一种基于立地因子评价森林碳储量潜力的方法

摘要

本发明提供了一种基于立地因子评价森林碳储量潜力的方法，采用Mitscherlich方程构建林分平均胸径与相应调查时间间隔的关系，反推确定林分年龄；基于林分平均木碳储量的生长，划分立地质量等级，建立碳储量分级生长模型，求导后，以林龄作为预测变量，确定碳储量连年生长量；基于一般线性回归模型，采用向后剔除法，筛选出对固碳速率有影响的因子，量化林分因子、环境驱动力对森林碳储量潜力的影响方向和程度，并基于立地因子探究树种对固碳潜力的影响差异。本发明构建碳储量连年生长量与林分因子和环境驱动力之间的线性关系，为定量评估气候变化下未来某一时段宜林地的固碳潜力提供了一种新方法，为制定合适的造林计划和碳减排政策提供技术支撑。

说明书

技术领域

本发明属于林业领域，特别提出一种基于立地因子评价森林碳储量潜力的方法。

背景技术

森林作为陆地生态系统中的最大碳库，其生态功能复杂，与大气存在着频繁的碳交换，对于缓解全球气候变化、维护区域、全国乃至全球碳平衡具有不可替代的作用。在当今环境恶化、气候变暖的背景下，森林因其巨大的固碳作用而备受关注，森林植被的碳吸收是目前降低空气中CO

森林碳储量是在林木生长发育过程中与其所在环境不断进行物质循环和能量流动的结果，与立地质量密切相关。立地质量是树种特性和所有非生物环境因子的总和，立地质量越好，该立地上的林分越适宜生长，与外界发生物质循环就越频繁，森林碳储量密度也就越大。对于有林地，其碳储量潜力可以结合温度、降水和林龄等因素构建碳储量生长模型进行预测；但对于宜林地，由于无植被生长，没有胸径、林龄等测树因子，所以可以看作任意林分，只能基于固定林地上的环境因子，评估所有树种类型在该立地上生长到某一特定条件(要求达到某一林龄或胸径)时的固碳潜力情况。近年来，为适应全球气候变化，实现增汇目标，我国加大了造林力度，估算新造林生物量碳库的固碳潜力对未来中国森林碳汇的贡献，有助于制定合适的造林计划和碳减排政策，为我国森林资源管理、生态与环境保护政策的实施提供数据支撑。

发明内容

针对现有方法的不足，本发明提供了一种基于立地因子评价森林碳储量潜力的方法，该方法仅通过多期连续调查的胸径数据，在实现林分年龄估算和立地质量划分的基础上，建立体现立地质量差异的碳储量生长曲线簇，进而估算不同立地质量下的固碳速率，构建其与林分因子和环境驱动力之间的线性关系，为定量评估气候变化下未来某一时段宜林地的固碳潜力提供了一种新方法，有助于全面评价中国森林生态系统的固碳潜力，为制定合适的造林计划和碳减排政策提供技术支撑。

一种基于立地因子评价森林碳储量潜力的方法，含有如下步骤：采用Mitscherlich方程构建林分平均胸径与相应调查时间间隔的关系，反推确定林分年龄；基于林分平均木碳储量的生长，划分立地质量等级，建立碳储量分级生长模型，求导后，以林龄作为预测变量，确定碳储量连年生长量；基于一般线性回归模型，采用向后剔除法，筛选出对固碳速率有影响的因子，量化林分因子、环境驱动力对森林碳储量潜力的影响方向和程度，并基于立地因子探究树种对固碳潜力的影响差异。

具体的技术方案为：

步骤一、筛选出样地内连续多期调查的样木，重组样地，并匹配非生物环境因子；

步骤二、基于含约束的Mitscherlich生长方程，建立林分平均胸径与相应调查时间间隔的关系，再根据林分平均胸径反推确定林分年龄；

步骤三、基于林分平均木碳储量的生长，划分立地质量等级；

步骤四、以Richards生长方程为基础，建立碳储量分级生长模型，确定碳储量连年生长量方程，以林龄为预测变量，计算各样地某个时点下的固碳速率，即碳储量连年生长量；

