利用哑变量研究湘西桤木林分优势平均高与平均高的相关关系

林分优势平均高和林分平均高是立地质量评价的2个重要指标。以78块湘西桤木人工林标准地数据为研究对象,采用数量化方法I分析了地名、林分类型、坡度、坡位、坡向、土壤厚度、土壤类型、自然灾害、公顷株数、海拔、年龄和郁闭度11种因子对高比值(林分平均高与优势平均高之比)的显著性影响程度,选出影响显著的主导因子作为哑变量,确定地名和林分类型(绝对纯林和相对纯林)为显著性影响的主导因子,2个因子对高比值具有显著性影响的可靠性为93.70%和99.96%,选取这2个因子作为哑变量,建立了基于哑变量的林分优势平均高与林分平均高非线性模型和常规的非线性模型,采用确定系数、残差均值、绝对残差均值、相对误差均值和精度5个指标,通过对常规、基于地名哑变量和基于林分类型哑变量的3种非线性模型的建模精度和模型适应性检验结果比较,指出基于哑变量的非线性模型优于常规非线性模型,且基于地名哑变量的模型最优。基于地名哑变量、基于林分类型哑变量和常规非线性模型的建模精度分别为98.65%、97.53%、93.43%,建模确定系数分别为0.9389、0.9266和0.9015,建模残差均值分别为2.16E-09、5.53E-09和2.30E-07,建模绝对残差均值1.0631、1.1323和1.8522,建模相对误差均值分别为0.1197、0.2038和0.2932。研究方法和结果有助于提高建模精度,并为建立区域性通用生物数学模型提供了一种思维方法。

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。