Changes in the crown angulation and dental arch widths after nonextraction orthodontic treatment: Model analysis of mild crowding with high canines

This study was undertaken to examine which factors contributed to the correction of crowding in two patients who underwent nonextraction orthodontic treatment. A study model analysis was conducted to determine the effects of the orthodontic treatment for crowding with high canines on crown angulation and dental arch width in two patients. The results showed that the crown angulation was significantly increased, indicating distal tipping in the maxillary dental arch. This tendency was most commonly observed in the premolars among the lateral teeth. With respect to the dental arch width, the largest change was evident in the first molar and first premolar regions in cases 1 and 2, respectively. On the basis of these results, up-righting of mesially tipped lateral teeth and expansion of narrow dental arches could prove to be the keys to the success of space regaining or correction of high canines and mild crowding.

基于混合效应的杉木人工林冠幅模型

构建杉木(Cunninghamia lanceolata)人工林单木冠幅模型,可以提高杉木冠幅的预测精度,并为杉木人工林的科学经营提供参考依据。以杉木为研究对象,基于江西省崇义县杉木人工林57个样地的7198株单木数据,对基础模型进行扩展,并构建含林分因子和单木因子的冠幅非线性混合效应模型;采用十折交叉验证方法,以调整后的决定系数(R_(adj)^(2))、均方根误差(E_(RMS))和平均绝对误差(E_(MA))模型评价指标对各模型的预测效果进行评价。结果表明:(1)备选模型中,Logistic模型的预测效果最佳。(2)除胸径以外,有6个指标对冠幅有显著影响(P<0.05)。6个指标分别是地位指数、林龄、基尼系数(Gini系数)、林分密度指数、枝下高和大于对象木的断面积之和。添加协变量构建的广义模型较基础模型更优,R_(adj)^(2)增加了28.53%,E_(RMS)和E_(MA)分别下降了17.80%和15.72%。(3)考虑样地水平随机效应的混合效应模型优于广义模型,R_(adj)^(2)增加了27.86%,E_(RMS)和E_(MA)分别降低了35.73%和51.87%。协变量和随机效应的加入能有效提高冠幅模型的预测精度,且反映林木大小多样性的Gini系数在冠幅模拟中表现较好,值得进一步探讨该类指标在其他类型人工林模拟中的应用。

基于竞争与立地效应的湖南栎类天然林冠幅模型

【目的】分析立地因子和竞争因子对冠幅生长的影响,构建含立地因子和竞争因子的混合效应湖南栎类天然林冠幅预测模型,为栎类天然林科学经营决策提供理论依据。【方法】以51块湖南栎类天然林样地的1 429株栎类林木为研究对象,筛选对冠幅影响显著的因子,将显著性因子按照标准分级、组合,构成竞争类型和立地类型;从10个基础模型中筛选出最优模型;应用k-means聚类方法将初始竞争类型聚类成竞争类型组;将立地类型和竞争类型组作为随机效应加入最优模型,构建含竞争和立地效应的湖南栎类天然林冠幅模型。【结果】对冠幅影响显著的因子包括海拔、坡度、坡位、坡向、土壤类型、相对断面积(R_(S))、简单竞争指数(C_(LH))和大于对象木断面积之和(B_(AL)),立地因子显著性顺序为海拔>坡度>坡向>坡位>土壤类型,竞争因子中R_(S)与冠幅呈正相关,而C_(LH)、B_(AL)与冠幅呈负相关;最优基础模型为异速生长模型(有截距),R^(2)为0.534 8;将筛选的3个竞争因子按照标准分级、组合构成竞争类型,加入基础模型构建含竞争类型的混合效应模型,R^(2)升至0.583 5;应用k-means聚类将初始竞争类型聚类成17个竞争类型组,作为随机效应加入基础模型,R^(2)升至0.749 2;将立地类型作为随机效应再加入模型,构建基于竞争和立地混合效应的冠幅模型,R^(2)升至0.841 6,相对基础模型提升了57.36%。【结论】含竞争因子和立地因子的湖南栎类天然林冠幅模型具有较好的拟合效果及预测精度。因此,本研究所构建的冠幅模型可以很好地预测湖南栎类天然林的冠幅,可为研究栎类天然林生长、经营管理以及更新森林资源调查数据库提供支持。

