摘 要：【目的】分析立地因子和競(jìng)爭(zhēng)因子對(duì)冠幅生長(zhǎng)的影響，構(gòu)建含立地因子和競(jìng)爭(zhēng)因子的混合效應(yīng)湖南櫟類天然林冠幅預(yù)測(cè)模型，為櫟類天然林科學(xué)經(jīng)營(yíng)決策提供理論依據(jù)?！痉椒ā恳?1塊湖南櫟類天然林樣地的1 429株櫟類林木為研究對(duì)象，篩選對(duì)冠幅影響顯著的因子，將顯著性因子按照標(biāo)準(zhǔn)分級(jí)、組合，構(gòu)成競(jìng)爭(zhēng)類型和立地類型；從10個(gè)基礎(chǔ)模型中篩選出最優(yōu)模型；應(yīng)用k-means聚類方法將初始競(jìng)爭(zhēng)類型聚類成競(jìng)爭(zhēng)類型組；將立地類型和競(jìng)爭(zhēng)類型組作為隨機(jī)效應(yīng)加入最優(yōu)模型，構(gòu)建含競(jìng)爭(zhēng)和立地效應(yīng)的湖南櫟類天然林冠幅模型?！窘Y(jié)果】對(duì)冠幅影響顯著的因子包括海拔、坡度、坡位、坡向、土壤類型、相對(duì)斷面積（RS）、簡(jiǎn)單競(jìng)爭(zhēng)指數(shù)（CLH）和大于對(duì)象木斷面積之和（BAL），立地因子顯著性順序?yàn)楹０?gt;坡度>坡向>坡位>土壤類型，競(jìng)爭(zhēng)因子中RS與冠幅呈正相關(guān)，而CLH、BAL與冠幅呈負(fù)相關(guān)；最優(yōu)基礎(chǔ)模型為異速生長(zhǎng)模型（有截距），R2為0.534 8；將篩選的3個(gè)競(jìng)爭(zhēng)因子按照標(biāo)準(zhǔn)分級(jí)、組合構(gòu)成競(jìng)爭(zhēng)類型，加入基礎(chǔ)模型構(gòu)建含競(jìng)爭(zhēng)類型的混合效應(yīng)模型，R2升至0.583 5；應(yīng)用k-means聚類將初始競(jìng)爭(zhēng)類型聚類成17個(gè)競(jìng)爭(zhēng)類型組，作為隨機(jī)效應(yīng)加入基礎(chǔ)模型，R2升至0.749 2；將立地類型作為隨機(jī)效應(yīng)再加入模型，構(gòu)建基于競(jìng)爭(zhēng)和立地混合效應(yīng)的冠幅模型，R2升至0.841 6，相對(duì)基礎(chǔ)模型提升了57.36%?！窘Y(jié)論】含競(jìng)爭(zhēng)因子和立地因子的湖南櫟類天然林冠幅模型具有較好的擬合效果及預(yù)測(cè)精度。因此，本研究所構(gòu)建的冠幅模型可以很好地預(yù)測(cè)湖南櫟類天然林的冠幅，可為研究櫟類天然林生長(zhǎng)、經(jīng)營(yíng)管理以及更新森林資源調(diào)查數(shù)據(jù)庫(kù)提供支持。

關(guān)鍵詞：冠幅模型；櫟類天然林；混合效應(yīng)；立地因子；競(jìng)爭(zhēng)因子

中圖分類號(hào)：S792.18 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-923X（2024）06-0092-10

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（32271874）。

Crown diameter model of Hunan Quercus natural forest based on competition and site effect

YANG Hao， HE Haimei， HUANG Lang， YOU Wenbiao， TANG Wei， ZHU Guangyu

（College of Forestry， Central South University of Forestry Technology， Changsha 410004， Hunan， China）

Abstract：【Objective】This study was carried out to analyze the effects of site factors and competition factors on the crown width growth， construct a crown width model of Hunan Quercus natural forests with the mixed effects of site types and competition factor. It provides a theoretical basis for scientific management decision of Quercus natural forests.【Method】With 1 429 Quercus trees in 51 natural forest plots of Hunan province as the research object， the factors that had significant influence on crown extent were screened， and the factors were classified and combined according to the standard to form site types and competition types. The optimal basic model was selected from 10 basic models. k-means clustering was used to cluster the initial competition types into competition type groups. The competition type group and the site type group were added into the optimal basic model as random effects， and the mixed effects model including the site type and the competition type group was constructed.【Result】The factors that significantly affected crown width included altitude， slope， slope position， slope direction， soil type， relative fault area （RS）， simple competition index （CLH）， and greater than the sum of the object wood fault area （BAL）. The significance order of site factors was altitude>slope>slope direction>slope position>soil type， and Rs was positively correlated with crown width among competition factors. CLH and BAL were negatively correlated with crown width. The optimal basic model was allometric growth model （with intercept）， R2 was 0.534 8. The three competition factors were classified and combined according to the standard to form the competition type， and the mixed effect model with competition type was added to the basic model， and the R2 increased to 0.583 5. k-means clustering was applied to cluster the initial competition types into 17 competition type groups， which were added to the basic model as random effects， and R2 increased to 0.749 2. The combined site types were added to the model as random effects， and the crown width model based on the mixed effects of competition and site was constructed. The R2 of the model increased to 0.841 6， which was 57.36% higher than that of the basic model.【Conclusion】The natural forest canopy model of Hunan Quercus with competition factor and site factor has better fitting effect and prediction accuracy. Therefore， the canopy width model constructed in this study can well predict the canopy width of natural Quercus forest in Hunan， and provide support for the study of the growth and management of natural Quercus forest and the update of forest resource survey database.

