四明山黄山松针阔混交林的树高—胸径模型

黄山松Pinus taiwanensis是中国特有造林树种之一,建立适宜的黄山松针阔混交林的树高—胸径模型,可为该林分的林木生长预测、森林经营管理、森林资源清查提供理论参考。文章以四明山黄山松针阔混交林为研究对象,选用30个常用的树高—胸径经验模型作为备选模型,利用Ra^(2)、AIC和BIC筛选确定5个基础模型。基础模型中,引入枝下高(HZ)和冠幅(CW)建立15个修正模型,利用Ra^(2)、RMSE、MAE、RMAE和AIC等5个模型评价指标确定适宜的树高—胸径模型。结果表明,相同基础模型下的3个修正模型拟合效果,以同时引入HZ和CW的模型最好;同时引入HZ和CW的不同基础模型拟合效果,以M21模型最好;M21.HZCW是拟合效果最好的修正模型,为适宜的四明山黄山松针阔混交林的树高—胸径模型,Ra^(2)从0.6841(基础模型)提高至0.7509(修正模型)。

帽儿山林场天然次生林阔叶树种树高—胸径模型

基于帽儿山实验林场30块天然次生林标准地中2 875株样木的实测胸径和树高数据,应用20个常见的树高—胸径模型来模拟帽儿山林场天然次生林中主要树种白桦（Betula platyphylla Suk.）、椴树（Tilia L.）、色木（Acer mono maxim）、榆树（Ulmus spp）、杨树（Populus）、蒙古栎（Querusmongolica）、核桃楸（Juglans mandshurica Maxim）、水曲柳（Fraxinus mandshurica Rupr）和黄波椤（Phellodendron amurense Rupr）的树高—胸径关系,选出了每个树种树高—胸径最优模型形式,全部最优模型的相关系数达到了0.9以上,均方根误差介于1.0~1.5,残差分布均匀,模型的拟合效果较好。应用部分独立样本检验数据对各树种最优模型进行检验,模型的平均误差很小,预估精度达到了98%以上,表明这些模型可以用来描述该树种树高的变化规律,可以为该区域开展森林资源调查和次生林结构调整、林分生长与收获等方面的研究提供理论基础。

樟树林林层划分及树高—胸径模型拟合

森林的林层划分、树高—胸径模型是进行森林资源调查、调整林分结构等管理活动的基础。本研究基于汉寿县境内的樟树固定样地,分析其林分的林冠结构,构建树高—胸径曲线。结果表明:该林分无分层现象,垂直结构单一;而拟合结果表明一元线性和二项式模型拟合效果最好。通过分析汉寿县樟树公益林的垂直结构,提供了可靠的樟树林林层树高—胸径模型,为该地区森林经营提供科学支撑。

宁波天然甜槠阔叶混交林树高—胸径模型研究

以宁波天然甜槠阔叶混交林为研究对象,选择30个常用的树高—胸径经验模型,利用调整决定系数(R a 2)、均方根误差(RMSE)、平均绝对误差(MAE)、相对平均绝对误差(RMAE)和Akaike信息准则(AIC)等5个模型评价指标,比较分析模型之间差异。结果表明,除M23无法求解,其余29个模型均可求解。29个模型中,M11和M24在5个模型评价指标中表现优异,M11优于M24,说明M11为适宜的天然甜槠阔叶混交林树高—胸径模型,其R a 2=0.9101。

基于分位数组合的杉木树高-胸径模型

【目的】采用分位数回归和分位数组合构建不同分位数的杉木树高模型,并与传统非线性回归模型的拟合效果进行对比,以提高模型的预测精度。【方法】基于贵州省清镇市国有林场49块样地中的3 795株杉木数据为研究对象,从7种常用的树高-胸径模型中筛选出最优基础模型,并在此基础上,选择影响最大且能提高模型预测精度的2个林分因子构建广义模型,并分别推广至分位数回归。对于分位数组合模型,设计了三分位数组合(τ=0.1, 0.5, 0.9)、五分位数组合(τ=0.1, 0.3, 0.5, 0.7, 0.9)和九分位数组合(τ=0.1, 0.2, 0.3, 0.4, 0.5, 0.6,0.7, 0.8, 0.9),同时结合抽胸径最大、抽胸径最小、抽平均木和随机抽取1~9株树4种抽样方案计算模型的参数,分析在不同分位数组合和抽样方案下抽样数量对模型精度的影响。【结果】Richards模型(R^(2)=0.590 4、RMSE=2.112 1、MAE=1.710 5)为最优基础模型;以含优势木平均高、胸高断面积的广义树高模型(R^(2)=0.711 2、RMSE=1.767 8、MAE=1.400 0)的预测效果最好;在9个分位数中,基础和广义模型的中位数(τ=0.5)回归拟合能力最好,其R^(2)、RMSE及MAE分别为:0.591 0~0.711 2、1.746 1~2.103 6、1.377 3~1.711 0。采用三分位数组合,在基础和广义树高—胸径模型选择5株和7株平均木时,预测精度提高尤为突出,其中R^(2)、RMSE和MAE分别为:0.721 4~0.797 4、1.477 4~1.732 7、0.991 1~1.301 5。【结论】同时兼顾模型预测精度与成本的情况下,在实际使用分位数组合时,建议采用广义模型的三分位数组合(τ=0.1, 0.5, 0.9),并抽取7株平均木来预测树高。

大兴安岭不同生态区域兴安落叶松树高曲线的研究

以大兴安岭3个不同生态区域的兴安落叶松伐倒木为对象,基于2 272株实测树高—胸径数据,分别选用12种树高曲线模型,对模型参数进行求解,并采用确定系数(R2)、误差(Bias)、均方根误差(RMSE)对模型精度进行检验。结果表明,Korf方程,唐守正方程和Hossfeld方程能较好地描述区域1和区域3的落叶松树高曲线;Richard方程,Weibull方程和Mitscherlich方程能较好地描述区域2的落叶松树高曲线。采用限制模型和无限制模型的假设检验方法对所选模型进行区域性检验。结果表明,任何2个区域的树高曲线都有显著不同,且区域2与区域1和区域3的树高曲线相差较大,区域1和区域3的树高曲线相差较小。不同生态区域树高曲线的错误应用会导致较大的预测误差。