天然次生白桦单木冠幅预测模型研究

以黑龙江省哈尔滨市依兰县丹清河实验林场30块天然次生白桦林样地的1844棵白桦为研究对象,从常用的10个冠幅基础预测模型中选择白桦的最优模型,通过分析单木因子与冠幅的相关性对模型进行再参数化,引入样地水平的随机效应构建天然次生白桦冠幅的混合效应模型。结果表明:Logistic模型最适宜描述白桦的冠幅变化,引入枝下高、高径比和树冠率可以改进模型的预测精度。引入样地水平的随机效应改善了数据的异方差问题,再次提高了冠幅的预测精度。因此,建议在实际生产中采用非线性混合效应模型对天然次生白桦的冠幅进行预测,从而提高冠幅预测的准确率,为合理经营天然次生白桦提供更加科学有效的理论支持。

不同生境梭梭冠幅预测模型研究

冠幅是反映沙漠植被生长情况的重要变量,通过对不同生境沙漠植物冠幅预测,可为沙漠植被的科学经营提供参考。以古尔班通古特沙漠建群种梭梭为研究对象,选取常用的6种回归模型(M1、M2、M3、M4、M5、M6),以树高和地径为调查因子,建立高地、缓坡和平地不同生境中的梭梭冠幅模型。通过Origin和Anaconda软件对模型进行回归分析,根据4个拟合精度标准,决定系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE),选取最优模型。模型拟合结果表明,在树高-冠幅和地径-冠幅模型中,6种回归模型的R2均大于0.5,模型拟合效果较好。3种生境下(高地、缓地、平地)树高-冠幅和地径-冠幅均以M5(三次多项式)为最优模型。6个模型都具有统计学意义(Sig.<0.001),对古尔班通古特沙漠梭梭冠幅的预测具有重要的参考价值,为维护该地区生态和植被恢复提供一定的科学依据。

马占相思优势木择伐对林下灌木多样性的影响

【目的】择伐是促进林下灌木生长与更新的有效手段,分析马占相思优势木择伐对林下灌木多样性影响效果与范围,构建影响范围预估模型,对制定科学合理的马占相思林择伐技术具有重要指导意义。【方法】以海南省南崖林场76株马占相思优势木为研究对象,开展优势木择伐试验(监测年限为2014—2021年)。通过设置不同样圆大小(0.6倍冠幅、0.8倍冠幅、1.0倍冠幅、1.2倍冠幅、1.4倍冠幅)的优势木影响半径,比较与确定马占相思优势木的最大影响范围,分析不同恢复年限对林下灌木多样性的影响,构建马占相思优势木的影响范围预估模型。【结果】马占相思优势木影响灌木Shannon指数和Pielou指数的最大影响范围分别为1.0倍实测冠幅和1.2倍实测冠幅;马占相思优势木择伐能显著提高林下灌木多样性(P<0.05),通常灌木Shannon指数和Pielou指数在择伐后的5年内显著增加(P<0.05),5年以后的增幅不明显(P>0.05);影响灌木Shannon指数和Pielou指数的范围预估模型均以理查德式为最优,其决定系数均为0.702,相对均方根误差均为14.341%。【结论】从单木影响范围的角度分析马占相思优势木择伐对林下灌木多样性的影响,优势木择伐在一定范围和一定年限内可以显著改善林下灌木多样性,且最大影响范围与马占相思优势木的胸径大小密切相关。研究结论可以为后续马占相思林的密度控制以及林分改造提供有效指导。