Keywords： crown width model； Quercus natural forest； mixed effect； site factor； competition factor

樹冠是樹木進(jìn)行光合作用和能量積累的重要場(chǎng)所，樹冠的大小可以反映林木生產(chǎn)力狀況和生長(zhǎng)活力[1]。冠幅（CW）是確定森林經(jīng)營(yíng)措施的重要樹木變量[2]。冠幅可用于估計(jì)樹冠的體積與表面積[3]、模擬樹冠輪廓[4]、計(jì)算競(jìng)爭(zhēng)指數(shù)[5]等。同時(shí)，冠幅可用于構(gòu)建樹木死亡率模型[6]和地上生物量模型[7-8]，是削度方程和立木材積的重要預(yù)測(cè)因子[9-10]，也是林分可視化的重要參數(shù)[11]?？梢?，樹木的冠幅有巨大應(yīng)用價(jià)值。然而，在野外調(diào)查中對(duì)于冠幅的測(cè)定費(fèi)時(shí)且昂貴[12]，且在天然林中冠幅的測(cè)量精度較差。因此，建立較高精度的冠幅預(yù)測(cè)模型具有重要意義。

對(duì)冠幅預(yù)測(cè)模型的研究，早期是利用傳統(tǒng)回歸方法建立冠幅與胸徑的線性模型[13]。現(xiàn)在冠幅模型的研究大多是基于冠幅與胸徑相關(guān)關(guān)系進(jìn)行的，同時(shí)考慮了各種林木變量和林分變量，以提高預(yù)測(cè)的精度[14]。近年來(lái)，非線性混合效應(yīng)模型因能靈活分析、處理分組設(shè)計(jì)數(shù)據(jù)和嵌套多水平數(shù)據(jù)，預(yù)測(cè)誤差小，已被廣泛用于冠幅模型研建[15]。然而，在天然林中樹木之間存在著競(jìng)爭(zhēng)關(guān)系，冠幅受競(jìng)爭(zhēng)的影響較大，不同立地條件下林木冠幅的生長(zhǎng)也會(huì)存在較大的差異。

在天然林中，林木冠幅生長(zhǎng)受到來(lái)自其周圍樹木的競(jìng)爭(zhēng)的影響，林木之間的競(jìng)爭(zhēng)會(huì)導(dǎo)致個(gè)體對(duì)競(jìng)爭(zhēng)的可塑生長(zhǎng)及異速生長(zhǎng)關(guān)系的改變[16]。同時(shí)，不同立地條件下的樹木生長(zhǎng)也會(huì)存在差異[17]。Sharma等[18]考慮與距離有關(guān)或無(wú)關(guān)的競(jìng)爭(zhēng)因子，將樣地作為隨機(jī)效應(yīng)，構(gòu)建了挪威云杉Piceaabies和歐洲山毛樣Fagussylvatica混合效應(yīng)冠幅模型，精度相比基礎(chǔ)模型有顯著提升；賀夢(mèng)瑩等[1]在長(zhǎng)白落葉松Larix olgensis-水曲柳Fraxinus mandshurica混交林的冠幅預(yù)測(cè)模型研究中發(fā)現(xiàn)，單木胸徑與林分優(yōu)勢(shì)木平均胸徑之比和大于對(duì)象木胸高斷面積之和等競(jìng)爭(zhēng)因子顯著影響冠幅生長(zhǎng)，得出競(jìng)爭(zhēng)因子能夠量化表達(dá)林木所受到競(jìng)爭(zhēng)壓力；龍時(shí)勝等[19]在青岡櫟Cyclobalanopsis glauca自由木的冠幅預(yù)測(cè)模型研究中發(fā)現(xiàn)，綜合考慮對(duì)象木與競(jìng)爭(zhēng)木距離、林木胸徑比值以及對(duì)象木與競(jìng)爭(zhēng)木樹高比值的競(jìng)爭(zhēng)指標(biāo)能更加準(zhǔn)確地反映出林木的競(jìng)爭(zhēng)狀況；Buchacher等[20]考慮了冠幅生長(zhǎng)與樹種組成和立地條件之間的關(guān)系，同時(shí)將樣地作為隨機(jī)效應(yīng)，構(gòu)建了奧地利幾個(gè)主要樹種的線性混合效應(yīng)冠幅模型，提高了模型的預(yù)估精度。因此，在構(gòu)建樹木冠幅模型時(shí)考慮樹木之間的競(jìng)爭(zhēng)和立地條件能夠提高模型的預(yù)測(cè)精度和適用性。

