湖南省栎类天然次生林胸径地位指数表研制

为了对湖南省栎类天然次生林的立地质量进行准确的分析与评价,编制了湖南栎类天然次生林胸径地位指数表。以湖南省国家森林资源连续清查(1989—2014年,共6期)复查结果中以栎类为优势树种的146个样地的399组胸径-年龄数据为建模样本,首先拟合各种胸径生长方程,根据决定系数(R^2)、残差平方和(SSE)以及均方根误差(RMSE)确定最优导向曲线方程;然后,根据胸径变动系数随年龄变化趋于平缓时的年龄作为基准年龄,根据基准年龄时胸径的绝对变动幅度以及指数级个数的比值确定指数级距(C);最后利用标准差调整法、变动系数调整法以及相对胸径法分别编制湖南栎类天然次生林胸径地位指数表。结果表明:通过对7个常用的数学模型进行胸径生长方程的拟合,最后选定逻辑斯蒂方程作为最优导向曲线方程,选择基准年龄为40 a,指数级距为3 cm,编制了湖南栎类天然次生林胸径地位指数表。根据样本胸径理论值和实际值进行卡方检验的结果以及同一个样地的地位指数跳级情况,判别地位指数表的准确程度。检验结果表明,3种方法中相对胸径法编制的地位指数表精度最高,其卡方检验值低于临界值,同时验证样地的地位指数有跳级现象的样本数占总样本数23.6%,并且只是上下各跳一级,说明所编的地位指数表具有较高的准确性,可用于湖南省栎类天然次生林的立地质量评价。

基于混合效应的湖南省栎林生长收获模型

为准确预测栎类林分的生长动态,建立预估精度较高的林分生长收获混合效应模型,以湖南省国家森林资源连续清查固定样地中的96块栎类次生林为研究对象,选用相容性林分生长收获模型作为基础模型,加入样地层次的混合效应,构建基于混合效应的相容性林分生长收获模型,并将其与加权二步最小二乘法进行比较。结果表明:(1)选择b 3作为期初林分蓄积量模型的混合效应参数,a 2作为期末林分断面积模型的混合效应参数,幂函数作为异方差结构和AR(1)结构矩阵作为自相关结构时的模拟效果最好;(2)利用平均误差、平均绝对相对误差、均方根误差(RMSE)以及预测精度4个指标评价模型的拟合效果,结果均显示混合效应模型方法优于加权二步最小二乘法的值,且混合效应模型方法的残差分布图分布均匀,分布范围也大大减小,说明基于样地水平的混合效应模型方法在预测精度方面要明显高于加权二步最小二乘法,能够更加准确地预测栎类林分未来的生长动态,为栎类林分的抚育经营提供理论依据。

基于林层划分的湖南栎类天然次生林断面积生长模型

【目的】研究复层林林分层次对湖南栎类天然次生林断面积生长的影响,从林层角度构建复层混交异龄林断面积生长模型,反映不同林层的断面积生长规律,为湖南栎类天然次生林的林分生长收获和经营管理提供参考。【方法】以湖南省51块栎类天然次生林样地为研究对象,采用全树高聚类法、国际林联标准和光竞争高度法划分林层,以Schumacher式分别对全林分及上层林、下层林断面积进行拟合,选择最优林层划分方法;考虑总断面积与各林层断面积的相容性问题,通过比例平差法构建相容性林层断面积生长模型。【结果】全树高聚类法、国际林联标准和光竞争高度法的林层划分结果均满足《森林资源规划设计调查技术规程》要求,且不同林层间统计量的F检验结果均显著;Schumacher式能较好模拟全林分及不同林层的断面积生长,其确定系数(R 2)均在0.92以上,相比不分层的全林分断面积生长模型,分层后不同林层断面积生长模型R 2从0.9259提高到0.9455~0.9846;选择国际林联标准的优势高划分作为栎类天然次生林最优林层划分方法,其断面积生长模型精度最高(R 2=0.9704,MAE=1.4588,RMSE=2.1786),与不分层的全林分断面积生长模型相比,R 2提高5.0%,平均绝对误差(MAE)、均方根误差(RMSE)分别降低39.8%、26.4%;以总断面积为基础控制的比例平差法能较好解决总断面积与各林层断面积的相容性问题,相比各分项的独立预估模型,上层林R 2由0.9746提高到0.9868,下层林R 2由0.9802提高到0.9888。【结论】复层林林分层次对湖南栎类天然次生林断面积生长影响显著,考虑林层效应对研究林层断面积特征、提高断面积建模精度具有重要作用。从林层角度揭示亚热带栎类天然次生林林分断面积生长过程,对栎类天然次生林的林分生长收获和经营管理具有重要意义。