小兴安岭兴安落叶松人工林冠幅模型构建

【目的】使用非线性回归、混合效应模型、分位数回归以及分位数组合构建兴安落叶松冠幅模型,为小兴安岭落叶松冠幅的准确预测提供参考。【方法】利用2019年马永顺林场的60块兴安落叶松人工林实测样地数据,分别构建了广义非线性模型、分位数回归模型以及混合效应模型。使用10折交叉检验,在每块样地分别随机抽取1~8株样木对两种分位数组合模型QRc-1(τ=0.1,0.5,0.9)和QRc-2(τ=0.3,0.5,0.7),以及混合效应模型进行校正,确定分位数组合与混合效应模型的最佳抽样方案并进行不同方法的对比分析。【结果】(1)模型拟合结果表明:混合效应模型拟合效果最好;中位数回归为最优的分位数回归模型,中位数回归与非线性模型的拟合统计量比较差异不大,但略优于非线性回归模型。(2)抽样校正的结果表明:当抽样数量大于2株时,模型的排序为:分位数组合QRc-2>混合效应模型>分位数组合QRc-1。(3)交叉检验结果显著性检验表明:两种分位数组合的最佳抽样方案均为4株,混合效应模型的最佳抽样方案为5株。【结论】本研究中混合效应模型和分位数组合都能提升冠幅模型的预测精度,在最佳抽样方案下,分位数组合QRc-2(τ=0.3,0.5,0.7)时的检验统计量略高于混合效应模型的检验统计量,且抽样数更少,更加节约时间和成本,因此选择抽样数为4株的分位数组合QRc-2(τ=0.3,0.5,0.7)作为最终的冠幅预测模型。

长白落叶松-水曲柳混交林冠幅预测模型

【目的】基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松-水曲柳混交林24块标准地的3164株长白落叶松样木及3574株水曲柳样木的数据,分别构建了长白落叶松和水曲柳的冠幅模型。【方法】通过分析不同混交方式林分内长白落叶松和水曲柳冠幅的变化规律及其与林木竞争因子的关系,从6种常用的线性和非线性基础冠幅模型中选取最优模型,并将混交比例Si和树木在混交带内位置P作为哑变量,加入其他树木变量和林分变量,分别构建长白落叶松和水曲柳的冠幅模型,并对所构建的模型进行评价。【结果】长白落叶松和水曲柳冠幅在不同混交比例Si和混交带不同位置P下差异显著;冠幅与DDH(林木胸径与林分优势木胸径之比)和HDH(林木树高与林分优势高之比)成正相关,与大于对象木的胸高断面积之和(BAL)成负相关,与距离无关的竞争因子可以反映树木的竞争压力,对冠幅具有影响;长白落叶松冠幅与冠长率(CR)成正相关,与高径比(HD)成负相关;水曲柳冠幅与水曲柳优势木平均高(H0Fra)成正相关,与高径比(HD)成负相关。包含混交比例哑变量Si和混交带位置哑变量P的长白落叶松和水曲柳冠幅模型拟合冠幅(CW)的Ra2分别为0.5642和0.5459,加入树木变量和林分变量后长白落叶松和水曲柳冠幅模型拟合CW的Ra2分别为0.6745和0.5896。【结论】包含混交带位置哑变量P、混交比例哑变量Si、树木变量(CR和HD)、林分变量(H0Fra)的长白落叶松和水曲柳冠幅模型具有较好的拟合效果及预测精度。因此,本研究所构建的冠幅模型可以很好地预测混交林内长白落叶松和水曲柳的冠幅,为进一步研究混交林树木树冠结构奠定了基础。

长白落叶松等几个树种冠幅预测模型的研究

以20块落叶松云冷杉林为对象，采用多元逐步回归方法，研究其组成树种的单株木冠幅预测模型．因变量为单株木冠幅，白变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度．共测定了3099株树木，全部参加了建模．最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型．结果表明：胸径和林分密度是所有树种中影响冠幅的重要因子；模型的调整决定系数在0．34～0．75之间；绝对误差在-0．000114—0．054m之间；相对误差在-0．05443％～3．440％之间；均方根误差在0．360—0．510m之间，相对均方根误差在27．4％～37．4％之间．

