3-PG 模型在天然興安落葉松林生長(zhǎng)因子預(yù)測(cè)中的應(yīng)用

曲凌昊，趙秀海，張春雨

(北京林業(yè)大學(xué)森林資源和環(huán)境管理國(guó)家林業(yè)和草原局重點(diǎn)實(shí)驗(yàn)室 北京 100083)

興安落葉松（Larix gmelinii（Rupr.）Kuzen）是松科落葉松屬的落葉喬木樹(shù)種，具有耐寒耐濕的特點(diǎn)。興安落葉松林可促進(jìn)改善東北地區(qū)生態(tài)環(huán)境，對(duì)我國(guó)東北地區(qū)森林可持續(xù)發(fā)展有著不可替代的作用[1]，且對(duì)全球碳平衡有重要影響[2]。針對(duì)大興安嶺地區(qū)的天然落葉松林，多位專(zhuān)家學(xué)者已有一定程度的研究積累，主要有：?jiǎn)文緦哟紊?，有單木的生長(zhǎng)規(guī)律研究[3]，單木直徑生長(zhǎng)模型構(gòu)建[4]，地上生物量模型構(gòu)建[5]等；林分層次上，直徑與樹(shù)高分布研究[6]、結(jié)構(gòu)特征研究[7]、材積源生物量模型研究[8]等。上述經(jīng)驗(yàn)?zāi)Ｐ褪巧稚L(zhǎng)和收獲的主要模擬手段，然而其對(duì)環(huán)境變化、人為干擾下天然落葉松林生長(zhǎng)和產(chǎn)量預(yù)測(cè)具有局限性[9]。與經(jīng)驗(yàn)?zāi)Ｐ拖啾?，過(guò)程模型可以充分考慮林木生長(zhǎng)生理過(guò)程的相互作用與反饋機(jī)制，考慮不同氣溫、養(yǎng)分、降水對(duì)林木生長(zhǎng)的影響。然而，到目前為止，在東北地區(qū)應(yīng)用過(guò)程模型模擬天然林林分生長(zhǎng)的研究仍十分有限。3-PG 模型（Physiological Processes Predicting Growth）是由Landsberg 和Waring[10]創(chuàng)建的一種基于過(guò)程的生長(zhǎng)預(yù)測(cè)模型，通過(guò)碳吸收與固定、生物量分配與損耗以及土壤水分動(dòng)態(tài)平衡3 個(gè)模塊，構(gòu)建方程來(lái)實(shí)現(xiàn)動(dòng)態(tài)模擬，可以充分發(fā)揮過(guò)程作為過(guò)程模型的優(yōu)勢(shì)。目前該模型已被多個(gè)國(guó)家和地區(qū)廣泛用于人工林經(jīng)營(yíng)管理研究[11]，國(guó)內(nèi)也有學(xué)者在桉樹(shù)（Eucalyptus robustaSmith）[12]人工林、馬尾松（Pinus massonianaLamb.）人工林[13]進(jìn)行了參數(shù)化與生長(zhǎng)預(yù)測(cè)，結(jié)果較為可靠，但尚未見(jiàn)運(yùn)用于天然林的報(bào)道。本研究以天然興安落葉松林為研究對(duì)象，運(yùn)用3-PG 模型對(duì)胸徑、樹(shù)高、整株與各組分生物量進(jìn)行了擬合，探索該模型在天然林中應(yīng)用的可行性，為制定相關(guān)森林經(jīng)營(yíng)計(jì)劃提供參考。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

本研究在我國(guó)東北地區(qū)的大興安嶺山脈開(kāi)展。大興安嶺是中國(guó)唯一的寒溫帶明亮針葉林區(qū)和僅有的寒溫帶生物基因庫(kù)，其森林覆蓋率高達(dá) 79.83%[14]，屬寒溫帶大陸性季風(fēng)氣候，冬長(zhǎng)夏短，全年霜凍期長(zhǎng)達(dá)180 d，土壤類(lèi)型主要為棕色針葉林土與暗棕壤，樹(shù)種主要以興安落葉松為主，其次為白樺（Betula platyphyllaSuk.）、樟子松（Pinus sylvestrisvar.mongolicaLitv.）、蒙古櫟（Quercus mongolicaFisch.ex Ledeb.）、紅皮云杉（Picea koraiensisNakai.）等，生態(tài)系統(tǒng)結(jié)構(gòu)豐富[15]。