步骤五、采用向后剔除法，筛选出对固碳速率有影响的因子；

步骤六、基于一般线性回归模型，量化林分因子、环境驱动力对森林碳储量潜力的影响方向和程度，并基于立地因子探究树种对固碳潜力的影响差异。

具体的：

步骤一中，筛选出样地内连续多期调查的样木，包括如下步骤：

基础数据为每间隔一段固定时间的连续调查数据，以第一次调查期作为起始点，最后一次调查期作为终点，共k个调查期。每个样地调查时，需获取相应的地理因子、地形因子、土壤因子和气候因子(统称为环境驱动力)。每个调查期内，记录样地内所有单木的树种类型和实测胸径，筛选出k个调查内皆存活的样木，即有k个实测胸径数据，且要求同一树种的保留木株数不少于(含)5株。当样地内存在多个组成树种时，按树种类型分属于不同的样地，以树种号加样地号构成唯一编号重组样地。单木碳储量(地上部分碳储量+地下部分碳储量)采用林业行业标准的立木生物量模型和碳储量计量参数计算获得。重组样地的平均胸径采用所有保留木的平方平均胸径，样地碳储量采用所有保留木碳储量的算数平均值，即林分平均木碳储量，计算公式如下：

式(1)～(2)中：n为重组样地的保留木株数，d

步骤二中，反推确定林分年龄包括如下步骤：

步骤2-1：以首末两期的林分平均胸径计算年生长速率S，降序排列，根据样本量的大小，选择合适的类数，采用有序样本聚类进行初始分级，获得生长等级数M，有序样本聚类算法采用最优分割法进行分类，其最小误差函数递推公式如式(4)；

式(3)～(4)中：D

步骤2-2：采用起始点约束的Mitscherlich生长方程，简化后如式(5)，以树种为哑变量构造参数b，通过等间距构造哑变量法，以初始生长等级为哑变量构造参数a，拟合林分平均胸径与相应时间间隔的关系，如式(6)，通过双重迭代算法确定各样地最终所属的生长等级；

式(5)～(6)中：D

步骤2-3：根据各样地最终所属的生长等级，重新构造参数a，如式(7)，拟合后可获得模型参数；

式中：S

步骤2-4：由通过起始点的胸径生长模型，如式(8)，反推得到初期林龄的计算公式，见式(9)，根据各样地的树种类型和所属生长等级，确定模型参数，并代入初期林分平均胸径，估计各样地的初期林龄，根据不同调查时期的时间间隔可得其余时期下样地的年龄，如式(10)。

agej

式(8)～(10)中：age1

步骤三中，划分立地质量等级包括如下步骤：

步骤3-1：同一样地的多期平均木碳储量皆用唯一编号(树种号+样地号)标注，以样地的唯一编号代替各样地的立地质量情况，按样地号升序排列；

步骤3-2：根据样地数量和各样地间平均木碳储量的差异，确定立地质量等级数H，基于Richards生长方程，以林分平均木碳储量为因变量，以林分年龄为自变量，分级拟合碳储量生长曲线簇，如式(11)；

式(11)中：C

步骤3-3：计算H个立地质量等级下每个样地的平均木碳储量估计值，选择具有最小离差平方和的曲线作为该样地所属的立地质量等级，反复迭代，直到每个样地的立地质量等级不再发生变化，此时的分类结果确定为最终的立地质量等级。

步骤四中，建立碳储量分级生长模型并计算固碳速率包括如下步骤：

步骤4-1：基于最终的立地质量等级，采用等间距构造哑变量法，将立地质量等级反映在参数a、c上，以参数b区分树种，采用Richards生长方程拟合林分平均木碳储量与林龄的关系，建立碳储量分级生长模型，如式(12)；

式(12)中：S

步骤4-2：对式(12)中的林龄求导，获得碳储量连年生长量分级方程，即林分平均木在某年的实际固碳速率，如式(13)；

式(13)中：

步骤4-3：以林龄为预测变量，代入式(13)，计算各样地某个时点时的固碳速率。

步骤五中，筛选对固碳速率有影响的因子，包括如下步骤：

为分析林分因子、气候因子、地形因子、地理因子和土壤因子对森林碳储量潜力的影响，明确森林固碳能力驱动力，基于通用方差分析，以各样地平均木的固碳速率为因变量，各类因子为自变量，采用向后剔除法，以模型修正决定系数

式(14)中：N为样本量，p为参数个数，y

步骤六中，包括如下步骤：

步骤6-1：为明确环境驱动力、树种多样性对固碳潜力的贡献，基于含定性因子的一般线性回归模型，以某个时点下林分平均木的碳储量连年生长量为因变量，对固碳速率有影响的因子为自变量，建立线性回归模型，如式(15)，量化林分因子和环境驱动力等对森林碳储量潜力的影响方向和程度。