柚木冠幅与树高、胸径的回归分析

为考察柚木生长因子与冠幅的关系,准确反映各生长因子与冠幅之间的关系,建立冠幅预测模型,为柚木人工林目标树经营提供理论依据。以广西凭祥、云南德宏、云南景洪、海南乐东4个地区不同林龄阶段的柚木人工林中优势木为研究对象,以胸径、树高、冠长、林龄4个因子作为变量与冠幅进行回归分析,筛选关键因子建立柚木冠幅生长的预测模型。结果表明,胸径(R=0.5342,P=0.0001)、树高(R=0.1798,P=0.0026)是影响柚木冠幅的关键因子;胸径、树高与冠幅的一元回归方程:冠幅与胸径y=15.7893x+1.84766(F=516.4180,P=0.0001),冠幅与树高y=0.3717x-0.60189(F=174.2954,P=0.0001)。并应用胸径、树高2个关键因子与冠幅建立回归模型:y=13.5658x1+0.1064x2+0.35866(F=279.5048,P=0.0001),计算结果与实际测量结果差异性较小(F=0.0140,P=0.9072)。可以根据目标树的培育目标胸径、树高因子,利用该模型来预测该目标树的冠幅,从而确定单位面积内保留目标树的数量。

不同郁闭度下胸高直径对杉木冠幅特征因子的影响

树冠是树木进行光合作用和呼吸作用的重要场所,冠幅和冠长率直接影响树木的生活力和生产力。以湖南省黄丰桥国有林场103块杉木(Cunninghamia lanceolata)林样地为例,样地按郁闭度CD≥0.8(类型1)、0.7≤CD<0.8(类型2)、0.6≤CD<0.7(类型3)、0.5≤CD<0.6(类型4)和CD<0.5(类型5)划分5个等级。分析不同等级林分中树木冠幅和冠长率的分布结构以及与胸径的关系,同时利用非线性混合效应模型分析各类型郁闭度对冠幅和冠长率的随机影响。研究结果表明:5种类型的冠幅大小主要分布在区间(2.5—4.0m)之间,分别占65.82%、69.56%、70.79%、58.15%和53.21%,小于1.5 m和大于5.0 m分布较少;5种类型冠长率主要分布在区间(0.3—0.7)之间,分别占55.69%、71.93%、67.01%、82.22%和79.28%,在区间小于0.2和大于0.8分布较少,大于0.9的冠长率几乎没有;冠幅与胸径之间呈现较弱的线性相关性,而冠长率与胸径之间几乎线性不相关。在相同的胸高直径时,类型5的冠幅最大,而类型1的冠幅最小。对于冠长率,恰好相反,即类型1的冠长率最大,而类型5的冠长率最小;同时给出的冠幅模型(模型11)和冠长率模型(模型14)具有较高的预测精度,在实际应用中可以利用它们对冠幅和冠长率进行预测。

基于冠幅的杉木人工林胸径和树高参数化预估模型

为了研究杉木生长与形态变量的关系,提高模型预估精度,本文根据福建省65块不同密度、林龄分布于6~35年的杉木人工林样地测量数据,选用了Richards理论方程,分别构建了杉木胸径和树高生长模型。在此基础上,分析理论方程中参数与冠幅（CW）的关系,建立两者间的关系函数;使用参数预估法构造胸径和树高的参数化预估模型,并对原模型和参数化模型进行模型检验、残差分析,讨论了冠幅与林木生长之间的关系。结果表明：胸径和树高Richards方程中,参数a与CW呈正比,参数b与CW呈反比,c则与CW呈现出类似正态分布的关系;与传统的理论方程相比,参数化模型提高了杉木胸径树高预估的精度。本文所构建的模型能间接反映林分因子的状态,同时对于分析林木竞争、光合作用、模拟林木三维可视化等方面也提供了一种模式。

