均匀设计试验法在建立优势木高预估模型中的应用

本文以年龄和环境因素为控制变量，按匀均设计试验法的要求选择标准地，用多元回归分析方法建立杉木人工林优势木高预估模型。结果表明：用均匀设计试验法所需标准地数量极少，且所建立优势木高预估模型精度较高，从而大大地减少了经费和时间，在林业生产上有其较大的实用价值。

利用航片判读郁闭度优势木高估测蓄积量

以落叶松天然林地面调查标准地为材料,选择航片上易于判读的优势木高、郁闭度为自变量,实际调查森林蓄积量为因变量,建立了森林蓄积量的估测模型,经29个小班的适用性检验,证明估测模型是适用的,为估测森林蓄积提供了简单易行的方法。

华北落叶松林平均木—优势木树高模型的研究

[目的]便于进行林分平均木、优势木数据转换,获取林分优势木信息。[方法]通过在塞罕坝机械林场获取的5个林龄,共178块临时样地的数据,对华北落叶松平均木和优势木树高相关关系进行研究。[结果]建立起平均木—优势木树高模型:DomH=2.162+0.98AvgH。通过模型可知,华木落叶松林林分优势木高要比林分平均木高高出近2 m。[结论]该模型便于在只取得了林分平均木高的情况下,换算得到林分优势木高。

利用非线性混合模型模拟杉木林优势木平均高

介绍国内外利用非线性混合效应模型方法模拟林分优势木平均高的研究进展情况。以江西省大岗山实验局不同初植密度的人工杉木为研究对象,考虑初植密度的随机效应,选择常用的Richards和Logistic形式,通过变换混合效应参数个数来构造优势木平均高和林龄关系的非线性混合效应模型。采用确定系数、均方误差和平均绝对残差等模型评价指标对不同模型的精度进行比较分析。结果表明:无论是Richards形式还是Logistic形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高;但是增加随机效应参数个数并不一定绝对提高模型的估计精度,相反估计精度有可能下降。以(4)式为基础的Logistic方程中,3个参数都作为混合模型的模拟精度最高。

基于非线性混合模型的杉木优势木平均高

从理论上介绍一阶线性化算法和一阶条件期望线性化算法求解非线性混合效应模型参数,并利用这2种算法分别对杉木优势木平均高进行拟合(选用常用的Logistic模型作为基础模型,把区组作为随机效应因子)。结果表明:2种算法对杉木优势木平均高进行拟合时精度都很高。通过对2种线性化算法进一步比较可得,在分析单木水平非线性混合效应优势木平均高模型时,2种算法拟合效果非常接近,因此在实际应用中可以选择其中任意一种算法对杉木优势木平均高进行拟合。

基于纵向数据非线性混合模型的杉木林优势木平均高研究

以江西省大岗山实验局不同初植密度的杉木林为研究对象,选择修改的Richards模型形式,考虑样地效应,采用SAS软件进行非线性混合效应模型的模拟,利用AIC和BIC值评价模型模拟效果。在此基础上考虑优势木平均高连续观测数据的时间序列相关性,并把初植密度以哑变量形式考虑进去,再进行混合模型的模拟。最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。研究结果表明,修改的Richards形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高,增加随机效应参数个数能够提高模型的估计精度。一阶自回归误差结构矩阵模型在解释优势木平均高的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好的表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及不同初植密度的混合模型模拟精度比传统的非线性回归方法模拟精度高。

基于林分优势木平均高的二类小班调查和系统抽样数据的融合

林分优势木平均高是衡量立地生产量的一个重要指标,通过系统固定样地调查和二类调查数据均可得到林分优势木平均高。鉴于此2类调查方法各有优缺点,做到二类调查数据到系统样地的融合很有必要。基于2004年和2009的二类调查数据,通过贝叶斯法构建林分优势木平均高模型,并通过该模型预测2011,2013年的林分优势木平均高,与此2a的系统样地数据进行融合,得到非线性融合模型H_s=9.612 6ln(H_p)-9.374(R^2=0.503 8)。

