基于线性混合效应的红松人工林枝条生物量模型

基于黑龙江省孟家岗林场60株红松解析木3643个枝条生物量的实测数据,利用全部子回归技术建立了枝条生物量模型(枝、叶和枝总生物量模型),最终选择lnw=k1+k2lnL b+k3lnD b为枝条生物量最优基础模型.利用SAS 9.3统计软件的PROC MIXED模块建立枝条生物量混合模型,并采用AIC、BIC、对数似然值和似然比等统计指标评价不同模型的拟合效果.结果表明:红松解析木的叶和枝总生物量混合模型以k1、k2、k3作为随机效应参数的拟合效果最好,而枝生物量混合模型以k1、k2作为随机效应参数的拟合效果最好.最后将枝条生物量最优基础模型与最优混合模型进行模型检验.混合模型各项指标优于基础模型,能有效地提高模型的预估精度,并且通过方差协方差结构校正随机参数来反映树木之间的差异.

基于TLS辅助的长白落叶松一级枝条生物量模型构建

【目的】探究利用地基激光雷达(terrestrial laser scanning,TLS)点云数据估测枝条生物量的可行性,构建预测长白落叶松(黄花落叶松)枝条生物量的最优模型。【方法】以利用孟家岗林场26株长白落叶松点云数据提取出的733个一级枝条的特征因子[枝长(LBL)、弦长(LBCL)、基径(dB)、着枝角度(AB)、弓高(HBAH)、枝条基部断面积(SBAB)、相对着枝深度(dRDINC)]和对应的实测数据为数据源,分别建立枝条水平上的一级枝条生物量基础模型,通过对比基础模型之间的差异来分析利用TLS数据建立枝条生物量模型的可行性。最后利用TLS数据分别对比基础模型、混合效应模型和随机森林模型的预测效果。【结果】基础模型中最终选定的自变量为SBAB和LBCL。利用TLS数据建立的枝条生物量基础模型具有更好的预测精度。对比3种模型预测能力结果显示,随机森林模型无论在训练集还是测试集上都表现出最好的效果,具体顺序为:随机森林模型>混合效应模型>基础模型。其中随机森林模型的决定系数(R2)相较于混合模型和基础模型分别提高了1.32%和4.89%,均方根误差(RMSE)分别降低了11.23%和13.60%。【结论】基于TLS利用随机森林算法能够准确对枝条生物量进行估测,不仅为随机森林算法在林分生长模型上的应用奠定了一定的实践基础,也为TLS在树冠结构研究中的应用提供了重要的参考价值。

雷公藤主要性状灰色关联分析及地上生物量模型研究

对雷公藤主要性状相互关系和地上生物量模型拟合研究。结果表明,植株的最长枝长度、最长枝基径粗度、丛枝数对枝条生物量有影响。利用丛枝数、最长枝长度、最长枝基径粗度、枝条总生物量进行数学模型拟合,y=0.014 4N0.557 3L1.889 7、y=0.015 4N0.563 4L1.818 8D0.139 7、y=0.012 6+0.013 2N0.584 6L1.877 5D0.118 3三个数学模型相关系数最大,均为0.990 6,拟合度也最高,均达到0.981 3,可用于雷公藤枝条生物量预测,但从精度和测量简单程度来看,用丛枝数和最长枝长度对雷公藤枝条生物量预测比丛枝数和最长枝基径粗度更有效。

杂种落叶松冠层光合速率日变化及产量分配

【目的】基于2011年在黑龙江省牡丹江市江山娇林场测定的杂种落叶松光合作用及其生物量数据,构建了枝条生物量预估模型。【方法】描述各轮枝条光合速率的基本规律,并通过分析光合产量与枝条生长量的关系,进一步探讨杂种落叶松冠层光合产量的分配规律。【结果】以基径为自变量的落叶松枝条生物量预估模型模拟效果最好,模型的拟合精度达到94.9%;落叶松上层树冠的光合速率明显高于下层,中层(4、5层)轮枝对树干生长的贡献率最大;光合速率的日进程中,高峰期普遍分布在每天的11:00—14:00,但上层树冠在此期间会出现“午休”现象;人工杂种落叶松功能性冠占总冠长的72%。【结论】下层两轮活枝不仅对树干生长没有贡献,还会消耗一部分能量,在修枝时建议提前修剪掉。