1.2 野外調(diào)查與數(shù)據(jù)獲取

2017 年夏季，在大興安嶺山脈構(gòu)建面積為1 000 m2、半徑為17.85 m 的樣地，確保樣地內(nèi)胸徑大于5 cm 的興安落葉松的株數(shù)占比大于80%，以此為基礎(chǔ)構(gòu)建的樣地認(rèn)定為純林樣地。利用羅盤(pán)儀與手持GPS 獲取經(jīng)緯度、海拔數(shù)據(jù)，樣地的經(jīng)度范圍為120.44°～124.51° E，緯度范圍為47.53°～53.32° N；海拔范圍為283.3～1 087.7 m，坐標(biāo)分布見(jiàn)圖1。對(duì)樣地內(nèi)所有胸徑≥5 cm 的興安落葉松進(jìn)行每木檢尺，并記錄其胸徑、樹(shù)高。然后使用內(nèi)徑為5.15 mm 的生長(zhǎng)錐對(duì)目標(biāo)樹(shù)進(jìn)行年輪條采樣，由北向南在高度1.3 m 處垂直樹(shù)干鉆入，且鉆取的深度超過(guò)髓心2～3 mm。將取出的年輪條進(jìn)行編號(hào)、干燥、打磨，使用游標(biāo)卡尺測(cè)量最近5 年的胸徑生長(zhǎng)量，結(jié)合每木檢尺的胸徑數(shù)據(jù)計(jì)算2012 年樣地內(nèi)單株木的胸徑。根據(jù)樣地實(shí)測(cè)數(shù)據(jù)，選取各樣地樹(shù)高前10%的個(gè)體作為該樣地的優(yōu)勢(shì)木；對(duì)該部分林木的年輪條進(jìn)行測(cè)算，提取樹(shù)齡信息，取平均值作為林分年齡，劃分林分發(fā)育階段[16]，同時(shí)滿(mǎn)足模型對(duì)林分模擬階段初始年齡的輸入要求。

圖1 研究區(qū)樣地坐標(biāo)分布Fig.1 Coordinates of sample plots in research area

以2016 年最新發(fā)布的《中華人民共和國(guó)林業(yè)行業(yè)標(biāo)準(zhǔn)中》的“立木生物量模型及碳計(jì)量參數(shù)——落葉松”為參考[17]，選擇適用于大興安嶺的模型，獲取落葉松單株的地上、地下及分項(xiàng)生物量數(shù)據(jù)，以樣地為單位，分別累加得到該樣地各組分及總生物量。結(jié)合樣地實(shí)測(cè)的胸徑與樹(shù)高數(shù)據(jù)，選用二元模型進(jìn)行相應(yīng)指標(biāo)的計(jì)算。計(jì)算公式如下：

式中：

MA——地上生物量（kg）。

D——林木胸徑（cm）。

H——林木樹(shù)高（m）。

M1、M2、M3、M4——分別為樹(shù)干、樹(shù)皮、樹(shù)枝、樹(shù)葉的生物量估計(jì)值（kg）。

g1、g2、g3——分別為樹(shù)皮、樹(shù)枝、樹(shù)葉生物量與樹(shù)干生物量的比例。

bi0,bi1,bi2——分別為二元模型的參數(shù)，其中i=1，2，3，分別代表樹(shù)皮、樹(shù)枝、樹(shù)葉。

MB——地下生物量估計(jì)值（kg）。

參考該區(qū)域落葉松的生物量轉(zhuǎn)換因子函數(shù)對(duì)應(yīng)的二元立木材積模型，得到樣地內(nèi)全部單木蓄積，進(jìn)而累加得到各樣地2012 年、2017 年兩期的林分蓄積。

V——林木蓄積，單位為10-3m3。

本研究所需的氣象數(shù)據(jù)來(lái)源于ClimateAP 軟件（2.20 版本）[18]，從PRISM[19]和WorldClim[20]中提取月度氣候?yàn)閰⒖嫉臇鸥窕瘮?shù)據(jù)，并將其匹配至經(jīng)緯度點(diǎn)位置。通過(guò)軟件獲取本研究所需的各項(xiàng)氣象數(shù)據(jù)，包括月平均最高氣溫、月平均最低氣溫、月平均降水量、月平均無(wú)霜天數(shù)等。通過(guò)單位轉(zhuǎn)換與計(jì)算，獲得用于3-PG 模型運(yùn)行的以下標(biāo)準(zhǔn)指標(biāo)的氣象格式數(shù)據(jù)。月平均氣溫范圍為-37.8℃～26.3℃，降水主要集中在7—8月，約為111～155 mm。按照林齡將所有樣地劃分為3 個(gè)組（見(jiàn)表1）。

