基于平均优势木胸径的湖南杉木人工林立地质量评价模型

【目的】研究立地因子对湖南杉木平均优势木胸径生长的影响,构建含立地随机效应的立地质量评价模型,以解决杉木立地质量评价的问题。【方法】基于湖南杉木人工林509块样地实测数据,在统计之林软件中使用数量化方法Ⅰ筛选出对杉木平均优势木胸径生长影响显著的立地因子,将立地因子按照标准分级、组合,构建初始立地类型;通过R语言拟合杉木人工林平均优势木胸径与年龄的相关关系,从4种基础生长模型中筛选出最优基础模型;应用K-means聚类将参数值相近的立地类型聚类成立地类型组,并将聚类后形成的立地类型组作为随机效应加入最优基础模型中,构建混合效应模型;通过导算,得到立地质量评价模型。【结果】1)对杉木平均优势木胸径产生显著影响的因子包括海拔、坡位、土壤类型和土壤厚度,影响程度从高到低的顺序为:坡位>土壤类型>土壤厚度>海拔。2)4个候选基础生长模型的拟合精度均较低(R2=0.6415~0.6420),选取单分子式(Mitscherlich)(R2=0.6420)作为构建立地质量评价的基础模型。3)考虑立地效应对模型的影响,将不同立地因子及其组合作随机效应进行非线性混合效应模拟,确定系数R2从0.6415~0.6420提高到0.6642~0.8258,拟合精度的高低与主导立地因子的显著性紧密相关,其中含立地类型的混合模型模拟精度最高(R2=0.8258)。4)以确定系数≥0.95为聚类精度标准将立地类型划分为10个立地类型组,含立地类型组的混合模型在便于应用的同时提高了建模的精度(R2=0.8409)。【结论】立地因子对杉木平均优势木胸径生长具有显著影响。同时,将立地因子作为随机效应加入混合模型中能够提高预测的准确性,更适合于多种立地类型下的立地质量评价。

基于树高-年龄分级的杉木人工林多形立地指数曲线模型研究

考虑相同或者相近年龄的杉木纯林,其优势木高生长受立地条件的影响较大,对年龄、优势高进行分级,基于树高-年龄分级构造哑变量,采用基于哑变量的非线性回归分析,建立区域性杉木多形立地指数曲线模型,为区域性立地质量评价和生产力预估提供研究思路和方法;同时提出一种合理的构建树高-年龄分级哑变量的思路和方法,并进一步研究分级哑变量如何加在模型参数上较为合理。以湖南不同地区606组杉木纯林优势木平均高-年龄数据为研究对象,采用理查德等4种常用非线性方程进行模拟与分析,找出最优基础模型。采用循环迭代法结合最优基础模型,对树高和年龄进行分级,找出最佳的分级结果并构建哑变量:(1)先给定初始龄阶间距值3年,对各龄阶树高进行20种分级方法,得到不同树高分级方法所对应的哑变量,采用含哑变量的非线性回归分析方法进行树高-年龄相关关系模拟,并分析、对比建模精度与效果,找出最优的树高分级方法及结果;(2)基于最优树高分级结果,考虑17种不同的龄阶划分方法,得到17种不同龄阶所对应的哑变量,采用含哑变量的非线性回归方程模拟树高-年龄相关关系,并分析、对比建模精度与效果,找出最优的龄阶划分方法及结果;(3)基于(2)中最优龄阶,重复1)的研究工作,得到最优的树高分级结果及所对应的哑变量,即最优哑变量。基于最优哑变量,考虑到哑变量加在不同的参数上模型模拟预测效果可能不一致,采用7种不同加哑变量的方法,进行树高-年龄生长曲线模拟,并对比、分析其模拟效果,模型检验采用确定系数(R2)、绝对平均误差(MAE)、均方根误差(RMSE)和残差4个指标,找出最优模型,并绘制多形立地指数曲线图。通过对4种非线性模型的建模精度分析与比较得到理查德方程最优,模型表达式为:H=a×[1-exp(-b×Age)]c,其确定系数(R2)为0.799 644;基于最优模型,采用含哑变量的非线性回归分析,利用循环迭代法分析不同树高、年龄分级的模型模拟精度与结果,指出龄阶间距为5、树高分9级所得哑变量最优;基于最优哑变量,考虑7种哑变量模型模拟方法,得到哑变量加在参数a、b上最优,其确定系数(R2)、绝对平均误差(MAE)、均方根误差(RMSE)分别为:0.953 029、0.836 93、1.119 938,残差值均匀分布在横轴(预测值)两侧,表明模型模拟效果较好。本研究采用含哑变量的回归分析与循环迭代法,系统的构建了湖南杉木多形立地指数曲线模型,不仅明显提高了模型的精度:确定系数从0.799 644增加到0.953 029,而且为区域性立地质量评价和生产力预估模型的构建提供了可行思路和方法。

