大兴安岭落叶松不同采伐强度的最优树高曲线模型

在大兴安岭落叶松林选择18块采伐强度不同的样地,以10种常用的树高曲线模型作为候选模型,比较同一树高曲线、不同采伐强度时,获得的决定系数(R2);比较同一采伐强度、不同树高曲线时,获得的R2。结果表明:两种情况获得的R2的极差均较大;前一种情况获得的R2的离散性(R2的标准差都在0.17左右),较后一种情况获得的R2的离散性(R2的标准差大多在0.05以下,仅有一种情况为0.148)大;证明采伐强度,是影响树高曲线模型选择的重要因素。以R2、残差平方和、均方差作为模型优劣的评价指标,对18块样地的10个树高曲线候选模型进行了对比:采伐强度低于15%时,大兴安岭落叶松的树高曲线模型宜选用Richard(1959)模型;采伐强度为15%~40%时,宜选用Logistic模型;采伐强度为40%及以上时,宜选用Weibull(1978)模型。     

森林采伐与局部森林生态系统稳定性的研究

采用随机样地的方法，分别对大兴安岭，小兴安岭和牧丹江等林区的采伐作业区进行了森林更新及水土保持等方面的调查，对获得的大量数据研究表明；１．大兴安岭林区应采用隔带皆伐或渐伐，采伐带宽为５０－１００ｍ，保留带宽为５０－８０ｍ；采用择伐时，采伐强度应控制在６０５左右；２．小兴安岭和长白山以云冷杉为主的林分，应采用择伐采伐强度应小于２５％；３．以红松混交林为主的林分，采伐强度应控制在２４％－３４％。同时，     

基于林木分级的大兴安岭天然兴安落叶松树高曲线研究

【目的】基于林木分级构建大兴安岭地区兴安落叶松的树高曲线模型，为该地区兴安落叶松的生长规律提供理论依据及森林可持续经营提供技术支撑。【方法】以大兴安岭地区翠岗林场56块固定样地数据为基础，根据单木相对直径(d)把林木分为了优势木、平均木、被压木3个等级，依据调整决定系数(R_adj² )最大、均方根误差(RMSE)和赤池信息量(AIC)最小的标准筛选出天然兴安落叶松各等级林木的最优树高曲线基础模型，并进一步评价和比较分位数回归和哑变量回归对兴安落叶松不同等级林木树高曲线模型模拟精度的影响。【结果】天然兴安落叶松树高曲线的最优基础模型均为Wykoff方程；当将林分分级哑变量同时添加在Wykoff方程的参数a和b上时，模型的拟合效果最好,其中兴安落叶松树高曲线模型的调整系数(R_adj²)、均方根误差(RMSE)和赤池信息量(AIC)分别为0.858 8、1.642 4和2 081.902；兴安落叶松中的不同等级林木对应的最优分位数模型与林分整体无差别，均表现为中位数模型最优(即τ=0.5)，其树高曲线的3...     

六盘山林区华北落叶松林测树因子相关性分析

[目的]对宁夏林区华北落叶松人工林树高-胸径等林分特征结构进行相关性分析.[方法]采用野外观测的方法,得到华北落叶松人工林树高、胸径、冠幅等林分结构特征指标.[结果]冠幅-胸径存在极弱相关,树高-胸径最优曲线模型为H=2.411+1.425D-0.039D2+0.000427D3(H为树高,D为胸径),树高-冠幅最优曲线模型为H=0.299G0.814(H为树高,G为冠幅),材积-胸径最优曲线模型为V=0.000204D2.406(V为材积,D为胸径).[结论]幂函数曲线模型能够很好地拟合胸径-材积相关性(R2=0.957),所选最优曲线模型V=0.000204D2.406可用来估算华北落叶松人工林胸径、材积的值,从而提高模型预测能力.     

