目的 研究5种不同密度林分土壤剖面养分含量的变化规律。 方法 以广西大青山37年生杉木密度试验林为研究对象，测定了A（1 667株·hm^-2）、B（3 333株·hm^-2）、C（5 000株·hm^-2）、D（6 667株·hm^-2）、E（10 000株·hm^-2）5种密度下0 100 cm土层土壤养分含量。利用单因素方差分析和多重比较判断不同密度和不同土层土壤养分含量的差异。 结果 表明：（1）杉木人工成熟林大多数土层土壤有机质、全氮、碱解氮、全磷、有效性铁含量在A、B等低密度林分中最高，并且在0~30 cm的土壤中，随密度的增加表现出总体下降的变化趋势，而土壤pH值与全钾、速效钾随密度的增加而上升，交换性钙与交换性镁含量受密度影响不明显；（2）土壤有机质、全氮、碱解氮、有效磷、速效钾、交换性钙、交换性镁和有效性铁含量均随土层深度的增加而明显下降，0~30 cm表层土壤的降幅较大，密度对不同土壤深度养分含量的变化具有一定影响。 结论 初植密度对杉木人工成熟林土壤养分含量影响明显，低初植密度更有利于杉木人工林土壤肥力的长期维持，南亚热带杉木林密度对土壤养分的影响深度可达60 cm。

利用吉林省汪清林业局金沟岭林场落叶松林分连续观测数据,以计数类模型为基础,分别利用Poisson回归模型、负二项模型、零膨胀模型和Hurdle模型拟合林木进界株数,并通过AIC值,Pearson残差图以及Vuong检验对这些模型进行了详细分析比较。结果表明:Poisson回归模型不适用于模拟林木枯损株数;负二项回归模型相对于Poisson回归模型比较适用,但是对于零枯损过多的数据,这两类模型拟合效果较差;零膨胀模型和Hurdle模型对这类数据有很好的解决办法,而且,零膨胀负二项模型拟合效果最好。

采用3参数Weibull生长方程,对15块杉木密度试验林26年连续观测数据进行分析,计算了林分材积年平均生长量(MAI,包括净材积年平均生长量(MAInet),总材积年平均生长量(MAIgross));利用相关分析及逐步回归分析,研究了林分净材积(Vnet)和总材积(Vgross=Vnet+枯死木材积累积(∑Vm))年平均生长量的峰值及峰值林龄与初植密度、立地质量的关系. 结果表明:(1)MAInet峰值与立地指数呈显著正相关,而受林分密度影响很小,其在立地指数级22 m的样地内平均值比立地指数级12 m的样地增加了8.33 m3·hm-2·a-1;MAIgross峰值与立地质量及林分初植密度均呈正相关(r=0.813 5, p=0.000 4;r=0.926 1, p=0.000 0);(2)MAInet峰值林龄主要受初植密度的影响,初植密度太大或太小对MAInet峰值林龄有显著影响,E密度(1 m×1 m)样地的MAInet峰值林龄平均值比A密度(2 m×3 m)样地的小3.88年,而中间密度的MAInet峰值林龄变化不明显.

采用30年生未间伐的杉木人工林连续观测数据,研究了不同林龄立地质量、林分密度对林分材种结构的影响。结果表明:初植密度相同时,立地质量越好各材种出现时间及达到最大出材率的时间越早,22立地指数初植密度1 667株·hm-2的小径材最大出材率出现时间较16立地指数初植密度1 667株·hm-2早4 a,中径材最大出材率出现的时间早6 a;立地指数相同时,随初植密度增加小径材出材率的峰度及峰值均减小,20立地指数样地中,初植密度为1 667株·hm-2的小径材出材率峰值较初植密度为10 000株·hm-2的高17%,而初植密度对中径材、大径材影响不大;在林分发展的不同时期,林分密度对材种出材率的影响不同,30年生时林分蓄积相近的但初植密度不同的样地,初植密度越大小径材出材率越高,大径材出材率越低。

对来源于湖南省的38个杉木无性系在广西柳州市21年生试验林各生长性状进行了调查与分析，发现中林龄杉木无性系间的胸径、树高、单株材积及树冠指标生长量均存在显著或极显著的差异；无性系树高、胸径、材积、枝下高、冠长及冠幅等性状重复力为58.65% 87.19%，均达50%以上，表现为中等以上重复力，说明杉木无性系生长性状及树冠性状具有较高的遗传稳定性；无性系生长性状胸径、树高及材积与树冠性状冠长、冠幅均呈显著或极显著正相关；从38个供试杉木无性系中筛选出88号、68号、300号等3个优良杉木无性系，单株材积分别达0.494 8、0.438 9、0.412 9 m3，较优良种源、改良代种子园种子及优良家系组成的5个实生对照平均值分别高出43.59%、27.37%和19.82%。