基于修正函数的杉木人工林单木冠幅预测模型

在福建省顺昌县,选择50块不同林龄、密度和立地条件的杉木人工纯林为研究对象,采用修正方程法构建杉木单木冠幅模型。在冠幅-树龄潜在生长函数的基础上,以地位指数、林分密度、竞争指数和胸径作为修正变量,根据指数函数和幂函数的组合形式构建误差函数,基础函数与误差函数的乘积即为冠幅修正模型。结果表明:在16种组合的修正方程中,4项幂函数乘积组合的模型拟合效果最佳(R2=0.876);使用未参与建模的数据对模型进行检验,检验结果显著;将修正模型与一元线性回归和多元线性回归模型进行对比分析,发现无论是决定系数还是残差值,修正模型的拟合效果最优,因此,修正模型可以更好地预测杉木冠幅生长。

航空像片冠幅与地面直径的线性混合模型

大量采集航空像片冠幅x与地面树木直径y的相关资料,指出一群由树冠"亮点集"组成的航空像片图像是"冠幅"检测的必要条件,并从专业的角度论证航片冠幅x与树木直径y应满足带截距的线性相关关系。由于树冠密度的随机干扰,使得冠幅x与直径y不满足等方差条件,所以必须在原来固定参数线性模型的基础上引入随机效应参数。本文采用"样地"作为随机效应的构造变量,"树冠类型"为组变量,它们的叉积构造"随机效应"参数的设计矩阵,从而构造出航空像片冠幅x与树木直径y的线性混合模型,由此获得总体y的最优无偏估计,线性混合模型的相关系数由一元线性模型的0.57平均提高到0.72。线性混合模型的实质是在固定参数方程上迭加随机"噪声"。由于数据经过标准化处理,带有随机挠动的预测方程参数与航空像片比例尺无关。

幼年赤桉胸径与冠幅、树高、材积的相关性分析

对试验地的1 470株赤桉进行树高、胸径、冠幅的测量,并计算出样木的单株材积。把胸径分别和冠幅、树高及株材积进行相关性分析并且建立数学模型,用SPSS软件对所选模型进行曲线估计。结果表明:其中幂方程的R2最大,F值亦为最大,说明赤桉胸径与树高的幂关系显著,可确定赤桉胸径与树高的最优回归方程为H=1.804 D0.673。胸径—冠幅,胸径—材积的最优模型分别为CW=0.674 D0.561,V=0.000 161 4 D2.341。分别对3组最优模型进行适应性检验,结果表明:材积的3个最优回归模型预测误差均在±3%以内,方程预测精度较高,可用于估算立木树高、冠幅、材积。

MIMICS软件建立青少年下颌骨数据三维有限元模型初探

目的:采用MIMICS软件初步建立贵州省青少年下颌骨大数据的有限元模型。方法:收集50例口腔正畸科就诊的贵州籍青少年患者下颌牙列的医学数字影像和通讯(DICOM)数据并复制下颌牙列石膏模型,DICOM数据导入MIMICS 19.0软件建立下颌牙列的三维有限元模型、同时将DICOM数据导入Invivo软件、同时采用藻酸盐材料制作50位就诊患者完整牙列石膏模,比较3种工具对6个牙位(#33、#32、#31、#41、#42及#43)的牙冠宽度测量值;分别测量三维有限元模型和Invivo软件中右侧第1前磨牙(#44)、第2前磨牙(#45)、第1磨牙(#46)和第2磨牙(#47)牙长轴与下颌平面在矢状面上交角的后上角。结果:三维有限元模型、Invivo软件及石膏模型中6个牙位的牙冠宽度比较,差异无统计学意义(P>0.05);三维有限元模型和Invivo软件中#44、#45前磨牙及#46、#47磨牙在矢状面上与下颌平面所呈的后上角的角度比较,差异无统计学意义(P>0.05)。结论:通过MIMICS软件所建的青少年下颌骨3D模型外形高度仿真,利用MIMICS软件可初步建立贵州省下颌骨数据的有限元模型。