式(15)中：β

步骤6-2：通过含立地因子和树种类型的线性模型，假设生长在样地内的树种为所有树种中的任意一个，基于样地的立地因子，分别预测各树种在某个时点时的固碳潜力，比较树种对固碳潜力的影响差异。

附图说明

图1为本发明的实施流程图；

图2a为本发明实施例1中不同树种平均木碳储量连年生长量的极限值；

图2b为本发明实施例1中不同树种平均木碳储量连年生长量达到最大值时所对应的年龄；

图3a为本发明实施例1中第10年时样地平均木的碳储量连年生长量线性回归模型真实值与预测值间的关系图；

图3b为本发明实施例1中第20年时样地平均木的碳储量连年生长量线性回归模型真实值与预测值间的关系图；

图3c为本发明实施例1中第30年时样地平均木的碳储量连年生长量线性回归模型真实值与预测值间的关系图；

图4为本发明实施例1中原有树种与8个树种下所有样地的平均木碳储量连年生长量的均值对比图；

图5为本发明实施例1中原有树种与最适宜生长树种对固碳潜力的差异对比图；

图6a为本发明实施例1中第30年时322块样地上马尾松林平均木的碳储量连年生长量差异情况(一)；

图6b为本发明实施例1中第30年时322块样地上马尾松林平均木的碳储量连年生长量差异情况(二)；

图6c为本发明实施例1中第30年时322块样地上湿地松林平均木的碳储量连年生长量差异情况；

图6d为本发明实施例1中第30年时322块样地上杉木林平均木的碳储量连年生长量差异情况；

图6e为本发明实施例1中第30年时322块样地上栎类林平均木的碳储量连年生长量差异情况(一)；

图6f为本发明实施例1中第30年时322块样地上栎类林平均木的碳储量连年生长量差异情况(二)；

图6g为本发明实施例1中第30年时322块样地上楠木林平均木的碳储量连年生长量差异情况；

图6h为本发明实施例1中第30年时322块样地上木荷林平均木的碳储量连年生长量差异情况；

图6i为本发明实施例1中第30年时322块样地上其他硬阔林平均木的碳储量连年生长量差异情况；

图6j为本发明实施例1中第30年时322块样地上其他软阔林平均木的碳储量连年生长量差异情况。

注：原树种(即左上角括号内的树种)表示真实值，马尾松、湿地松、杉木、栎类、楠木、木荷、其他硬阔类和其他软阔类分别表示该树种替换原树种时所能达到生长量的预测值。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。

需要注意的是，权利要求书和实施例1中的公式编号皆自成体系，不存在共用编号。

实施例1

基础数据为广东省1997-2017年共5期森林资源清查数据，相邻调查期的时间间隔为5年，固定样地面积为0.0667hm

步骤一、筛选出样地内连续多期调查的样木，重组样地，并匹配非生物环境因子；

以1997年作为连续调查期内的起始点，2017年作为终点，共5个调查期。每个样地调查时，需获取相应的地理因子、地形因子、土壤因子和气候因子。每个调查期内，记录样地内所有单木的树种类型和实测胸径，筛选出5个调查内皆存活的样木，即有5个实测胸径数据，且要求同一树种的保留木株数不少于(含)5株。当样地内存在多个组成树种时，按树种类型分属于不同的样地，以树种号加样地号构成唯一编号重组样地，共322块样地，其中马尾松林86块、湿地松林15块、杉木林45块、栎类林81块、楠木林23块、木荷林27块、其他硬阔类林28块和其他软阔类林17块。单木碳储量(地上部分碳储量+地下部分碳储量)采用林业行业标准的立木生物量模型和碳储量计量参数计算获得。重组样地的平均胸径采用所有保留木的平方平均胸径，样地碳储量采用所有保留木碳储量的算数平均值，即林分平均木碳储量，计算公式如下：

式(1)～(2)中：n为重组样地的保留木株数，d

步骤二、基于含约束的Mitscherlich生长方程，建立林分平均胸径与相应调查时间间隔的关系，再根据林分平均胸径反推确定林分年龄；

步骤2-1：以首末两期的林分平均胸径计算年生长速率S，降序排列，根据样本量的大小，选择合适的类数，采用有序样本聚类进行初始分级，获得生长等级数M(实施例1中M＝9),有序样本聚类算法采用最优分割法进行分类，其最小误差函数递推公式如式(4)；

