3个典型针叶树种一级枝条大小通用方程的构建

【目的】以黑龙江省孟家岗林场的3种典型针叶树种:红松、长白落叶松、樟子松标准木的树干解析、枝解析的数据为研究对象,构建适合3种典型针叶树种的一级枝条基径和长度的哑变量模型和非线性混合效应模型,探索不同树种一级枝条基径和长度的生长特点及差异,简化枝条建模工作。【方法】为了提高模型的预测能力,基于再参数化模型,构建以树种为哑变量的枝条基径和长度的哑变量模型、以树种作为随机效应的枝条基径和长度的非线性混合效应模型。然后,利用R^(2)_(adj)、RMSE、AIC、BIC 4项统计指标评价模型预测能力。最后,根据两个模型的评价结果,基于具有更优拟合效果的模型对3个树种的生长差异进行分析。【结果】1)同一树种在不同等级木下其一级枝条的基径和长度均差异显著,林木等级越高,基径和长度值越大。基于相同等级木,长白落叶松无论从基径还是枝长,都与其他两种树种存在显著差异。2)基于哑变量模型方法和非线性混合效应模型方法的一级枝条基径预测模型的R^(2)_(adj)分别达到了0.6167和0.6036,长度预测模型的R^(2)_(adj)分别达到了0.6794和0.6712,哑变量模型的预测效果优于非线性混合效应模型,但根据模型的拟合过程,在进行枝条基径和长度预测时应根据样本量等选择适合的分枝属性预测模型。3)根据更优的哑变量模型的拟合结果,3种树种一级枝条的基径和长度大小及变化范围存在差异。从树种看,3个树种的一级枝条基径和长度大小值排序为樟子松>红松>落叶松。【结论】无论是哑变量模型还是非线性混合效应模型,都为简化枝条大小建模工作进行了有益尝试。

樟子松人工林树冠内一级枝条空间的分布规律

以东北林业大学帽儿山实验林场樟子松人工林为研究对象，采用枝解析的方法，于2002、2003年共测定53株林木（年龄17～38年，直径8．61～21．5cm，树高7．48～18．24cm）的树冠变量，建立树冠内一级枝条个数的预估模型，并对一级枝条在树冠内的垂直分布和水平分布规律进行研究。结果表明：一级枝条个数在树冠有效冠内垂直方向上呈现一“多”一“少”的趋势，在有效冠以下，随着着枝深度的增加，枝条个数呈现直线下降趋势；枝条的水平分布百f以用均匀图形分布讲行很好地拟合．表明圆形分布统计量是分析枝条方位水平分布非常有用的工具。

樟子松人工林一级枝条基径模型的研究

以东北林业大学帽儿山实验林场樟子松人工林为研究对象,采用树干解析、枝解析的方法,分别于2007年和2008年在老山施业区选择不同年龄、不同立地和不同密度的樟子松人工林有代表性的林分设置固定标准地15块(其中,2007年设置7块,2008年设置8块),共获取解析样木53株,实测了2298个一级枝活枝条变量因子(包括总着枝深度(DINC)、方位角(φ)、着枝角度(θ)、基径(BD)、枝长(BL)、弦长(BCL)、弓高(BAH))数据资料。基于理论或经验生长方程,建立了樟子松人工林树冠结构一级枝条基径静态模型,包括平均基径模型和最大最小一级枝条基径模型,并对模型进行了检验,结果表明模型预估效果良好。

