方法对模型区域化处理。模型选用了单木大小因子Size、竞争因子Comp、立地因子Site和气候因子Clim四类变量,通过试验数据空间异质性对比、相关性分析、逐步回归分析、普通最小二乘法预估和哑变量处理五个步骤完成建模、模型优化、评价与检验,结果表明:单木大小因子中ln D是影响马尾松胸径生长的主要因子,具有显着的正效应;竞争因子中ln（BA）和BAL对胸径生长具有抑制作用,且ln（BA）在两块区域中表现出来的影响程度不同;立地因子中海拔因子Elevation对胸径的生长具有抑制作用,且在两块区域中表现出的影响程度有明显差异,但其标准化系数最低,说明在大尺度区域研究上海拔因子不是影响树木生长的主要因素;气候因子中生长季平均降水Pgsm和生长季最小降水Pgsmin均对胸径的生长有明显的促进作用,而生长季最高温Tgsmax对胸径生长具有明显的抑制作用。Pgsm和Tgsmax也表现出明显的区域差异。仅含林分因子的单木模型I的决定系数R2为0.5335,,加入气候因子后的模型II决定系数R2为0.5792,说明气候因子对马尾松的生长有显着影响,而通过哑变量方法处理后的单木模型III的决定系数R2达到0.6671,说明不同区域的马尾松的胸径生长对气候变化的响应不同。最终模型III的5个检验指标值剩余标准差（S）3.9425、平均误差（ME）0.0045、平均相对误差（MRE）3.96%、均方根误差（RMSE）0.5419、系统误差（TRE）2.67%均符合标准。总的来说,基于固定样地复位资料进行建模取得了较好的效果,说明该数据能客观全面的反映湖北省马尾松的总体生长现状以及对气候变化的响应。且通过虚拟变量处理后发现将湖北省划分区域建模分析,更有利于揭示不同地区的马尾松生长动态。所建模型为预测、模拟森林的动态变化和森林资源数据更新以及湖北林业可持续发展提供了技术支持和科学依据。
马天舒[5]（2021）在《杉木无节材培育技术体系初步研究》文中认为杉木是我国南方重要的速生用材树种,干形通直、材性优良、用途广泛。但由于杉木枝条多,木材中常常形成较多的节,严重影响了木材的美观,降低了木材的价值。杉木的不同用途对其质量要求不同,杉木装饰板材通常要求无节,因此,杉木高值化装饰材的定向培育已成为一个重要的研究方向,杉木无节材的培育越来越受重视。本研究选择中亚热带不同地理种源、不同林分密度和不同修枝强度的杉木人工幼林为研究对象,探讨了无节材培育的相关技术方法,研究了杉木无节材培育的遗传控制、密度控制和人工修枝等技术措施要点,并对部分地理种源的杉木节子进行解剖实验,研究节的形成和枝条发育特征,得到了以下主要研究结果:（1）通过节的解剖实验和材性分析,发现节子的物理性质与其周围的无节木材存在较大的差异,节的硬度大,颜色深,纤维走向杂乱,无节的木材纹理平整,颜色均一。有节木材的横纹径向全部抗压强度比无节材增加了 40.7%,抗弯强度增加了 26.0%,顺纹抗压强度降低了 19.5%,抗拉强度降低了 25.3%。无论是红心杉、垂枝杉,还是黄枝杉,枝径均与节子宽度呈正相关,即枝径越大,节子宽度越宽,因此可以通过树干外部的枝条宽度来预测内部节子大小。垂枝杉枝少、节小,但节周围被少量皮分隔,局部材性降低;陈山红心杉和黄枝杉节与干材结合紧密。（2）枝条发育特征决定节的属性和修枝难易程度。本研究选取了福建省7个无性系、湖南省4个种源、湖北省2个种源的杉木进行研究,发现不同地理种源的杉木枝条特征存在显着的差异。湖南会同二代良种和会同三代良种的枝长较长、枝径较短、分枝角较大。福建无性系“洋020”枝条短、枝径小,分枝角大,3个指标均与其他无性系差异显着。湖北罗田垂枝杉枝条短小,分枝角大,并与当地其他地理种源差异显着。因此,会同杉木良种、“洋020”和罗田垂枝杉这几种杉木地理种源或无性系可作为当地无节材培育的优质地理种源。无性系造林方式下的杉木遗传力（福建）整体高于实生苗造林的杉木（湖南和湖北）。不同杉木产区中,表型性状较优的地理种源枝条遗传力均达到中等以上,具有较好的遗传效果,选择无性系造林方式可进一步提高优良种源的遗传力。（3）不同林分密度直接影响杉木枝条发育,对无节材的培育存在显着的影响,林分密度越大,枝长越短,枝径越小,但分枝角变化不明显。3333、4444和6666株/hm2的较高林分密度下的节子比2500株/hm2的内生节直径约降低了13.0%、43.5%和47.8%。密度越大的林分,枝条生长发育时间越短。密度最低的950株/hm2下枝条生长时间约为密度最高的6666株/hm2的2倍。枝径的生长时间,950株/hm2可达15年以上,2500株/hm2约12年,3333株/hm2约9年,4444株/hm2约6年,6666株/hm2可达7年,但增速和枝径最大值均小于4444株/hm2。950株/hm2的林分密度枝长生长发育时间可达12年左右,2500株/hm2可达8年,3333株/hm2为7年左右,4444株/hm2约为6年,6666株/hm2仅为5年。分枝角与造林密度无明显的关系。高密度下杉木自然整枝能力较强,造林时可选择高密度的造林方式,等自然修枝高度到达8米左右时,再进行间伐,修除死枝,降低修枝成本,提高木材质量。（4）人工修枝技术是经典的无节材培育技术措施,适当的修枝强度,可以提高杉木人工林的胸径增量,加快杉木生长速度,缩短修枝伤口愈合时间,减少节子感染和变色风险。与不加干扰相比,合理的修枝强度加上间伐或施肥垦复的措施可以提高杉木生长速度。7年生的杉木幼林,40%的修枝强度可以提高杉木胸径增量,促进杉木生长,当修枝强度达到50%时,修枝对杉木生长有抑制作用。而间伐则可以显着提高杉木胸径生长,且间伐对胸径生长的促进作用大于修枝。采用人工修枝培育无节材时,修除无效枝可使杉木胸径生长变快,无节材培育效果较好。在生产实践中,采用遗传控制、密度控制和人工修枝相结合的方法,可有效降低无节材培育成本,减小枝条大小,从而降低节子大小。
