基于节子分析技术构建落叶松人工林树冠基部高动态模型

【目的】基于节子分析技术构建落叶松人工林树冠基部高动态预测模型,分析落叶松树冠衰退规律及其影响因素,为制定合理的经营措施提供理论依据。【方法】以2007年设立的8块落叶松人工林标准地获取的40株解析木数据为基础数据,采用节子分析技术,得到树冠基部高随年龄的动态变化数据,应用传统线性模型、理查德和逻辑斯蒂非线性模型构建落叶松树冠基部高动态模型。【结果】传统线性模型、理查德和逻辑斯蒂非线性模型可较好拟合树冠基部高动态变化过程,模型参数均具有统计意义(P<0.01),以理查德方程为基础模型构建的树冠基部高模型拟合效果最好,加入权重因子可消除异方差,降低估计参数标准误,提高预测精度,模型的确定系数(R2)为0.904,绝对误差(Bias)和均方根误差(RMSE)分别为0.002和1.251,最优落叶松树冠基部高模型形式为HCB=(3.146+0.036CCF+0.225Bas+0.788HT-0.481CL)(1-e-0.086 t)4.278。【结论】树冠基部高动态变化过程与林分发育规律一致,符合"S"形生长曲线,可通过树冠竞争因子(CCF)、林分断面积(Bas)、调查当年的树高(HT)和冠长(CL)解释,解释率达90.4%。树高、树冠竞争因子和林分断面积增大会导致树冠基部高上升,加速落叶松树冠衰退。竞争对树冠的影响较敏感,落叶松人工林10~41年间,树冠竞争因子大(187.33)的林分冠长率从75%下降到36%,而树冠竞争因子小(105.82)的林分冠长率从75%下降到40%;落叶松人工林树冠基部高平均每年上升0.66 m。本研究构建的树冠基部高动态模型可较好模拟落叶松人工林树冠基部高动态变化过程,利用单木和林分变量能够解释落叶松人工林树冠衰退趋势。通过检验验证,基于节子分析技术获取的树冠基部高数据构建的动态模型精度较高,可作为一种获取长期树冠动态变化数据的有效手段。

大气加权平均温度对GNSS PWV精度的影响分析

大气加权平均温度T_(m)是GNSS探测大气可降水量PWV(Precipitable Water Vapor)的关键参数.目前,加权平均温度模型主要包括线性模型和非线性模型.本文基于2011—2015年期间的编号54511北京探空测站的有效探测资料,建立T_(m)与T_(s)的线性和非线性(一阶傅里叶函数、一元二次函数)关系;利用2016年探空站实测资料对所建模型及常用模型进行对比分析,从RMSE、Bias及波动范围评价参数发现T_(m_G)模型精度高于常用模型,而再分析资料ERA-Interim建立的加权平温度T_(m)_ERA模型和新非线性T_(m)模型精度相差甚小,且误差概率分布趋近于正态分布;因此,新建模型能有效避免了通用Bevis全球模型在特定区域导致的区域性精度偏差问题,尤其在探空站缺乏的区域,可以采用ERA-Interim产品建立T_(m)模型.通过对不同T_(m)模型获取IGS站BJFS的PWV结果与相应时间54511探空站的实测PWV数据进行检验,结果表明不同T_(m)模型引起的PWV的偏差Bias范围在[-5,5]mm,均方根误差RMSE的差异甚小,Bias概率趋于正态分布,稳定性较强,尤其T_(m)_ERA、非线性加权平均温度T_(m_F)、T_(m_P)模型引起的PWV的Bias正态分布更强.