基于地基雷达数据构建红松人工林树高、枝下高及接触高模型

采用地面激光雷达(Terrestrial Laser Scanning,TLS)扫描10块人工红松林所得到的数据,与实地调查数据相结合,构建红松树高曲线模型、枝下高预估模型与接触高预估模型,并建立联立方程组。首先,从所选择的5种树高曲线模型中,选择出拟合效果较好的2个模型作为联立方程组的备选模型。然后再从5个枝下高基础模型中选出1个拟合效果好,并且适用程度高的模型作为基础模型,运用再参数化和最优子集回归的方法将林分因子(林分平均胸径、林分断面积、高径比、优势木平均胸径和优势木平均高)代入基础模型,选择拟合效果较好的模型作为枝下高备选模型。相同的方法选择拟合效果好的接触高备选模型。最后将树高曲线模型、枝下高备选模型与接触高备选模型分别两两联立,建立联立方程组。通过似不相关回归(Seemingly Unrelated Regression Estimation,SVR或SURE),根据拟合优度与检验结果选择最优秀的方程组,并对联立方程组进行评价。最终得到结果最优联立方程组预估树高时,决定系数R^(2)=0.896,均方根误差RMSE=0.612 m;当方程组预估枝下高时,R^(2)=0.575,RMSE=0.850 m;当方程预估接触高时,R^(2)=0.719,RMSE=0.791 m,而且各种检验指标都较好。综合来看,方程组对树高、枝下高与接触高拟合精度与检验效果较好,可以解决树高、枝下高与接触高的内在相关性问题,为进一步研究红松树冠结构与动态变化提供基础。

利用分位数组合预测兴安落叶松枝下高

【目的】本文使用分位数回归和分位数组合对枝下高进行建模和预测,为单木枝下高模型的构建提供新的思路和方法。【方法】利用大兴安岭新林区4个林场的兴安落叶松天然林实测数据,采用非线性回归构建枝下高基础和广义模型并分别扩展到分位数回归。使用三分位数组合(τ=0.1,0.5,0.9)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9)、九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)和4种抽样设计(抽最大树、抽最小树、抽平均木、随机抽取)进行预测,比较不同分位数组合的预测效果并分析不同抽样设计对预测精度的影响。同时使用双重交叉检验对非线性回归、最优位数回归和最优分位数组合进行比较。模型拟合和检验的评价指标主要包括平均绝对误差(MAE)、均方根误差(RMSE)、相对误差(MPE)和调整确定系数(R^(2)_(adj))。【结果】(1)无论是非线性回归还是分位数回归,广义模型的拟合MAE较基础模型可降低6%~12%,RMSE可降低6%~10%,检验效果也优于基础模型。枝下高与胸径呈负相关、与样地优势高和每公顷断面积呈正相关。(2)中位数回归在所有分位数中拟合能力最好,且效果与非线性回归相似。分位数回归可以描述枝下高的分布。(3)3种分位数组合都可以对枝下高模型进行预测且效果相差不大,三分位数组合就可以满足枝下高的预测精度。中位数回归的交叉检验结果与非线性回归相似,三分位数组合的预测能力最优,MAE和MPE较非线性回归和中位数回归分别下降了20%和4%左右,R^(2)_(adj)提高了16%左右。(4)基础和广义分位数组合的最优抽样设计分别为抽平均木5株和抽大树7株。【结论】本研究基于三分位数组合(τ=0.1,0.5,0.9)的枝下高模型可以提高预测精度,具体应用基础和广义分位数组合模型的最优抽样设计分别为抽平均木5株和抽大树7株。综合预测精度和调查成本的考虑,在实践中应用分位数组合时,推荐在样地中抽取5株平均木对枝下高进行预测。