王帅玲[6]（2021）在《湖南栎类次生林生长预估及林分收荻表编制》文中提出森林在为人类生存和发展提供物质基础的同时,也发挥了保护生物多样性、防风固沙、保持水土、涵养水源、调节气候等生态功能,森林资源可持续利用是当代人类利用森林资源追求的目标,实现这一目标离不开对森林资源的科学经营和管理。林分生长与收获模型可以准确地监测和预估林分生长动态,也是评价营林效果和制定营林措施的重要依据。湖南省森林覆盖率为59.82%,是我国重要的林区之一,而栎类次生林在湖南省分布广泛,面积大且种类多,本研究以6期（1989—2014年）湖南省国家森林资源连续清查数据中栎类次生林为对象,利用125块以栎类为优势树种或主要树种样地,共195组346个样本数据,综合考虑林分年龄、地位指数级以及林分密度3个影响林分生长的因子,建立了参数化和基于混合效应的湖南栎类次生林分断面积生长率模型及林分断面积生长模型;同时建立了湖南栎类次生林分可变密度模型和编制了可变密度收获表。研究结果可对湖南栎类次生林分的生长动态监测和预测、制定合理营林措施等提供科学理论依据。主要研究结论如下:（1）以常用的2个理论生长方程和4个经验方程,对湖南栎类次生林分断面积生长率—林分断面积的关系进行模拟,其中Weibull模型的拟合效果最优（R2=0.817,P=91.27%,RMSE=1.399）,构建含有林分年龄A、地位指数级SI以及林分密度（林分株数N）的参数化模型（S和N为连续变量）和混合效应模型（SI和N为随机变量）,检验指标以及残差图表明,混合效应模型的预估精度最高（ME=1.111,RMSE=1.326,R2=0.836,P=96.77%）。利用检验数据的期末林分断面积实测值对林分断面积生长率混合效应模型进行F检验（F=1.055<F0.05=3.183）,也说明期末林分断面积实测值和预估值无显着差异。当地位指数级和林分年龄相同时,不同密度的林分断面积生长率起点相同,在一定时间内密度小的林分断面积生长率明显高于密度大的林分,并在生长率下降的过程中趋于接近;生长率速度与林分密度和地位指数成正比,在9（12）地位指数级中,密度Ⅰ的降速最大值在30—35（20—25）年间,密度Ⅱ在 25—30（15—20）年间,密度Ⅲ在 20—25（15—20）年间。（2）用7个常用的理论生长方程拟合湖南栎类次生林分断面积生长模型,Richards生长模型拟合效果最好（R2=0.314,P=92.89%,RMSE=6.21 1）,将地位指数级SI加到代表林分断面积最大值的参数a上和林分株数N加到代表林分断面积的生长速率参数b上构建的混合效应模型（N为随机变量）和参数化模型（N为连续变量）,预估精度相较于基础模型显着提高（P参数化=98.36%、P混合=97.71%、P基础=92.84%）。在A、N及SI中任意两个影响因素相同时,林分断面积总生长量（林分断面积5年间生长量）随着另外一个因素的增加而增加,且密度越大,相邻两个密度的断面积总生长量差距越小;5年间生长量到最大值后密度越大生长量减少速度越快;其他因素相同时,林分株数越多,5年间生长量最大值出现的越早（20年时）,地位指数级越大,断面积5年间生长量越大。（3）通过林分断面积生长模型得到的生长率随着年龄的增长由快速减小到逐渐平稳减小,而由林分断面积生长率模型得到的生长率在林龄为20年之前减速较慢,20—25年快速降低后逐渐平稳减小;当林分年龄在25—70年间,两种模型的林分断面积生长率差值很小。（4）在林分可变密度生长收获模型中,林分密度指数模型和林分平均胸径模型以 Korf 方程为基础模型（RMSE=192.672,R2=0.1837,P=93.41%;RMSE=1.104,R2=0.498,P=97.77%）,且林分密度指数模型中N和参数a以及SI和参数b呈幂函数关系。林分断面积模型将N换成SDI后拟合精度仍较高（R2=0.945,P=97.32%）。将Schumacher模型作为林分蓄积量预估模型拟合精度较高。上述4个模型的确定系数R2均在0.94以上,拟合精度P值均在97%以上,F检验结果（FSDI=0.998、FG=1.019、FD=0.974、FM=1.074均小于临界值F0.05=3.140）均为实际值和理论值差异不显着。因此本文建立的林分模型系统拟合精度较高,可实现科学预估湖南栎类次生林的林分生长动态,为湖南栎类次生林的经营活动提供科学依据。