櫟類Quercus天然林作為一種闊葉用材林在湖南林業(yè)生產(chǎn)中發(fā)揮了重要的作用，具有重要的研究?jī)r(jià)值[21]，因此，建立高精度的湖南櫟類天然林冠幅模型很有必要。國(guó)內(nèi)對(duì)于櫟類冠幅模型的研究尚未見報(bào)道。為了分析立地因子和競(jìng)爭(zhēng)因子對(duì)冠幅生長(zhǎng)的影響，構(gòu)建含立地因子和競(jìng)爭(zhēng)因子的混合效應(yīng)櫟類天然林冠幅預(yù)測(cè)模型，為櫟類天然林科學(xué)經(jīng)營(yíng)決策提供理論依據(jù)，本研究以湖南櫟類天然林為研究對(duì)象，采用多元逐步回歸分析和數(shù)量化方法Ⅰ來(lái)篩選對(duì)單木冠幅有顯著影響的競(jìng)爭(zhēng)和立地因子，通過混合效應(yīng)、k-means聚類構(gòu)建含競(jìng)爭(zhēng)因子和立地因子的冠幅預(yù)測(cè)模型，為研究櫟類天然林生長(zhǎng)、經(jīng)營(yíng)管理以及更新森林資源調(diào)查數(shù)據(jù)庫(kù)提供支持。

1 材料與方法

1.1 研究區(qū)概況

湖南省位于長(zhǎng)江中下游，地貌呈向東北開口的馬蹄形。境內(nèi)土壤類型主要為紅壤和黃壤。屬于大陸性亞熱帶季風(fēng)濕潤(rùn)氣候，夏季高溫多雨，冬季寒冷干燥，降水充沛。林地面積約1 300萬(wàn) hm2，占全省總土地面積的 61.40%，屬于中亞熱帶常綠闊葉林地帶，森林覆蓋率為 59.57%，生物資源豐富，是中國(guó)珍貴的生物基因庫(kù)之一。植物資源豐富，包括細(xì)葉青岡Cyclobalanopsis gracilis、梧桐Davidia、杜仲Eacommia、青岡 Cyclobalanopsis glauca等樹種。

1.2 數(shù)據(jù)采集

在湖南五蓋山林場(chǎng)、寧鄉(xiāng)市青羊湖林場(chǎng)、平江縣蘆頭林場(chǎng)和八大公山等地的櫟類天然林中采用典型取樣法，共設(shè)置20 m×30 m的固定樣地51塊。對(duì)各樣地內(nèi)胸徑≥5 cm的喬木進(jìn)行每木檢尺，調(diào)查海拔、坡度、坡位、坡向、土壤厚度和土壤類型等立地因子以及樹高、胸徑和林木位置等林木因子。測(cè)量各樣地內(nèi)胸徑≥5 cm的活立木東南西北4個(gè)方向最大樹冠投影長(zhǎng)度，計(jì)算其平均值作為平均冠幅（CW），本研究的冠幅都指平均冠幅。除上述測(cè)量的林木和林分因子之外，還計(jì)算了與距離有關(guān)的基于最鄰近4株林木樹高和胸徑的簡(jiǎn)單競(jìng)爭(zhēng)指數(shù)CLH和CLD[22]，與距離無(wú)關(guān)的大于對(duì)象木的斷面積和（BAL）、相對(duì)胸徑（RD）、相對(duì)樹高（RH）、相對(duì)斷面積（RS）等競(jìng)爭(zhēng)指數(shù)。在剔除異常值后，將櫟類數(shù)據(jù)按照近似5∶1的比例隨機(jī)地分為建模數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)。其中，1 200棵櫟類數(shù)據(jù)用于冠幅模型的擬合，229棵櫟類數(shù)據(jù)用于模型的獨(dú)立性檢驗(yàn)，所有林分因子以及樣地因子的統(tǒng)計(jì)信息詳見表1。

1.3 研究方法

1.3.1 單木競(jìng)爭(zhēng)因子計(jì)算

運(yùn)用Forstat 2.2“統(tǒng)計(jì)之林”軟件進(jìn)行數(shù)量化方法Ⅰ分析，篩選出顯著影響冠幅生長(zhǎng)的立地因子。

多元線性逐步回歸是根據(jù)方差膨脹因子剔除共線性嚴(yán)重的因子，從而保留共線性弱且影響顯著的因子[24]。

采用SPSS 26.0軟件進(jìn)行多元線性回歸分析，篩選出顯著影響冠幅且共線性弱的競(jìng)爭(zhēng)因子。

1.3.3 基礎(chǔ)模型擬合與選擇

選取10種常用的冠幅預(yù)測(cè)模型[25-27]，運(yùn)用R語(yǔ)言擬合各候選基礎(chǔ)模型，候選基礎(chǔ)模型詳見表2。通過評(píng)價(jià)指標(biāo)確定擬合效果最好的最優(yōu)基礎(chǔ)模型。