塔里木河下游阿拉干断面胡杨枝下高对应急输水的响应

根据近5a来对塔里木河下游阿拉干断面胡杨林(Populus euphratica Oliv.)的监测数据和不同离河距离的地下水位监测信息,结合"面"上宏观调查与"点"上典型研究,集中对100hm2长期监测样方内的4499棵胡杨树进行了详细的调查,将胡杨个体实测数据和卫星影像信息进行对比,分析了塔里木河下游胡杨枝下高对应急生态输水的响应。结果显示,塔里木河下游的胡杨具有伴河生长的特性,不同等级枝下高的胡杨都主要分布在距离河道200m的范围,且其分布都与离河道距离呈显著负相关关系;应急输水后,不同离河距离的胡杨枝下高都有不同程度的下降,河道附近100m的范围内下降幅度最大,达到了0.36m,枝下高的下降主要是由于胡杨茎部和基部萌生新枝所引起的,说明应急输水对于胡杨的自然更新产生了积极的影响。

基于联立方程组的人工樟子松枝下高模型构建

【目的】基于黑龙江省帽儿山实验林场、横头山林场、孟家岗林场的61块樟子松人工林固定样地的5211株样木调查数据,构建了树高模型与枝下高模型的联立方程组。【方法】首先,从8种常用的标准树高曲线,选出拟合效果较好的2个模型作为树高曲线的备选模型。再以5个枝下高预估模型作为基础模型,通过引入林木及林分变量(林木大小,竞争因子,立地条件)采用最优子集回归法筛选出3个变量少且拟合效果较好的模型作为枝下高备选模型。将树高曲线备选模型与枝下高备选模型分别两两联立,建立树高与枝下高联立方程组模型,采用似乎不相关回归(SUR)对模型参数进行求解。最后,对联立方程组进行评价。【结果】树高(H)和枝下高(HCB)与林分断面积(G)和优势木平均高(H_0)呈正相关。最优的联立方程组预估树高时调整后相关系数(R_a^2)为0.952 0,均方根误差(RMSE)为1.17 m;预估枝下高时的R_a^2为0.906 6,RMSE为1.36 m,并且模型的各项检验指标数值较小。【结论】整体来看,联立方程组的拟合效果较好,预估精度较高,同时联立方程组解决了树高与枝下高的内在相关性问题。本文所建立的含林分因子的树高模型与枝下高模型联立方程组可以很好地预估不同林分条件下樟子松人工林的树高和枝下高,为进一步研究樟子松树冠结构和动态提供了基础。

基于混合效应模型的人工红松枝下高模型研建

【目的】基于帽儿山红松人工林63块样地2972株红松数据,利用非线性混合模型构建红松枝下高模型,为进一步研究生长与收获模型提供理论依据。【方法】本文首先使用8个常用的枝下高模型,选出最优基础模型;其次,研究林分变量或单木变量对枝下高的影响,建立含林分变量的枝下高模型;最终在基础模型和含林分变量模型的基础上,考虑样地效应对红松枝下高的影响,构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式(随机抽取、抽取最大树、抽取最小树、抽取平均树)和8种样本大小(1~8株树)对基础混合效应模型和广义混合效应模型进行抽样检验。【结果】Logistic模型拟合精度好,符合生物学意义,且模型形式简单,选为最优基础模型。除树高、胸径以外,大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性,加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时,建议抽取胸径最小的4个样本;当应用广义混合效应模型预测时,建议随机抽取4个样本。【结论】枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型,建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时,建议随机抽取4个样本。

云冷杉针阔混交林单木枝下高和冠幅模型构建

以吉林省汪清县金沟岭林场云冷杉针阔混交林为研究对象,基于研究区内均匀分布的98块样地的2487株单木数据,按7:3的比例随机抽样分别用于建模和检验。对林内云杉、冷杉、红松、中生阔叶树种组和慢生阔叶树种组这5个树种(组)的单木枝下高和冠幅模型分别采用最小二乘法估计、极大似然估计和似不相关回归估计3种参数估计方法进行建模,筛选效果最佳的为最终模型,并分析模拟了树木大小、竞争、林分和立地等因子对枝下高和冠幅的影响。同时考虑树种耐荫性和空间分布结构差异,讨论不同树种枝下高和冠幅模型中影响因子差异。结果表明:采用似不相关回归估计建立的枝下高和冠幅的联立方程组模型得到的预测效果最佳,模型检验的修正决定系数(R^(2)_(a))最大,均方根误差(E_(RMS))最小,且平均绝对误差(E_(MA))相较于最小二乘法估计和极大似然估计降低了57%~58%。胸径、树高和单木竞争指数在所有枝下高模型中均极显著(P<0.001);树冠竞争因子是影响红松枝下高的重要因子(P<0.001);林分密度在除了云杉的其余树种枝下高模型中均显著相关(P<0.01);立地因子中仅坡向与冷杉枝下高显著相关(P<0.01)。冠幅模型中,胸径、枝下高和树冠竞争因子在所有树种中均显著相关(P<0.001);此外冷杉和阔叶树种的冠幅则与林分密度显著负相关(P<0.001),而云杉冠幅则与林分断面积和显著负相关(P<0.001)。在云冷杉针阔混交林中,树种耐荫性和单木相对大小影响其树冠的衰退速率,而林地立地质量影响单木冠幅的大小。

