Modeling individual tree mortality for forest species 欖仁溪樣區中樹種個體死亡模型之建立 Modeling individual tree mortality for forest species of Lanjenshi forest dynamics plot 黃思博 Huang, Ssu-Po、謝長富 Hsieh, Chang-Fu 臺灣大學生態學與演化生物學研究所 前言 南仁山欖仁溪森林動態樣區(Lanjenchi Forest Dynamics Plot)自1989年設立迄今，已經完成三次每木調查，每次調查皆記錄各植株的樹種、大小、位置以及是否存活。本論文利用個體大小及個體競爭等各種可能影響樹木死亡的變數，嘗試預測各樹種的死亡率，探究森林動態變化的趨勢。 本研究目的為： （1）建立南仁山欖仁溪樣區中各樹種的死亡模型。 （2）找出最有可能影響各樹種死亡的變數。 （3）驗證各樹種的死亡模型預測能力之優劣。 （4）比較使用不同變數建立的模型，其預測能力的優劣。 結果 A B 研究地區 南仁山欖仁溪樣區位於台灣南端的墾丁國家公園南仁山保護區內(圖一)，總面積3公頃，樣區內坡度在5°~30°之間，海拔300~340公尺。每年秋末至春初受到東北季風強烈吹拂。樣區內地形複雜，西側地勢較高，東半部有兩座平緩的小山頭，中間處有一南北向溪谷，溪谷僅在雨季雨勢大時會有流水(圖二) 。 C D 圖一、南仁山欖仁溪樣區位置圖 圖二、欖仁溪樣區地形圖 E F 模型建立 整理三次調查的資料，利用邏輯回歸分析來建立死亡預測模型。為探討死亡發生與競爭及個體本身植株大小的關係，以1991～1997年間兩次調查的資料，計算25種相關變數來建立M9197模型。另外，以1991，1997及2005年三次調查的資料，除計算前述之變數外，增加生長或死亡等相關變數共35種來建立M9105模型。 圖六、M9197模型的廣泛分布種，各徑級實際死亡率和預測死亡機率比較圖。A、B、C、 D為冠層樹種，其預測死亡率受DBH相關變數影響，在最小徑級最高，隨徑級增大而遞 減；E、F為次冠層以下樹種，其預測死亡率與個體大小及枝幹數等相關變數有關 ⊙樣區資料（1991-2005） 包含樹種、DBH 、植株位置和 個體存活狀態 ⊙變數整理 包括個體自身的大小或 活力，以及個體與個體 之間競爭的關係（圖四） ⊙模型建立 將樹種中各植株存活狀態 與變數的資料矩陣，以SAS logistic regression procedure 進行分析 ⊙模型驗證 模擬各樹種個體的死亡， 利用混淆矩陣（圖五）計算 預測成功率(Overall prediction success, OPS) M9197模型 M9105模型 圖三、分析方法流程圖 圖七、M9197模型和M9105模型中，各樹種預測死亡率和實際死亡率比較圖。點越靠近紅線， 表示預測的準確率越高，在框線內的表示兩者誤差值在3﹪以內 neighbor object 總結 一、除了DBH變數之外，沒有其他變數可以普遍影響各樹種的死亡率，受DBH變數影響的樹種 ，其小徑級植株的死亡率都很高，隨著徑級增加死亡率則快速地遞減，死亡率隨徑級的變化常呈現L型的分佈圖。 二、不論是M9197模型或是M9105模型，有一半以上的樹種預測成功率大於七成，部分樹種的預測成功率更高達九成以上。整體來說，本研究所建立之模型有不錯的預測能力，但對於整體實際死亡率來說，有使用生長、死亡相關變數的M9105模型比M9197模型預測來得準確。 三、本模型未來可搭配生長和新增模型，對於森林動態變化進行模擬，以瞭解森林未來的樹種組成，各樹種的植株數量變動，以及新增、生長和死亡率的變動情形。 個體大小： DBH、1/DBH、 BA、STEM… 5M neighbor 競爭關係： 同種間： COND、COBA、 COΘ… 不同種間： HEND、HEBA、 HE Θ… 鄰近大樹間： COBAL、HEBAL、 BALR … 圖五、混淆矩陣，A為實際上死亡且預測也是死亡的數量，B為實際上死亡卻預測是存活的數量，C為實際上存活卻預測是死亡的數量，D為實際上存活且預測也是存活的數量 object 致謝 感謝墾丁國家公園南仁湖管理站在每個寒暑假免費提供住宿，也感謝管理站的人員對於參與調查的人員照顧有加，更感謝每位不懼風雨、犧牲假期來幫忙調查的同學們。 圖四、各變數示意圖