1.3.4 因子分級(jí)

為方便劃分競(jìng)爭(zhēng)類型和立地類型，將篩選的顯著競(jìng)爭(zhēng)和立地因子進(jìn)行分級(jí)處理。表3為分級(jí)標(biāo)準(zhǔn)。

1.3.5 混合效應(yīng)模型的構(gòu)建

2 結(jié)果與分析

2.1 因子篩選及分級(jí)

選取CLH競(jìng)爭(zhēng)指數(shù)、CLD競(jìng)爭(zhēng)指數(shù)、大于對(duì)象木的斷面積和（BAL）、相對(duì)胸徑（RD）、相對(duì)樹高（RH）和相對(duì)斷面積（Rs）6個(gè)競(jìng)爭(zhēng)因子，采用多元逐步回歸分析來(lái)處理各因子間存在的共線性問題，利用方差擴(kuò)大因子剔除共線性嚴(yán)重（VIF>5）的自變量。由表4可以看出，6個(gè)競(jìng)爭(zhēng)因子中對(duì)于冠幅影響顯著且共線性弱的因子為BAL、CLH、Rs，對(duì)應(yīng)的標(biāo)準(zhǔn)化系數(shù)為-0.162、-0.008和0.312?？芍猂s與冠幅呈正相關(guān)，而CLH、BAL與冠幅呈負(fù)相關(guān)。

選取篩選所得的競(jìng)爭(zhēng)因子，并根據(jù)表3標(biāo)準(zhǔn)劃分等級(jí)。

林木冠幅生長(zhǎng)受立地因子影響，采用數(shù)量化方法Ⅰ對(duì)于調(diào)查的立地因子進(jìn)行顯著性分析。由表5可知，在6個(gè)立地因子中對(duì)于櫟類冠幅生長(zhǎng)有顯著影響的為海拔、坡度、坡位、坡向和土壤類型，其對(duì)于櫟類冠幅生長(zhǎng)影響顯著性的順序?yàn)楹０?gt;坡度>坡向>坡位>土壤類型。

2.2 基礎(chǔ)模型的擬合與選擇

使用櫟類的建模數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)，采用表2中的10種基礎(chǔ)模型，運(yùn)用R語(yǔ)言的nls函數(shù)擬合模型。由表6可知，10種模型的R2均在0.5左右，M8異速生長(zhǎng)模型（有截距）的擬合效果最好，R2相比其他模型最大，為0.534 8，均方根誤差（RMSE）為0.634 2，平均絕對(duì)誤差（MAE）為6.114 5，均為最小。因此，選擇M8異速生長(zhǎng)模型（有截距）模型為最優(yōu)基礎(chǔ)模型，候選基礎(chǔ)模型參數(shù)估計(jì)值詳見表7。

2.3 混合效應(yīng)模型的構(gòu)建

運(yùn)用混合效應(yīng)模型，將競(jìng)爭(zhēng)因子作為隨機(jī)效應(yīng)加到模型M8中，用赤池信息準(zhǔn)則（AIC）與貝葉斯信息量（BIC）作為評(píng)價(jià)依據(jù)，以確定最優(yōu)的標(biāo)準(zhǔn)化形式。為避免過多的參數(shù)組合導(dǎo)致參數(shù)估計(jì)值過大，且構(gòu)建的模型難以收斂[24]。本研究對(duì)模型的參數(shù)a、b進(jìn)行標(biāo)準(zhǔn)化處理。

將競(jìng)爭(zhēng)因子作為隨機(jī)效應(yīng)的模型M8-1與基礎(chǔ)模型精度相比具有較明顯的提高。建模數(shù)據(jù)中，調(diào)整確定系數(shù)R2從0.534 8提升至0.583 5，增幅約9.11%，均方根誤差從0.634 2降低至0.600 5，降幅約5.31%，平均相對(duì)誤差從6.114 5降低至 5.805 2，降幅約5.06%。檢驗(yàn)數(shù)據(jù)中，平均相對(duì)誤差從0.951 0降低至0.912 7，降幅約4.03%，均方根誤差從0.532 3降低至0.510 5，降幅約4.10%，說明競(jìng)爭(zhēng)對(duì)冠幅生長(zhǎng)的影響較為顯著。

