基于机器学习方法解析杉木胸径生长影响机制取得了新进展

杉木是我国最重要的速生用材树种之一。因此，在全球气候变化背景下，解析杉木生长的影响机制，对于科学管理经营杉木人工林，精准提升杉木人工林产量及质量具有重要的意义。研究依托福建、广西、江西、四川四个地区的杉木密度试验林30余年长期固定样地，基于机器学习方法解析杉木年胸径生长影响机制取得了新进展。
研究在深入分析杉木生长的影响因素后，筛选出10个气候因子和9个林分变量，选用综合性能优异的随机森林算法和以准确度著称的深度学习算法模拟杉木胸径生长。研究发现具有8个隐层，每个隐藏层包含90个神经元的深度学习模型最优；发现杉木胸径年生长量随着基尼系数（结构多样性）的增大而增大，随着林龄和大于对象木林分断面积之和的增大而减小；杉木生长与平均夏季最高温、平均冬季最低温和年降水量的关系不是恒定的，依赖于气候的变化情况,气候恶化会加剧竞争对生长的负面影响；气候变化对幼龄林生长有促进作用，而对老龄林生长有抑制作用。
基于本研究的结果，竞争是影响杉木胸径生长的最主要因素，低竞争水平下的杉木胸径生长量较大。因此应采用适当的疏伐或低密度造林维持竞争与树木生长之间的平衡。老龄林对气候变化，尤其是对气候胁迫的负面影响更为敏感。因此，我们应该更加重视老龄林的适应管理，以增强它们对极端天气（如极端夏季或冬季温度）的适应能力。高林分结构多样性下的杉木胸径生长量更大，因此我们可以采取适当的间伐措施，以促进杉木生长。
相关论文“Effects of stand factors on tree growth of Chinese fir in the subtropics of China depends on climate conditions from predictions of a deep learning algorithm: A long-term spacing trial”发表在林学Top期刊《Forest Ecology and Management》上。林业所硕士生王震为论文第一作者，张雄清研究员为通讯作者，张建国研究员指导并参与了该研究工作。该工作得到了十四五国家重点研发计划和国家自然科学基金面上项目的资助。（张雄清/林业所）
张雄清 中国林科院林业所 2022-06-30

关键词 杉木  机器学习方法  木材解析  解析杉木  胸径生长  影响机制  图片