湘西杉木人工林树高-胸径混合效应模型构建

建立湘西杉木树高-胸径模型,分析定量、定性因子对林分树高生长的影响,为区域尺度树高估算提供参考。以湘西土家族苗族自治州7个县的杉木人工林为研究对象,基于55块杉木人工林样地数据,采用随机森林法,筛选出显著性影响因子分别作为再参数化变量与随机效应;在6个树高-胸径基础模型中选择拟合程度最好的模型作为最优基础模型;采用再参数化的方法引入密度(ρ)/1000变量,构建含林分密度的最优再参数化模型;在最优再参数化模型的基础上,结合混合效应模型分析显著性定性因子对杉木人工林树高的影响,建立湘西杉木人工林最优混合效应模型。结果表明:湘西土家族苗族自治州杉木人工林树高的显著性影响因子为胸径(P<0.01)、龄组(P<0.01)、林分密度(ρ<0.05)。6组候选基础模型中,N slund(Model 1)模型最优,其AIC、BIC值均最小,分别为154.7417、159.6544,R 2=0.5727;其参数a、b均极显著,具有统计学意义。3种再参数化模型的拟合效果均优于最优基础模型(Model 1)的。Model 1.1各参数均显著,确定系数R 2=0.6202,均方根误差RMSE=1.6159。3个混合效应模型的拟合效果均优于最优基础模型、最优再参数化模型的;与最优基础模型、最优再参数化模型相比,nlme 1.1、nlme 1.3的确定系数(R 2)分别提高了19.6%、10.4%;均方根误差(RMSE)分别降低了14.1%、8.9%。考虑到模型的简易程度,将nlme 1.1作为湘西土家族苗族自治州杉木人工林的最优混合效应模型。与传统回归模型相比,采用再参数化方法、非线性混合效应法拟合的树高-胸径模型,其预测效果更具有优越性,模型精度更高、误差更小。研究结果可为湘西土家族苗族自治州林业生产提供参考。

辽东山区人工红松冠长率影响因子研究

[目的]建立包含林木竞争、地形(坡度、坡向、坡位)的不同林层的辽东山区人工红松冠长率模型,研究不同竞争水平及地形对冠长率的影响,比较林层间的冠长率差异,为辽东山区红松人工林经营奠定基础。[方法]以辽宁省清原县大边沟林场红松人工林为研究对象,基于冠长率基础模型,通过再参数化方法引入竞争因子,采用哑变量方法进一步引入地形因子,选取对模型贡献最大的地形因子,最终建立包含竞争、地形变量的不同林层间的人工红松冠长率哑变量模型,模拟了各因子对人工红松冠长率的影响。[结果]与基础模型相比,引入林木竞争、地形因子坡向的不同林层冠长率模型R^(2)_(a)提升了0.113,RMSE降低了0.012,竞争、坡向、林层对冠长率模型的贡献率(MSER)分别为14.14%、2.25%、0.16%。冠长率随林木胸径的增大而减小,随林木竞争水平的增大而增大。随林木竞争水平的增大,冠长率随树高变化规律由负增长逐渐转为正增长。经F检验,不同坡向、林层之间冠长率差异显著,变化规律为阴坡>半阳坡>阳坡,在林层间表现为上林层>下林层。[结论]地形与林木竞争因子显著影响人工红松冠长率,坡向是对人工红松冠长率影响最大的地形因子。本研究构建的包含地形与林木竞争的冠长率模型精度较高,为辽东山区红松人工林经营管理及生长量预估提供参考。

大兴安岭地区兴安落叶松的高径比模型

基于大兴安岭地区翠岗林场兴安落叶松天然林的56块样地数据,以指数衰减函数为基础模型,利用再参数化的方法以林木分级为哑变量构建大兴安岭地区兴安落叶松的高径比模型,为大兴安岭地区兴安落叶松不同等级的树木和林分稳定性的评估提供科学依据。结果表明:除胸径以外,优势树高、优势胸径、单木竞争指数与高径比有显著相关性,加入后明显提升模型的拟合精度,而且兴安落叶松高径比广义模型的调整系数、均方根误差和平均绝对误差分别为0.5130、0.1703 m·cm^(-1)和0.1281 m·cm^(-1);将林木分级哑变量添加到广义模型的参数∂_(0)和∂_(2)上时,模型的拟合效果进一步提高,其高径比模型的3个统计量依次为0.5171、0.1696 m·cm^(-1)和0.1277 m·cm^(-1)。经过比较分析,以林木分级为哑变量的广义高径比模型拟合效果最好,不仅优于基础模型,且具有较好的预测精度和适应性。

基于线性分位数混合效应的辽东山区红松冠幅模型

冠幅是反映单木生长状态及构建林木生长收获模型的重要变量。本研究以辽东山区大边沟林场10~55年生红松人工林为对象,基于66块固定样地的2763株红松的每木检尺数据,选取冠幅基础模型,采用再参数化的方法引入单木竞争指标(R_(d)),利用哑变量的方法引入了林分密度、林层变量,构建不同分位点(0.50、0.90、0.93、0.95、0.96、0.99)的冠幅分位数回归模型,并与传统方法进行比较,选取模拟林分最大冠幅的最优分位点。为反映林分中单木冠幅在林木个体之间的差异,建立了基于样地水平的最优分位点的线性混合效应分位数回归冠幅模型,分析各变量对单木冠幅的影响。结果表明:基于F统计检验,不同林分密度和林层的冠幅模型具有显著差异,在基础模型中引入林层、林分密度和竞争后,模型R_(a)^(2)提高0.0104,均方根误差降低0.0115,均方误差降低为7.4%;与最小二乘法比较,分位数回归模型能够较好地模拟林分状态下的单木最大冠幅,并选出0.96分位点和0.93分位点作为上林层和下林层的分位数回归模型的最优分位点。引入混合效应的线性分位数回归模型的赤池信息准则、贝叶斯信息准则、HQ信息准则等评价指标优于传统分位数回归,参数标准误显著降低,混合效应的引入很好地解释了样地之间的差异。就上林层和下林层而言,林分密度越大,最大冠幅越小;相对直径越大,最大冠幅越大,其中林分密度对下林层的冠幅影响大于上林层,当林分密度足够大时,冠幅随着胸径的增大先增大后降低。本研究构建的基于混合效应的分位数回归模型能有效提高模型的拟合优度,今后可通过调控林分密度、适度抚育间伐等措施,实现对辽东山区红松人工林的科学营建和可持续发展。