表1 林型劃分基礎(chǔ)數(shù)據(jù)Table 1 Forest type division and basic data

1.3 3-PG 模型介紹與參數(shù)標(biāo)定

1.3.1 3-PG 模型簡(jiǎn)介 3-PG 模型的工作原理可以簡(jiǎn)單概括為：基于林木生理參數(shù)構(gòu)建一系列方程，模擬林分在環(huán)境或人為因素的影響下的動(dòng)態(tài)生長(zhǎng)過(guò)程。模型從結(jié)構(gòu)上可劃分為3 個(gè)模塊：碳吸收與固定、生物量分配與損耗以及土壤水分動(dòng)態(tài)平衡。碳吸收與固定模塊模擬太陽(yáng)光輻射的逐級(jí)遞減，被冠層吸收從而進(jìn)一步轉(zhuǎn)化為總初級(jí)生產(chǎn)力與凈初級(jí)生產(chǎn)力，模擬碳固定的動(dòng)態(tài)過(guò)程[21]。生物量分配與損耗模塊基于樹(shù)種的生理特性和林分密度，計(jì)算凈初級(jí)生產(chǎn)力在林木各部分的分配，并考慮林分自疏現(xiàn)象。土壤水分動(dòng)態(tài)平衡模塊模擬降水、冠層截流、地表蒸散以及灌溉措施對(duì)土壤水分含量的動(dòng)態(tài)影響。3-PG 模型保留了傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｐ团c過(guò)程模型的優(yōu)點(diǎn)，通過(guò)輸入氣象數(shù)據(jù)與簡(jiǎn)單的立地初始數(shù)據(jù)，即可輸出模擬結(jié)果，在經(jīng)過(guò)本地化的參數(shù)調(diào)整后，即可預(yù)測(cè)林分的胸徑、樹(shù)高、蓄積、各組分生物量等，且精度較為可靠。

1.3.2 模型參數(shù)標(biāo)定 3-PG 模型運(yùn)行需要的參數(shù)主要分為以下兩部分：樣地初始信息數(shù)據(jù)，包括林分緯度、樣地調(diào)查初期的葉生物量、枝干生物量與根生物量等；模型方程組參數(shù)，包含模型的核心子模塊：生物量異速生長(zhǎng)方程、冠層吸收效率、水分利用效率、自疏與死亡相關(guān)參數(shù)等。具體參數(shù)的詳細(xì)介紹可見(jiàn)文獻(xiàn)[22]。所有參數(shù)的獲取方式包括實(shí)測(cè)數(shù)據(jù)直接計(jì)算，方程擬合獲取、查閱文獻(xiàn)獲得、類(lèi)似樹(shù)種參數(shù)推導(dǎo)以及采用模型默認(rèn)的初始值。表2 列出了模型運(yùn)行所需的關(guān)鍵參數(shù)。

表2 3-PG 模型參數(shù)調(diào)整值Table 2 Modification of 3-PG model parameters

表中涉及的主要公式有：

式中：

PFS,p2,p20為生物量分配到葉與枝干的比值，p2,p20分別代表胸徑2 cm 與20 cm 時(shí)的取值；

WS為枝干生物量，as,ns分別為枝干生物量與胸徑關(guān)系的常數(shù)值與冪值；

V為林分蓄積，aV為樹(shù)干材積關(guān)系常數(shù)值，NVB為 胸徑冪值，H為樹(shù)高，NVH為樹(shù)高冪值。

模型基于參數(shù)集與樣地初始信息數(shù)據(jù)運(yùn)行，可生成樣地各指標(biāo)的模擬數(shù)據(jù)（），將其與樣地實(shí)測(cè)調(diào)查的真實(shí)數(shù)據(jù)（y）分別進(jìn)行簡(jiǎn)單線(xiàn)性回歸，分析模擬值與實(shí)測(cè)值的匹配程度，使用軟件為R（版本4.04）。計(jì)算指標(biāo)為斜率（slope）、相關(guān)性系數(shù)（R2）、平均誤差（ME）、平均絕對(duì)誤差（MAE）、均方誤差（RMSE）、平均相對(duì)誤差（MRE）。其中相關(guān)性系數(shù)和斜率用于衡量模擬值與實(shí)測(cè)值的趨勢(shì)，其余4 個(gè)指標(biāo)用于衡量模擬值與實(shí)測(cè)值的偏差程度。