立地条件对毛竹枝下高的影响研究

通过对福建省三元地区30块毛竹标准地的调查,分析了坡向、坡度、坡位、郁闭度、立竹度5个因子对毛竹枝下高生长量的影响,对5个立地因子进行了全变量回归分析,结果显示郁闭度、立竹度和坡度是影响毛竹枝下高的主要因子。对5个立地因子进行主成分分析,将5个变量转换成3个主成分,其累计贡献率达到82.116%。

不同立地条件对毛竹枝下高的影响研究

通过对江苏省宜兴地区30块毛竹标准地的调查,分析了坡向、坡度、坡位、腐殖质厚度、郁闭度、立竹度6个因子对毛竹枝下高生长量的影响,对6个立地因子进行了逐步回归分析,结果显示郁闭度、坡位和立竹度是影响毛竹枝下高的主要因子。对6个立地因子进行主成分分析,将6个变量转换成3个主成分,其累计贡献率达到86.1%。

枝下高与树干干形关系的研究

该文利用3块桦树标准地的79棵标准木和3块山杨标准地的70棵标准木材料,研究了2个树种枝下高与干形指标间的关系。结果表明:山杨与桦树的带皮和去皮干形指标虽然有差别,但是差别并不明显。桦树和山杨带皮和去皮的胸高形数和胸高形率均随枝下高的增加而逐渐变小,也有一定的波动性。

不同立地条件与造林密度对苦楝枝下高生长效应的影响

采用双因素随机区组试验设计方法,在寿宁县南阳镇境内选择立地条件中等以上的林地,进行苦楝造林试验。通过对6年生苦楝人工林的胸径、树高、枝下高等因子生长状况调查结果表明:造林密度对胸径有显著影响(FA = 6.84 >F0.05 = 3.84);立地条件对胸径有极显著影响(FB = 10.22 >F0.01 = 8.65),对树高生长有显著影响(FB = 8.57 >F0.05 = 4.46),对枝下高生长有极显著影响(FB = 9.89 >F0.01 = 8.65);幼龄期是苦楝树高生长的关键时期,苦楝幼龄期树高生长快慢是影响其枝下高高低的关键因素,选择立地条件好的林地造林,是促进苦楝幼树生长,增加枝下高,提高规格材出材量的有效方法之一。

不同经营强度和竹龄下毛竹胸径与枝下高异速生长分析

运用异速生长分析法研究不同经营强度和竹龄下毛竹胸径与枝下高的关系的结果表明:(1)经营强度没有显著改变毛竹胸径与枝下高的异速生长关系,共同斜率为1.571,符合6/4模型,但在精细管理下,标准主轴SMA沿Y轴发生了显著移动(p<0.05),表明同胸径下精细管理毛竹枝下高更大。(2)不同竹龄下,1度、2度和3度的毛竹胸径与枝下高均呈现显著的异速生长关系(p<0.001);1度和3度的异速生长指数间差异不显著(p=0.190>0.05),共同斜率为1.552,而均与2度的异速生长指数差异显著(p<0.05),表现了竹林随着年龄变化出现胸径枝下高生长关系的交替变化现象。

