基于单木生长神经网络模型的林分生长预测

以马尾松P iunsm asson iana人工林间伐试验林为研究对象,用单木生长神经网络模型与林分表法的转移概率矩阵模型构建了林分直径分布的动态转移模型,再与径阶材积向量或材种材积向量构成林分生长与收获预测模型。预测检验结果显示,高、中、低密度的林分断面积预测精度依次为94%、95%、97%,蓄积量预测精度依次为92%、94%、96%,表明不计枯损(或采伐)的转移概率矩阵模型对低密度林分的预测比对高密度林分的预测效果好。

造林技术措施对马尾松林分生长影响的定量分析与预测

该文利用贵州省台江县马尾松造林技术试验林 4～ 10年生林分的逐年测定资料 ,以林分平均树高和平均胸径为基准变量、各主要造林技术措施和林分年龄为说明变量 ,对建立马尾松林分生长的数量化回归模型进行初步研究 .结果表明 ,采用数量化回归途径建立马尾松林分生长的预测模型是可行的 ,且所建模型具有较高的预测精度 ,但用于拟合回归模型的数据以采用林龄为 4a以上的测定资料为宜 .通过对回归模型偏相关系数的定量分析 ,可以确定马尾松人工林培育的关键技术措施是立地控制、遗传控制和密度控制 ;同时 ,还可根据各项造林技术措施和林分年龄 ,预测马尾松林分的生长 .

系列林分收获表的研制

论述了系列预测收获表的特点 ,提出具体应用的方式方法。