式(3)～(4)中：D

步骤2-2：采用起始点约束的Mitscherlich生长方程，如式(5)，以树种为哑变量构造参数b，通过等间距构造哑变量法，以初始生长等级为哑变量构造参数a，拟合林分平均胸径与相应时间间隔的关系，如式(6)，通过双重迭代算法确定各样地最终所属的生长等级；

式(5)～(6)中：D

步骤2-3：根据各样地最终所属的生长等级，重新构造参数a，如式(7)，拟合后可获得模型参数，见表1；

式中：S

步骤2-4：由通过起始点的胸径生长模型，如式(8)，反推得到初期林龄的计算公式，见式(9)，根据各样地的树种类型和所属生长等级，确定模型参数，并代入初期林分平均胸径，估计各样地的初期林龄，根据不同调查时期的时间间隔可得其余时期下样地的年龄，如式(10)，各树种的林分年龄统计量见表2。

agej

步骤三、基于林分平均木碳储量的生长，划分立地质量等级；

步骤3-1：同一样地的多期平均木碳储量皆用唯一编号(树种号+样地号)标注，以样地的唯一编号代替各样地的立地质量情况，按样地号升序排列；

步骤3-2：根据样地数量和各样地间平均木碳储量的差异，确定立地质量等级数H(实施例1中H＝9)，基于Richards生长方程，以林分平均木碳储量为因变量，以林分年龄为自变量，分级拟合碳储量生长曲线簇，如式(11)；

式(11)中：C

步骤3-3：计算H个立地质量等级下每个样地的平均木碳储量估计值，选择具有最小离差平方和的曲线作为该样地所属的立地质量等级，反复迭代，直到每个样地的立地质量等级不再发生变化，此时的分类结果确定为最终的立地质量等级，具体的分类结果见表3。

步骤四、以Richards生长方程为基础，建立碳储量分级生长模型，确定碳储量连年生长量方程，以林龄为预测变量，计算各样地不同时点下的固碳速率；

步骤4-1：基于最终的立地质量等级，采用等间距构造哑变量法，将立地质量等级反映在参数a、c上，以参数b区分树种，采用Richards生长方程拟合林分平均木碳储量与林龄的关系，建立碳储量分级生长模型，如式(12)，采用最小二乘法拟合后可得模型参数，见表4；

式(12)中：S

步骤4-2：对式(12)中的林龄求导，获得碳储量连年生长量分级方程，即林分平均木在某年的实际固碳速率，如式(13)，各树种的平均木碳储量连年生长量的极限值及其达到极限值时的年龄见图2a至图2b；

式(13)中：

步骤4-3：以林龄为预测变量，代入式(13)，计算各样地第10年、第20年和第30年时的固碳速率。

步骤五、采用向后剔除法，筛选出对固碳速率有影响的因子；

为分析林分因子、气候因子、地形因子、地理因子和土壤因子对森林碳储量潜力的影响，明确森林固碳能力驱动力，基于通用方差分析，以各样地平均木的固碳速率为因变量，各类因子为自变量，采用向后剔除法，以模型修正决定系数

式(14)中：N为样本量，p为参数个数，y

步骤六、基于一般线性回归模型，量化林分因子、环境驱动力对森林碳储量潜力的影响方向和程度，并在不同时点下比较同一立地内树种对固碳潜力的差异。

步骤6-1：为明确环境驱动力、树种多样性对固碳潜力的贡献，基于含定性因子的一般线性回归模型，分别以第10年、第20年和第30年时平均木的碳储量连年生长量为因变量，对固碳速率有影响的因子为自变量，建立线性回归模型，如式(15)，量化林分因子和环境驱动力等对森林碳储量潜力的影响方向和程度，第30年时的各影响因子回归系数见表6，3个时点下线性回归模型真实值与预测值的关系如图3a至图3c。

式(15)中：β

步骤6-2：通过含立地因子和树种类型的线性模型，假设生长在样地内的树种为8个树种中的任意一个，基于样地的立地因子，分别预测各树种在10年、20年和30年时的固碳潜力，比较树种对固碳潜力的影响差异，如图4、图5和图6a至图6j。