罗天泽[7]（2021）在《基于抚育间伐效应的红松人工林枝条属性模型研究》文中提出为了揭示人工红松（Pinus koraiensis）枝条属性与抚育间伐之间的关系,本研究基于黑龙江省林口林业局和东京城林业局不同抚育间伐强度（未间伐、10～20%、20～30%、30～40%）下的49株人工红松解析木4370组枝解析数据,分析了抚育间伐对林木枝条属性的影响。利用R语言,将林分抚育间伐因子（间伐强度（TI）、间伐年龄（TA））进行量化,采用线性混合模型和非线性混合模型的方法分别对人工红松枝条密度、最大枝条基径和枝条长度进行建模,利用调整决定系数（Ra2）、赤池信息准则（AIC）、贝叶斯信息准则（BIC）、对数似然值（Log likelilood）以及似然比检验（LRT）对模型进行评价,利用模型的固定效应动态模拟不同间伐强度、不同大小人工红松的枝条属性随相对着枝深（RDINC）变化的垂直分布规律。研究结果表明:（1）基于抚育间伐效应的枝条密度非线性混合模型结果表明:当样地效应作用于相对着枝深的自然对数（lnRDINC）、相对着枝深的平方（RDINC2）、胸径（DBH）、间伐强度与间伐年龄的比值（TI/TA）时拟合效果最佳,其Ra2为0.7885,RMSE为2.3952。通过最优模型对枝条密度垂直分布规律动态模拟表明:枝条密度在距梢头约35%处达到最大值,林分抚育强度越大,树冠下层枝条存活率越高,枝条密度越大,但不同间伐年龄、不同大小林木间的枝条密度差异不明显。（2）基于抚育间伐效应的最大枝条基径线性混合模型结果表明:抚育间伐样地的最大枝条基径生长量总体上均大于对照样地,且林口林业局枝条基径生长速率明显优于东京城林业局。当样地效应同时作用于截距项、lnRDINC、RDINC2、高径比（HDR）,随机效应方差-协方差结构为无结构（UN）,误差自相关结构为一阶自回归与移动平均结构（ARMA（1,1））时模型拟合效果最佳,其Ra2为0.9243,RMSE为0.1208。通过最优模型对最大枝条基径垂直分布规律动态模拟表明:红松的最大枝条基径在距离梢头55%左右的位置达到最大值,林分抚育强度越大,枝条基径生长量就越大,且不同抚育强度之间差异明显,并在强间伐下达到最大值。（3）基于抚育间伐效应的枝条长度线性混合模型结果表明:枝长累积生长量随着枝条年龄的增加呈明显增大的趋势,各抚育间伐样地的枝长累积生长量总体上显着大于对照样地,且林口林业局枝长生长速率明显优于东京城林业局。当样地效应同时作用于RDINC2、lnRDINC、DBH和TI时模型拟合效果最佳,其Ra2为0.9606,RMSE为0.1380。通过最优模型对枝条长度垂直分布规律动态模拟表明:红松的枝条长度在距离梢头75%左右的位置达到最大值,林分抚育强度越大,枝长生长量就越大,且不同抚育强度之间差异明显,并在强间伐下达到最大值。
李武赫[8]（2021）在《大兴安岭东部落叶松-白桦混交林进界生长模型》文中进行了进一步梳理进界生长作为林分动态变化的重要过程,在复层林的林分发育研究中发挥着重要的作用。进界木模型与保留木生长模型、枯损模型共同构成了异龄林生长模型体系。本研究根据大兴安岭东部地区368块落叶松-白桦混交林进界木的复测数据,分析了影响进界的林分及单木因子,建立了进界概率模型、进界株数模型以及进界生长率模型。结果表明:林分年龄（龄组t）、林分平均胸径（D）、林分平均高（H）、林分密度指数（SDI）等因子影响林木进界;且由于树龄较大时产种较少、林分密度大导致竞争激烈等原因,这些因子与进界株数、进界生长率负相关。林分当期每公顷进界蓄积（ming）与进界株数、进界生长率正相关,其能够反映林分未来几年内进界的潜力。采用两阶段法研究进界可以解决进界数据存在较多0且离散的问题。具体方法为:先建立进界概率模型预测样地是否有进界发生,对于有进界发生的样地,建立进界株数模型或进界生长率模型用于预测。本文的进界概率模型采用Logistic模型的logit形式来建立,建立模型后对模型进行ROC曲线诊断。其AUC值为0.761,诊断价值良好,可以较为准确地估计样地是否有进界发生。分别利用两种方法研究进界株数,精度差异较小。第一种方法即两阶段法,利用进界概率模型预测出发生进界的样地后,采用对数模型来拟合进界株数与相关因子的关系。第二种方法利用Possion模型、负二项模型为基础,建立了进界株数的零膨胀模型和Hurdle模型。结果显示负二项模型优于Possion模型。零膨胀负二项模型（ZINB）与Hurdle-负二项模型（Hurdle-NB）优于普通的负二项模型。由两阶段模型和计数模型的检验指标可以看出,在进界概率模型精度较高的基础上,两阶段法进界株数模型略优。但若进界概率模型精度较低,则ZINB模型和Hurdle-NB模型更优。对于进界生长率模型的研究采用两阶段法,第一阶段的模型为进界概率模型。在第二阶段中分别采用基础模型、哑变量模型和混合效应模型来研究。首先选用5种方程形式对进界生长率拟合,调整决定系数介于0.204和0.547之间。比较拟合结果后确定指数方程最优,将其转化为对数形式作为基础模型。将不同样地分为5个区域以及5个龄组,分别构造多种哑变量模型,并在对比拟合优度后确定区域哑变量模型为最优形式。之后建立基于区域水平和龄组水平的混合效应模型以更好地分析组水平和个体水平的数据。分别引入不同随机效应参数组合形式建模,比较多个混合效应模型的AIC值、BIC值和LL值后,确定区域水平的混合效应模型最优。该混合效应模型的调整决定系数（Radj2）为0.636,大于基础模型和哑变量模型;均方根误差（RMSE）为0.860,小于基础模型和哑变量模型。证明混合效应模型拟合结果最好,其次为哑变量模型。哑变量模型和混合效应模型的结果都表明区域的不同会影响进界生长率的大小。通过独立样本检验三种最优模型后发现混合效应模型的平均误差（ME）为-0.0173,比基础模型和哑变量模型更接近0;平均绝对误差（MAE）为0.719,平均预测误差百分比（MPSE）为73.8%,都小于基础模型与哑变量模型的值。因此,本文所建混合效应模型不仅提高模型精度,还能提高模型的预测能力。