杉木种源对立地指数模型的影响

以鸡公山、洪雅、大岗山、柳州、六峰山 5个杉木种源基因库以及四川省珙县洛表、珙县民胜、邛崃所设杉木种源试验区的调查材料 ,用随机效应检查方法检验同一地区不同种源对立地指数模型的影响。结果表明 ,同一地区种源对立地指数模型的斜率无显著影响 ,立地指数有显著差异 ;

基于组件GIS的立地决策支持模型的研究

以林场造林规划设计中立地类型划分为目标,以小班为基本单元,以获取小班的立地类型为目的,在嵌入式组件GIS软件——MapObjects(MO)的支持下,讨论立地决策支持模型的基本组成及建立过程。其由二级决策支持模型组成,即立地区划决策支持模型和立地类型决策支持模型。将造林地的空间信息与属性信息结合起来,运用MO所提供的空间分析模块,结合MO的空间SSQL查询语句,对基于立地因子的立地类型知识库和基于行政区划的立地亚区知识库进行操作,实现造林地小班的立地类型自动决策。

基于最粗优势木胸径生长的湖南栎类天然林立地质量评价模型

【目的】分析立地因子对林分最粗优势木胸径生长的影响,构建含立地类型混合效应的栎类天然林优势木胸径生长模型,导出以最粗优势木胸径为指标的基于立地分级的立地质量评价模型,为栎类天然林立地质量评价提供一种新方法。【方法】以湖南栎类天然林为研究对象,基于51块样地实测数据,采用数量化方法Ⅰ筛选对优势木胸径生长影响显著的立地因子,将立地因子按照标准分级、组合,构成初始立地类型;通过R语言拟合栎类天然林优势木胸径与年龄的相关关系,筛选最优基础模型,将初始立地类型作为随机效应加入基础模型构建混合效应模型;应用k-means聚类将影响效果相近或相同的初始立地类型聚类成立地类型组,并将其作为随机效应加入最优基础模型构建含立地类型组的混合效应模型;通过导算,得到立地质量评价模型,采用方差分析验证林分断面积与立地指数的显著关系。【结果】对优势木胸径生长影响显著的立地因子包括海拔、坡度、坡位和坡向,显著性顺序为海拔>坡度>坡向>坡位;选取4种常见的树木理论生长方程进行拟合,模型确定系数(R^(2))均在0.7左右,其中Richards模型的拟合效果最好,R^(2)为0.7318,平均绝对误差(MAE)为5.4426,均方根误差(RMSE)为6.8791,表达式为D=a×[(1-exp(-c×AGE)]^b;将筛选的4种显著性立地因子按照标准分级、组合构成初始立地类型,加入基础模型构建含立地类型的混合效应模型,R^(2)升至0.9016;应用k-means聚类将初始立地类型聚类成6个立地类型组,作为随机效应加入基础模型,最优模型表达式为D_(j)=a_(j)×[1-exp(-c×AGE)]^b+ε,R^(2)为0.9269,相比基础模型提高26.7%,赤池信息量(AIC)和贝叶斯信息量(BIC)均有所减小。采用含立地类型组的混合效应模型导出最粗优势木胸径为指标的基于立地分级的湖南栎类天然林立地质量评价模型为SQEI_(M-DBH)=a_(j)×[1-exp(-0.03×AGE_(0)])^{lnD_(j)/lna_(j)×[1-exp(-0.03×AGE)]}+ε,经林分断面积验证,立地指数SQEI_(M-DBH)与林分断面积显著相关。【结论】立地因子对湖南栎类天然林优势木胸径生长影响显著,以最粗优势木胸径为指标评价栎类天然林立地质量、预估林地生产力在理论上具有可行性。

基于立地混合效应的湖南丘陵平原区杉木多形立地指数模型研究

[目的]研究林分立地因子对立地指数的影响,构建含立地混合效应的立地指数模型,以解决区域性立地指数模型精度低的问题。[方法]基于湖南丘陵平原地区360组杉木平均优势木高-年龄数据,利用数量化方法Ⅰ对影响林分优势高生长的立地因子进行显著性分析,并选取P<0.05的立地因子作为主导因子;采用8种常用的立地指数方程进行基础模型选择,以主导立地因子及其组合作随机效应,确定包含立地效应的立地指数模型。运用AIC、BIC、Log-likelihood和R^(2)等4个评价指标比较不同组合类型的模拟精度,选取最优随机效应组合。采用K-means聚类划分立地类型组,以解决复杂立地类型的模型应用问题。[结果]1)基于数量化方法Ⅰ的显著性分析结果显示:对林分优势高具有显著影响的立地因子有海拔、坡度、坡向与土壤类型,其显著性顺序为土壤类型>海拔>坡向>坡度。2)10个候选基础模型的拟合精度均较低(R^(2)=0.4243~0.5644),本研究选取M4(R^(2)=0.5644)作为构建多形立地指数曲线的基础模型。3)将不同立地因子及其组合作随机效应构建非线性混合模型,确定系数R^(2)从0.4243~0.5644提高到0.5655~0.8089,模型拟合精度的高低与主导立地因子的显著性紧密相关,其中含立地类型的混合模型模拟精度最高(R^(2)=0.8089)。4)以确定系数≥0.99为聚类精度标准,将研究区立地类型划分为11个立地类型组,含立地类型组的混合模型在便于应用的同时,提高了建模精度(R^(2)=0.8117)。[结论]含立地随机效应的立地指数曲线模型可以显著提高区域复杂立地类型的立地建模精度。