但是從模型擬合優(yōu)良性指標(biāo)上來(lái)看，AIC、BIC沒有顯著降低，說明模型過于冗雜，不利于實(shí)際應(yīng)用。為了簡(jiǎn)化模型，提高擬合優(yōu)良性，本研究將篩選出的顯著競(jìng)爭(zhēng)因子BAL，CLH，RS根據(jù)其各自的等級(jí)將林木劃成了701種競(jìng)爭(zhēng)類型（JZ）（例如林木競(jìng)爭(zhēng)因子等級(jí)為1、2、3，則將數(shù)據(jù)中競(jìng)爭(zhēng)因子同樣為1、2、3的林木劃為同一種競(jìng)爭(zhēng)類型），根據(jù)計(jì)算的隨機(jī)效應(yīng)參數(shù)值，以大于99%的精度，運(yùn)用k-means聚類法將對(duì)模型影響相近的競(jìng)爭(zhēng)類型聚為競(jìng)爭(zhēng)類型組。盡管有數(shù)據(jù)信息丟失，但其誤差在允許的精度范圍之內(nèi)。遂把701個(gè)競(jìng)爭(zhēng)類型聚類成17個(gè)競(jìng)爭(zhēng)類型組（JZG）。具體聚類精度如表9所示。

將競(jìng)爭(zhēng)類型組作為隨機(jī)效應(yīng)的混合效應(yīng)模型與基礎(chǔ)模型精度具有明顯的提升。建模數(shù)據(jù)中，調(diào)整確定系數(shù)R2從0.534 8提升至0.749 2，增幅約40.09%，均方根誤差從0.634 2降低至0.465 7，降幅約26.57%，平均相對(duì)誤差從6.114 5降低至4.24 8，降幅約30.53%。檢驗(yàn)數(shù)據(jù)中，均方根誤差從0.532 3降低至0.419 1，降幅約21.27%，平均相對(duì)誤差從0.951 0降低至0.760 3，降幅約20.05%。

為比較不同立地條件對(duì)櫟類冠幅的影響，提高模型精度，進(jìn)一步構(gòu)建將競(jìng)爭(zhēng)和立地作為隨機(jī)效應(yīng)的冠幅模型。在不同的立地條件下，櫟類林木冠幅生長(zhǎng)存在較大差異，因此將顯著立地因子按照表3的標(biāo)準(zhǔn)分級(jí)、組合構(gòu)成立地類型。本研究根據(jù)其各自的等級(jí)將51塊樣地劃成了44種立地類型（LD），將立地類型作為隨機(jī)效應(yīng)再加到模型中，構(gòu)建含有競(jìng)爭(zhēng)和立地混合效應(yīng)的湖南櫟類冠幅模型，運(yùn)用R軟件的nlme模塊對(duì)各組合進(jìn)行擬合，根據(jù)AIC、BIC進(jìn)行模型評(píng)價(jià)，選擇出最優(yōu)的隨機(jī)效應(yīng)構(gòu)造形式。

從表12可以看出，相比僅將競(jìng)爭(zhēng)類型組作為隨機(jī)效應(yīng)的模型，運(yùn)用混合模型將立地類型和競(jìng)爭(zhēng)類型組作為隨機(jī)效應(yīng)構(gòu)造的模型在建模的優(yōu)良性和精度上都有較大提升。建模數(shù)據(jù)中，R2從0.749 2提升至0.841 6，增幅約12.33%，RMSE從0.465 7降低至0.371 7，降幅約20.18%，MAE從4.248降低至3.429 9，降幅約19.26%。檢驗(yàn)數(shù)據(jù)中，RMSE從0.419 1降低至0.406 3，降幅約3.05%，MAE從0.7603降低至0.7315，降幅約3.79%。AIC從1 690.416降低至1 640.167，BIC從1 720.957降低至1 675.797。說明立地因子對(duì)于櫟類冠幅生長(zhǎng)影響顯著。

由圖1可以看出，模型M8、M8-1、M8-2、M8-3殘差圖均未存在明顯的趨勢(shì)或特定分布，因此圖示法判斷模型M8、M8-1、M8-2、M8-3無(wú)異方差性，不考慮對(duì)其進(jìn)行異方差消除。

4種模型的檢驗(yàn)數(shù)據(jù)與建模數(shù)據(jù)統(tǒng)計(jì)量在精度與誤差上基本保持一致，說明了模型構(gòu)建的合理性?？偟膩?lái)說，包含競(jìng)爭(zhēng)類型組和立地類型的湖南櫟類天然林冠幅混合效應(yīng)模型有著較高的預(yù)測(cè)精度和擬合效果。

3 討 論

本研究將立地因子和競(jìng)爭(zhēng)因子以隨機(jī)效應(yīng)的形式添加至模型中，分析各水平競(jìng)爭(zhēng)因子和立地因子對(duì)冠幅生長(zhǎng)的隨機(jī)影響。Sharma等[18]采用相同方法構(gòu)建了挪威云杉和歐洲山毛樣的混合效應(yīng)冠幅模型，盡管研究對(duì)象不一致，但所構(gòu)造的混合效應(yīng)模型精度相比基礎(chǔ)模型均有顯著提升；張曉芳等[30]對(duì)比了最小二乘法與混合模型法構(gòu)建白樺冠幅模型，得到混合模型方法精度更高的結(jié)論，說明運(yùn)用混合模型方法構(gòu)建冠幅模型是合理且有效的。

