珍稀濒危植物长苞铁杉生长的气候响应

《珍稀濒危植物长苞铁杉生长的气候响应》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、福建农林大学2008届硕士研究生学位论文摘要珍稀濒危植物长苞铁杉生长的气候响应本文应用年轮指数来研究福建省天宝岩自然保护区内濒危珍稀植物长苞铁杉(Tsugalongibracteata)天然林生长的气候响应。分别运用逐步回归法、主分量再回归法、时间序列法研究了长苞铁杉与气候因子的数量关系，从众多的气候因子中挑选出对林木生长有重要影响的气候因子，并建立林木生长的预测模型；通过对近年来ENSO事件的发生与森林生长关系的分析，探索全球气候异常对长苞铁杉胸径生长的可能影响；本文还研究了太阳黑子对长苞铁杉生长的可能影响，用太阳黑子和

2、自相关因子来预测长苞铁杉胸径生长；为研究太阳黑子与长苞铁杉胸径生长的非线性关系，应用了人工神经网络方法，建立太阳黑子的人工神经网络预测模型，为太阳黑子预测预报及林木生长预测提供分析方法。为了更好的模拟长苞铁杉胸径生长，本文还运用了起伏型时间序列分析法。研究结果如下：(1)在所选择的18个气候因子中，通过逐步回归、主分量再回归法分析得到对长苞铁杉胸径生长有重要影响的3个气候因子，分别是：15cm年平均地温(℃)、5、6、9和10月极端最小相对湿度平均值(％)、气温年较差(℃)，其中15em年平均地温和气温年较差对长苞铁杉胸径

3、生长有负作用，而5、6、9和10月极端最小相对湿度平均值与长苞铁杉胸径生长呈正相关。以这3个主要气候因子为多维时间序列模型的控制因子，建立长苞铁杉胸径生长的CAR模型，发现长苞铁杉胸径生长还与其前1年15CmtFr．平均地温(℃)，前1年5、6、9和lO月极端最小相对湿度平均值有关。(2)应用50多年来ENSO事件的发生资料及相应年长苞铁杉天然林胸径生长资料，探讨全球气候异常对长苞铁杉天然林胸径生长的影响规律，研究表明：(反)厄尔尼诺现象的发生可能不影响长苞铁杉天然林胸径当年的生长。通过建立长苞铁杉年轮指数与南方涛动指数及

4、其自相关因子的线性方程，发现长苞铁杉天然林胸径生长与其自相关因子呈显著正相关，经检验南方涛动指数的偏相关系数没有达到(口=0．10)显著性检验，说明南方涛动可能对长苞铁杉天然林胸径的生长影响较小。(3)太阳辐射和太阳活动对地球环境和生物有着直接而错综复杂的影响。本文通过小波分析得出：太阳黑子的变化和长苞铁杉年轮指数变化呈负相关，这种负相关表现为太阳黑子对长苞铁杉生长有抑制作用．运用逐步回归法，进一步定量的分析长苞铁杉胸径生长与太阳活动之间的数量关系，分析得出长苞铁杉胸径生长受前1、2、11年年轮指数的影响，与前1年和前6年

5、的太阳黑子相对数有关，且前1、2年年轮指数与前1、6年太阳黑子相对数对长苞铁杉的胸径生长有正效应，前11年的年轮指数不利于长苞铁杉胸径的生长。用太阳黑子及其自相关因子建立回归模型来预测长苞铁杉胸径的生长，其模拟精度较高，达到90．04％，比用气候因子预测模型提高了5．65个百分点．(4)经过逐步回归分析得到影响太阳黑子相对数年平均值的5个因子，分别是前2年和前11年长苞铁杉的年轮指数，前l、4、10年的太阳黑子相对数年平均值。以这5个因子作为输入量建立太阳黑子的人工神经网络模型，其模拟精度达到88％，预测精度为86．23％

6、．对人工神经网络模型中各变量进行灵敏度分析，结果表明：除前4年太阳黑子相对数年平均值对其影响较平坦外，其它4个因子对太阳黑子相对数年平均值珍稀濒危植物长苞铁杉生长的气候响应影响较为灵敏，5个因子对太阳黑子相对数年平均值均存在一定的影响。(5)本文将起伏型时间序列方法应用于长苞铁杉天然林胸径生长的模拟，结果表明模型的拟合精度达到98．83N，是本论文中回归拟合精度最高的一种方法。比运用气候因子建立逐步回归分析模拟模型精度(模拟精度为84．39*／,)、多维时间序列法建立模拟模型精度(模拟精度为89．77％)、太阳黑子和自相关

7、因子建立的预测模型精度(模拟精度为90．04％)都要高。关键词：年轮指数；长苞铁杉；气候变化；人工神经网络Ⅱ福建农林大学2008届硕士研究生学位论文TheclimateresponseofrareandendangeredplantTsugalongibracteatagrowthAbstractTheclimateresponseofrareandendangeredplantTsugalongibracteatagrowthwerestudiedbytree-ringwidthindexinTianbaoyannatu

8、rereserveofFujian．Thestepwiseregressionanalysis，regressionafterextractingtheprincipalcomponentsandmultidimensionaltimeseriesanalysiswereusedtostudythequ