中国四种落叶松人工林生长模型构建及林分结构对生产力的影响机制研究

本研究针对森林生长模型中普遍忽视林分结构的问题，以中国四种主要落叶松人工林（Larix gmelinii、L. olgensis、L. principis-rupprechtii和L. kaempferi）为对象，基于国家森林资源连续清查（NFI）2129块固定样地数据，创新性地将基于胸径的Shannon-Wiener指数（DSh）和Simpson指数（DSi）等结构指标纳入生长模型。研究构建了具有全国尺度适用性的林分断面积（BA）、蓄积量（V）和总生物量（TG）模型，调整R2均>0.95，10折交叉验证证实模型无过/欠拟合。结果表明，四种落叶松生长差异显著，且林分生产力与树木大小分化呈显著正相关，为通过抚育间伐调控林分结构提升生产力提供了科学依据。

　　

在全球森林资源可持续管理背景下，如何精准预测林分生长一直是林业科学的核心难题。传统生长模型多聚焦于年龄、立地等单一因子，却忽视了林分结构这一可调控的关键要素。更棘手的是，关于林分结构如何影响生产力，学界长期存在"促进派"与"抑制派"之争——既有研究证实结构复杂性可通过生态位互补提升资源利用效率，也有学者发现结构异质性会导致14%的生物量损失。这种认知鸿沟严重制约了人工林的精准经营，特别是在占中国乔木林面积5.51%的落叶松这类重要生态-经济型树种的管理上。

中国林业科学研究院资源信息研究所的研究团队在《Trees, Forests and People》发表的最新研究，首次在全国尺度上破解了这一难题。研究人员利用第六至九次国家森林资源连续清查的2129块固定样地数据，创新性地将DBH-based Shannon-Wiener指数（D_Sh）和Simpson指数（D_Si）等5种结构指标，通过参数重组方法整合到基于Richards理论的生长方程中。采用非线性混合效应模型（NLME）处理重复测量数据，通过AIC/BIC准则筛选最优模型，并运用10折交叉验证评估模型稳健性。

林分断面积模型
研究发现将D_Si纳入参数a的模型最优（AIC=5764.32），断面积随D_Si增加呈线性增长。在立地指数SI₀条件下，L. kaempferi断面积比L. principis-rupprechtii高3.25%，后者又比L. olgensis高1.55%。

林分蓄积量模型
D_Sh被分配至参数a的模型表现最佳（AIC=17457.08），蓄积量与D_Sh正相关。L. kaempferi在SI₀立地的蓄积量优势达6.81%，显著高于其他树种。

总生物量模型
引入D_Sh的模型（AIC=16418.41）显示，生物量随树高多样性增加而提升。L. kaempferi生物量比L. principis-rupprechtii高6.12%，而L. olgensis又比L. gmelinii高10.52%。

这项研究首次实现了四种落叶松生长模型的全国尺度统一建模，证实树木大小分化（D_Sh/D_Si）能显著提升生产力，解决了长期存在的学术争议。研究提出的"结构-生长"响应机制为人工林精准经营提供了新范式，特别是建议通过间伐调控D_Sh在0.75-0.92区间以最大化生产力。该成果不仅为《全球森林资源评估》提供了中国方案，更为实现"双碳"目标下的森林质量精准提升奠定了理论基础。未来研究可结合遥感技术拓展水平结构指标，并探索气候变化与林分结构的交互效应。