科学的森林经营管理与决策要求设计并优化森林经营规划的策略与方案,这需要把林分生长动态和营林措施集成为一个完整的仿真-优化系统。因此,森林经营管理的实现依赖于两个关键工具:森林生长预测模型和经营优化模型。林分生长模型对森林生态系统的准确描述使得管理者可以获得更加详细的林分动态信息,而优化算法决定了最优经营方案的可靠性。在全球气候变化背景下,森林生长过程机理的模拟在森林经营研究中有着重要意义。然而,过程机理模型的构建基于理论性的植物与外部环境的关系,模型结构复杂,参数数量繁多且测量依赖于生理学可控试验,相比经验模型更难进行参数化或推广应用。与此同时,当林分生长预测模型从简单经验模型变为复杂过程模型时,对森林经营优化算法也提出更高的要求。针对上述问题,本研究运用基于运筹学优化技术的逆向建模法实现过程模型CROBAS与3-PG参数本地化。同时以PipeQual（CROBAS的扩展模型）模型与种群算法为例,探讨过程模型与优化算法在森林经营规划中的应用前景。主要内容和结果如下:（1）比较三种全局灵敏度分析方法,并基于参数敏感性对过程模型进行评估。基于过程模型CROBAS,以华山松为例,选取模型中描述模型结构关系的十个参数,以树高和各器官生物量的Nash-Sutcliffe效率（NSE）为目标函数,比较了三种当前过程模型开发研究中应用较广泛的全局灵敏度分析方法:Morris基本效应法、基于方差的Sobol指数法和扩展的傅里叶幅度检验法（EFAST）。结果表明:参数灵敏度排序在不同方法中仅略微有所变化,但对于不同目标函数则区别明显。对算法耗时和收敛效率而言,Morris和EFAST性能较高,Sobol效率相对较低。所有模型输出变量均对最大光合作用速率、比叶面积、消光系数敏感,林冠光截留状态对于林木生长量有着关键性影响。灵敏度分析同时表明了碳平衡理论在林木生物量模拟中最为核心部分是树叶生物量模块的计算与验证。（2）以生理学文献信息与经验模型数据为基准,采用基于运筹学优化技术的逆向建模法实现过程模型CROBAS、3-PG参数本地化。在此过程中,以两个过程模型和经验模型预测值的离差和为目标函数,选取具有特定生理学和物候学意义的参数作为决策变量,而后运用差分演化算法（DE）和粒子群算法（PSO）分别对CORBAS-PA和3-PG-PT的参数进行本地化。其结果显示:CROBAS-PA预测的树高比经验模型QUASSI1.0预测的低,且最多低1m。但是CROBAS-PA预测的胸径在各种类型的立地中情况不同,与QUSSI 1.0相比,偏差不超过1.2cm。大部分样地中3-PG-PT预测的胸径比QUASSI 1.0预测的低,其偏差不超过8.65%。3-PG-PT预测的林分蓄积与QUASSI 1.0预测的最大偏差为6.83%。虽然两过程模型预测结果与QUASSI 1.0相比出现偏高或偏低的现象,但是过程模型主要依赖于生理学过程光合作用、呼吸作用和碳平衡等,所以它不会像经验模型一样过分的依赖观测数据,使其出现过度拟合的现象。（3）在油松3-PG模型中,对影响油松生长的关键性生理学参数进行灵敏度分析。土壤有效水分的变化对林分蓄积和叶生物量的影响都比较大,对细根影响较小。林分初始时比叶面积0、林分成熟时比叶面积1和当林分比叶面积为（0+1）/2时的林分年龄也对林分蓄积和叶生物量的影响都比较大。所以在过程模型中,影响光合作用的参数对过程模型3-PG预测值的灵敏度比较大。（4）将过程模型PipeQual和四个种群算法:粒子群算法（PSO）、差分演化算法（DE）、进化策略（ES）和单纯形搜索法（NM）集成仿真-优化系统,研究不同类型林分的经营管理方案。在所检测的7个林分中,四种算法所得最优轮伐期在同一林分中有所不同,轮伐期选择的波动可达十五年。四种算法所得间伐次数比较统一,均为3或4次。立地质量越高、密度越大的林分间伐次数越多、首次间伐时间越早。优化所得的间伐类型有很明显的变化,在早期间伐中,中小径阶的树木被保留,仅大径阶的树木被移除;在后期的间伐中,中等及大径阶的树木被伐,同时部分小径阶的树木被选择性间伐。（5）评估四个不同的种群算法在解决高维森林经营优化问题中的优劣表现。与随机直接随机搜索法（DRS）的最优值相比,算法PSO和DE是最准确的,NM的准确性最差,且随着决策变量个数的增加,其准确性变得更差。PSO消耗的时间最长,NM最短,PSO所消耗的时间大约是NM的两倍。收敛速度NM最快,PSO和ES居中,DE最慢。DE的稳定性最高,PSO和NM居中,ES最差。造成各个算法性能差异的原因比较复杂,主要有算法的参数、操作方式的选择以及所用模型等。