作為隨機(jī)效應(yīng)加到模型中的競(jìng)爭(zhēng)因子為RS、CLH、BAL，RS與冠幅呈正相關(guān)，而CLH、BAL與冠幅呈負(fù)相關(guān)，這與以往的研究結(jié)論相同[31]。樹木的RS越大，說明樹木的生長(zhǎng)活力越好，在競(jìng)爭(zhēng)中處于更有利的地位，所以樹冠發(fā)育越好，冠幅越大。冠幅與BAL呈負(fù)相關(guān)，BAL表示樹木在樣地的相對(duì)大小，大的樹木對(duì)光和養(yǎng)分等的競(jìng)爭(zhēng)能力越強(qiáng)，而BAL越大說明疏密度越大，林木之間的競(jìng)爭(zhēng)就越激烈，所以不利于樹冠發(fā)育，冠幅越小。CLH與相鄰木的距離和樹高有關(guān)，CLH較大階段，相鄰木與對(duì)象木樹高差距越大，距離越近，對(duì)陽(yáng)光等的競(jìng)爭(zhēng)越激烈，冠幅越小。最終加到模型中的立地因子為海拔、坡位、坡度、坡向和土壤類型，其中海拔對(duì)于櫟類天然林冠幅生長(zhǎng)影響最為顯著，坡位、坡度、坡向和土壤類型對(duì)其影響次之。海拔主要影響氣溫，氣溫隨海拔增加而降低，坡度和坡位主要影響林木對(duì)于土壤水分的吸收和養(yǎng)分再分配，坡向主要影響光照條件，土壤類型主要影響土壤養(yǎng)分條件。

以異速生長(zhǎng)模型（無(wú)截距）為基礎(chǔ)模型，考慮競(jìng)爭(zhēng)因子和立地因子對(duì)冠幅的影響，在基礎(chǔ)模型中加入競(jìng)爭(zhēng)因子和立地因子。結(jié)果表明，包含競(jìng)爭(zhēng)類型的冠幅模型擬合冠幅的R2為0.583 5，應(yīng)用k-means聚類將初始競(jìng)爭(zhēng)類型聚類為競(jìng)爭(zhēng)類型組再加入模型中，R2為0.749 2。為考慮立地因子對(duì)于冠幅生長(zhǎng)的影響，在包含競(jìng)爭(zhēng)類型組的模型中加入立地類型，結(jié)果表明含競(jìng)爭(zhēng)和立地隨機(jī)效應(yīng)的模型精度有明顯提升，R2=0.841 6，說明競(jìng)爭(zhēng)因子和立地因子對(duì)櫟類天然林冠幅影響很大。

由于此次調(diào)查數(shù)據(jù)的地域局限性，對(duì)于我國(guó)其他地區(qū)的櫟類天然林的預(yù)測(cè)效果還需進(jìn)一步驗(yàn)證。在后續(xù)研究中可補(bǔ)充其他區(qū)域的數(shù)據(jù)，對(duì)于多區(qū)域的林分開展研究，以便建立適用性更廣、具有更高生物學(xué)意義的櫟類冠幅模型。

4 結(jié) 論

以湖南櫟類天然林櫟類林木為研究對(duì)象，比較不同基礎(chǔ)冠幅-胸徑模型的擬合結(jié)果，確定異速生長(zhǎng)模型（有截距）效果最優(yōu)（R2=0.534 8，MAE=6.114 5，RMSE=0.634 2）。為考慮不同競(jìng)爭(zhēng)和立地因子對(duì)于冠幅生長(zhǎng)影響，運(yùn)用數(shù)量化方法1和多元逐步回歸分析篩選了顯著影響冠幅生長(zhǎng)的競(jìng)爭(zhēng)因子和立地因子，篩選出的競(jìng)爭(zhēng)因子為RS、BAL、CLH，其中RS與冠幅生長(zhǎng)呈正相關(guān)，BAL、CLH與冠幅生長(zhǎng)呈負(fù)相關(guān)；篩選出的立地因子為海拔、坡向、坡度、坡位和土壤類型，顯著性順序?yàn)楹０?gt;坡度>坡向>坡位>土壤類型。運(yùn)用混合效應(yīng)模型的方法構(gòu)建了含競(jìng)爭(zhēng)和立地隨機(jī)效應(yīng)的櫟類冠幅預(yù)估模型，確定了最優(yōu)隨機(jī)效應(yīng)參數(shù)構(gòu)造形式。相比基礎(chǔ)模型，含競(jìng)爭(zhēng)和立地隨機(jī)效應(yīng)的模型精度有明顯提升，R2=0.841 6，增幅約57.37%，MAE=0.371 7，降幅約41.29%，RMSE=3.429 9，降幅約43.91%。研究結(jié)果說明了競(jìng)爭(zhēng)和立地對(duì)櫟類天然林冠幅生長(zhǎng)影響顯著，可為研究櫟類天然林生長(zhǎng)、經(jīng)營(yíng)管理以及更新森林資源調(diào)查數(shù)據(jù)庫(kù)提供支持。

參考文獻(xiàn)：

[1] 賀夢(mèng)瑩，董利虎，李鳳日.長(zhǎng)白落葉松-水曲柳混交林不同混交方式單木冠長(zhǎng)預(yù)測(cè)模型[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021，45（4）：13-22. HE M Y， DONG L H， LI F R. Crown width prediction models for Larix olgensis and Fraxinus mandshurica mixed plantations[J]. Journal of Nanjing Forestry University （Natural Sciences Edition），2021，45（4）：13-22.