基于混合效应的长白落叶松一级枝条基径预估模型

【目的】利用非线性混合效应建模方法构建龄组-单木两水平长白落叶松一级枝条基径模型,为探索不同龄组下枝条基径的生长特点及差异提供理论依据。【方法】对4个基础模型进行改进,通过调整系数(Radj2),均方根误差(RMSE)选择备选模型,在此基础上构建长白落叶松枝条基径非线性混合效应模型。利用独立数据验证模型拟合结果,用平均绝对误差(MAE)、平均相对误差绝对值(MRAE)评价模型预测能力。并对基础模型与混合模型的预测值进行比较,利用龄组水平的随机参数模拟各龄组枝条基径的分布。【结果】以改进后的Gompertz方程为基础模型,当龄组随机效应作用于参数b、单木随机效应同时作用于参数b、c、d上,随机效应的方差协方差结构为广义正定矩阵,异方差结构为幂函数时,模型的拟合效果最优。混合模型的Radj^2有所提升,RMSE、MAE和MRAE都明显降低。最终模型的Radj^2、RMSE、MAE和MRAE分别为0.6998、4.7684 mm、3.7058 mm和0.3916 mm。混合模型的预测值可体现单木间的差异,枝条基径的分布范围随着龄组的增大逐渐增大,各龄组的枝径生长均有差异。【结论】考虑龄组与单木水平所构建的枝条基径混合效应模型能提高模型的预测精度。利用龄组水平的随机效应参数模拟枝条基径的生长可以反映其规律和差异,也符合树木生理学意义。因此基于龄组与单木两水平所构建的混合效应模型可对不同年龄长白落叶松一级枝枝条基径的生长进行合理的预测。

基于Possion回归混合效应模型的长白落叶松一级枝数量模拟

利用广义线性混合模型对长白落叶松一级枝条数量进行研究,以黑龙江省佳木斯市孟家岗林场长白落叶松人工林为研究对象,基于7块标准地49株枝解析样木的596个一级枝条测定数据,利用SAS 9.3软件中的PROC GLIMMIX模块,建立了基于Poisson分布的一级枝条数量的最优基础模型。在此基础上考虑树木效应,构建每半米段一级枝条数量的广义线性混合模型,并利用AIC、BIC、-2log likelihood以及LRT检验对收敛模型的拟合优度进行比较。结果表明:任意参数组合的混合效应模型的拟合效果均好于传统模型,最终将含有DINC、LnRDINC、RDINC2这3个随机效应参数的模型作为长白落叶松每半米段一级枝条数量分布的最优混合效应模型。模型拟合结果显示,LnRDINC、CL的参数估计值为正值,DINC、RDINC2、HT/DBH、DBH的参数估计值为负值,每半米段一级枝条分布数量在树冠范围内存在峰值,模型的确定系数R2为0.669,拟合的平均绝对误差为2.250,均方根误差为3.012。从总体上看,所建立的一级枝条分布数量混合模型不但可以反映总体枝条数量的变化趋势,还可以反映树木之间的个体差异,说明广义线性混合模型确实可以提高模型的模拟精度。所得出的混合模型可以很好地预估该研究区内人工长白落叶松每半米段一级枝条数量的分布情况,为定量研究长白落叶松树冠构筑型和三维可视化模拟提供了基础。

黑龙江省红松人工林枝条分布数量模拟

基于黑龙江省佳木斯市孟家岗林场的12块样地65株人工红松解析木的955个枝解析数据,以Poisson回归模型和负二项回归模型作为备选模型,构建了人工红松二级枝条数量分布模型,并采用AIC、Pseudo-R^2、均方根误差(RMSE)和Vuong检验对模型的拟合优度进行比较.结果表明:每轮一级枝条分布数量集中在3~5个,均值为4个,一级枝条分布数量与人工红松自身的枝条属性相关.一级标准枝上二级枝条分布的离散程度较大,利用全部子回归技术构建二级枝条分布数量模型,最终选择以负二项回归模型为基础的E(Y)=exp(β_0+β_1lnRDINC+β-2RDINC2+β_3HT/DBH+β_4CL+β_5DBH)作为二级枝条分布数量最优预测模型(β为参数;RDINC为相对着枝深度;HT为树高;DBH为胸径;CL为冠长).最优模型的Pseudo-R2为0.79,平均偏差接近于0,平均绝对偏差<7.对于所建立的模型,lnRDINC、CL和DBH的参数为正值,RDINC^2和HT/DBH的为负值,随着RDINC增大,在树冠内二级枝条分布数量存在最大值.总的来说,所建立的人工红松二级枝条分布数量模型的预测精度为96.4%,可以很好地预估该研究区域人工红松二级枝条分布数量,为以后枝条的光合作用和生物量的研究提供了理论基础.