基于立地类型哑变量的马尾松优势木枝下高模型研究

利用5种具有代表性的枝下高模型对马尾松优势木枝下高进行拟合,依据基础模型的拟合结果,选择较好的模型作为候选模型,并在候选模型的基础上构建以初始立地类型为哑变量的优势树木枝下高模型,确定最优模型,再利用R语言k均值算法对含初始立地类型哑变量的模型拟合结果进行聚类分析,最后以最优候选模型模拟含聚类后的立地类型哑变量,并比较和分析模型不同参数形式的拟合结果,找到最优模型参数模拟形式。研究结果表明:基础模型中,模型M4确定系数最大,为0.3215;聚类后立地类型哑变量模型中,模型M1的参数b_(0)添加哑变量的确定系数最大,为0.7692,采用哑变量模型拟合的效果比基础模型好。论文利用哑变量,能够有效增强模型的实用性和准确性,有助于探索建立马尾松枝下高的区域通用模型。

基于混合效应模型和分位数回归的长白落叶松枝下高模型构建

枝下高是反映树冠特征的重要指标,准确预测枝下高对森林的经营管理和提高林分生产具有重要意义。本研究采用非线性回归构建枝下高广义基础模型,再进一步扩展到混合效应模型和分位数回归模型,通过“留一法”检验对模型的预测能力进行评价和比较。此外,使用4种抽样设计和不同抽样大小对枝下高模型进行校正,选择最佳的模型校正方案。结果表明:基于包含树高、胸径、林分每公顷断面积和优势木平均高的枝下高广义模型、扩展后的混合效应模型以及三分位数组合模型的预测精度均显著提高,混合效应模型略优于三分位数组合模型,最佳抽样校正方案为抽5株平均木。因此,推荐在实践应用中使用混合效应模型,抽5株样地平均木校正预测枝下高。

马尾松人工林密度与枝下高相关模式研究

通过对马尾松密度林各生物性状调查，用不同的数学模型对林分枝下高生长进行回归分析，探讨马尾松人工林不同密度与枝下高生长的最优模式。分析结果表明，利用扩张相对生长式拟合的枝下高公式，具有精度高，误差小。

基于广义非线性混合效应的华北落叶松天然次生林枝下高模型

【目的】立木枝下高模型的构建是森林经营的核心内容,利用非线性混合效应模型方法构建华北落叶松枝下高模型,可为森林生长与收获研究提供理论依据。【方法】基于112块华北落叶松天然次生林样地单木数据,从7个备选的枝下高-树高模型中选出一个最优基础模型;分析9个不同单木或林分因子及其因子之间的组合对枝下高的影响,将影响显著的因子作为模型预测变量以提高模型精度。在此基础上,考虑区组以及嵌套在区组里的样地对枝下高的影响,即构建嵌套两水平的非线性混合效应枝下高模型。【结果】Logistic模型预测精度较高并且模型参数可解释,因此选为基础模型。除树高之外,立木胸径、样地内所有大于对象木胸径的立木断面积总和、平均冠幅和林分密度与枝下高相关显著,故作为模型预测变量。与传统模型相比,所构建的两水平嵌套非线性混合效应模型对应的决定系数提高了53.26%,均方根误差降低了24.73%,因此明显提高了模型预测精度。【结论】区组和嵌套在区组里的样地对立木枝下高随机干扰较大,当考虑这些随机效应对枝下高的影响时能明显提高模型的预测精度。

基于空间结构的杉木枝下高可视化模拟研究

【目的】定量研究林分空间结构对杉木枝下高的影响,构建基于空间结构的枝下高模型,结合杉木生长模型,应用三维可视化技术,实现杉木枝下高可视化模拟。【方法】利用湖南省黄丰桥国有林场6块杉木人工林临时样地的调查数据,选择5个常用枝下高基础模型,分析水平空间结构参数(P_(H))、垂直空间结构参数(P_(H))和空间结构单元平均距离(d_(DIS))及其组合对枝下高的影响,构建综合指标较好且变量少的枝下高模型。基于林分三维模型实时生成方法,建立一种枝干可控的杉木三维模型;结合单木胸径连年生长量模型、树高-曲线模型和冠幅面积估计模型,模拟林木的生长状态。【结果】Logistic模型综合指标较好且模型参数可解释,可选为基础模型;3个空间结构参数中垂直空间结构影响较为显著,将P;加入到Logistic模型中,改善了枝下高模型的拟合效果,决定系数(R^(2))从0.717提升到0.741,估计值的标准差从1.407m减小到1.321m,并使各项模型检验误差指标有所减小;构建的杉木三维模型可以动态调节枝干,实现了杉木枝下高模拟。【结论】构建的枝下高模型可以应用于林木年龄和部分林分信息未知的杉木林中,体现了林木间的相互竞争影响;结合枝干可控的杉木三维模型,模拟杉木生长过程,形象直观地表现了杉木枝下高的变化,为进一步研究林分生长动态可视化模拟和森林经营可视化模拟提供支持。

