珍稀瀕危植物長(zhǎng)苞鐵杉生長(zhǎng)的氣候響應(yīng).pdf

1、本文應(yīng)用年輪指數(shù)來研究福建省天寶巖自然保護(hù)區(qū)內(nèi)瀕危珍稀植物長(zhǎng)苞鐵杉天然林生長(zhǎng)的氣候響應(yīng)。分別運(yùn)用逐步回歸法、主分量再回歸法、時(shí)間序列法研究了長(zhǎng)苞鐵杉與氣候因子的數(shù)量關(guān)系，從眾多的氣候因子中挑選出對(duì)林木生長(zhǎng)有重要影響的氣候因子，并建立林木生長(zhǎng)的預(yù)測(cè)模型；通過對(duì)近年來ENSO事件的發(fā)生與森林生長(zhǎng)關(guān)系的分析，探索全球氣候異常對(duì)長(zhǎng)苞鐵杉胸徑生長(zhǎng)的可能影響；本文還研究了太陽黑子對(duì)長(zhǎng)苞鐵杉生長(zhǎng)的可能影響，用太陽黑子和自相關(guān)因子來預(yù)測(cè)長(zhǎng)苞鐵杉胸徑生長(zhǎng)

2、；為研究太陽黑子與長(zhǎng)苞鐵杉胸徑生長(zhǎng)的非線性關(guān)系，應(yīng)用了人工神經(jīng)網(wǎng)絡(luò)方法，建立太陽黑子的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，為太陽黑子預(yù)測(cè)預(yù)報(bào)及林木生長(zhǎng)預(yù)測(cè)提供分析方法。為了更好的模擬長(zhǎng)苞鐵杉胸徑生長(zhǎng)，本文還運(yùn)用了起伏型時(shí)間序列分析法。研究結(jié)果如下： (1)在所選擇的18個(gè)氣候因子中，通過逐步回歸、主分量再回歸法分析得到對(duì)長(zhǎng)苞鐵杉胸徑生長(zhǎng)有重要影響的3個(gè)氣候因子，分別是：15cm年平均地溫(℃)、5、6、9和10月極端最小相對(duì)濕度平均值(％)、

3、氣溫年較差(℃)，其中15cm年平均地溫和氣溫年較差對(duì)長(zhǎng)苞鐵杉胸徑生長(zhǎng)有負(fù)作用，而5、6、9和10月極端最小相對(duì)濕度平均值與長(zhǎng)苞鐵杉胸徑生長(zhǎng)呈正相關(guān)。以這3個(gè)主要?dú)夂蛞蜃訛槎嗑S時(shí)間序列模型的控制因子，建立長(zhǎng)苞鐵杉胸徑生長(zhǎng)的CAR模型，發(fā)現(xiàn)長(zhǎng)苞鐵杉胸徑生長(zhǎng)還與其前1年15cm年平均地溫(℃)，前1年5、6、9和10月極端最小相對(duì)濕度平均值有關(guān)。 (2)應(yīng)用50多年來ENSO事件的發(fā)生資料及相應(yīng)年長(zhǎng)苞鐵杉天然林胸徑生長(zhǎng)資料，探討全球

4、氣候異常對(duì)長(zhǎng)苞鐵杉天然林胸徑生長(zhǎng)的影響規(guī)律，研究表明：(反)厄爾尼諾現(xiàn)象的發(fā)生可能不影響長(zhǎng)苞鐵杉天然林胸徑當(dāng)年的生長(zhǎng)。通過建立長(zhǎng)苞鐵杉年輪指數(shù)與南方濤動(dòng)指數(shù)及其自相關(guān)因子的線性方程，發(fā)現(xiàn)長(zhǎng)苞鐵杉天然林胸徑生長(zhǎng)與其自相關(guān)因子呈顯著正相關(guān)，經(jīng)檢驗(yàn)?zāi)戏綕齽?dòng)指數(shù)的偏相關(guān)系數(shù)沒有達(dá)到(α=0.10)顯著性檢驗(yàn)，說明南方濤動(dòng)可能對(duì)長(zhǎng)苞鐵杉天然林胸徑的生長(zhǎng)影響較小。 (3)太陽輻射和太陽活動(dòng)對(duì)地球環(huán)境和生物有著直接而錯(cuò)綜復(fù)雜的影響。本文通過小

5、波分析得出：太陽黑子的變化和長(zhǎng)苞鐵杉年輪指數(shù)變化呈負(fù)相關(guān)，這種負(fù)相關(guān)表現(xiàn)為太陽黑子對(duì)長(zhǎng)苞鐵杉生長(zhǎng)有抑制作用。運(yùn)用逐步回歸法，進(jìn)一步定量的分析長(zhǎng)苞鐵杉胸徑生長(zhǎng)與太陽活動(dòng)之間的數(shù)量關(guān)系，分析得出長(zhǎng)苞鐵杉胸徑生長(zhǎng)受前1、2、11年年輪指數(shù)的影響，與前1年和前6年的太陽黑子相對(duì)數(shù)有關(guān)，且前1、2年年輪指數(shù)與前1、6年太陽黑子相對(duì)數(shù)對(duì)長(zhǎng)苞鐵杉的胸徑生長(zhǎng)有正效應(yīng)，前11年的年輪指數(shù)不利于長(zhǎng)苞鐵杉胸徑的生長(zhǎng)。用太陽黑子及其自相關(guān)因子建立回歸模型來預(yù)測(cè)

6、長(zhǎng)苞鐵杉胸徑的生長(zhǎng)，其模擬精度較高，達(dá)到90.04％，比用氣候因子預(yù)測(cè)模型提高了5.65個(gè)百分點(diǎn)。 (4)經(jīng)過逐步回歸分析得到影響太陽黑子相對(duì)數(shù)年平均值的5個(gè)因子，分別是前2年和前11年長(zhǎng)苞鐵杉的年輪指數(shù)，前1、4、10年的太陽黑子相對(duì)數(shù)年平均值。以這5個(gè)因子作為輸入量建立太陽黑子的人工神經(jīng)網(wǎng)絡(luò)模型，其模擬精度達(dá)到88％，預(yù)測(cè)精度為86.23％.對(duì)人工神經(jīng)網(wǎng)絡(luò)模型中各變量進(jìn)行靈敏度分析，結(jié)果表明：除前4年太陽黑子相對(duì)數(shù)年平均值對(duì)

7、其影響較平坦外，其它4個(gè)因子對(duì)太陽黑子相對(duì)數(shù)年平均值影響較為靈敏，5個(gè)因子對(duì)太陽黑子相對(duì)數(shù)年平均值均存在一定的影響。 (5)本文將起伏型時(shí)間序列方法應(yīng)用于長(zhǎng)苞鐵杉天然林胸徑生長(zhǎng)的模擬，結(jié)果表明模型的擬合精度達(dá)到98.83％，是本論文中回歸擬合精度最高的一種方法。比運(yùn)用氣候因子建立逐步回歸分析模擬模型精度(模擬精度為84.39％)、多維時(shí)間序列法建立模擬模型精度(模擬精度為89.77％)、太陽黑子和自相關(guān)因子建立的預(yù)測(cè)模型精度(模擬精度為