[2] 肖偉偉，李海瑜，楊振景，等.水曲柳人工林樹冠形態(tài)與林木生長(zhǎng)形質(zhì)的關(guān)系及其對(duì)修枝的響應(yīng)[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2022，42（9）：47-54，158. XIAO W W， LI H Y， YANG Z J， et al. Relationship of canopy morphological characteristics and growth characters of Fraxinus mandshurica and their responses to pruning[J]. Journal of Central South University of Forestry Technology， 2022，42（9）：47-54，158.

[3] QIAO Y F， ZHENG G， DU Z H， et al. Tree-species classification and individual-tree-biomass model construction based on hyperspectral and LiDAR data[J]. Remote Sensing， 2023，15（5）：1341.

[4] CHEN Y L，WANG J M. Deep learning for crown profile modelling of Pinus yunnanensis secondary forests in southwest China[J]. Frontiers in Plant Science，2023，14：1093905.

[5] 張曄珵，張懷清，陳永富，等.基于樹冠因子的林木競(jìng)爭(zhēng)指數(shù)研究[J].林業(yè)科學(xué)研究，2016，29（1）：80-84. ZHANG Y C， ZHANG H Q， CHEN Y F， et al. Study of tree competition index based on crown feature[J]. Forest Research，2016，29（1）：80-84.

[6] POKHAREL R，LATTA G，OHREL S B. Estimating climatesensitive wildfire risk and tree mortality models for use in broadscale U.S. forest carbon projections[J]. Forests，2023，14（2）：302.

[7] FU L Y， YANG L C， WANG G X， et al. Comparison of seemingly unrelated regressions with error-in-variable models for developing a system of nonlinear additive biomass equations[J]. Trees，2016，30（3）：839-857.

[8] 賀鵬，賀東北，陳振，等.基于樹高和樹冠因子的立木材積與地上生物量相容模型研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2020， 40（4）：28-33. HE P， HE D B， CHEN Z， et al. Compatibility model of stand volume and above-ground biomass based on tree height and crown characteristics[J]. Journal of Central South University of Forestry Technology，2020，40（4）：28-33.

[9] JIANG L C， LIU R L. Segmented taper equations with crown ratio and stand density for Dahurian larch （Larix gmelinii） in northeastern China[J]. Journal of Forestry Research，2011，22（3）：347-352.

[10] GONZALEZ-BENECKE C A， GEZAN S A， SAMUELSON L J， et al. Estimating Pinus palustris tree diameter and stem volume from tree height， crown area and stand-level parameters[J]. Journal of Forestry Research，2014，25（1）：43-52.

[11] 朱欣然，呂勇，張懷清，等.基于林分垂直空間結(jié)構(gòu)特征的杉木人工林撫育間伐可視化模擬研究[J].林業(yè)科學(xué)研究，2020， 33（4）：53-58. ZHU X R， LYU Y， ZHANG H Q， et al. Visual simulation of thinning of Chinese fir based on stand spatial vertical structure characteristics[J]. Forest Research，2020，33（4）：53-58.

[12] 朱春全，劉曉東，雷靜品，等.集約與粗放經(jīng)營(yíng)楊樹人工林樹冠結(jié)構(gòu)的研究[J].林業(yè)科學(xué)，2004，36（2）：60-68. ZHU C Q， LIU X D， LEI J P， et al. Crown structure of poplar trees in intensive and extensive management plantations[J]. Scientia Silvae Sinicae，2004，36（2）：60-68.

[13] KRAJICEK J E， BRINKMAN K A， GINGRICH S F. Crown competition a measure of density[J]. Forest Science， 1961，7（3）：35-42.

[14] FU L Y， SHARMA R P， HAO K J， et al. A generalized interregional nonlinear mixed-effects crown width model for prince Rupprecht larch in northern China[J]. Forest Ecology and Management，2017，389：364-373.

[15] RAPTIS D， KAZANA V， KAZAKLIS A， et al. A crown width-diameter model for natural even-aged black pine forest management[J]. Forests，2018，9（10）：610.

[16] 安慧，上官周平.密度對(duì)刺槐幼苗生物量及異速生長(zhǎng)模式的影響[J].林業(yè)科學(xué)，2008，44（3）：151-155. AN H， SHANGGUAN Z P. Effects of density on biomass and allometric pattern of Robinia pseudoacacia seedling[J]. Scientia Silvae Sinicae，2008，44（3）：151-155.