基于混合效应的湖南杉木人工林平均高和优势木平均高相关关系模型

【目的】考虑湖南杉木人工林的立地条件、林分密度和林分年龄,基于混合效应构建最适宜的林分平均高与优势木平均高相关关系模型,为湖南杉木人工林的立地质量评价与可持续经营提供理论依据。【方法】以湖南省内设置的512块杉木样地数据为基础,基于基础线性模型,利用数量化方法Ⅰ、k-means聚类和线性混合效应回归建模方法,构建基于混合效应的湖南杉木林分平均高和优势木平均高相关关系模型。【结果】1)采用数量化方法Ⅰ筛选出坡位、坡形、土壤类型、土壤厚度、株数密度和土壤松紧度是对高比值(林分优势木平均高和林分平均高之比)影响显著的因子;2)构建线性混合效应模型可以显著提高建模精度,立地类型作为随机效应加在参数b上时确定系数最高,相对于基础线性模型,其确定系数从0.790158提高到0.914348。3)构建基于聚类的线性混合效应模型可以进一步提高建模精度,立地类型组作为随机效应加在参数b上时确定系数最高,确定系数达到了0.9435128,相对于基础线性模型,确定系数提高了19.41%,平均绝对误差降低了53.89%,均方根误差降低了48.11%;4)添加株数密度和林分年龄作为固定效应对模型精度提升不明显。【结论】林分密度和林分年龄对林分平均高与优势木平均高相关关系无显著影响;基于立地效应的混合模型可以反映平均高与优势木平均高相关关系变化的整体趋势,也可以体现立地条件差异对两者相关关系的影响,模型精度更高,适用性更好。

湖南楠木次生林断面积生长模型研究

建立湖南楠木次生林断面积生长预测模型,为林分的生长预测和经营决策提供理论依据和科学指导。以湖南省1989—2014年6期森林资源连续清查样地中的楠木次生林为对象,以5个有生物学意义的理论模型构建断面积生长基础模型;在此基础上,加入与林分生长密切相关的立地指数,构建立地指数模型;为提高模型预测精度,加入含林分密度的随机参数,构建湖南楠木次生林断面积生长混合效应模型。选择5个有生物学意义的理论模型中确定系数(R2=0.2410)和预估精度(P=98.8213%)最高、残差平方和最小(SSE=2986.1492)的Logistic生长模型作为基础模型;在参数b1处加入立地指数,构建了湖南楠木次生林立地指数模型,其确定系数提升到0.3312;以林分密度划分密度等级,构建以林分密度为随机效应的混合效应模型,结果显示,在参数b4处加入随机参数的模拟,其AIC和BIC值最小,拟合效果显著优于其他模拟(ρ<0.0001);相比基础模型,混合效应模型的ME,MAE,RME,RMAE值均明显降低,确定系数提升到0.9462,预测精度有所提升。所构建的混合效应模型能够提升林分断面积生长的预估精度,消除林分不同密度等级间的差异,为湖南楠木次生林的合理经营提供了科学依据。

湖南栎类天然林林分结构对林分生长的影响研究

以湖南栎类天然林为研究对象,采用22个林分结构指标和3个林分总平均生长量指标(平均树高、胸高断面积、蓄积量),利用Pearson相关分析筛选关键结构因子,构建结构方程模型,探究林分结构对林分生长的影响规律。结果显示:1)林龄对3种生长量指标均具有极显著的影响(P<0.001);2)混交度、林分密度对断面积总平均生长量具有极显著的影响(P<0.001);3)混交度、胸径大小变异系数、林分密度对蓄积生长量具有极显著的影响(P<0.001),物种组成对其具有显著的影响(P<0.01),其中混交度的影响最大,影响系数高达0.515;4)混交度、林分密度、物种组成通过直接影响断面积总平均生长量和胸径大小变异系数的方式来间接影响蓄积生长量。研究表明:改善林分树种混交度,合理控制林分密度与林木大小分布,优化树种组成对林分的生长有促进作用。