张毅[9]（2021）在《基于组合模型的红松生长模型研究》文中研究指明本文主要研究了黑龙江省伊春市凉水实验林场中的天然红松林树高生长模型。模型使用了林场中4块样地的4株树木解析数据,基于传统树木生长理论、时间序列理论、神经网络理论和组合理论给出了描述树龄-树高生长规律的最优加权组合模型,并分析证明了此模型是描述天然红松树龄-树高生长规律的最优模型。首先建立纵向生长模型。对不同株红松树高生长量数据,每株预留2组数据用于验证,其余数据用于拟合。建立传统树木生长模型,并以此为基础,结合自回归模型组合成残差自回归模型。残差自回归模型具备传统树木生长模型的参数可解释性和自回归模型的去除数据自相关性的特点。再建立BP神经网络模型,并使用遗传算法（GA）优化其初始权值、阈值,得到GA-BP神经网络模型。GA-BP神经网络模型具备BP神经网络的非线性拟合能力和遗传算法的全局寻优能力。使用最优加权法将残差自回归模型和GA-BP神经网络模型进行组合求权,得到最优加权组合模型。经过比较分析,结果表明:最优加权组合模型的拟合程度与验证精度要比其它模型更贴近红松树高生长规律,是最优纵向生长模型。其次建立横向生长模型。将前3株树的树高生长量数据用于拟合,第4株树的数据用于验证。分别建立传统理论生长模型、自回归模型和GA-BP神经网络模型,再使用最优加权法将三种模型进行组合求权,得到横向组合生长模型。结果表明:最优加权组合模型的拟合程度与验证精度要比其它模型更贴近红松树高生长规律,是最优横向生长模型。最后经过比较分析,证实了最优加权组合模型是描述红松年龄-树高生长规律的最优模型。
张恒[10]（2021）在《39年生长白落叶松种源试验研究》文中进行了进一步梳理长白落叶松是我国东北地区主要的用材树种之一,其生长迅速、材质优良,且抗逆性强,是重要的纸浆材和建筑用材。本研究以龙江县错海林场、加格达奇、带岭凉水和尚志帽儿山等4个代表性试点的39年生长白落叶松种源试验林为对象,对其生长性状、木材性状和碳储量进行测定分析,研究结果如下:（1）对4个地点的10个长白落叶松种源的胸径和保存率进行的方差分析结果表明环境因素是影响林木生长的主要原因,不同地点胸径和保存率的环境方差分量分别为97.45%和96.72%（P<0.01）。不同地点不同种源胸径平均值变化范围为14.65～28.51 cm,保存率的变化范围为20.61%～93.33%。不同地点胸径的表型变异系数和遗传变异系数变化范围分别为12.470～17.786和2.942～3.830,遗传力变化范围为0.492～0.634。相关性分析结果显示胸径、保存率和材积之间彼此正相关,且三者均与试验点经度和年均降水量呈极显着正相关关系;保存率和材积均与试验点纬度（等效纬度）之间呈显着负相关关系;林木生长受到试验点海拔和年均温度的影响不显着。通过主效可加互作可乘模型（AMMI模型）分析不同地点长白落叶松胸径的基因型与环境的互作效应,结果显示的环境因素产生的变异占总变异的94.47%,同时,IPCA1达到极显着差异水平,占种源与环境交互作用的70.71%。大海林、白刀山、白河和天桥岭种源被选为稳产和高产种源,同时确定了每个地点的最佳适生种源。（2）对不同地点长白落叶松种源的木芯年轮宽度进行测定,方差分析结果表明不同年龄段胸径地点与种源之间的差异均达极显着水平,地点内不同种源之间差异也达极显着水平。不同林龄胸径的表型变异系数、遗传变异系数和遗传力均呈现逐年降低的趋势,遗传力变化范围为0.568～0.883,均属于高遗传力。不同林龄胸径早-晚相关性分析结果显示不同地点胸径生长早晚期之间存在显着的相关性,可以进行早期选择。不同地点胸径连年生长量变化趋势表现为不同程度的波动,且凉水和帽儿山两地受到疏伐的影响较大。不同地点胸径生长与气候相关性显示,温度和降水对长白落叶松的径向生长具有重要影响,错海地点林木径向生长与当年8月温度显着正相关,而与上一年5月和1 1月温度及12月降水量呈显着负相关;加格达奇地点的径向生长与当年6月温度显着负相关,而与降水量显着正相关,与上一年1月降水量显着负相关;凉水地点径向生长主要受到当年7月温度的影响（正相关）,而帽儿山地点则主要受到上一年降水量的影响（负相关）。（3）对不同地点不同种源木材性状测定分析结果显示,各性状在地点和种源之间均达显着差异水平,地点内种源之间均达显着差异水平,各性状表型变异系数和遗传变异系数变化范围分别为3.053%～27.365%和1.559%～21.113%,遗传力变化范围为0.332～0.996,均具有较高的遗传力。不同木材性状之间的相关性分析结果显示:木材密度与纤维宽之间呈显着正相关,与纤维素含量之间显着负相关;纤维长与纤维宽之间呈显着正相关,与半纤维素含量和纤维素含量显着正相关,与木质素含量之间呈显着负相关;纤维宽与纤维素含量之间呈显着负相关;半纤维素含量与纤维素含量之间呈显着正相关,半纤维素含量和纤维素含量均与木质素含量之间呈显着负相关,木质素含量与灰分含量之间呈显着正相关。同时,本研究分析了木材性状与试验点地理因子的相关性,结果表明,木材性状表现为试验点纬度及海拔方向上的变异,同时受到年均降水量和温度的影响。最后,通过多性状综合评价法在每个地点筛选出2个木材性状优良的种源,作为特定地点推广种植的首选材料。（4）对不同地点不同种源长白落叶松含碳量、生物量和碳储量进行测定分析,结果显示长白落叶松含碳量在不同地点和种源之间均达极显着差异水平,在地点内不同种源之间差异表现为极显着水平。不同地点长白落叶松种源含碳量、生物量和碳储量的变化范围分别为:436.7～463.4 g/kg,78.079～631.352 kg和34.8～286.9 kg。含碳量的遗传力变化范围为:0.855～0.944,属于高遗传力。相关性分析结果显示含碳量与试验点经度、海拔和年均降水量显着正相关,而与试验点年均温度显着负相关;生长性状与种源含碳率之间达显着正相关水平。最后,每个地点筛选出2个优良的高固碳种源,作为特定地点重点推广种植的首选材料。