2 結(jié)果與分析

2.1 模型校正結(jié)果

將34 個(gè)樣地按照“五折法”分為5 份，抽取80%的數(shù)據(jù)（27 個(gè)樣地）作為校正樣本，將模型輸出值與實(shí)測(cè)值做線(xiàn)性回歸，并按照1.3.3 計(jì)算各統(tǒng)計(jì)指標(biāo)，結(jié)果如表3。

表3 模型校正結(jié)果Table 3 Results of model calibration

通過(guò)觀察結(jié)果可以得知，模型各變量的決定系數(shù)范圍為0.68～0.98，其中胸徑、枝干生物量、地上生物量、整株生物量的相關(guān)性系數(shù)R2均為0.98；誤差指標(biāo)中，胸徑的平均誤差為-0.67 cm，平均絕對(duì)誤差為0.74 cm，均方誤差1.08 cm；胸徑、枝干生物量、葉生物量的平均相對(duì)誤差較低，控制在-3.33%～-2.02%，樹(shù)高、地上生物量、總生物量的平均相對(duì)誤差也控制在10% 以?xún)?nèi)。綜上所述，模型的校正結(jié)果較為理想。

2.2 模型驗(yàn)證結(jié)果

按照“五折法”將建模校正樣本外不重疊的20%剩余樣本作為驗(yàn)證數(shù)據(jù)，帶入建模校正后的模型獲得輸出結(jié)果，將模型輸出值與實(shí)測(cè)值做線(xiàn)性回歸與統(tǒng)計(jì)檢驗(yàn)，結(jié)果見(jiàn)表4。

表4 模型驗(yàn)證結(jié)果Table 4 Results of model validation

通過(guò)驗(yàn)證結(jié)果可以得知，枝干生物量與總生物的擬合效果依然保持在最佳狀態(tài)，R2達(dá)到0.98，而枝干生物量的平均相對(duì)誤差為-3.08%，是所有變量中的最小值，胸徑、樹(shù)高、地上生物量與總生物量的平均相對(duì)誤差也控制在±10%以?xún)?nèi)。葉生物量在驗(yàn)證結(jié)果中表現(xiàn)有所提升，相關(guān)性系數(shù)R2由校正結(jié)果中的0.68 上升到0.80，同時(shí)葉生物量的平均誤差、平均絕對(duì)誤差和均方誤差均為最低值。因此可以認(rèn)為模型的驗(yàn)證效果較為良好。

2.3 模型整體擬合效果

將所有34 塊樣地的林木數(shù)據(jù)、氣象數(shù)據(jù)與樣地初始數(shù)據(jù)輸入到模型中，得到輸出結(jié)果并進(jìn)行分析。結(jié)果表明，3-PG 模型可以較好地估算林分的胸徑、樹(shù)高、生物量與蓄積生長(zhǎng)情況（表5）。

表5 3-PG 模型擬合結(jié)果與實(shí)測(cè)值比較Table 5 Comparison of fitting results of 3-PG model with measured values

從表5 中可以看出，將全部樣地?cái)?shù)據(jù)應(yīng)用于模型中之后，枝干生物量與整株生物量的模擬值與實(shí)測(cè)值相關(guān)性系數(shù)依然保持所有變量的最高值，為0.98；樹(shù)高、根生物量與蓄積的相關(guān)性系數(shù)較驗(yàn)證數(shù)據(jù)有所提升，其中樹(shù)高相關(guān)性系數(shù)增長(zhǎng)幅度最大，由0.77 上升到0.83，同時(shí)平均相對(duì)誤差減少的最大幅度也出現(xiàn)在樹(shù)高部分，由-8.8% 縮小為-1.63%。除蓄積外，所有指標(biāo)的平均相對(duì)誤差都控制在±10%以?xún)?nèi)，可以認(rèn)為模型模擬效果良好。

2.4 不同林齡樣地整株生物量擬合精度

林齡對(duì)生物量分配有顯著影響。模型對(duì)不同林齡樣地整株生物量的擬合結(jié)果見(jiàn)表6。

表6 不同年齡樣地整株生物量模擬Table 6 Simulation of total biomass in different age sample plots

