Page 42 - 《广西植物》2025年第8期

１ ４ ０ ８ 广 西 植 物 ４５ 卷
表 １ 不同林龄樟子松林分特征
Ｔａｂｌｅ １ Ｓｔａｎｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｆｏｒ Ｐｉｎｕｓ ｓｙｌｖｅｓｔｒｉｓ ｖａｒ. ｍｏｎｇｏｌｉｃａ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｓｔａｎｄ ａｇｅｓ
密度
Ａ Ｄ ＭＴ 树芯 / 树 ＢＡＩ ｔｒｅｅ ＢＡＩ ｓｔａｎｄ
Ｄｅｎｓｉｔｙ
￣１
２
２
￣１
(ａ) (ｃｍ) (ｍ) Ｃｏｒｅｓ/ ｔｒｅｅｓ (ｃｍ ａ ) (ｃｍ ａ )
￣２
(ｓｔｅｍｓｈｍ )
３３ ７２５ １７.２±０.５ｃ ８.９±０.１ｃ ９４ / ２９ ５.３５±０.４６ａ １５４.６９±１３.５６ａ
４８ ７００ １９.７±０.７ｂ １０.３±０.１ｂ ９３ / ２６ ５.３１±０.４２ａ １３７.９５±１０.８７ａ
６４ ４５０ ２５.３±０.９ａ １２.４±０.１ａ ６７ / １７ ６.０４±０.５０ａ １０２.６７±８.４８ｂ
注: Ａ. 林龄ꎻ Ｄ. 算术平均胸径ꎻ ＭＴ. 平均树高ꎻ ＢＡＩ ｔｒｅｅ . ２００３—２０２２ 年树木年平均 ＢＡＩꎻ ＢＡＩ ｓｔａｎｄ . ２００３—２０２２ 年林分平均 ＢＡＩꎮ
数值为平均值±标准误ꎮ 不同字母表示林龄间差异显著(Ｐ<０.０５)ꎮ 下同ꎮ
Ｎｏｔｅ: Ａ. Ｓｔａｎｄ ａｇｅꎻ Ｄ. Ａｒｉｔｈｍｅｔｉｃ ｍｅａｎ ｄｉａｍｅｔｅｒ ａｔ ｂｒｅａｓｔ ｈｅｉｇｈｔꎻ ＭＴ. Ｍｅａｎ ｔｒｅｅ ｈｅｉｇｈｔꎻ ＢＡＩ ｔｒｅｅ . Ａｖｅｒａｇｅ ＢＡＩ ｏｆ ｔｒｅｅｓ ｆｒｏｍ ２００３ ｔｏ
２０２２ꎻ ＢＡＩ ｓｔａｎｄ . Ｍｅａｎ ｓｔａｎｄ ＢＡＩ ｆｒｏｍ ２００３ ｔｏ ２０２２. Ｖａｌｕｅｓ ａｒｅ ｘ± ｓ ｘ . Ｄｉｆｆｅｒｅｎｔ ｌｅｔｔｅｒｓ ｉｎｄｉｃａｔｅ ｓｉｇｎｉｆｉｃａｎｔ ｄｉｆｆｅｒｅｎｃｅｓ ａｍｏｎｇ ｓｔａｎｄ ａｇｅｓ (Ｐ<
０.０５). Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ.

