基于经验模型和机理模型的杉木人工林生物量估测对比研究

为了揭示间伐干扰下杉木人工林生物量的变化规律,研究利用江西省吉水县石阳林场的36块杉木人工林样地的实测数据和研究区气候数据,通过基于经验的引入地位指数(SI)的生物量生长方程组和基于机理的3⁃PG模型,模拟并预估林分生物量,分析在间伐和非间伐的情况下,不同立地的林分其生物量0—50a的变化。结果表明:(1)构建了生物量生长方程组,并在参数a、b、c中引入地位指数SI,发现改进后的模型对于基础模型拟合精度更高,且对数似然比检验表明,改进效果显著(P<0.05)。(2)通过对3⁃PG模型预测精度验证发现,预估值和实测值之间有很高的一致性,各因子的决定系数(R^(2))在0.65—0.96之间,其中,胸径和树高的R^(2)均高于0.92;各因子的平均相对误差(MRE)不超过26%。(3)通过比较经验模型和机理模型的生物量预测发现,经验模型的预测误差MRE为16.50%,机理模型为23.52%,经验模型预估精度更高。进一步对未来预测对比分析表明,机理模型预估值高于经验模型。(4)两个模型模拟的杉木人工林生物量规律一致,即随着林龄的增加,杉木人工林林分总生物量均表现出先快速增加,后逐渐平稳的趋势;并且间伐不会改变这种趋势,但间伐林分在间伐后的生物量生长速率高于无间伐林分。此外,由于SI对经验模型影响显著,改进模型拟合效果更好,更具有生态学意义。参数化后的3⁃PG模型模预估精度较高,能够为江西杉木人工林生长规律研究提供依据。虽然经验模型和机理模型在对研究区杉木人工林生物量的预估上均具有较好的表现,但各具特点和局限性。经验模型参数较易获得,且经验模型预测生物量、林分胸高断面积和林分平均树高的R^(2)、MRE均优于机理模型;但模型对于建模数据内的评价效果较好,对于建模数据外的应用具有局限性,即经验模型更适合模拟生长期间的某一阶段的林分生物量。机理模型虽然需要的参数较多,但是考虑了生态学原理,弥补了经验模型的不足,可较好解释和模拟环境因子对树木生长的影响,对校正数据之外生长阶段的林分生物量预测更有优势。

基于红松树轮重建小兴安岭南麓过去140年6月份平均温度变化

基于建立的小兴安岭南麓红松树轮宽度标准年表,分析红松径向生长与该地区温度和降水间的关系以及1982年升温突变对此相关性的影响。结果表明:6月平均温度与树轮宽度年表在变暖前后始终呈极显著负相关,是该地区红松径向生长的主要限制因子。基于此构建的区域1843—1982年6月平均温度重建方程稳定可靠。重建温度序列的偏暖时期和偏冷时期分别持续7年和29年,偏暖时段为1915—1921年,偏冷时段为1880—1891年和1932—1948年。小波分析结果显示6月平均温度存在2—7a周期变化。空间相关分析结果表明重建温度序列能很好的代表小兴安岭南麓及附近区域的温度变化。本研究拓展了研究区现有的气候数据,可为掌握小兴安岭气候变化规律和科学预测未来气候提供数据支撑。

小兴安岭长白落叶松径向生长的周向异质性及影响因素

【目的】通过对长白落叶松年轮特征进行分析,以探究径向生长的周向异质性及其影响因素,以及不同高度年轮宽度各向变异特征的差异性,为长白落叶松的经营管理提供理论依据。【方法】采用Wilcoxon符号秩检验方法对黑龙江省朗乡东折棱河林场的18株长白落叶松相对年轮宽度随树龄的变化进行检验,通过比较不同高度的相对年轮宽度变异系数,分析不同高度的年轮宽度变异特征的差异。借助加权Voronoi图计算树木各向生存半径,分析其与树木年轮宽度变异特征的关系。利用单因素方差分析和描述性统计方法,分析光照和树龄与径向生长的周向异质性的关系。【结果】(1)人工长白落叶松5年定期平均年轮宽度和累积平均年轮宽度随树龄的增长在各方向上的差异特征没有显著变化。(2)7株样木的累积年轮宽度变异系数与横断面相对高度呈极显著或显著负相关,12株样木的近5年平均生长量在各方向上的变异系数与断面相对高度呈极显著或显著负相关。(3)胸高断面径向生长周向变异特征与光照强弱方位特征之间没有显著关系;成熟样木的年轮宽度各向变异系数的平均值最高;大部分样木胸高断面各向相对年轮宽度(近5年平均生长量)与各向生存半径之间呈显著相关性。【结论】(1)同一高度不同树龄的年轮宽度在各个方向上不存在显著差异,径向生长周向差异程度随横断面高度的增加而减弱。(2)竞争对年轮宽度变异特征有显著影响。树木生存半径越大,竞争能力越强,此方向的年轮宽度越大;不同树龄中,成熟林的径向生长周向差异最大。

