摘要：自疏边界线是指植物种群发生密度依赖死亡时种群最大收获量的上边界线。已有研究由于在拟合自疏边界线的过程中对数据点的选择和参数估计的方法存在诸多的差异，进而导致产生对自疏法则的争议。该研究采用26年生杉木（Cunninghamia lanceolata）人工林的定位观测数据，对视觉法、死亡率法、等距区间法和相对密度法等4种数据点选择方法以及最小二乘法、降维分析法、分位数回归法和随机边界方程等4种参数拟合方法进行对比分析，以探寻客观选择自疏拟合数据和正确拟合方法的途径。比较4种不同的数据选择方法得出：视觉法具有较强的主观性；对于没有发生非密度依赖死亡的林分，死亡率法可以准确地确定林分自疏的起始点；等距区间法可以减少非密度依赖死亡的影响，得到的数据点能充分反映林分的自疏过程：相对密度法可以保证临界密度阈值以上的数据点拟合林分白疏边界线的有效性，并能排除非密度依赖死亡的影响。比较分析4种不同的拟合方法发现：最小二乘法和降维分析法拟合的林分自疏边界线均从实测数据“中心”穿过，与林分自疏边界线为林分收获量上边界线的涵义不相符合，无法真实反映林分的自疏进程；分位数回归和随机边界方程的拟合结果均与实测数据一致，能够较为准确地反映林分自疏的真实过程，但二者的统计推断要求都比较严格。分位数值的正确选取和残差足够小且趋于0，是分位数回归法和随机边界方程能否正确反映林分自疏动态的前提。

关键词：杉木 参数估计方法 数据点选择 自疏边界线 

单位：中国林业科学研究院亚热带林业研究所 浙江富阳311400 中国林业科学研究院林业研究所 北京100091