基于混合效应的湖南杉木人工林平均高和优势木平均高相关关系模型

【目的】考虑湖南杉木人工林的立地条件、林分密度和林分年龄,基于混合效应构建最适宜的林分平均高与优势木平均高相关关系模型,为湖南杉木人工林的立地质量评价与可持续经营提供理论依据。【方法】以湖南省内设置的512块杉木样地数据为基础,基于基础线性模型,利用数量化方法Ⅰ、k-means聚类和线性混合效应回归建模方法,构建基于混合效应的湖南杉木林分平均高和优势木平均高相关关系模型。【结果】1)采用数量化方法Ⅰ筛选出坡位、坡形、土壤类型、土壤厚度、株数密度和土壤松紧度是对高比值(林分优势木平均高和林分平均高之比)影响显著的因子;2)构建线性混合效应模型可以显著提高建模精度,立地类型作为随机效应加在参数b上时确定系数最高,相对于基础线性模型,其确定系数从0.790158提高到0.914348。3)构建基于聚类的线性混合效应模型可以进一步提高建模精度,立地类型组作为随机效应加在参数b上时确定系数最高,确定系数达到了0.9435128,相对于基础线性模型,确定系数提高了19.41%,平均绝对误差降低了53.89%,均方根误差降低了48.11%;4)添加株数密度和林分年龄作为固定效应对模型精度提升不明显。【结论】林分密度和林分年龄对林分平均高与优势木平均高相关关系无显著影响;基于立地效应的混合模型可以反映平均高与优势木平均高相关关系变化的整体趋势,也可以体现立地条件差异对两者相关关系的影响,模型精度更高,适用性更好。

油松针叶中营养元素含量与林分优势水平均高的关系

本文主要探讨了油松林分,林木针叶中营养元素含量与林分优势木平均高之间的关系及其变化规律。油松林木针叶中营养元素的含量与林分优势木平均高有较高的相关关系,针叶中 N、P、K 营养元素含量值与林分优势木平均高呈正相关关系,但针叶中 C_a营养元素含量值与林分优势木平均高呈负相关关系,针叶中 M_g营养元素含量值变化的幅度较微。将油松针叶采样林分标准地的优势木平均高分为四级,与其相对应的针叶中营养元素含量的平均值,既说明了林木的营养状况水平,又说明了林地立地条件的优劣和林地土埴生产力的水平。

黄土高原刺槐人工林立地指数变化及评价

【目的】在黄土高原研究刺槐人工林优势木平均高及立地指数(基准林龄15年时优势木平均高)对气候和立地因子的响应,建立模型评价立地质量。【方法】对样地调查及文献搜集数据,用外包线法确定优势木平均高的单因子响应规律和适宜函数形式,然后建立多因子耦合模型并用实测数据率定,籍此评价立地指数空间差异。【结果】地形部位对优势木平均高的影响差异较大,相对得分表现为沟底1.000>塬面0.906>梁坡下部0.837>梁坡中部0.438>沟坡0.210>梁坡上部0.176>梁峁顶0.000。当年均降水量小于550 mm时,优势木平均高随年均降水量升高快速增加,之后渐趋平缓;优势木平均高随年均气温升高呈先增后减,最适范围是7.5~11.0℃。建立了耦合气候和立地因子影响的优势木平均高模型,拟合度较好(R^(2)=0.72)。依据对优势木平均高的影响,将年均气温和降水量都分为4级(<6.0℃,太冷,不能生长;6.0~7.5℃,冷,不宜或较宜生长;7.5~11.0℃,温,最宜生长;>11.0℃,暖,较宜或不宜生长。<400 mm,太旱,不能生长;400~450 mm,旱,不宜生长;450~550 mm,润,较宜生长;>550 mm,湿,最宜生长),据此确定了黄土高原不能刺槐造林的区域,提出了可刺槐造林区域的气候分区,其中温湿区、温润区、暖湿区和温旱区的平均立地指数均为中等或以上(>7.5 m),宜于刺槐生长;但冷旱/润区和暖润区立地较差,整体不宜刺槐生长。对各气候分区,计算了各立地类型(地形部位与坡向的组合)的立地指数,评价了立地质量。【结论】黄土高原刺槐人工林的立地指数同时受气候和立地因子影响。综合考虑这些影响的气候分区和立地评价可以指导精细的刺槐造林立地选择和林分科学经营。