式中:Ｒ 和 Ｒ ｔ－１ 分别为年份 ｔ 和 ｔ－１ 时的树木
ｔ
半径ꎮ ２ 结果与分析
１.３ 数据处理
日均温和降水量来源于中国气象局气候研究 ２.１ 不同林龄樟子松生长
２００３—２０２２ 年ꎬ３ 个林龄樟子松树木和林分
开放实验室公开的格点数据集(０.２５°×０.２５°) ( Ｘｕ
ｅｔ ａｌ.ꎬ ２００９ꎻ 吴 佳 和 高 兴 杰ꎬ ２０１３ꎻ Ｗｕ ｅｔ ａｌ.ꎬ 生产力均显著升高( 图 ２)ꎮ 就树木生产力而言ꎬ３
２０１７)ꎬ计算后得到各月平均温( Ｔｍｅａｎ) 和总降水 个林龄树木生产力无显著性差异( 表 １)ꎮ 林分生
量(Ｐｒｃｐ)ꎮ 针对每个林龄樟子松ꎬ使用 Ｒ 软件中 产力方面ꎬ未经抚育间伐的中龄林和成熟林间无
的 Ｃｌｉｍｗｉｎ 气候响应模型识别影响树木生长的关 显著性差异ꎬ经过间伐的过熟林总生产力显著低
键温度和降水窗口ꎮ 参照树木生长与气候关系的 于中龄林和成熟林(表 １)ꎮ
２.２ 气候因子对樟子松生长的影响
散点分布图及 Ａｎｄｅｒｓｏｎ￣ｔｅｉｘｅｉｒａ 等(２０２２) 方法ꎬ最
终选择线性函数和一元二次函数分别表示生长与 影响樟子松生长的关键气候因子季节窗口ꎬ
以及关键气候因子与生长的函数关系ꎬ存在明显
气候因子间的线性和非线性关系ꎮ 考虑到树木生
林龄差异(图 ３、图 ４)ꎮ 关键温度因子的季节窗口
长可能受当年和上一年气候因子的影响ꎬ所选的
较短且均出现在当年( 图 ３)ꎮ 最佳温度窗口与中
月份为上一年 ６ 月至当年 ９ 月ꎮ Ｃｌｉｍｗｉｎ 模型在该
龄林、成熟林和过熟林生长回归模型的 Ｒ 分别为
２
时段内运行所有可能的温度和降水连续月份组合
０.４１、０.１６ 和 ０.３７ꎮ 当年 ７—８ 月平均温与中龄林
的时间窗口ꎬ筛选出 ΔＡＩＣｃ 值最小的组合作为最
生长为非线性关系且存在生长与气温由正转负的
佳模型ꎬ进而确定对樟子松生长影响最强的温度
温度阈值(２３.７ ℃ ꎻ图 ４:Ａ)ꎮ 当年 ３ 月温度与成
和降水的时间窗口( 简称关键温度和降水因子)
熟林生长 呈 线 性 关 系ꎬ 但 未 达 到 显 著 水 平 ( Ｐ ＝
(ｖａｎ ｄｅ Ｐｏｌ ｅｔ ａｌ.ꎬ ２０１６)ꎮ
０.０７７ꎻ图 ４:Ｂ)ꎮ 当年 ７ 月平均温与过熟林生长呈
进一步使用广义可加模型( ｇｅｎｅｒａｌｉｚｅｄ ａｄｄｉｔｉｖｅ
显著线性正相关(Ｐ ＝ ０.００５ꎻ图 ４:Ｃ)ꎮ
ｍｏｄｅｌｓꎬＧＡＭ)分析 ＢＡＩ 与关键降水和温度因子间
对 ３ 个林龄樟子松生长影响最强的降水因子
关系ꎬ该模型可以拟合生长与各影响因子间的线 包括上一年和当年部分月份ꎬ而且所有林龄的响
性和非线性关系ꎬ具有较高的灵活度( 式 ２)ꎮ 使
应均显著( Ｐ<０.０５ꎻ图 ４)ꎮ 上一年 １１ 月至当年 ５
用 Ｒ 语言 ｍｇｃｖ 程序包中 ｇａｍ 函数进行模型拟合
月降水量与中龄林和成熟林生长关系为非线性ꎬ
和参数估计ꎬ并使用 ｇａｍ.ｈｐ 函数确定 ２ 个变量对 对应模型的 Ｒ 分别是 ０.７２ 和 ０.５５ꎬ２ 个林龄树木
２
生长的相对重要性(Ｌａｉ ｅｔ ａｌ.ꎬ ２０２２)ꎮ 生长与 降 水 量 关 系 由 正 转 负 的 阈 值 分 别 为 １２４
ＢＡＩ ＝ β ＋ｆ (Ｔｍｅａｎ) ＋ｆ (Ｐｒｃｐ) (２) ｍｍ 和 １２２ ｍｍ(Ｐ<０.００１ 和 Ｐ ＝ ０.００１ꎻ图 ４:Ｄ、Ｅ)ꎮ
０ １ ２
式中: β 为截距项ꎻｆ 和 ｆ 分别为因子 Ｔｍｅａｎ 上一年 ８ 月至当年 ５ 月降水量与过熟林生长为线
０ １ ２
２
和 Ｐｒｃｐ 对应的光滑拟合函数ꎮ 性正相关ꎬ回归模型 Ｒ 为 ０.４６(图 ４:Ｆ)ꎮ