對(duì)不同林齡樣地進(jìn)行的整株生物量擬合效果檢驗(yàn)表明，模型對(duì)3 個(gè)齡組林分的擬合效果都取得了較為理想的效果，p值均為極顯著。第一齡組與第二齡組的平均相對(duì)誤差控制在了6.56%以?xún)?nèi)，其中第一齡組的擬合效果最為理想，平均誤差為4.58 t·hm-2，平均絕對(duì)誤差為6.91 t·hm-2，均方誤差為8.31 t·hm-2，平均相對(duì)誤差更是控制在4.42%。隨著年齡的增長(zhǎng)，4 個(gè)評(píng)價(jià)指標(biāo)都出現(xiàn)小幅增長(zhǎng)的趨勢(shì)，其中第三齡組的平均誤差為11.75 t·hm-2，平均絕對(duì)誤差為11.75 t·hm-2，均方誤差為13.28 t·hm-2，平均相對(duì)誤差為13.43%。前兩個(gè)齡組的平均相對(duì)誤差控制在4.42%～6.56% 之間，效果良好。模擬值與實(shí)測(cè)值的線(xiàn)性回歸結(jié)果見(jiàn)圖2。

圖2 不同林齡樣地整株生物量擬合Fig.2 Fitting of total mass in different age

2.5 不同林齡樣地胸徑擬合精度

在天然林中，由于受到環(huán)境復(fù)雜性、物種多樣性、個(gè)體生長(zhǎng)階段差異性的影響，林分胸徑在不同林齡時(shí)變化也有較大差別。因此本研究也針對(duì)模型在不同林齡的樣地中胸徑擬合的表現(xiàn)進(jìn)行了分析驗(yàn)證。模型對(duì)不同林齡樣地胸徑的擬合結(jié)果如表7。

表7 不同年齡樣地胸徑模擬Table 7 Simulation of DBH in different age sample plots

對(duì)不同林齡的樣地進(jìn)行的胸徑擬合效果檢驗(yàn)表明，模型對(duì)3 個(gè)齡組林分的擬合效果都較為理想，p值均為極顯著，且平均相對(duì)誤差控制在±10%以?xún)?nèi)，模型擬合效果良好。與整株生物量擬合的結(jié)果不同，胸徑的擬合效果隨林齡的增長(zhǎng)沒(méi)有下降，反而有極小幅度的提升，平均誤差由第一齡組的-2.05 cm 下降到第三齡組的-1.51 cm，平均絕對(duì)誤差由第一齡組的2.05 cm 下降到第三齡組的1.65 cm。模擬值與實(shí)測(cè)值的線(xiàn)性回歸結(jié)果見(jiàn)圖3。

圖3 不同林齡樣地胸徑擬合Fig.3 Fitting of DBH in different age

3 討論

天然林對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)功能的作用至關(guān)重要，研究天然林蓄積及生物量生長(zhǎng)具有重要的意義[25]。本研究以大興安嶺的天然興安落葉松林為研究對(duì)象，運(yùn)用基于過(guò)程的3-PG 模型對(duì)林分尺度上的胸徑、樹(shù)高、各組分生物量及蓄積進(jìn)行了模擬。在研究方法上，本研究采用了鉆取樹(shù)木年輪條的方式，在獲取當(dāng)前胸徑信息的基礎(chǔ)上還原歷史的胸徑信息及一段時(shí)間之內(nèi)的胸徑生長(zhǎng)情況，在3-PG 模型的應(yīng)用中為首次。在獲取胸徑信息的基礎(chǔ)上，通過(guò)本地化的生物量及蓄積方程，合理推算獲得各器官的生物量和蓄積信息，大大節(jié)省了時(shí)間成本，避免了破壞性采樣的繁瑣性，以及運(yùn)輸與保存過(guò)程中可能出現(xiàn)的磨損導(dǎo)致的誤差，為后人研究提供了參考的方法。通過(guò)模型結(jié)果可以看出，實(shí)測(cè)值與預(yù)測(cè)值高度一致，且平均相對(duì)誤差控制在±20%以?xún)?nèi)，結(jié)果與在類(lèi)似地理區(qū)域中同屬樹(shù)種的人工林研究結(jié)果相比，精度較為接近，且相關(guān)性系數(shù)有所提升[26]。胸徑的模型擬合的相關(guān)性系數(shù)優(yōu)于前人的結(jié)果[27]。通過(guò)對(duì)模型結(jié)構(gòu)的分析可以得知，模型模擬林分蓄積的模塊考慮了胸徑、樹(shù)高以及林分密度3 個(gè)變量的影響，同時(shí)通過(guò)計(jì)算每株死亡的樹(shù)損失的生物量，進(jìn)而衡量自疏死亡對(duì)林分蓄積的影響[28]，蓄積在使用全部數(shù)據(jù)的情況下，平均相對(duì)誤差大幅減小，由-19.80%降低至-10.13%。由于本研究采用取樹(shù)芯測(cè)量年輪條寬度的方法對(duì)胸徑進(jìn)行計(jì)算，在保證測(cè)量精度的同時(shí)，不考慮由于自疏和競(jìng)爭(zhēng)導(dǎo)致的林分株數(shù)的減少，相應(yīng)的也對(duì)模型相關(guān)參數(shù)進(jìn)行了調(diào)整，彌補(bǔ)了無(wú)法在林分生長(zhǎng)預(yù)測(cè)中模擬林木的枯死情況的缺點(diǎn)。

