杉木是我國最重要的速生用材樹種之一。因此，在全球氣候變化背景下，解析杉木生長的影響機制，對于科學管理經營杉木人工林，精準提升杉木人工林產量及質量具有重要的意義。研究依托福建、廣西、江西、四川四個地區的杉木密度試驗林30余年長期固定樣地，基于機器學習方法解析杉木年胸徑生長影響機制取得了新進展。

研究在深入分析杉木生長的影響因素后，篩選出10個氣候因子和9個林分變量，選用綜合性能優異的隨機森林算法和以準確度著稱的深度學習算法模擬杉木胸徑生長。研究發現具有8個隱層，每個隱藏層包含90個神經元的深度學習模型最優；發現杉木胸徑年生長量隨著基尼系數（結構多樣性）的增大而增大，隨著林齡和大于對象木林分斷面積之和的增大而減??；杉木生長與平均夏季最高溫、平均冬季最低溫和年降水量的關系不是恒定的，依賴于氣候的變化情況,氣候惡化會加劇競爭對生長的負面影響；氣候變化對幼齡林生長有促進作用，而對老齡林生長有抑制作用。

基于本研究的結果，競爭是影響杉木胸徑生長的最主要因素，低競爭水平下的杉木胸徑生長量較大。因此應采用適當的疏伐或低密度造林維持競爭與樹木生長之間的平衡。老齡林對氣候變化，尤其是對氣候脅迫的負面影響更為敏感。因此，我們應該更加重視老齡林的適應管理，以增強它們對極端天氣（如極端夏季或冬季溫度）的適應能力。高林分結構多樣性下的杉木胸徑生長量更大，因此我們可以采取適當的間伐措施，以促進杉木生長。

相關論文“Effects of stand factors on tree growth of Chinese fir in the subtropics of China depends on climate conditions from predictions of a deep learning algorithm: A long-term spacing trial”發表在林學Top期刊《Forest Ecology and Management》上。林業所碩士生王震為論文第一作者，張雄清研究員為通訊作者，張建國研究員指導并參與了該研究工作。該工作得到了十四五國家重點研發計劃和國家自然科學基金面上項目的資助。（張雄清/林業所）