L ANDIS模型是模拟自然和人为干扰下森林景观变化的空间直观景观模型。模型把景观概念化为由相同大小的像元或样地组成的格网。在每一个像元上 ,模型要求输入物种和年龄组信息。但是 ,由于研究区一般由成千上百万个像元构成 ,不可能通过实际调查获取每一个像元上的物种和年龄组信息。因此 ,采用了一种基于小班的随机赋值法从森林调查数据中获取每一个像元的物种和年龄组信息。该方法是一种基于概率的方法 ,会在 L ANDIS模型模拟的物种和年龄组信息的输入中引入不确定性。为了评价由基于小班的随机赋值法所引入像元尺度上的不确定性对模型模拟结果的影响 ,用蒙特卡罗模拟法进行不确定性分析。对 L ANDIS模型模拟的每一个物种 ,用众数年龄组发生频率来定量化单个像元上年龄组信息的不确定性 ,用所有像元上的众数年龄组平均发生频率来定量化年龄组信息在像元尺度上总的不确定性。平均发生频率越高 ,不确定性越低。为了评价基于小班的随机赋值法对景观尺度上模型模拟结果的影响 ,计算了每一个物种在整个研究区内的面积百分比和聚集度指数。变异系数越大 ,不确定性越高。对所有物种 ,年龄组信息不确定性在模型模拟的初期是比较低的 (平均发生频率大于 10）。种子传播、建群、死亡和火干扰使模型结果的不确定性随模拟时间增加而增加。最后，不确定性达到稳定状态，达到平衡状态的时间与物种寿命接近。此时，初始的物种和年龄组信息不再对模型结果有影响。在景观尺度上，物种分布面积百分比和由聚集度指数所定量化的空间格局并未受像元尺度上不确定性增加的影响。因为LANDIS模型模拟研究的目的在于预测总的景观格局变化，而不是单一的事件，所以，基于小班的随机赋值法可用于LANDIS模型的参数化。