森林是人类赖以生存的陆地生态系统的主体,在全球气候变化过程中起着关键作用。在此背景下,作为森林质量评价的一项重要指标,森林生物量测算近年来成为研究热点。针对大区域森林生物量估算工作,生物量模型是相对有效且准确的手段和方法。而大区域以及林分生物量估算则依赖于单木生物量模型,单木生物量模型是估算和预测森林生物量的基础。樟树(Cinnamomum camphora)、木荷(Schima superba)、枫香(Liquidambar formosana)3个树种是广东省重要的乡土阔叶树种,碳汇潜力巨大,具有很高的用材及经济价值。本文基于该3个树种90株伐倒木和40株解析木的实测数据,采用主效应的多因子方差分析即一般线性模型,探究不同因子对树干密度和木材密度影响的显著性,从5大类30个因子中,筛选出与树干密度和木材密度相关的因子。进而用增强回归树(BRT)方法,计算出不同因子对3个树种树干密度和木材密度影响程度的大小。之后基于理查德方程(Richard)、单分子式(Mitscherlich)、坎派兹方程(Gompertz)、考尔夫方程(Korf)、逻辑斯蒂方程(Logistic)以及舒马克方程(Schumacher)这6个常用的树木生长方程,分树种以地上部分总生物量为因变量,以树木年龄为自变量,进行拟合建立生物量生长模型,筛选出生物量生长的最优基础模型。在此基础上,分龄组和起源、基于主成分分析和对应分析等分类方法选择环境因子,引入哑变量进行模型拟合。利用决定系数R~2、估计值的标准误SEE、平均预估误差MPE和总相对误差TRE四项评价指标以及模型参数值的合理性等综合评价模型效果。通过研究,得出以下结论:(1)影响樟树树干密度的主要因子从大到小依次为植被类型、枝下高、胸径、植被总覆盖度、冠幅东西向;影响木荷树干密度的主要因子为地市和植被类型;影响枫香树干密度的主要因子有坡向、海拔、平均高度。从单一因子来看,3个树种树干密度的主要影响因子不同,无共同主要影响因子。(2)3个树种木材密度主要影响因子也存在差异,但具有共同主要影响因子枝下高,其相对贡献率相近,均在10%左右。各树种木材密度主要因子从大到小依次为:樟树(枝下高、植被类型、海拔、植被总覆盖度、平均高度、灌木盖度、年龄、胸径、林种、土层厚度),木荷(年龄、草本盖度、枝下高、平均胸径、土层厚度、植被类型),枫香(坡向、海拔、平均高度、枝下高)。(3)林分因子和单木因子是影响樟树、木荷和枫香3个树种树干密度和木材密度的主导因子,但其对不同树种影响程度不尽相同。林分因子和单木因子同为影响樟树树干密度和木材密度的主导因子,其相对贡献率之和分别为87.04%和76.92%。林分因子、单木因子和地域因子是影响木荷树干密度的主导因子,其相对贡献率之和为79.96%;影响木荷木材密度的主导因子为林分因子、单木因子和土壤因子,其相对贡献率之和为83.04%。地形因子、林分因子和单木因子同是影响枫香树干密度和木材密度的主导因子,其相对贡献率之和分别为83.98%和92.70%。(4)樟树基础生物量生长模型,理查德Richard方程最优,其R~2为0.443,SEE为99.73kg。基于Richard方程,樟树分龄组和起源所建的哑变量模型,R~2只略微上升,在0.5左右。基于降维方法后的模型R~2明显提高,其中基于主成分分析后哑变量模型R~2超过0.65,基于对应分析后的模型R~2达到0.56。综合考虑得出,Richard方程在参数a上引入龄组、b上引入主成分分析后分类结果,模型效果最佳,R~2达到0.72,较之最优基础模型SEE明显下降,为71.29kg。(5)Korf方程为木荷最优基础生物量生长模型,R~2为0.557,SEE为79.09kg。木荷基于龄组的哑变量,效果显著,R~2上升至0.70,SEE降为65kg。基于对应分析方法引入因子的哑变量模型,效果要优于基于主成分分析引入因子的模型。综合考虑得出,Korf方程在参数b上引入对应分析后分类结果、在c上引入龄组,所得模型最优。较之最优基础模型,R~2增长了0.21,达到0.77,SEE下降22.03kg,为57.05kg。(6)枫香最优基础生物量生长模型,为坎派兹方程Gompertz,其模型R~2为0.6595,SEE为76.11kg。直接引入龄组和起源的哑变量模型效果不佳,其R~2仅提升不足0.01。基于对应分析的哑变量模型略优于基于主成分分析的模型,二者决定系数R~2仅相差0.018。综合考虑得出,Gompertz方程在参数b上引入对应分析后分类结果、在c上引入龄组,所得模型最优。相较于最优基础模型,R~2增长了0.15,达至0.81,SEE下降了19.479kg,为56.63kg。