图：幼龄林木材细胞年内发育动态. RF = 随机森林, DL = 深度学习, GAM = 广义可加模型, GF = Gompertz 方程, GF’ = Gompertz 方程的一阶导

杉木是我国最重要的速生用材树种之一。树木的年内木材细胞发育过程记录了树木自身的径向生长特征，使用特定的模型拟合树木的年内木材细胞发育过程，对于准确理解树木的年内径向生长具有重要意义。

林业所人工定向林课题研究组使用多种模型拟合不同林龄杉木的年内木材细胞发育过程，在杉木年内木材细胞发育过程的模型拟合方面取得了新的进展。

该研究使用传统模型（Gompertz函数及其一阶导数、广义可加模型）和机器学习算法（随机森林、深度学习）分别对5个林龄杉木的年内木材细胞发育过程进行拟合，发现随机森林算法的拟合效果最佳，可以准确地拟合不同林龄杉木年内木材细胞发育过程的多种模式：形成层细胞分裂呈现三峰和双峰模式，体积增大和细胞壁增厚期细胞呈现双峰模式，成熟细胞和总木材细胞数量变化呈现两个生长阶段模式。其次，形成层细胞分裂的三峰模式仅存在于幼龄林和中龄林杉木中，且第三峰的出现延迟了其细胞体积增大和细胞壁增厚的过程。此外，经对比分析发现，较老林龄的杉木主要在生长季前期生长，而较小林龄的杉木则主要在生长季后期生长；较小林龄杉木的年内木材细胞发育各阶段的结束时间较晚，从而使其拥有更长的年内径向生长时长。

研究结果表明，随机森林算法可以更加准确地拟合不同林龄杉木年内木材细胞发育过程的复杂模式，并进一步揭示了杉木年内木材细胞发育过程的林龄效应，为更加准确深入地研究杉木的年内径向生长提供技术支持。

相关论文“Comparing the random forest algorithm with other modelling approaches to capture the complex patterns of intra-annual wood formation of Chinese fir with different ages”发表在林业经典期刊《Dendrochronologia》。硕士毕业生姜彦妍为论文第一作者，张雄清研究员为通讯作者，张建国研究员指导并参与了该研究工作。该工作得到了中央公益性专项的资助。（文：张雄清）