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1)最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2)输入变量和输出变量的增加不会降低BP神经网络模型的精度。3)模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。

马尾松生物量模型的对比研究

通过马尾松地上各部分生物量估测模型的模型结构和自变量选择的对比研究,为全国森林生物量建模工作提供切实可行的参考依据。根据马尾松地上、树干、树冠、树枝、叶花果生物量与各林分调查因子的相关关系选择自变量,拟合各部分生物量的线性、非线性、多项式模型,对三类模型进行对比分析,并比较一元模型与多元模型的优劣。结果表明,非线性模型和多项式模型的估测效果比线性模型好;并且对于线性、非线性模型,多元模型优于一元模型,对于多项式模型,多次模型优于二次模型;地上、树干生物量模型总体拟合效果比树冠、树枝、叶花果生物量模型理想。

基于改进人工神经网络的植物叶面积测定

叶面积作为植物光合作用的重要指标,是研究作物及林木生产力的基础。采用L-M算法和贝叶斯规则相结合的网络训练模式,以毛竹叶面积为研究对象,综合优化其人工神经网络结构,构建最优的叶面积预测模型。研究结果显示,模型的最佳预测变量为叶片宽度和叶片长度变量组合,而增加叶片形状指数未提高叶面积预测模型精度;所建神经网络模型性能好、预测精度高,决定系数达0.992,平均相对预测误差为4.28%,可以准确估测毛竹叶面积。

基于BP神经网络的杉木标准树高曲线

以福建省将乐县国有林场29块杉木人工林实测数据为例,运用BP神经网络建模技术建立树高预测模型。分别确定输入量和隐层节点数,再经训练和优选,得到的最优模型结构为2∶5∶1,决定系数为0.902 3,均方误差为1.7842。结合传统的两个标准树高曲线方程,利用检验数据分别对模型进行验证。结果表明:BP神经网络模型不管是拟合效果还是预测效果都明显优于传统方程,可以作为有效的树高预测技术。

基于ANP的杉木风景游憩林评价指标体系

网络分析法是使用很广的评价方法,该方法考虑了评价对象定量和定性指标之间相互影响,准确性更高。目前还没有学者利用网络分析方法(ANP)建立杉木风景游憩林林内景观质量评价指标体系的网络分析模型。在查阅国内外风景游憩林一致性结论的基础上,以杉木人工林为研究对象,运用网络分析法建立风景游憩林林内景观评价指标体系。结果表明:森林美学指标在主指标中权重是最大的,其余依次是林木测树、林分空间结构、地被物层特征、森林健康;二级指标中,权重从大到小依次是:坡度、平均树高、通视距离、林分平均直径、生活型组成、郁闭度、冠幅、乔木株数、树干显示度、灌木高度、针阔比、绿量、枯倒木株数、草本高度、盖度、灌草分布方式、干形、色彩多样性、乔木分布方式、枯枝落叶分布方式、活枝下高。为杉木风景游憩林林内景观评价和改造提供基础数据。

基于多功能经营的森林资源评价

基于将乐县国有林场研究区的数据资料,利用主成分分析法,在小班层次水平上分析了11个林分指标因子间的相关性。综合研究区生态环境的特征和福建省县市域生态功能区划的要求,将研究区的森林主要功能确定为防风固沙、风景游憩、木材生产、水土保持等。同时根据所构建的功能模型计算研究区域内1 039个小班的综合多功能得分F值,将F值标准化后得到评价指标F b值。研究结果表明:森林多功能经营状况划分为优、良、中、差、极差5个等级,各等级所占小班个数依次为2个、17个、53个、241个、726个,其百分比依次为0.19%、1.64%、5.10%、23.20%、69.87%;针对将乐县国有林场的森林多功能经营评价结果符合实际,较理想。研究结果能较精确地定量反映森林生长和多功能经营效益状况,为森林多功能经营提供决策性信息。