二、求林分生长量的两种方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、求林分生长量的两种方法（论文提纲范文）
（3）安徽省湿地松生长收获模型的构建及生长过程表的编制（论文提纲范文）
| 摘要 |
| abstract |
| 1 文献综述 |
| 1.1 森林生长收获模型的分类 |
| 1.1.1 全林分模型 |
| 1.1.2 径阶分布模型 |
| 1.1.3 单木生长模型 |
| 1.2 森林生长收获模型研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 我国湿地松生长收获的研究现状 |
| 2 引言 |
| 2.1 研究背景 |
| 2.2 研究目的与意义 |
| 2.3 研究内容 |
| 3 研究区概况 |
| 3.1 地理位置 |
| 3.2 地形地貌 |
| 3.3 气候 |
| 3.4 土壤 |
| 3.5 植被条件 |
| 4 研究方法 |
| 4.1 技术路线 |
| 4.2 数据来源 |
| 4.3 林分因子求算 |
| 4.4 数据预处理 |
| 4.5 长江南北生长状况的分析 |
| 4.6 全林分模型的建立及生长过程表的编制 |
| 4.6.1 预选模型的选择 |
| 4.6.2 最优模型的确立 |
| 4.6.3 全林分模型适用性检验 |
| 4.6.4 全林分生长过程表的编制 |
| 4.7 径阶分布模型的建立及生长过程表的编制 |
| 4.7.1 Weibull分布函数 |
| 4.7.2 三参数求解 |
| 4.7.3 三参数模型建立 |
| 4.7.4 径阶分布模型适用性检验 |
| 4.7.5 径阶分布生长过程表的编制 |
| 4.8 两种方法编制的生长过程表的比较分析 |
| 5 结果与分析 |
| 5.1 长江南北生长状况的分析 |
| 5.2 安徽省湿地松全林分生长过程表的编制 |
| 5.2.1 各林分因子生长模型建立 |
| 5.2.2 全林分模型适用性检验 |
| 5.2.3 全林分生长过程表的编制 |
| 5.3 安徽省湿地松径阶分布生长过程表的编制 |
| 5.3.1 三参数的求解及检验 |
| 5.3.2 三参数模型的建立 |
| 5.3.3 径阶分布模型适用性检验 |
| 5.3.4 径阶分布生长过程表的编制 |
| 5.4 两种生长过程表的比较分析 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）包含气候因子的湖北省马尾松人工林单木胸径生长模型 ——基于固定样地数据（论文提纲范文）
| 摘要 |
| Abstract |
| 1.前言 |
| 1.1 研究背景 |
| 1.2 林分生长模型概述 |
| 1.2.1 全林分模型 |
| 1.2.2 径阶分布模型 |
| 1.2.3 单木生长模型 |
| 1.3 单木生长模型国内外研究进展 |
| 1.3.1 单木模型国内研究进展 |
| 1.3.2 单木模型国外研究进展 |
| 1.4 气候因子对单木生长的影响 |
| 1.4.1 温度因子对单木生长的影响 |
| 1.4.2 降水因子对单木生长的影响 |
| 1.5 研究目的和意义 |
| 2.材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 地理条件 |
| 2.1.2 水文土壤条件 |
| 2.1.3 森林资源现状 |
| 2.1.4 气候特征 |
| 2.2 试验数据来源 |
| 2.2.1 样地样木数据来源 |
| 2.2.2 气候数据来源 |
| 2.3 研究方法 |
| 2.3.1 样地数据处理方法 |
| 2.3.2 气候数据处理方法 |
| 2.4 研究内容 |
| 2.5 单木模型的构建方法 |
| 2.5.1 单木胸径生长量的表达形式的选取 |
| 2.5.2 模型函数的一般形式 |
| 2.5.3 模型自变量的筛选 |
| 2.6 模型的计算原理 |
| 2.6.1 普通最小二乘法(Ordinary Least Squares) |
| 2.6.2 哑变量模型(Dummy Variable Model) |
| 2.7 模型的评价和检验方法 |
| 2.8 技术路线图 |
| 3.结果与分析 |
| 3.1 数据整理结果分析 |
| 3.1.1 样地数据空间异质性对比 |
| 3.1.2 气候数据空间异质性对比 |
| 3.2 胸径生长量影响因子的相关性分析 |
| 3.3 影响因子与胸径生长量逐步回归分析 |
| 3.4 单木胸径生长模型的拟合结果 |
| 3.4.1 单木模型Ⅰ拟合结果 |
| 3.4.2 单木模型Ⅱ拟合结果 |
| 3.4.3 单木模型Ⅲ拟合结果 |
| 3.5 三种模型的评价结果 |
| 3.6 三种模型的适用性检验结果 |
| 4.讨论与结论 |
| 4.1 讨论 |
| 4.2 结论 |
| 参考文献 |
| 致谢 |
