应用特征选择和机器学习方法建立兴安落叶松单木树龄预测模型

林木树龄是制约天然林生长、更新和演替的重要因素,但天然林中单木树龄分异明显且实测困难。为了探讨不同特征选择方法和机器学习算法的组合对单木树龄模型预测精度的影响,以大兴安岭地区兴安落叶松天然林为研究对象,以44块固定样地的280株单木树龄实测数据为基础,采用皮尔森(Pearson)相关系数(PEA)和距离相关系数(DCC)特征选择方法,对单木、林分、竞争、地形和气候因素的38个因子进行筛选,并采用随机森林(RF)、支持向量回归(SVR)和k-近邻(k-NN)算法建立兴安落叶松天然林单木树龄预测模型,分析制约单木树龄预测模型精度的关键因素。结果表明:(1)当决策树为1500、节点数量为4时,DCC-RF模型预测精度最高(确定系数(R^(2))为0.5550,均方根误差(R_(MSE))为10.1669 a,平均绝对误差(M_(AE))为8.4039 a);(2)相较于DCC-SVR和PEA-k-NN模型,DCC-RF模型的R^(2)分别提高了0.0030和0.1521,均方根误差分别降低了0.2568和2.0742 a,平均绝对误差分别降低了0.0148和1.3750 a;(3)影响树龄预测最重要的指标是胸径(重要值为43.85%),其次为树高(重要值为19.14%)和生长积温(重要值为13.41%)等。表明应用距离相关系数和随机森林算法,构建兴安落叶松天然林的单木树龄预测模型具有较好的适应性。

年龄效应对香樟古树程序性衰老的影响

以福建省三明市6个树龄阶段(0~49、50~149、150~349、350~549、550~749和750~900 a)香樟为研究对象,通过分析其生长发育规律、形态学和生理特征的变化,结合曲线拟合与遗传算法筛选表征衰老的相关指标,评价树龄与衰老的相关性,探讨香樟古树衰老机制,为香樟年龄预测、古树复壮和保护提供理论依据。结果表明:(1)年龄极显著地影响着古香樟的植株形态、叶片解剖结构及生理机能等生长发育指标,并以生理指标的年龄效应最大,其次为植株形态指标,最小的是解剖结构指标。(2)香樟呈现出程序性衰老的特征为:叶片细胞在130 a、叶片解剖结构和生理代谢在400 a、树皮厚度和新梢粗度在450 a先后进入衰老阶段,但香樟树体的离心生长(梢长、冠幅和胸径)在0~900 a内仍一直处于旺盛生长,还未进入衰老阶段。(3)冠幅和新叶超氧化物歧化酶(SOD)活性可作为单指标来评价香樟独立木的衰老程度,树皮厚度、冠幅、新叶SOD活性、多酚氧化酶(PPO)活性和栅栏组织与海绵组织比为参数构成的模型可作为古香樟年龄预测模型。研究认为,古香樟的保护和复壮,应先从叶片细胞着手,提高其生理功能,特别是提高其抗氧化能力,保护叶细胞结构完整,以保障叶片处在持续高效的光合状态。