Download presentation
Presentation is loading. Please wait.
Published byErnest Barnard Collins Modified 5年之前
1
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( ) 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
Similar presentations