辽东山区蒙古栎天然林立地指数曲线模型的建立及精度分析

本研究选取辽东山区的蒙古栎天然林,依据不同龄级设置样地36块,以树高-林龄调查数据为基础,选择最优导向曲线,确立基准林龄和指数级距,编制该地区蒙古栎天然林立地指数表,并检验其模型精度。结果表明:经过统计学分析,采用三倍标准差法剔除异常数据,得到林木各龄级的树高与林龄的325组数据;运用6个主流数学回归模型进行分析,确定最优导向曲线方程为H=8.64(1+5.98e^(-1.54A)),其残差平方和最小,拟合精度最高;经计算,基准林龄为30年,指数级距为3 m,最终得到立地指数级为16 m、19 m、22 m和25 m的4条立地指数曲线模型,计算后的立地指数精准度较高,可准确反映出此树种在各立地类型下树高生长差异,并可直接用于该地区的蒙古栎天然林立地质量评价。

中带及湖北省湿地松立地指数与树高生长模型

对江西、湖南及湖北省编制的湿地松土地指数表按统一的编表方法进行了改进，提出了中带（湖南和江西）和湖北省的湿地松人工林立地指数模型和树高生长模型。与原指数表相比较，拟合精度有了较大的提高，各指数级树高生长估测值更趋合理。

植物响应气候变化模型模拟研究进展

尽管温室气体的增温效应及幅度大小具有很大的不确定性 ,存在许多分歧 ,然而植物对于气候变化的响应研究仍然成为众多学者关注的热点。近十年来 ,国内外学者从模型模拟的角度进行了多层面定量研究。归纳起来 ,已有的模型可以归并为生物地理相关模型、生态响应面模型、立地模型、植物生理模型以及统计模型等五类。本文逐一进行了评述 ,分析了它们的优势与不足 ,最后对模型模拟的发展趋势进行了展望。

泡桐幼龄林配方施肥的初步研究

在测定土壤平衡解析磷和土壤钾位缓冲容量的基础上,根据林木施肥立地养分效应模型法,结合泡桐林的目标产量,提出了中等立地条件下白花泡桐幼龄林的施肥量,并进行了田间肥效校验试验研究。肥效校验试验共设计6个处理,即Ⅰ(N1P1K1)、Ⅱ(N2P2K2)、Ⅲ(N3P3K3)、Ⅳ(N4P4K4)、Ⅴ(N5P5K5)、Ⅵ(CK),3次重复。研究结果表明:不同施肥处理对泡桐幼龄林的胸径和树高增长均有显著性影响,区组间无显著差异。LSD多重比较检验后得出,施肥第一年后,处理Ⅲ对白花泡桐幼龄林的胸径增长效果最显著,但对树高增长的影响没有达到显著水平。施肥第二年后,处理Ⅳ对胸径增长效果最显著。而从树高的增长来看,处理Ⅱ的增长效果最佳。综合考虑,泡桐幼林生长最佳的N、P、K施肥量及最佳配比为Ⅲ(N3P3K3)。

吉林省长白山区胡桃楸天然次生混交林立地指数模型

依据吉林省长白山胡桃楸天然次生混交林12个典型区域的坡向、坡位分布,结合胡桃楸龄级,布设样地109块,以年龄-树高数据为材料,编制了吉林省东部山区胡桃楸天然次生混交林立地指数表.结果表明:应用3倍树高标准差法剔除异常数据,最终得到80块379对胡桃楸不同龄级的年龄与树高数据,运用7个数学模型进行比较,确定了单形立地指数导向曲线方程式:H=28.0181(1-e^-0.0341A)^1.0503,决定系数R^2为0.85,残差平方和为0.89,基准年龄为50年,指数级距为2 m,得到了16~28 m的7条立地指数曲线.根据不同立地类型,建立了多形立地指数模型,幂函数拟合效果较好,即H=B0t^B1,其中B0=10^-9e^0.9213SI,B1=-0.2139SI+5.6183,最终得到了多形立地指数模型方程式H=10^-9e^0.9213SIt^-0.2139SI+5.6183.指数级差法和落点检验法对2种立地指数模型的精度检验表明,多形立地指数的精确度较高,能够准确地反映胡桃楸不同立地类型间树高生长的差异,可用于吉林省长白山区胡桃楸天然次生混交林立地质量评价.