吉林省落叶松林净初级生产力时空特征及其对气候变化的响应

为评估吉林省落叶松林的生产力现状并为我国森林生态系统生产力和植被监测研究提供基础数据,以吉林省落叶松林为研究对象,基于吉林省及其周边100 km范围内41个气象站点资料,采用LPJ-DGVM模型模拟了2000-2019年吉林省落叶松林近20年的净初级生产力,并采用线性回归趋势分析、变异系数、Hurst指数和相关性分析法对其时空变化、稳定性及其与气候因子的相关关系进行了分析。结果表明:(1)2000-2019年吉林省落叶松林年均净初级生产力(NPP)为592 g C m^(-2)a^(-1),年均增长率为2.81%,随时间推移呈现波动增长的趋势(β=14.55,R^(2)=0.784,P<0.01)。(2)NPP变异系数为0.07-2.33,均值为0.48,除幼龄林外,整体波动较小。Hurst指数介于0.441-0.849之间,均值为0.612,未来吉林省落叶松林NPP呈增加趋势。(3)吉林省落叶松林NPP存在明显的空间异质性,北部和南部区域NPP较高,是近20年NPP增长较快的区域。(4)2000-2019年吉林省落叶松林年均NPP与年总降水、生长季降水量之间均不显著(P>0.05),与年均温呈显著正相关(P<0.05),与生长季均温为极显著正相关(P<0.01),该阶段内温度比降水更能对吉林省落叶松林NPP的年际变化产生影响。LPJ模型模拟吉林省落叶松林2000-2019年NPP与样地实测值极显著相关(P<0.01),可以用于模拟吉林省落叶松林的NPP。

长白落叶松树冠半径分布特征及其对竞争的响应

[目的]研究林木树冠形态对外界环境适应的可塑性机理。[方法]以小兴安岭地区的长白落叶松为研究对象,利用详细的树冠半径调查数据,研究长白落叶松的树冠偏冠现象,分析树冠偏冠与林木大小和竞争之间的关系。[结果]在单木水平上,不同林龄样地中林木的树冠变异系数的平均值均大于20%,大部分林木的树冠半径变异系数较大,只有不到1/5的林木的树冠半径变异系数小于15%。不同林龄样地中长白落叶松偏冠距离的平均值在0.35~0.51 m之间,各样地中林木偏冠距离的最大值均在1.2 m以上,其中成熟林中林木偏冠距离的最大值达到1.73 m。树冠的偏冠方向没有特定的方向偏向,是均匀分布的。在幼龄林中,林木的偏冠距离与胸径、冠长、平均树冠半径呈显著正相关,树冠偏冠距离随树木增大而增大。在中龄林和近熟林中,偏冠指数与胸径、树高和平均树冠半径呈显著负相关,与高径比呈显著正相关,树冠偏冠程度随树木增大而减小。在成熟林中,偏冠程度与林木大小的相关性不显著。在幼龄林、中龄林、近熟林中,树冠偏冠与竞争压力呈显著正相关,在成熟林中树冠偏冠与竞争压力的相关性不显著。基于树冠中心坐标计算的林分平均竞争指数均小于基于树干坐标计算的林分平均竞争指数。[结论]长白落叶松树冠偏冠距离一般随着林龄的增大而变大,在不同发育阶段受到不同程度竞争的影响,树冠偏冠在一定程度上降低了林分平均竞争指数,减少了林分竞争压力。

偏冠对树冠垂直投影面积计算的影响

[目的]针对树冠结构复杂、形状不规则等问题,实现树冠垂直投影面积自动计算并提高树冠投影区域面积计算精度。[方法]以研究区453棵杉木为研究对象,精确测量每木8向冠幅。以Visualstudio和ArcGIS混合编程,进行树冠测量半径的坐标转换,采用Bezier曲线进行边界平滑,实现树冠垂直投影面积自动提取,并与传统计算方法进行对比分析。利用“圆度”来衡量树冠偏冠,并计算树冠偏冠指数与树冠垂直投影面积计算的相关性。[结果]本研究提出的树冠垂直投影面积计算方法能够计算出树冠真实面积,计算过程中测量冠幅半径数量越多,计算结果越接近真实冠幅面积,相比于椭圆的计算方法,把树冠视为正圆所得面积更接近真实面积。不同树冠垂直投影面积计算方法的结果和树冠垂直投影面积差值与树冠偏冠指数呈显著正相关。[结论]基于树冠投影区域形状的面积计算相较于传统的面积计算方法更加准确,为林业遥感冠幅提取精度验证提供了一种新思路。