（5）杉木无节材培育技术体系初步研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 杉木节的形成规律 |
| 1.2.2 无节材培育遗传控制技术 |
| 1.2.3 林分密度效应与无节材培育 |
| 1.2.4 人工修枝术研究进展 |
| 1.3 研究目的意义与内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 2 研究区概况与研究方法 |
| 2.1 研究区概况 |
| 2.1.1 湖北省罗田县 |
| 2.1.2 湖南省会同县 |
| 2.1.3 江西省陈山林场 |
| 2.1.4 福建省洋口林场 |
| 2.1.5 云南省富宁县 |
| 2.2 研究方法 |
| 2.2.1 节的测量方法 |
| 2.2.2 枝条测量方法 |
| 2.2.3 密度控制方法 |
| 2.2.4 修枝实验及测量方法 |
| 2.3 数据分析 |
| 2.3.1 遗传参数的估算 |
| 2.3.2 Logistic模型参数的计算 |
| 2.3.3 伤口愈合速率的计算 |
| 3 结果与分析 |
| 3.1 杉木节的属性 |
| 3.1.1 节对木材的影响 |
| 3.1.2 枝径与节的关系 |
| 3.1.3 讨论与小结 |
| 3.2 无节材培育遗传控制技术 |
| 3.2.1 不同种源杉木生长性状差异性分析 |
| 3.2.2 不同种源杉木遗传变异分析 |
| 3.2.3 讨论与小结 |
| 3.3 无节材培育密度控制技术 |
| 3.3.1 造林密度对杉木枝条生长的影响 |
| 3.3.2 Logistic模型预测不同密度杉木枝条生长特征 |
| 3.3.3 讨论与小结 |
| 3.4 无节材培育人工修枝技术 |
| 3.4.1 不同修枝强度下杉木生长差异 |
| 3.4.2 修枝伤口愈合情况 |
| 3.4.3 讨论与小结 |
| 4 主要结论、创新点及研究展望 |
| 4.1 结论 |
| 4.2 创新点 |
| 4.3 研究展望 |
| 参考文献 |
| 攻读学位期间的主要学术成果 |
| 致谢 |
（6）湖南栎类次生林生长预估及林分收荻表编制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究进展 |
| 1.3.1 林木生长率(量)研究 |
| 1.3.2 混合效应模型研究现状 |
| 1.3.3 栎类树种研究现状 |
| 1.3.4 林分生长与收获模型研究现状 |
| 1.4 课题来源 |
| 1.5 研究内容 |
| 1.5.1 建立林分断面积生长率模型 |
| 1.5.2 建立林分断面积生长模型 |
| 1.5.3 建立林分可变密度生长收获模型 |
| 1.6 技术路线 |
| 2 材料和方法 |
| 2.1 研究区概况 |
| 2.2 数据来源与整理 |
| 2.2.1 数据来源 |
| 2.2.2 数据整理 |
| 3 研究方法 |
| 3.1 林分断面积定期生长率模型 |
| 3.1.1 林分断面积生长率计算方法 |
| 3.1.2 林分断面积生长率基础模型选择 |
| 3.1.3 参数化模型和混合效应模型 |
| 3.2 林分断面积生长模型 |
| 3.2.1 林分断面积基础模型的选取 |
| 3.2.2 混合效应模型与参数化模型构建 |
| 3.3 林分可变密度生长收获模型 |
| 3.3.1 最大密度线和林分密度指数的确定 |
| 3.3.2 林分密度指数模型 |
| 3.3.3 林分断面积模型 |
| 3.3.4 林分平均胸径模型 |
| 3.3.5 林分蓄积量生长预估模型 |
| 3.3.6 编制林分可变密度收获表 |
| 3.4 模型精度评价及适用性检验 |
| 4 结果分析 |
| 4.1 林分断面积生长率 |
| 4.1.1 基础模型选择 |
| 4.1.2 混合效应模型与参数化模型构建 |
| 4.1.3 模型的检验与评价 |
| 4.1.4 林分断面积生长率曲线 |
| 4.1.5 小结 |
| 4.2 林分断面积生长模型 |
| 4.2.1 基础模型构建 |
| 4.2.2 混合效应模型与参数化模型构建 |
| 4.2.3 模型检验与评价 |
| 4.2.4 林分断面积生长曲线 |
| 4.2.5 林分断面积定期生长量 |
| 4.2.6 林分断面积生长率模型和林分断面积生长模型比较 |
| 4.2.7 小结 |
| 4.3 林分可变密度生长收获模型 |
| 4.3.1 最大密度线和林分密度指数的确定 |
| 4.3.2 林分密度指数模型拟合 |
| 4.3.3 林分断面积模型 |
| 4.3.4 林分平均胸径模型 |
| 4.3.5 林分蓄积量预估模型 |
| 4.3.6 林分可变密度收获表编制 |
| 4.3.7 小结 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 5.3 主要创新点 |
| 参考文献 |
| 附录A 林分可变密度收获表 |
| 附录B 攻读学位期间的主要学术成果 |
| 1) 参加项目课题 |
| 2) 发表论文 |
| 致谢 |
（7）基于抚育间伐效应的红松人工林枝条属性模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究概况 |
| 1.3.1 抚育间伐研究进展 |
| 1.3.2 枝条属性研究进展 |
| 1.4 存在的问题及发展趋势 |
| 1.5 研究的主要内容 |
