摘要：生物量转换和扩展因子(BCEFs)是估算森林生物量碳储量普遍使用的重要参数.厘清BCEFs估算差异的来源,可降低森林生物量碳储量评估的不确定性.利用基于集成学习的决策树模型能够很好地解决BCEFs估算差异来源问题.然而,不同此类模型的对比研究目前尚未见报道.本研究以第8次国家森林资源清查福建省331块马尾松的固定样地数据作为材料,分别利用增强回归树(BRT)、随机森林(RF)和立体派(Cubist)模型分析BCEFs(包括地上和地下部分)估算差异的来源.结果表明:研究区马尾松BCEFs呈右偏分布,平均值为0.69t·m^(-3),最小值为0.67 t·m^(-3),最大值为0.71 t·m^(-3).BRT、RF和Cubist模型对BCEFs的拟合和预测能力均很好,均能够解释92.8%以上的BCEFs变异.3种模型均给出了相同的前2个相对贡献率最大的自变量,为平均胸径和蓄积量.BCEFs随着平均胸径、蓄积量的增加呈逐渐减小的趋势.平均胸径、蓄积量、平均年龄和平均树高等林分特征因子对BCEFs的影响极大,而土壤因子和地形因子对BCEFs的影响均很小.在建立BCEFs模型时,利用平均胸径、蓄积量、平均年龄和平均树高等少量包含较多BCEFs预测信息的变量便能获取很好的预估精度.当应用固定BCEFs时,应选择在平均年龄、平均胸径以及蓄积等方面具有广泛代表性的样本计算BCEFs.