森林动态预测与生长收获模型研究中，来自非控制条件下部分观测过程的信息往往需要作为统计推断的基础，诸多不可控的环境或机理因素都会导致森林调查数据与林分动态预测之间形成复杂的信息交互体系，并最终使得模型模拟与生态学推论的可靠性无法被量化评价。本研究基于贝叶斯框架下的模型构建方法将模型校正和预测中的所有要素以概率分布的方式进行处理，从而兼顾不同数据源所具有的不同观测误差和外部环境因素的随机效应，既对模型预测不确定性进行量化，又使得模拟与推论得以随信息收集而循环更新。论文分别围绕森林动态预测中的经验全林模型、经验单木模型、基于机理的生态系统碳水通量模型，在贝叶斯统计学框架下探讨数据与模型的交互关系，主要研究内容及结果如下：
　　(1)以全林模型随数据更新为例，测试贝叶斯框架下不断循环、更新、融合的数据-模型逻辑框架，比较多源数据(不同时期不同类型林分调查数据)对林分动态预测的影响，分析模型参数与预测不确定性的变化模式。研究收集了秦岭油松林三期调查(1990、2005、2012)和三种信息类型(临时样地、固定样地、解析木)的建模数据，选取设计了一组数据信息要求较低的可变密度全林模型，基于贝叶斯信息动态融合的框架，对传统森林调查数据与生长收获模型的关系进行探究与分析。数据与模型更新循环的过程以先验信息和后验信息不断相互转化的方法实现，即前一次拟合得到的参数联合后验分布会作为下一期数据加入时的先验。不同数据类型的整合，则是根据不同数据类型自身的抽样与观测误差所设计的独立似然结构实现。随着新一期调查数据的不断加入，模型参数的边际或联合分布会不断发生变化，但概率分布峰度总是不断升高，即参数不确定性逐步下降，进而导致林分预测的不确定性不断下降。不同类型的森林调查数据会产生不同的林分胸径、树高、断面积预测结果，不同数据信息的特性也会对预测的不确定性产生规律性的影响。
　　(2)在复测数据缺失条件下，提出一种基于贝叶斯技术和临时样地数据构建经验单木生长模型的方法，并且比较不同建模策略在模型表现和参数不确定性上的差异。模型开发为以临时样地调查数据构建全林模型，用于模拟林分层面变量的发展变化。然后基于临时样地每木检尺信息，利用Weibull函数构建直径分布模型，模拟林分径阶变化过程。最后，采用描述直径分布变化的似然函数，利用虚拟林分数据并采用贝叶斯校正的方法，拟合单木生长模型。经验的全林模型提供了林分层面断面积生长的可靠预测。链接全林模型与胸径分布模型极大拓展了林分结构的信息，使得研究可以不依赖于复测数据直接构建起单木模型。模拟结果显示基于虚拟数据构建的模型可以有效模拟出竞争对于单木生长动态的影响。相比于基于木芯的模型，虚拟数据的模型一定程度上低估了被压木的胸径生长量，但在林分水平预测上各模型预测效果相同。
　　(3)基于机理过程的生态系统碳水通量模型在应用于较大地理空间尺度上时常受限于模型复杂度和数据可获得性。研究收集了全球55个森林生态系统涡度相关数据，在不同森林类型和气候条件下，对半经验半机理模型PRELES进行校正与评估。研究采用了针对型校正方法获得每个森林站点的特定型参数向量，同时采用层次建模方法的通用型校正获得九种植被功能类型的通用型参数向量。参数校正策略与模型区域尺度外推效果通过交叉验证的方法进行了系统性检测。植被生理学特性与所处气候模的差异使得模型在跨植被功能类型进行外推时有着更高的风险。同一植被类型下森林站点的差异可以通过调整潜在光利用效率来解释。尽管涡度相关和遥感数据引入较高误差，通用型校正依然可以准确预测不同气候与森林类型的生态系统GPP和ET日际变化。
　　(4)通过光利用效率模型PRELES对林冠光合作用对于环境因子的反应进行量化分析，这些环境因子包括光照、温度、饱和蒸气压差、土壤水分。通过对光合作用生产力日变化的分析，每一种环境胁迫都可以被模型侦测到。通过热带、亚热带、温带、寒带地区森林的涡度相关数据，研究分析了环境胁迫的空间和时间尺度上的变化规律。水分限制和干旱事件则是基于PRELES和气象指标，在天、月、年的时间尺度上进行分析。研究的结果表明环境因子对于林分生产力的限制会随森林-气候类型而显著变化。大多数森林都在光饱和、温度适应过程、VPD压力上有着相似的季节性模式，但土壤水的限制则没有明显规律。各年气象学干旱指标有着高度的相关性，但也无法有效描述不同森林类型下的干旱状况。对于月尺度而言，标准化降水蒸发指数SPEI比标准化降雨指数SPI与PRELES的水分限制模拟结果有着更高的相关性。光利用性模型的分析表明这些站点的森林只能达到26%(SD±12%)的潜在生产力。潜在生产力的56%(SD±17%)由于光饱和未能实现，21%(±13%)是由温度限制造成，12%(SD±10%)是因为土壤水胁迫，9%(±9%)为VPD限制。
　　(5)在寒带森林生态系统中添加氮素会导致GPP的显著提升。但这种提升很难被量化解析，原因是光合作用生产力与林分结构、土壤肥力、环境因子的限制存在复杂交互关系。本研究利用一个独特的氮肥试验，结合涡度相关数据校正一个基于光利用效率的光合生产力模型，来分析氮素添加对于森林生产力的影响。这一控制试验可以最小化环境因子对于光合作用的限制差异，使得施肥与对照林分的差异可以被归结为土壤肥力的改善。生态系统对于光强度变化的反应和环境的限制可以通过逆向建模的方法进行分析。结果表明氮肥添加导致施加氮肥可以提升7%生态系统光截留(即叶面积指数)和17%的光利用效率。氮素对光利用效率的提升同时出现在低光照强度和高光照强度的条件下。光截留的计算表明林下植被在施肥样地贡献了9.1%的生态系统GPP，再对照样地则贡献了6.8%。干旱事件下限制生态系统GPP的主要因素来源于大气水分需求而非土壤水胁迫。
　　综上所述，贝叶斯统计框架在经验与机理建模中都呈现出明显优势。经验建模时，该方法将数据中的变异以不确定性的方式进行呈现与量化,不同数据集遵循相互独立的误差分布,模型可以随数据循环更新，构造虚拟数据作为先验以弥补实际数据中信息的缺陷，使得建模不必过分依赖长期复测数据。机理建模时，采用逆向建模的思路，将文献中的生理学特征信息作为先验，以林分层面的输出结果为基准对复杂生理学参数的分布进行校正,构架起链接复杂模型与森林调查、气象、遥感、土壤等数据库的桥梁。