| 1.6 技术路线 |
| 2 研究区域概况和数据采集 |
| 2.1 研究区域概况 |
| 2.1.1 林口林业局 |
| 2.1.2 东京城林业局 |
| 2.2 数据来源 |
| 2.2.1 标准地设置 |
| 2.2.2 解析木选取及枝解析 |
| 2.2.3 数据整理 |
| 2.3 本章小结 |
| 3 研究方法 |
| 3.1 红松枝条属性规律分析 |
| 3.1.1 枝条密度 |
| 3.1.2 最大枝条基径 |
| 3.1.3 枝条长度 |
| 3.2 混合模型的构建 |
| 3.2.1 非线性混合模型 |
| 3.2.2 线性混合模型 |
| 3.3 模型评价与检验 |
| 3.4 本章小结 |
| 4 结果与分析 |
| 4.1 不同抚育间伐强度对枝条密度的影响 |
| 4.1.1 枝条密度方差分析 |
| 4.1.2 基于抚育间伐效应的枝条密度模型 |
| 4.1.3 混合模型随机参数的确定 |
| 4.1.4 随机效应方差-协方差结构的确定 |
| 4.1.5 误差项方差-协方差结构的确定 |
| 4.1.6 模型评价与检验 |
| 4.1.7 基于最优混合模型枝条密度垂直分布规律模拟 |
| 4.2 不同抚育间伐强度对最大枝条基径的影响 |
| 4.2.1 最大枝条基径规律分析 |
| 4.2.2 基于抚育间伐效应的最大枝条基径模型 |
| 4.2.3 混合模型随机参数的确定 |
| 4.2.4 随机效应方差-协方差结构的确定 |
| 4.2.5 误差项方差-协方差结构的确定 |
| 4.2.6 模型评价与检验 |
| 4.2.7 基于最优混合模型最大枝条基径垂直分布规律模拟 |
| 4.3 不同抚育间伐强度对枝条长度的影响 |
| 4.3.1 枝条长度规律分析 |
| 4.3.2 基于抚育间伐效应的枝条长度模型 |
| 4.3.3 混合模型随机参数的确定 |
| 4.3.4 随机效应方差-协方差结构的确定 |
| 4.3.5 误差项方差-协方差结构的确定 |
| 4.3.6 模型评价与检验 |
| 4.3.7 基于最优混合模型枝条长度垂直分布规律模拟 |
| 4.4 本章小结 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 东北林业大学硕士学位论文修改情况确认表 |
（8）大兴安岭东部落叶松-白桦混交林进界生长模型（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 进界株数的研究 |
| 1.3 进界生长率的研究 |
| 1.4 发展趋势 |
| 1.5 研究内容 |
| 1.6 研究技术路线图 |
| 1.7 本章小结 |
| 2 研究区概况及数据的收集整理 |
| 2.1 研究地区概况 |
| 2.2 数据的收集整理 |
| 2.3 本章小结 |
| 3 研究方法 |
| 3.1 进界概率模型的构建 |
| 3.1.1 模型变量选择 |
| 3.1.2 进界概率模型 |
| 3.2 进界株数模型的构建 |
| 3.2.1 模型变量选择 |
| 3.2.2 基于两阶段法的进界株数模型 |
| 3.2.3 Poisson模型 |
| 3.2.4 负二项模型 |
| 3.2.5 零膨胀模型 |
| 3.2.6 Hurdle模型 |
| 3.3 进界生长率模型的构建 |
| 3.3.1 模型变量选择 |
| 3.3.2 进界概率模型 |
| 3.3.3 进界生长率基础模型 |
| 3.3.4 进界生长率哑变量模型 |
| 3.3.5 进界生长率混合效应模型 |
| 3.4 模型检验及评价 |
| 3.4.1 进界概率模型评价 |
| 3.4.2 Vuong检验 |
| 3.4.3 进界株数模型、进界生长率模型的评价与检验 |
| 3.5 本章小结 |
| 4 结果与分析 |
| 4.1 进界概率模型 |
| 4.1.1 样地是否发生进界的影响因子 |
| 4.1.2 建立进界概率模型 |
| 4.1.3 进界概率模型的检验 |
| 4.2 进界株数模型 |
| 4.2.1 进界株数的影响因子 |
| 4.2.2 两阶段法进界株数模型 |
| 4.2.3 进界株数计数模型 |
| 4.2.4 进界株数模型检验 |
| 4.3 进界生长率模型 |
| 4.3.1 进界生长率的影响因子 |
| 4.3.2 进界生长率基础模型 |
| 4.3.3 进界生长率哑变量模型 |
| 4.3.4 进界生长率混合效应模型 |
| 4.3.5 进界生长率模型检验 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（9）基于组合模型的红松生长模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 树木理论生长模型 |
| 1.2.2 自回归模型 |
| 1.2.3 神经网络模型 |
| 1.2.4 组合模型 |
| 1.3 主要研究内容 |
| 2 研究地概况、数据收集 |
| 2.1 研究地概况 |
| 2.1.1 自然条件 |
| 2.1.2 森林资源 |
| 2.2 数据收集 |
| 2.3 本章小结 |
| 3 预备知识 |
| 3.1 传统树木生长模型 |
| 3.2 自回归模型 |
| 3.2.1 自回归模型 |
| 3.2.2 残差自回归模型 |
| 3.3 GA-BP神经网络模型 |
| 3.3.1 BP神经网络模型 |