無(wú)論是人工林還是天然林，隨著林齡的增加，森林的生長(zhǎng)速度會(huì)逐漸變緩，模型的適用效果也會(huì)出現(xiàn)不穩(wěn)定的情況，因此本研究將數(shù)據(jù)按林齡從小到大進(jìn)行了劃分，3 個(gè)齡組分別占1/3，避免了因樣本量分配不均勻?qū)е履Ｐ痛硇韵陆档膯?wèn)題。分析表6 結(jié)果可知，模型對(duì)落葉松3 個(gè)齡組整株生物量模擬都取得了較好的效果，其中第一齡組樣地?cái)M合效果最佳，分析原因在于模型最開(kāi)始用于人工林從種植時(shí)間開(kāi)始的生長(zhǎng)預(yù)測(cè)，且輪伐周期較短，與本研究的第一齡組年齡更為接近，模型實(shí)用性得到過(guò)多方的認(rèn)可。

關(guān)于生物量方程的選取，前人多采用《東北主要林木生物量手冊(cè)》的一元方程，獲取落葉松各組分生物量，并進(jìn)行累加獲得地上生物量與整株生物量[29]。但考慮到該方法時(shí)間較為久遠(yuǎn)，且可加性未知的前提下，筆者選擇了采用最新的林業(yè)行業(yè)標(biāo)準(zhǔn)文件進(jìn)行生物量與蓄積的計(jì)算，并選擇精度最高的二元方程，雖加大了擬合的難度，但是結(jié)果更為理想。

本研究需要改進(jìn)的部分有以下幾點(diǎn)：天然林環(huán)境較為復(fù)雜，測(cè)量樹(shù)高時(shí)存在嚴(yán)重的遮擋，測(cè)量方式影響導(dǎo)致樹(shù)高測(cè)量精度偏低，應(yīng)探求更為準(zhǔn)確的測(cè)量方式。葉生物量模擬部分的擬合結(jié)果不夠理想，原因是受測(cè)量條件限制，實(shí)測(cè)數(shù)據(jù)不包含冠層導(dǎo)度、冠層量子效率等數(shù)據(jù)，在參數(shù)調(diào)整過(guò)程中采用了查閱文獻(xiàn)所得的相似樹(shù)種的值或采用模型默認(rèn)值。到目前為止，3-PG 模型的研究日漸完善，有基于單木過(guò)程模型的林分生長(zhǎng)模擬[30]，及混合多個(gè)模型以取得更佳的擬合效果[31]，在探討混交林的生長(zhǎng)預(yù)測(cè)上也有新的突破[32]。在后續(xù)的研究中將著力于探討更好的模型模擬效果，彌補(bǔ)空缺的本地化參數(shù)值，優(yōu)化已有的參數(shù)值，力求在天然林模型模擬中取得更滿(mǎn)意的結(jié)果。

4 結(jié)論

本研究運(yùn)用3-PG 模型，開(kāi)創(chuàng)性地使用年輪條數(shù)據(jù)，對(duì)大興安嶺地區(qū)的興安落葉松天然林進(jìn)行了林分生長(zhǎng)的預(yù)測(cè)，通過(guò)對(duì)模型參數(shù)的調(diào)整，在胸徑、枝干生物量、總生物量等組分的預(yù)測(cè)取得了較好的效果，證明了模型在興安落葉松天然林中預(yù)測(cè)能力的可靠性；在葉生物量、蓄積模擬方面，需結(jié)合其他模型或方法對(duì)預(yù)測(cè)精度進(jìn)行進(jìn)一步優(yōu)化。通過(guò)對(duì)不同林齡的樣地中總生物量與胸徑的模擬效果進(jìn)行了對(duì)比，分析了模型在不同林齡林分中的擬合精度，對(duì)該地區(qū)未來(lái)天然林的經(jīng)營(yíng)管理提供了一定的參考。