吉林省主要树种胸径生长率预测模型的研究

基于吉林省第八次和第九次全国森林资源连续清查样地实测胸径数据,构建吉林省主要树种的胸径生长率预测模型。从4种常见的胸径生长率模型中选出最优模型,并对模型的拟合效果进行评价。其中,白桦、枫桦、胡桃楸、蒙古栎、色木槭、山杨的拟合效果比较好,相关系数(R^(2))能达到0.8以上,均方根误差(RMSE)在0.0030~0.0066之间。而春榆、红松、鱼鳞云杉的拟合效果一般,相关系数(R^(2))低于0.6,均方根误差(RMSE)在0.0038~0.0075之间。

基于海南省连清资料建立松树和橡胶树材积生长率模型

利用海南省连清资料编制了松树和橡胶树单木胸径生长率模型、单木材积生长率模型和林分材积生长率模型。所建模型精度较高,无明显系统偏差,可直接用于林业实际生产中。

朝阳市主要树种组林分平均胸径生长率模型研究

采用超总体理论编制朝阳市油松、刺槐、杨柳、速生杨4个树种组林分平均胸径生长率通用模型,以2005年森林资源二类调查资料为原始数据,涵盖全市所有地区不同地理位置和不同立地条件的生长水平.建立4种模拟方程,通过拟合与优化及结果精度的检验,选择出各树种组的平均胸径生长率模型.

基于最大胸径生长率的浙江省杉木人工林立地质量评价

[目的] 森林立地质量评价是指对立地的宜林性或潜在的生产力进行判断和预测,目的在于建立浙江省杉木Cunninghamia lanceolata人工林立地质量评价数量化理论模型。 [方法] 提出1个新的立地质量评价指标:最大胸径生长率指标。以最大胸径生长率指标为立地评价指标,以浙江省1994-2009年国家森林资源清查(NFI)数据为基础,从NFI复位样木时间序列数据中提取529个杉木人工林样地优势木最大胸径生长率;结合易于获取的纬度、海拔、坡位、坡向、坡度、土壤类型等立地因子,基于数量化理论Ⅰ方法,建立杉木人工林立地质量评价模型。 [结果] 模型统计检验值为14.723,模型复相关系数为0.606,达极显著水平,模型效果较理想。基于NFI的最大胸径生长率是立地质量评价的合适指标;坡向、坡位、土壤类型、坡度、纬度、海拔等立地因子对最大胸径生长率贡献依次减弱。 [结论] 基于NFI和数量化理论Ⅰ的浙江省杉木人工林立地质量评价模型总体指标合理,克服了传统立地质量评价对年龄的依赖,能有效利用NFI历史数据,适用于同龄林和异龄林;构建以最大胸径生长率为指标的立地质量评价模型,能对研究区立地质量进行有效评价,不仅可对现有杉木人工林生产力进行评价,也可以对无林地的生产潜力进行预测。

考虑环境因素的杨树生长率模型研究

【目的】杨树是我国栽培数量最多的阔叶树种,其生长快、易繁殖、适应性强、轮伐期短等特点对解决木材供需平衡、促进碳汇、实现碳循环等方面至关重要,探究杨树生长环境影响机制对实现森林资源高效管理、推动生态文明建设具有重要意义。【方法】本研究利用全国森林资源连续清查部分固定样地杨树实测数据,构建未考虑环境因素和考虑环境因素的杨树胸径生长率多元回归模型,结合随机森林(RF)、梯度提升机(GBM)和支持向量机(SVM)算法,对RF、GBM和SVM算法以RMSE最小完成模型最优参数确定,并通过平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))进行模型评价,实现环境因子对杨树生长的重要性程度知识挖掘。【结果】杨树胸径生长率主要受其自身胸径大小的影响,且随着胸径的增大而减小,呈现反“J”型趋势;考虑环境因素的回归模型较未考虑环境因素的回归模型R^(2)从0.066提高到了0.403;机器学习算法预测效果明显优于回归模型算法,其中以RF算法精度最高,R^(2)达0.730,预测结果和实际值基本一致;多元回归模型、RF和GBM对模型重要性解释程度规律基本一致,SVM存在微小差异。【结论】回归模型精度虽略低于机器学习算法,但其“白箱”优势可为未来森林资源调查工作中判定其胸径是否存在异常提供依据;杨树生长受环境影响,与地理空间位置关系紧密,温度适宜、降水充沛的低海拔地区以及坡度平缓、坡位较低的北坡区域更适宜杨树生长,密度越大越不利于其生长;在杨树林的营造过程中,应首先考虑造林地理位置、气象气候等因素;其次,考虑林分结构,特别是林分密度合理性;最后,考虑地形结构是否适宜进行杨树林营造工程建设。

北京市主要树种单木和林分生长率模型研建

利用第六次至第九次全国森林资源清查北京市2001,2006,2011,2016年4个年度的固定样地调查数据,采用非线性回归估计方法,建立了13个树种组的单木胸径生长率和材积生长率模型,以及10个优势树种组的林分蓄积生长率模型,并对比了林分生长过程模型与林分生长率模型的预估效果,还分析了起源对生长率模型的影响。结果表明:(1)单木生长率模型的平均预估误差全部在3%以内,而平均百分标准误差,胸径生长率模型大都在10%以内,材积生长率模型大都在30%以内;(2)林分蓄积生长率模型的平均预估误差大部分在5%以内,最大的也未超出10%,而平均百分标准误差基本上在20%左右,最大的也未超出35%;(3)基于森林资源清查数据建立的生长过程模型,其效果不如生长率模型,对杨树以外的其他软阔林分类型,其人工林的蓄积生长率要显著大于天然林。以此方法所建模型可为北京市开展森林资源年度监测评价提供技术支撑。