杉木三维模型各方向枝下高分布研究

【目的】通过分析实测枝下高分布方向与空间竞争强度的关系,解决基于传统林学研究调查数据所构建的林木三维模型对不同方向枝下高分布差异难以直观表达,林木三维模型多态性表现不足的问题。【方法】以江西省新余市分宜县亚热带林业实验中心山下林场8块杉木临时样地为数据源,以已有枝下高模型为理论基础,将空间分析方法缓冲区构建与林分空间结构单元构建结合,构建对林木造成直接影响的水平空间结构参数与垂直空间结构参数,分析空间结构参数与枝下高相关性,并以此计算各方向空间竞争强度,建立空间竞争强度与实测枝下高的分布关系,再按照枝下高模型求解剩余方向枝下高,最终按照实测数据与分析计算结果加载分枝、主干模型,构建林木三维模型。【结果】所选模型变量包括林木属性与空间结构参数,原始模型决定系数为0.720,消除树高影响的调整后实测枝下高与水平空间结构参数相关系数为0.410、与垂直空间结构参数相关系数为0.782,且均呈正相关;将各自相关系数为权重计算对应方向空间竞争强度,将最小竞争强度方向空间结构参数代入模型,拟合结果决定系数为0.790,相比原始模型拟合精度有所提高;将实测枝下高分配到竞争强度最小的方向,根据模型可对其他方向枝下高进行估算。【结论】以杉木为例,通过空间竞争强度判别枝下高分布,在提高已有数据利用率、减小外业工作强度的基础上,可直观表现林木不同方向枝下高分布的差异性,增强了林木三维模型的多态性表达。

辽东山区人工红松枝下高模型的研建

单木枝下高(H_(cb))反映了树木的生活力及在林分中的竞争水平,是林分生长与收获模型的重要变量。本研究以辽东山区大边沟林场人工红松(Pinus koraiensis)为研究对象,基于Logistic模型的基本形式,构建了包含胸径(D)、树高(H)、冠幅的人工红松枝下高预估模型,基础模型的形式为■。以树木为单个水平,构建了单个水平的枝下高混合效应预估模型,当模型中参数b、c为随机效应参数时,模型的AIC、BIC最小,-2LL最大,这说明模型的拟合效果最优。

不同修枝强度对侧柏、油松人工林林内景观美景度的影响

为研究油松、侧柏不同强度的修枝试验对林内景观变化的影响,修去侧柏1/4、1/3或1/2树高以下的所有枝条,修去油松1/3、1/2或1/2树高以下的所有枝条。结果表明,随着修枝强度的加大,侧柏、油松林内景观的美景度增高。侧柏、油松修枝高度控制在1/2树高时,2树种林内美景度最高;同等修枝高度下,油松林内景观美景度要远大于侧柏林。

提高丝棉木苗干高度措施研究

[目的]探索有利于提高丝棉木苗干高的措施。[方法]应用正交试验方法，进行不同基肥施用量与施水量、不同苗木年龄以及栽植密度的试验。[结果]试验结果表明，对苗干高度影-向最大的因素是移植的苗木年龄，其次是施肥施水量，而栽植密度的效应不显著。在试验条件下，以30cm×30cm的株行距，栽植2年生的苗木，栽后平茬，在施基肥的基础上，追施硫酸铵2-3次，每次施肥量112.5kg／hm^2，追施尿素1次，施用量75kg／hm^2，全年灌溉5-6次，连续进行2年，可使苗干平均高度达到庭荫树的标准。[结论]较大的苗龄和较高的施肥施水量有利于提高苗干高度。