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。

黑龙江省东部地区天然椴树单木冠幅预测模型

以东北林业大学帽儿山实验林场46块样地共2009株天然椴树为研究对象,从已有的10个冠幅预测模型中选出较好的冠幅直径模型作为基础模型,且考虑样地、林木因子、立地因子、竞争和其它因素等对冠幅大小的影响,构建基于样地水平的非线性混合效应模型。结果表明:逻辑斯蒂形式的冠幅直径模型拟合效果较好;第一活枝高(HCB)、优势木平均高(Ht)和椴树的树种组成系数(P)是影响冠幅的主要因子,且冠幅均随着变量HCB、Ht和P的增加而减少;混合效应模型的调整决定系数(R2adj)和均方根误差(RMSE)分别为0.5250和0.4247m,平均误差、平均绝对误差和相对平均绝对误差分别为-0.0047m、0.3557m和17.9365%。与基础模型相比,混合效应模型的R2adj提高了17.6%,RMSE降低了7.4%。此外,基于数据结构的特点,构建的椴树单木冠幅模型,只适用于对阔叶混交林中小径阶椴树的冠幅进行预测,而不适用于对大径阶椴树的冠幅进行预测。

华北落叶松天然次生林单木冠幅模型构建

以山西省庞泉沟自然保护区华北落叶松天然次生林为研究对象,基于1 531株单木冠幅实测数据,对华北落叶松天然次生林单木冠幅预测模型展开研究。首先从9个常见的冠幅-直径候选模型中选出一个拟合精度较高的模型作为构建冠幅模型的基础模型;接着从林分测树因子、立地因子和林分竞争指标中选出与冠幅相关性较强的因子作为模型自变量进行建模;最后利用偏差、剩余均方根误差R和决定系数并结合似然比检验对模型进行检验与评价。结果为:三参数的逻辑斯蒂形式的冠幅-直径模型拟合精度较高,并且模型参数可解释,因此把该模型作为构建华北落叶松单木冠幅模型的基础模型;对象木冠长、林分密度和林木竞争压力指数与冠幅相关性较强,当基础模型中考虑这些因子时能进一步提高预测精度。所构建的冠幅模型可为华北落叶松天然次生林的科学经营提供理论基础和技术依据。

金沟岭林场天然云冷杉林冠幅模型和估计方法比较

【目的】对比不同冠幅预测方法对云冷杉幼树不同方向冠幅(东、西、南、北、东西、南北、平均冠幅)的预测精度的差异,为天然云冷杉林经营提供一定的理论依据。【方法】利用2013年金沟岭云冷杉3块1 hm^(2)固定样地中云冷杉幼树各向冠幅实测数据,以逻辑斯蒂模型为基础模型,以非线性最小二乘法为基础方法进行模型初步拟合。以1/D、1/D^(0.5)、1/D^(2)作为模型的权函数进行模型异方差的消除。以不加权非线性似乎不相关法、加权非线性似乎不相关法、分位数回归法、非线性最小二乘法分别构建了云冷杉幼树冠幅各组分预测模型。【结果】模型拟合结果显示,分位数回归模型的拟合效果在云冷杉幼树冠幅预测模型中拟合精度最低;相较于分位数回归而言,加权非线性似乎不相关回归模型拟合效果与加权最小二乘模型拟合效果相当。模型拟合效果排序为:加权NSUR≈加权OLS>OLS>QR。以1/D^(2)作为模型的权函数时,模型残差图的异方差趋势被消除最明显,该权函数为最优权函数。【结论】本文中非线性分位数回归模型拟合效果不一定比非线性最小二乘法更好。加权NSUR模型(权函数为1/D^(2))可以为金沟岭林场云冷杉幼树冠幅的预测提供一定的理论基础。