华北落叶松和白桦半参数树高曲线模型

【目的】运用半参数回归模型描述华北落叶松和白桦树高与胸径的关系,并与传统参数回归模型进行比较,为构建树高曲线模型和提高模型精度提供新方法。【方法】基于河北省张家口市崇礼冬奥核心区76块样地4921株华北落叶松和2833株白桦的胸径、树高等数据,按7∶3比例随机选取数据用于模型拟合与检验。半参数模型选择广义可加模型和单指标模型形式,自变量设为胸径和林分优势木高,分树种建模,其中广义可加模型将常数项作为参数部分,胸径、优势木高及二者交互作用作为非参数部分,单指标模型将胸径、优势木高或二者乘积的线性组合作为参数部分,联系函数作为非参数部分。选取4种常见的包含优势木高的标准树高曲线模型用于模型比较。为进一步构建可同时表示两树种的树高曲线模型,以广义可加模型和改进的Richard参数模型为基础模型,将树种组成作为参数部分引入广义可加模型,通过比较在改进Richard参数模型不同参数上添加树种哑变量的拟合效果筛选出最优参数模型,选择调整决定系数(Ra2)、均方根误差(RMSE)和赤池信息量(AIC)评价模型估计精度。【结果】分树种建模情况下,广义可加模型的拟合精度最高,华北落叶松和白桦的Ra2分别为88.98%和72.35%,较各参数模型提高3.13%~4.80%和7.37%~12.09%,RMSE分别为1.4413和2.0333,较各参数模型减少0.1904~0.2848和0.2529~0.4034。单指标模型对华北落叶松的拟合效果次之,Ra2和RMSE分别为85.99%和1.6241,对白桦的拟合效果居第4位,Ra2和RMSE分别为64.75%和2.2956。在对检验样本的预测精度方面,广义可加模型同样为最优模型,华北落叶松和白桦的RMSE分别为1.5804和2.1926,而单指标模型对两树种预测结果不佳。混合树种建模结果显示广义可加模型略优于参数模型,Ra2达83.00%,训练和检验样本的RMSE分别为1.7224和1.8075。无论是分别树种还是混合树种建模,广义可加模型的AIC均远小于参数模型,表现出显著的模型结构简洁性。【结论】在华北落叶松和白桦树高曲线模型构建中,半参数模型在参数模型基础上引入非参数回归方法,不仅可大大提高模型的灵活性和适用性,而且拟合精度通常会有所提高,其中广义可加模型表现出对数据拟合与预测的高精度,单指标模型可作为判断其他模型中联系函数选择是否合适的参考。随着更多林分变量引入树高胸径模型,半参数方法能够为复杂模型构建提供一种新思路。

日本落叶松人工林生境质量的评价

通过对日本落叶松人工林的调查 ,在分析优势木高生长过程的基础上选择了Richards生长函数H =a(1-e-bA) c 作为优势高生长模型 ,标准年龄为 2 0年 ,应用比例法编制了评价生境质量的立地位指数表。查立地指数表 ,找出立地指数相同的林分 ,将环境因子分解 ,画出林分优势高生长过程曲线 ,可直观的发现不同生境因子在其生长过程中的影响不一样 。

日本落叶松人工林生境质量的评价

通过对日本落叶松 (Larixkaemopferi)人工林的调查 ,在分析优势木高生长过程的基础上选择了Richards生长函数H =a( 1 -e-bA) c 作为优势木高生长模型 ,标准年龄为 2 0年 ,应用比例法编制了评价生境质量的立地位指数表 .查立地指数表 ,找出立地指数相同的林分 ,将环境因子分解 ,画出林分优势木高生长过程曲线 ,可直观的发现不同生境因子在其生长过程中的影响不一样 。

天然云冷杉针阔混交林立地质量评价

为建立科学、适用、准确的天然林立地质量评价体系,采用123株冷杉解析木对6个竞争指标进行检验,筛选出其中最适合于天然云冷杉针阔混交林冷杉的竞争指标;选用26块皆伐样地及所有解析木中符合条件的冷杉模拟优势木高生长曲线和劣势木高生长曲线,并以此为导向曲线构建适合于天然林立地质量评价的竞争地位指数表。从3个树高生长多元回归预测模型中选择最优模型分析由竞争引起的树高差值,利用竞争地位指数对2个立地类型进行评价。结果表明:1)6个竞争指标中,天然云冷杉针阔混交林最适竞争指标为CI1,统计CI1值发现冷杉各龄阶竞争差异大,随着年龄增大,竞争压力减小;2)构建级距为2 m,基准年龄为60年,竞争地位指数分为7级的竞争地位指数表较合理;3)2个立地类型中,3个树高生长多元回归预测模型都以幂指数精度最高;4)利用竞争地位指数表对2个立地类型进行评价表明,1号立地类型属于17 m竞争地位指数级,2号立地类型属于15 m竞争地位指数级,1号立地质量优于2号立地质量。