沙地樟子松不同树高–胸径模型比较分析

【目的】比较不同树高(H)–胸径(D)模型精度,确定适合章古台地区樟子松Pinus sylvestris var. mongolica的H-D模型。【方法】以Sibbesen模型为基础模型,将优势木平均高(HT)、胸高断面积(AB)和平方平均胸径(DQM)3个林分变量以不同组合加入基础模型中,分别建立了H-D的基础模型(1个)和广义模型(3个)及对应的基础混合模型(1个)和广义混合模型(3个)。对固定效应模型平均水平预测(FPA)、混合模型的总体平均响应预测(MPA)和主体响应预测(MPS)的精度进行比较。对混合模型在使用随机抽取样本木和抽取平均木(胸径接近平均值的样本)2种抽样方案计算随机参数时分析MPS精度与样本数量的关系。【结果】表征樟子松H-D关系的4种固定效应模型中,含HT和AB的广义模型拟合精度最高,Akaike信息量准则(AIC)=2 167.7,Bayesian信息量准则(BIC)=2 196.3。相同预测变量的各模型预测精度均表现为:MPS>FPA>MPA,仅含预测变量D的模型的3种预测精度差异最大。广义模型、广义混合模型、基础混合模型预测精度差异不大。使用验证数据检验模型精度时,每块标准地中随机抽取3株样本木计算基础混合模型随机参数时,该模型精度提升最为明显,MAE和RMSE分别降低了57.97%和57.63%;而广义混合模型精度随抽取样本木数量的增多未出现大的变化。【结论】含有林分变量优势木平均高、胸高断面积的广义模型和基础混合模型均能较好地预测沙地樟子松人工林的单木树高。此外,利用混合模型预测树高时,推荐在标准地中随机抽取3株林木测量其树高,并依此来计算随机参数。

基于枝条木材密度分级的鼎湖山南亚热带常绿阔叶林树高曲线模型

如何便捷准确地测量树高一直是林学及群落生态学所关心的问题。由于木材密度与树木生长密切相关,因此基于木材密度建立树高曲线模型能够为测量树高提供新的方法。本文以鼎湖山南亚热带常绿阔叶林1.44 ha塔吊样地内119个物种的4,032个个体为研究对象,利用树高、胸径和木材密度数据来探究基于枝条木材密度分级的树高曲线模型。首先,对个体进行随机抽样,将其划分为建模样本(占总样本量的70%)和检验样本(占总样本量的30%),并通过聚类分析将所有个体的木材密度划分为4级。其次,基于建模样本利用常见的5种理论生长方程(Richards、Korf、Logistic、Gompertz和Weibull方程)对不同分级建立树高–胸径模型;基于检验样本检验模型精度,并确定各分级的最适模型。最后,构建基于物种分类的树高曲线模型,并比较其与木材密度分级模型的差异。结果表明:基于木材密度分级的模型,各分级小组检验样本的平均绝对误差(MAE)和均方根误差(RMSE)最小值所对应的模型类型与建模样本结果一致,确定Gompertz模型和Weibull模型为鼎湖山南亚热带常绿阔叶林最适树高模型类型。比较基于木材密度分级的模型与基于物种分类的模型,发现二者的MAE、RMSE指数差异小。综上,基于木材密度分级的树高曲线模型对树高估测精度高,使用方便,为树高预测提供了新方法,可以更好服务森林调查等生产实践。