| 3.3.2 遗传算法 |
| 3.3.3 GA-BP神经网络模型 |
| 3.4 本章小结 |
| 4 基于单一模型的红松生长模型 |
| 4.1 纵向单一模型 |
| 4.1.1 纵向模型拟合 |
| 4.1.2 纵向模型预测 |
| 4.2 横向单一模型 |
| 4.2.1 横向模型拟合 |
| 4.2.2 横向模型预测 |
| 4.3 本章小结 |
| 5 基于组合模型的红松生长模型 |
| 5.1 理论知识 |
| 5.1.1 最优加权法 |
| 5.1.2 方差倒数法 |
| 5.1.3 熵值法 |
| 5.1.4 误差倒数法 |
| 5.2 纵向组合模型 |
| 5.2.1 纵向组合模型拟合 |
| 5.2.2 纵向组合模型验证 |
| 5.3 横向组合模型 |
| 5.3.1 横向组合模型拟合 |
| 5.3.2 横向组合模型验证 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（10）39年生长白落叶松种源试验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 长白落叶松种源试验研究进展 |
| 1.3 长白落叶松生长性状选育进展 |
| 1.4 长白落叶松木材性状研究进展 |
| 1.5 落叶松的碳汇研究进展 |
| 1.6 林木基因型与环境互作研究进展 |
| 1.7 本研究目的和意义 |
| 1.8 本研究技术路线 |
| 2 长白落叶松种源生长性状稳定性分析 |
| 2.1 材料与方法 |
| 2.1.1 试验地点 |
| 2.1.2 试验材料 |
| 2.1.3 统计方法 |
| 2.2 结果与分析 |
| 2.2.1 不同地点不同种源长白落叶松各性状变异分析 |
| 2.2.2 不同地点长白落叶松生长性状与地理因子相关性分析 |
| 2.2.3 AMMI模型分析不同种源生长稳定性 |
| 2.2.4 不同种源适应性分析 |
| 2.3 讨论 |
| 2.4 本章小结 |
| 3 长白落叶松种源径向生长过程研究 |
| 3.1 材料与方法 |
| 3.1.1 试验材料 |
| 3.1.2 统计方法 |
| 3.2 结果与分析 |
| 3.2.1 不同年龄段长白落叶松胸径方差分析 |
| 3.2.2 不同年龄段长白落叶松胸径遗传变异参数分析 |
| 3.2.3 不同年龄段长白落叶松胸径相关性分析 |
| 3.2.4 不同地点长白落叶松胸径连年生长量变化规律 |
| 3.2.5 不同地点长白落叶松胸径与气候因子相关性分析 |
| 3.3 讨论 |
| 3.4 本章小结 |
| 4 长白落叶松种源木材性状遗传变异研究 |
| 4.1 材料与方法 |
| 4.1.1 试验材料 |
| 4.1.2 统计方法 |
| 4.2 结果与分析 |
| 4.2.1 不同地点不同种源长白落叶松各性状方差分析及遗传变异参数 |
| 4.2.2 不同地点不同种源长白落叶松木材性状均值分析 |
| 4.2.3 长白落叶松木材性状相关性分析 |
| 4.2.4 长白落叶松木材性状与地理因子相关性分析 |
| 4.2.5 不同地点不同种源长白落叶松多性状综合评价 |
| 4.3 讨论 |
| 4.4 本章小结 |
| 5 长白落叶松种源碳储量遗传变异研究 |
| 5.1 材料与方法 |
| 5.1.1 试验材料 |
| 5.1.2 统计方法 |
| 5.2 结果与分析 |
| 5.2.1 不同地点不同种源长白落叶松含碳量方差分析及遗传变异参数 |
| 5.2.2 不同地点长白落叶松种源含碳量遗传变异参数 |
| 5.2.3 不同地点不同种源长白落叶松含碳量、生物量及碳储量均值 |
| 5.2.4 长白落叶松生长性状与含碳量性状相关性分析 |
| 5.2.5 长白落叶松含碳量性状与地理因子相关性分析 |
| 5.2.6 不同地点长白落叶松高固碳种源筛选 |
| 5.3 讨论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
四、求林分生长量的两种方法（论文参考文献）
- [1]基于分位数回归的杉木人工林地位级划分方法研究[J]. 张博,陈科屹,周来,Sajjad Saeed,张雅馨,孙玉军. 林业科学研究, 2021(04)
- [2]基于贝叶斯模型平均法构建杉木林分蓄积量生长模型[J]. 王震,鲁乐乐,张雄清,张建国,姜丽,段爱国. 林业科学研究, 2021(03)
- [3]安徽省湿地松生长收获模型的构建及生长过程表的编制[D]. 陆海望. 安徽农业大学, 2021
- [4]包含气候因子的湖北省马尾松人工林单木胸径生长模型 ——基于固定样地数据[D]. 丁赵炜. 华中农业大学, 2021
- [5]杉木无节材培育技术体系初步研究[D]. 马天舒. 中南林业科技大学, 2021(01)
- [6]湖南栎类次生林生长预估及林分收荻表编制[D]. 王帅玲. 中南林业科技大学, 2021(01)
- [7]基于抚育间伐效应的红松人工林枝条属性模型研究[D]. 罗天泽. 东北林业大学, 2021
- [8]大兴安岭东部落叶松-白桦混交林进界生长模型[D]. 李武赫. 东北林业大学, 2021(08)
- [9]基于组合模型的红松生长模型研究[D]. 张毅. 东北林业大学, 2021(08)
- [10]39年生长白落叶松种源试验研究[D]. 张恒. 东北林业大学, 2021(08)