表1列出了含生长等级的胸径生长模型的拟合评价指标及各参数值。由表1可知，胸径生长模型的拟合效果较优，确定系数R

表1含生长分级的胸径生长模型拟合参数和评价指标

表2列出了采用胸径生长模型反推求出的各树种样地林龄的平均状况。由表2可知，所有样地中其他硬阔林和栎类林的年龄较大，初期林龄的平均值超过了20年，而湿地松林的年龄较小，不足10年，这说明不同树种间的树种特性存在着明显的差异，即使胸径达到同样大小，所需的生长时间也不完全一致。对于27块木荷林的年龄估计，样地间的林龄差异较其余树种的样地较大，可能是由于木荷林的各样地平均胸径差异较大引起的。

表2各树种样地的林分年龄估计值的统计量

表3列出了基于样地平均木碳储量生长的立地质量划分结果及20年时各树种在不同立地质量等级下样地平均木碳储量的均值。由表3可知，并非每个树种的样地都有9个立地质量等级，只有马尾松林、栎类林、其他硬阔林具有9个等级，等级1代表立地质量最好，但无论哪个树种，达到等级1、等级2和等级3的样地数量都较少，大部分样地的立地质量处于中等水平。另外，当处于同一立地质量等级时，20年时其他软阔林的平均木碳储量最大，杉木林的最小，如处于等级5时，20年时其他软阔林的平均木碳储量可达最大62.38kg，而杉木林的仅为21.61kg。

表3 20年时各树种在不同立地质量等级下样地平均木的碳储量

注：表内值为样地平均木碳储量的均值，括号内的值为该处于该立地质量等级的样地数，等级越高代表样地的立地质量越差，即等级1的立地质量最好。

表4列出了碳储量分级生长模型拟合参数和模型评价指标。由表4可知，碳储量分级生长模型得到了不错的拟合效果，确定系数R

表4碳储量分级生长模型拟合参数和模型评价指标

注：a

图2a和图2b分别给出了各树种平均木碳储量连年生长量的极限值及其达到极限值时的年龄。由图可知，在立地质量对碳储量连年生长量的影响方面，8个树种表现的规律一致，即立地质量越好，极限值越大，达到极限值所需年限也越短；但在同一立地质量下时，各树种存在一定的差异性，即各树种所能达到的极限值和达到极限值时的年龄并不等同，各树种生长量的极限值为杉木<马尾松<栎类<木荷<其他硬阔类<楠木<湿地松<其他软阔类，达到极限值时的年龄为其他软阔类<湿地松<楠木<其他硬阔类<木荷<栎类<马尾松<杉木。

表5列出了对第10年、第20年和第30年时固碳速率(碳储量连年生长量)影响因子的筛选结果。从表中可知，不同时点时，筛选出的影响因子差异不大。综合3次筛选结果，由显著性值可以判断出，在单因子中，等温条件、年最低气温、月平均昼夜温差、最热季节降水量和树种对固碳速率有极其显著的影响，而交互项对其的影响都极其显著。另外，在地理因子中，以经度的影响最大；在气候因子中，以等温条件的影响最大；在土壤因子中，以非毛管孔隙的影响较大。

表5 3个时点下对固碳速率影响因子的筛选结果

注：

(1)筛选对样地平均木第10年的固碳速率有影响的因子时，共进行38次筛选，依次剔除单因子并引入因子间的交互项：坡向、坡度级、流域代码、土壤质地、坡位、海拔级、成土母岩、年最高气温、全N、最冷季节降水量、成分P

(2)筛选对样地平均木第20年的固碳速率有影响的因子时，共进行37次筛选，依次剔除单因子并引入因子间的交互项：坡向、土壤质地、流域代码、坡位、海拔级、坡度级、成土母岩、年最高气温、最干燥月份降水量、最冷季节平均气温、最冷季节降水量、全N、砾质、水解P、气温年变化范围、水解N、成分P

(3)筛选对样地平均木第30年的固碳速率有影响的因子时，共进行36次筛选，依次剔除单因子并引入因子间的交互项：坡向、土壤质地、海拔级、坡位、流域代码、年最高气温、水解P、砾质、最冷季节平均气温、最干燥月份降水量、全N、气温年变化范围、最冷季节降水量、成土母岩、坡度级、成分P