[17] 高若楠，謝陽(yáng)生，雷相東，等.基于隨機(jī)森林模型的天然林立地生產(chǎn)力預(yù)測(cè)研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2019，39（4）： 39-46. GAO R N， XIE Y S， LEI X D， et al. Study on prediction of natural forest productivity based on random forest model[J]. Journal of Central South University of Forestry Technology，2019，39（4）：39-46.

[18] SHARMA R P， VACEK Z， VACEK S. Individual tree crown width models for Norway spruce and European beech in Czech Republic[J]. Forest Ecology and Management，2016，366：208-220.

[19] 龍時(shí)勝，曾思齊，肖化順，等.基于Hegyi改進(jìn)模型的青岡棟次生林競(jìng)爭(zhēng)分析[J].林業(yè)資源管理，2018（l）：51-56. LONG S S， ZENG S Q， XIAO H S， et al. Analysis on the competitive status of Cyclobalanopsis glauca secondary forest based on the improved Hegyi model[J]. Forest Resources Management，2018（l）：51-56.

[20] BUCHACHER， LEDERMANN. Interregional crown width models for individual trees growing in pure and mixed stands in Austria[J]. Forests，2020，11：114.

[21] 胡芳名，李建安，李若婷.湖南省主要橡子資源綜合開發(fā)利用的研究[J].中南林學(xué)院學(xué)報(bào)，2000，20（4）：41-45，95. HU F M， LI J A， LI R T. Oak plant resources in Hunan with reference to its integrated utilization[J]. Journal of Central South Forestry University，2000，20（4）：41-45，95.

[22] HEGYI F. A simulation model for managing jack-pine stands[C]// FRIES J. Growth models for tree and stand simulation. Stockholm： Royal College of Forestry，1974：74-90.

[23] 周光亞，董文泉，夏立顯.關(guān)于數(shù)量化理論Ⅰ、Ⅱ的數(shù)學(xué)模型[J].吉林大學(xué)自然科學(xué)學(xué)報(bào)，1979，17（1）：11-18. ZHOU G Y， DONG W Q， XIA L X. On the mathematical models of quantification theoriesⅠⅡ[J]. Journal of Natural Science of Jilin University，1979，17（1）：11-18.

[24] 齊戰(zhàn)濤.基于氣候效應(yīng)的湖南杉木人工林?jǐn)嗝娣e生長(zhǎng)模型研究[D].長(zhǎng)沙：中南林業(yè)科技大學(xué)，2021. QI Z T. Study on basal area growth model of Cunninghamia lanceolata plantation in Hunan province based on climate effect[D]. Changsha： Central South University of Forestry Technology，2021.

[25] FU L Y， SUN H， SHARMA R P， et al. Nonlinear mixed- effects crown width models for individual trees of Chinese fir（Cunninghamia lanceolata） in south-central China[J]. Forest Ecology and Management，2013，302：210-220.

[26] LEI Y K， FU L Y， AFFLECK D L R， et al. Additivity of nonlinear tree crown width models： aggregated and disaggregated model structures using nonlinear simultaneous equations[J]. Forest Ecology and Management，2018，427：372-382.

[27] XU H， SUN Y J， WANG X J， et al. Linear mixed-effects models to describe individual tree crown width for China-fir in Fujian province， southeast China[J]. PLoS ONE，2015，10（4）：012225.

[28] 雷小鋒，謝昆青，林帆，等.一種基于k-means局部最優(yōu)性的高效聚類算法[J].軟件學(xué)報(bào)，2008，19（7）：1683-1692. LEI X F， XIE K Q， LIN F， et al. An efficient clustering algorithm based on local optimality of k-means[J]. Journal of Software，2008，19（7）：1683-1692.

[29] 符利勇，唐守正.非線性混合效應(yīng)模型統(tǒng)一標(biāo)準(zhǔn)形式及應(yīng)用[J].中國(guó)科學(xué)（數(shù)學(xué)），2020，50（1）：15-30. FU L Y， TANG S Z. A general formulation of nonlinear mixed effect models and its application[J]. Scientia Sinica（Mathematica），2020，50（1）：15-30.

[30] 張曉芳，郭旭展，洪亮，等.冬奧核心區(qū)華北落葉松和白樺單木冠幅預(yù)測(cè)模型——組級(jí)貝葉斯模型、加性模型和混合效應(yīng)模型比較[J].林業(yè)科學(xué)，2022，58（10）：89-100. ZHANG X F， GUO X Z， HONG L， et al. Comparison of single tree crown prediction models of Larix principis-rupprechtii and Betula platyphylla in the core area of the winter Olympics in China[J]. Scientia Silvae Sinicae，2022，58（10）：89-100.

[31] 雷相東，張則路，陳曉光.長(zhǎng)白落葉松等幾個(gè)樹種冠幅預(yù)測(cè)模型的研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2006，28（6）：75-79. LEI X D， ZHANG Z L， CHEN X G. Crown-width prediction models for several tree species Including Larix olgensis in northeastern China[J]. Journal of Beijing Forestry University，2006，28（6）：75-79.

[本文編校：吳 彬]