目的 通过对不同地理种源杉木α纤维素中的稳定碳同位素（δ¹³C）与气候因子的相关性分析，筛选出影响杉木树轮δ¹³C的主导气候因子，解释不同种源差异性响应，为种源层面上区域杉木的培育提供理论参考。 方法 以广西柳州的杉木试验林场的30个种源为研究材料，提取并测量α纤维素中δ¹³C，利用相关分析和逐步回归分析方法，对杉木树轮δ¹³C与当年、前1年、前2年的降水、平均温度、最低气温、最高气温、平均相对湿度、最小相对湿度、日照时数及湿润度指数进行分析。 结果 不同种源杉木（1987—2013）树轮δ¹³C值的变幅为−20.997‰～−25.910‰，表现出较强的一阶自相关，相关系数为0.181～0.866。大部分种源杉木树轮的δ¹³C与平均温度、最高气温、最低气温呈显著正相关（p<0.05），与日照时数呈不显著正相关，与平均相对湿度、最小相对湿度呈极显著负相关（p<0.01），而与降水及湿润度指数的相关性不统一。逐步回归分析结果发现，30个杉木种源中有26个种源与当年最小相对湿度呈线性关系。 结论 最小相对湿度是影响不同种源杉木树轮α纤维素中δ¹³C的主导气候因子，而对降水的依赖性很小。杉木不同种源树轮δ¹³C对气候因子的响应存在明显的滞后效应。研究有效的填补了种源层面上树轮稳定碳同位素对气候响应研究的不足，也为杉木培育及经营管理提供了参考。

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著影响。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。

目的 利用杉木密度间伐林探究林分生长优势在间伐处理下的变化规律，为杉木林栽培管理提供有效的管理策略。 方法 以江西省分宜年珠林场青石湾杉木密度间伐林为研究对象，用线性混合效应模型分析了生长优势与林龄、累积间伐强度、保留株数密度以及这些变量相互作用的关系。 结果 在间伐前后，生长优势伴随着累积间伐强度、林龄以及保留株数密度的增加而增加。生长优势的负值未在最后的观测年出现。同一保留株数密度下，生长优势随累积间伐强度的增加而增加。 结论 低密度种植，低密度管理，使得生长优势更趋近于0，有利于林木均衡生长，提高大径材产量。高密度种植，低密度管理不仅在间伐收获小树的同时，伴随着累积间伐强度的增强，生长优势增加，促进林分内大树的生长，从而收获大径材。

目的 林分密度是反映单木林分中林木株树和竞争的一个重要指标，构建林分生长与收获模型的一个重要变量。选择合适的林分密度指标来构建杉木林分蓄积量模型，提高林分预测精度。 方法 以福建邵武杉木(Cunninghamia lanceolata)人工林密度长期试验林28 a连续观测数据为依据，基于可变生长率法，建立了含5种林分密度指标的杉木林分蓄积年生长模型。 结果 模型决定系数R²均在0.979以上，精度高于不含密度指标的对照组模型。在包含密度指标的模型中，精度最高的为每公顷株数N密度模型，其次是相对植距RS密度模型，但是这两个模型参数估计不显著而被舍弃。所有模型的R²数值由高到低顺序为：每公顷株数N林分蓄积量模型（0.979 9）、相对植距模型（0.979 9）、林分密度指数SDI模型（0.979 4）、优势高营养面积比Z模型（0.979 3）、Nilson密度指数模型（0.979 0）以及不含密度指标模型（0.972 8）。 结论 除去N指标和RS指标模型，杉木林分蓄积量模型中表现最好的是以林分密度指数SDI为密度指标的模型。其次，还发现在低造林密度（1 667～3 333 株·hm⁻²）林分，蓄积生长量要大于中高造林密度（5 000～10 000 株·hm⁻²）的林分。

目的 研究林分立地因子对立地指数的影响，构建含立地混合效应的立地指数模型，以解决区域性立地指数模型精度低的问题。 方法 基于湖南丘陵平原地区360组杉木平均优势木高-年龄数据，利用数量化方法Ⅰ对影响林分优势高生长的立地因子进行显著性分析，并选取P＜0.05的立地因子作为主导因子；采用8种常用的立地指数方程进行基础模型选择，以主导立地因子及其组合作随机效应，确定包含立地效应的立地指数模型。运用AIC、BIC、Log-likelihood和R²等4个评价指标比较不同组合类型的模拟精度，选取最优随机效应组合。采用K-means聚类划分立地类型组，以解决复杂立地类型的模型应用问题。 结果 1）基于数量化方法Ⅰ的显著性分析结果显示：对林分优势高具有显著影响的立地因子有海拔、坡度、坡向与土壤类型，其显著性顺序为土壤类型＞海拔＞坡向＞坡度。2）10个候选基础模型的拟合精度均较低（R²=0.424 3～0.564 4），本研究选取M4（R²=0.564 4）作为构建多形立地指数曲线的基础模型。3）将不同立地因子及其组合作随机效应构建非线性混合模型，确定系数R²从0.424 3～0.564 4提高到0.565 5～0.808 9，模型拟合精度的高低与主导立地因子的显著性紧密相关，其中含立地类型的混合模型模拟精度最高（R²=0.808 9）。4）以确定系数≥0.99为聚类精度标准,将研究区立地类型划分为11个立地类型组，含立地类型组的混合模型在便于应用的同时，提高了建模精度（R²=0.811 7）。 结论 含立地随机效应的立地指数曲线模型可以显著提高区域复杂立地类型的立地建模精度。