基于管道模型理论的长白落叶松叶生物量与径向生长关系研究

[目的]为了解长白落叶松单木叶生物量与径向生长之间的关系。[方法]以小兴安岭地区长白落叶松为研究对象,结合管道模型理论,研究单木个体水平和单木内不同方位区间水平上的叶生物量与径向生长的关系,分析树冠分布与径向生长之间的相关性。[结果]叶生物量与胸高处和枝下高处树干直径、断面积、边材面积,近1、2、3、5年断面积生长量均呈显著正相关,使用胸高断面积作为预测因子的叶生物量模型拟合效果最好。单木株内不同方位区域的叶生物量与对应的胸径处和枝下高处的树干半径、断面积,近1、2、3、5年断面积生长量均呈显著正相关。[结论]估测单株叶生物量时,使用胸高断面积作为预测因子的预测精度最高。株内不同方位叶生物量与对应方位的树干半径、断面积及断面积生长量均呈显著正相关,树冠偏冠与髓心偏心具有一定的相关性。

控制仪表在复杂控制系统中的应用

对一套典型的多变量复杂控制系统的结构特点及实际使用过程中显现出的问题进行了深入的分析和总结。从设备的设计、可操作性、可维护性等角度总结了系统中所使用的控制仪表的优缺点,得出了在复杂控制系统中设备的可操作性与所使用的控制仪表的种类数量成反比关系的结论。通过对该工程样例制定改进方案,说明多变量复杂控制系统设计前期应当遵循的设计思路,重点阐述了设计人员在作系统规划时应当额外重视的事项,并对控制仪表在多变量复杂控制系统的应用提出了一些可供参考的建议。

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital ElevationModel,DEM)、数字地表模型(Digital SurfaceModel,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示:提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。

生态环境曲面建模基本定理及其应用

在高精度曲面建模方法和地球表层系统建模基本定理研究结果基础上,演绎提出了生态环境曲面建模基本定理.以京津冀地区为案例,对基于生态环境曲面建模基本定理的空间升尺度、空间降尺度、空间插值、数据融合和模型-数据同化等算法进行了实证研究,与传统算法精度进行了比较分析.结果表明,由于基于生态环境曲面建模基本定理的各种算法综合了外蕴量信息和内蕴量信息,同时运用了理论上完善的信息综合方法,使海拔高度曲面的升尺度均方根误差至少降低了9m,年平均气温未来情景的降尺度精度至少提高16%,年平均气温过去变化趋势的数据融合精度至少提高70%,年平均降雨量过去变化趋势的空间插值精度至少提高0.2%,碳储量的模型-数据同化精度提高了40%.文章最后讨论了生态曲面建模基本定理亟待解决的五大理论问题和四大应用基础问题.

完全腔镜下甲状腺手术治疗甲状腺癌的疗效观察

随着体检普及,甲状腺疾病越来越多被发现,其中甲状腺癌发病率较高,对人们的健康造成较大的威胁,因此本次研究的主要目的在于探讨给予甲状腺癌患在完全腔镜下接受甲状腺手术的临床效果,确保在后期治疗此类疾病患者时可以选择最合理的方法。方法 本研究选择研究对象时纳入甲状腺癌这一疾病的患者,共60例。基于手术方法的差异分组,对照组30例,接受传统手术治疗;观察组30例接受完全腔镜下手术。结果 和对照组比较,观察组并发症低,术后3dTNF-α与VEGF指标更优,手术指标更优,满意度更高,P<0.05。。结论 临床上收治甲状腺癌患者时可以优先考虑给其在完全腔镜下进行手术,因为该手术方法对降低并发症发生率方面效果相当显著,且还可以促进患者的TNF-α与VEGF指标不断改善,各项手术指标更好,满意度较高,因而具有较高的借鉴意义。