表6列出了第30年时样地平均木的碳储量连年生长量影响因子的回归系数项。由表6可知，系数项有正有负，对于定量因子而言，系数项为正，说明该因子与碳储量连年生长量存在正相关，如年降水量、年最低气温、和有机质等因子的值越大时，碳储量连年生长量越大，具有促进作用，系数项为负，则说明存在负相关，具有抑制作用；对于定性因子而言，某一水平系数项的正负值代表相对于参考水平对碳储量连年生长量的影响方向，如树种中，其他软阔类作为参考水平，马尾松、湿地松、杉木等的系数项为负值，表明这些树种的碳储量连年生长量相对于其他软阔类的更小，系数项的大小也反映出差异的大小，如马尾松的系数项为-6.9036，说明其与软阔类的差异最大。

表6第30年时样地平均木的碳储量连年生长量影响因子回归系数表

注：线性回归模型的拟合评价指标如下：决定系数R

图3a至图3c分别给出了第10年、第20年和第30年时样地平均木的碳储量连年生长量线性回归模型真实值与预测值之间的关系。由图可知，模型拟合的预测值与真实值的坐标点较为均匀的分布在对角线两侧，但是存在高估碳储量连年生长量小的样地和低估碳储量连年生长量高的样地的情况。

当所有样地上生长的为同一树种时，8个树种能达到的碳储量连年生长量存在差异。图4给出了8个树种下所有样地的平均木碳储量连年生长量的均值，并比对了原有树种下的生长情况。由图可知，对比原有树种，样地上仅生长杉木或其他硬阔类时，所能达到的连年生长量较小，而仅生长湿地松、栎类或其他软阔类时，所能达到的连年生长量较大。在不同时点时，各树种的差异并不完全相同，如湿地松、栎类和其他软阔类3个树种，在第10年时，样地皆生长其他软阔类所能达到的碳储量连年生长量最大，但是在第20年和第30年时，样地皆生长湿地松所能达到的碳储量连年生长量为最大，这与树种的生长特性有关，其他软阔类的碳储量连年生长量达到最大值时的年龄早于湿地松和栎类。

第10年、第20年和第30年时，在每个样地中挑选出8个树种中碳储量连年生长量最大的树种，即该样地上最适宜生长的树种，假设其为样地上生长的树种，比较原有树种与最适宜生长树种对固碳潜力的差异，图5给出了3个时点下原有树种与最适宜生长树种的碳储量连年生长量的对比图。由图可知，当选择最适宜样地内立地条件的树种栽植时，所有样地平均木能达到的碳储量连年生长量均值比原有树种的高，且高出2kg以上，说明为某一立地选择合适的造林树种时，可以提高植被的固碳潜力。

图6a至图6j给出了第30年时322块样地上各树种平均木的碳储量连年生长量差异情况。由图可知，无论样地上的原有树种是哪个树种，322块样地上8个树种碳储量连年生长量预测值最大的树种类型，主要集中在湿地松、栎类和其他软阔类这3个树种中，其中湿地松121块，栎类93块，其他软阔类98块；连年生长量预测值最小的树种类型主要为杉木，有272块。由于篇幅太长，并未给出第10年和第20年时322块样地上各树种平均木的碳储量连年生长量差异情况，在第10年时，碳储量连年生长量预测值最大的树种类型主要为湿地松103块、栎类83块和其他软阔类136块，连年生长量预测值最小的树种类型主要为杉木271块；在第20年时，碳储量连年生长量预测值最大的树种类型主要为湿地松134块、栎类71块和其他软阔类113块，连年生长量预测值最小的树种类型主要为杉木298块。综上可知，湿地松、栎类和其他软阔类是适宜在广东省造林的碳汇树种，结合图4可知，其他软阔类在短期内的固碳潜力最高，长期来看，30年左右，湿地松和栎类的固碳潜力高于其他软阔类。

本发明实施例1中所列出来的参数值，只适用于所采用的建模样本的分布范围，但是本发明所提供的建模方法和流程可以为其他地区的模型构建提供参考和借鉴。

本领域的普通技术人员将会意识到，本发明所述实施例和说明书内容仅为本发明较佳的具体实施方式，用以描述本发明的基本原理和主要特征，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。在不脱离所附权力要求定义的前提下，本发明还可以有多种变形，例如调查期数、立地质量等级的构造参数、建模的基础生长方程、筛选因子间交互项的类型等可以有所不同。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。