森林經營試驗樣地設計新方法

王偉

傳統田間試驗設計方法如順序設計、拉丁方設計以及隨機區組設計方法在很大程度上考慮了林分立地、土壤或肥力等方面的差異，但沒有關注立地之上的“試驗對象即林分”的狀態差異，加上其有限的隨機過程和缺失量化的目標函數等缺陷，從而談不上是優化的試驗設計，無法保證試驗開始前處理間林分狀態特征的一致性。

現存的森林通常分布在山地，且所處的環境復雜多樣，即使在同一山坡上也存在立地條件、樹種組成和林分結構的差異。在這種復雜多樣的山地劃分小區后，通常忽視了安排試驗時處理間林分狀態的差異分析，造成各個處理問的林分差異增大，使試驗在開始前已經存在誤差；而這種試驗前的誤差使開始的試驗條件不一致，最終導致試驗數據不準確。消除這種誤差較為普遍的做法是設置對照與處理固定試驗地并進行一定的重復，也可以使用降低變異誤差的田間試驗設計方法，如為了降低土壤差異可以使用隨機區組設計；但至今還沒有一種能比較并縮小試驗林分各處理間林分狀態特征（特別是林分空間結構）差異的田間試驗設計方法。本研究試圖找到這樣一種田間試驗設計方法，在試驗開始前，通過找到小區最合理的排列，盡可能消除各個處理間的林分狀態差異，盡可能地縮小試驗前各處理間的差異。

完全隨機設計要求其將同質的受試對象隨機地分配到各處理中進行同期平行觀察。研究效率通常不高，小樣本時可能均衡性較差，抽樣誤差大。隨機區組設計只能控制一個方向的土壤差異，且要求區組內受試對象數與處理數相等，處理數過多時局部控制的效率降低；而且完全隨機設計與隨機區組設計中隨機的次序由抽簽法、查隨機數表或計算機模擬得到一次的試驗方案。這種隨機抽取的次數是有限次的，且沒有考慮到各個處理間的林分狀態差異，因此，無論是完全隨機設計還是隨機區組設計，都不能保證試驗設計完成后各個處理間的林分狀態一致。

若試驗有n個處理（經營措施），每個處理m個試驗小區（重復），一共可劃分n×m個試驗小區。對全部小區編號，共有1～n·m個數字。編寫R語言的計算機程序，將這個數字序列打亂并重新排列組成新的數列。將這個新數列依次劃分為n組，也就是n個新的處理，每組仍為m個數字，則這m個數字就是新處理中的全部小區（重復）編號。例：假設試驗有3個處理，每個處理有5個試驗小區（重復），即n=3，m=5；則首先將15個小區編號為1～15號；然后隨機生成由這15個數字組成的新排列；最后重新劃分為3組，每組生成一個新的處理，仍為5個數字，則得到了新試驗設計方案。這個過程重復一遍類似于經典的隨機化方法。

順序設計和拉丁方設計既不能保證林分空間結構特征的差異最小，也不能保證林分基本特征相一致；隨機區組設計雖然能保證處理問的林分空間結構特征相似，卻不能保證林分基本特征相似，其中斷面積的最大差值達14.10%。只有完全隨機優化設計的差值都控制在5%以內。因此認為，順序設計、拉丁方設計、隨機區組設計都不能保證天然林處理組與對照組間的林分狀態特征的一致性。只有完全隨機優化設計可以確保試驗前的林分狀態條件相似從而達到提高試驗精度的目的。

傳統田間試驗設計方法如順序設計、拉丁方設計以及隨機區組設計雖定性的考慮了林分立地、土壤或肥力等方面的差異，但這些方法都不能保證試驗開始前處理間林分狀態特征的一致，且隨機設計方法都是有限次的隨機過程。本研究首次提出基于林分狀態特征的完全隨機優化設計方法，并構造了相應的目標函數。在進行實際林分的田間試驗設計時，只需將試驗地分為若干小區，利用計算機程序可得到最佳的試驗方案，使每組處理的林分分布差異和樹種組成差異降到最低。這種完全隨機優化設計的方法普遍適用于森林經營田間試驗設計。將基于林分狀態特征的完全隨機優化設計方法應用到森林經營試驗設計優化研究，同時與傳統方法，如順序設計法、拉丁方設計法以及隨機區組設計法進行了對比分析，并采用了最優小區排列方案。結果表明，這種方法完全可以保證試驗地各個處理間或處理與對照間的林分狀態差異小于5%，從而確保試驗前處理間林分狀態的一致性；而應用順序設計、拉丁方設計與隨機區組設計不論是林分基本特征還是林分空間結構參數其差異都遠大于完全隨機優化設計方案。

在完全隨機優化設計的目標函數中，林分空間結構參數與林分基本參數合并在一起計算，為避免量綱、單位不一致的問題，必須對基本參數數值進行標準化處理。鑒于田間試驗設計側重點不同，本研究認為，可以根據實際情況進行類似的完全隨機優化設計，當試驗偏重于優化林分空間結構時，則以林分空間結構參數為主，使試驗地處理組與對照組的空間結構參數基本保持一致。因此，在優化時，可采用優先比較各處理間的空間結構參數，再比較基本特征參數的方法。計算1 000組不同小區排列方案得到的空間結構參數的差異，得到具有最小值的小區排列方案，再在這些最小值的小區排列方案中找到基本參數差異最小的排列方式。這種方法更有利于衡量不同處理間林分空間結構特征的一致性。