广西猫儿山森林植被碳密度空间变异特征分析

【目的】猫儿山森林类型多样,森林植被空间变异性较大,准确估算该地区森林植被碳密度,探明其空间变异及分布特征对区域生态系统的碳汇管理具有重要意义。【方法】以广西猫儿山的森林植被为研究对象,基于GIS系统抽样布点,布设森林植被临时样地328个,利用地统计学、Moran’s I、基于半方差函数模型的克里格空间插值相结合的方法对猫儿山森林植被的碳密度空间变异及分布格局进行了研究。【结果】1)广西猫儿山森林植被碳密度平均值为46.82 t/hm^(2),森林植被碳密度数据服从正态分布;2)广西猫儿山森林植被碳密度全局Moran’s I值为0.366,森林植被碳密度存在正的空间自相关性(P<0.01),在空间分布上呈聚集分布;3)通过样本数据的统计和分析,选取球状模型(Spherical)、指数模型(Exponential)、高斯模型(Gaussian)、圆形模型(Circular)理论模型对猫儿山森林植被碳密度进行了拟合,指数模型的平均标准差最接近于0,标准均方根预测误差最接近于1,表明指数模型为最优模型。猫儿山森林植被碳密度指数模型的块基比(块金值与基台值)为52.78%,表明森林植被碳密度具有中等空间自相关性,其受随机性和结构性的综合影响。【结论】猫儿山森林植被碳密度空间分布规律与其地形、地貌趋于一致,从低海拔到高海拔,森林植被碳密度呈现先增加后降低的趋势。

基于Landsat 8新邵县森林碳密度遥感反演研究

准确估算森林碳密度是研究森林生态系统的核心。基于Matlab工作平台,以森林资源连续清查(湖南省第七次复查)及同期Landsat 8影像为本底,建立非线性回归模型、RF随机森林模型和RBF径向基神经网络模型进行森林碳密度反演。结果表明:RBF神经网络精度最高,决定系数为0.96,均方根误差为1.33 t·hm^-2,很好的拟合了样地实测碳密度;RF随机森林优于非线性回归模型,拟合精度、均方根误差分别为0.91、2.50 t·hm^-2;非线性回归模型精度最低,决定系数和均方根误差分别为:0.62、3.87 t·hm^-2。故应用RBF神经网络对森林碳密度的反演具有很好的效果。

含地域和起源因子的马尾松立木生物量与材积方程系统

【目的】建立含地域和起源因子的相容性立木生物量与材积方程系统,为准确估计森林生物量提供依据。【方法】以我国南方主要针叶树种马尾松为研究对象,基于301和104株样木的实测地上生物量、树干材积和地下生物量数据,综合利用哑变量建模方法和误差变量联立方程组方法,建立集地上生物量、树干材积和地下生物量为一体、确保与生物量转换因子和根茎比等变量相容的一元和二元方程系统,并分析立木生物量和材积估计是否受地域和起源的影响。【结果】所建立的马尾松一元和二元相容性立木生物量方程与材积方程,确定系数(R^2)均在0.92以上,其中地上生物量方程的平均预估误差在4%以内,地下生物量方程的平均预估误差在8%以内。对马尾松地上生物量和树干材积的估计,二元模型均显著优于一元模型,其F统计量远大于临界值;但对地下生物量的估计,二元模型反而不如一元模型效果好。不论是一元模型还是二元模型,地域和起源对马尾松地上生物量估计均无显著影响,地上生物量模型具有很好的通用性,同时也进一步印证了曾伟生等(2012)提出的通用性地上生物量模型M=0.3ρD^(7/3)的广泛适用性。对马尾松地下生物量的估计,不同地域的模型存在显著差异;相同直径的林木,总体1地域范围内(长江流域东南部)的地下生物量要大于总体2(长江流域中西部)。对马尾松树干材积的估计,二元模型不受地域和起源影响,但一元模型受起源影响;相同直径的林木,人工林的材积估计值大于天然林。【结论】将哑变量引入误差变量联立方程组,可同时解决多个变量之间的相容性及地上生物量和地下生物量样本单元数不相等时如何联合建模的问题,是切实可行的生物量建模方法;研究所建立的马尾松立木生物量方程、材积方程及其相容的生物量转换因子和根茎比方程,达到相关技术规定预估精度要求,可推广应用。