基于Sentinel-1和Sentinel-2数据的杉木林地上生物量估算

【目的】雷达和光学遥感数据可以提供不同方面的信息,利用Sentinel-1与Sentinel-2联合估算亚热带地区森林地上生物量,探索光学数据与合成孔径雷达(SAR)数据结合对于提高森林地上生物量估测的优势。【方法】以福建省将乐国有林场杉木林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,采用多元线性逐步回归方法进行建模,以决定系数(R2)、调整决定系数(Radj2)、均方根误差(RMSE)、方差膨胀因子(VIF)为模型评价指标,对比分析Sentinel-2光学数据与Sentinel-2结合Sentinel-1 SAR数据估算森林地上生物量的能力。【结果】基于Sentinel-2光学数据的森林地上生物量估算模型,其调整决定系数(Radj2)达到0.501、均方根误差(RMSE)为64.04 Mg/hm2;Sentinel-2光学数据结合Sentinel-1 SAR数据的森林地上生物量估算模型,其调整决定系数(Radj2)达到0.575、均方根误差(RMSE)为59.13 Mg/hm2,对比Sentinel-2估算模型,该模型精度有明显提高。【结论】Sentinel-2卫星的多光谱数据能够作为估算亚热带地区森林地上生物量的有效数据,加入Sentinel-1 SAR影像的极化纹理信息后,利用Sentinel-1雷达传感器的全天候获取数据能力与Sentinel-2多光谱传感器丰富的光谱波段信息特点,以及两者短重访周期的能力,能够有效提高估算森林地上生物量模型的精度。

人工神经网络与相容性生物量模型预测单木地上生物量的比较

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络。本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差。然后,基于最优的变量组合建立人工神经网络(ANN)生物量模型,并采用留一交叉验证法对模型进行检验,比较两种生物量估测方法的精度。结果表明:仅基于胸径一个变量的生物量模型已经能较准确地估测生物量,引入树高和冠幅因子能进一步提高模型精度,最优模型体系为AMS4。通过两种方法建立的生物量模型都能较准确地进行估测,各组分生物量的决定系数(R^(2))均高于0.87。相比AMS4,人工神经网络模型系统中,树叶生物量模型的R^(2)高了约0.05,其余各器官也高了0.01左右。此外,均方根误差(RMSE)等指标明显更小,树干和地上生物量的RMSE分别减小了2.135和3.908 kg,模型的检验指标如平均相对误差(MRE)等也表现更优。总体来看,人工神经网络(ANN)是一种灵活可靠的生物量估计方法,估测林木地上生物量或单独某器官生物量时,ANN模型是值得考虑的替代方法。

高粱刺盘孢Colletotrichum sublineola是四川地区高粱炭疽病的主要致病菌

高粱是四川省主要经济作物,在高粱生产上普遍发生炭疽病。关于高粱炭疽病菌多数文献描述为禾生刺盘孢Colletotrichum graminicola。已有文献通过分子生物学和基因组学分析证明高粱炭疽病的病原菌是高粱刺盘孢C.sublineola,并非C.graminicola。为明确四川省和国内高粱主产区炭疽菌的种类,本研究从四川省泸州泸县等11个地区以及重庆等其他6个省市,总共采集了198份病样,经分离纯化共获得225个炭疽菌株。通过形态学观察,结合ITS和GAPDH基因序列及进化树分析,发现其中215个来源于17个地区的菌株为C.sublineola,且分生孢子形态均为月牙型。其余10个分别来源于两个地区的菌株为兰花刺盘孢C.cliviicola,其分生孢子形态均为圆柱型。通过另外3个基因(CHS、ACT和TUB2)的系统发育分析,进一步证明来自不同地区的17个代表性的炭疽菌菌株分类相同,且均属于C.sublineola。研究结果表明,分生孢子形态及ITS和GAPDH等基因序列可以作为高粱炭疽菌的主要分类依据。在常规高粱品种Hui1等3个材料上接种19个代表性菌株,发现17个C.sublineola菌株的致病能力存在差异,2个C.cliviicola菌株均不能致病。本文研究结果表明,C.sublineola是四川高粱主产区炭疽病的致病菌。另外,通过人工接种试验,证明高粱品种402B对强致病力菌株ZG-FS-1具有较强抗性,402B具有抗病育种应用潜力。