基于1stOpt 软件的树高测量模型1）

在内蒙古旺业甸林场选取181棵落叶松,分别对树高、胸径进行精确测定。利用1stOpt优化分析软件平台的Levenberg－Marquarat＋通用全局优化算法（ LM－UGO）和 SPSS软件的普通最小二乘法分别对所测数据进行拟合,引入确定系数（R2）、估计值的标准差（SEE）等作为评价指标。结果显示：LM－UGO方法的拟合结果优于传统使用SPSS的拟合结果,经F检验, FLM－UGO＞FSPSS最小二乘法＞F0．05（1,179）,且R2＞09．,变动系数CV＜50％,相对误差TRE、平均相对误差MSE值均控制在（－3％,3％）范围内,满足评价指标的值域要求以及林业调查技术的相关规定。     

哑变量在燕山地区华北落叶松人工林生长模型中的应用1）

以燕山地区华北落叶松人工林为研究对象,在收集大量临时样地和解析木资料的基础上,筛选出合适的数据,根据承德市隆化县林管局、木兰林管局和塞罕坝机械林场3个地方的地区特征引入哑变量的概念,利用非线性回归的方法对华北落叶松人工林胸径、树高、材积生长过程进行拟合,结果显示3个地区华北落叶松人工林的胸径、树高、材积生长量没有显著差异。基于哑变量建立了3个地区华北落叶松人工林的胸径、树高、材积生长模型。结果表明：含有哑变量的Schumacher模型对华北落叶松人工林胸径、树高生长过程的拟合效果最好,决定系数R2分别达到了0．9941和0．9929,残差平方和分别为4．7339和6．8849;含有哑变量的二次函数对华北落叶松人工林的材积生长过程拟合最好,决定系数R2为0．9928,残差平方和为0．0023。通过对所建立生长模型的适应性检验,结果表明残差分布比较均匀,预估精度都达到95％以上,说明模型的预估效果比较好。     

小兴安岭天然林不同树种的树高曲线模型

选用10种树高曲线模型作为候选模型,以决定系数(R~2)、残差平方和(S_(se))和均方差(M_(se))作为模型优劣的评价指标,对小兴安岭天然林中的云杉(Picea asperata)、红松(Pinus koraiensis)、水曲柳(Fraxinus mandschurica)、椴树(Tilia tuan)4种树种的树高曲线模型进行优选。结果表明:云杉、红松和椴树的最优模型均为Logistic模型,水曲柳的最优模型为抛物线模型;云杉和红松两种针叶树种,最优模型的优势不明显,水曲柳和椴树两种阔叶树种最优模型的优势较明显;比较R~2的大小,得出较适合小兴安岭云杉和红松两种针叶树种的树高曲线模型(R~20.8),对小兴安岭阔叶树种的适用程度不具有普遍性,对椴树的适用性好(R~2最大达0.94),对水曲柳的适用性较差(R~20.8)。对水曲柳的树高进行分段研究得出:水曲柳在树高低于9 m时,树高曲线模型较适宜(R~20.8),其中抛物线模型为最优模型;树高较高时,没有适用的树高曲线模型。     

不同抚育强度对兴安落叶松幼苗光合作用的影响

对大兴安岭的兴安落叶松(Larix gmelinii)天然用材林进行不同强度的人工抚育间伐后,测试分析了林下落叶松幼苗的光合特性。结果表明:抚育间伐后,采伐样地内兴安落叶松幼苗的受光条件明显得到改善,净光合速率、蒸腾速率、气孔导度、环境CO2摩尔分数、胞间CO2摩尔分数、叶片表面光合有效辐射、叶片温度等光合参数,均高于对照样地;净光合速率的日变化呈"单峰"曲线,与光合有效辐射的关系符合一元二次方程,随温度升高先增加后减小;在采伐强度为20.86%~40.01%的样地内,落叶松幼苗光合参数表现最优,对温度的适应能力最强。     

基于Richards方程的杉木树高生长模型

利用Richards生长方程构建杉木Cunninghamia lanceolata树高生长模型。以福建省三明市将乐县国有林场杉木人工林为研究对象．基于15块杉木人工林标准地野外调查数据。在分析林分相对胸径（出）和相对树高（hR）规律的基础上,拟合了胸径．树高曲线、胸径一株数累积（％）曲线以及树高一株数累积（％）曲线。根据林分结构现状,应用SPSS20统计软件模拟了杉木树高生长模型。结果表明：在95％置信区间内,模型的相关指数达到了0．993,求得参数A=28．606,B=1．094．k=0．031,m=-0．466,且各参数的估计值符合杉木的生长规律。此模型大大提高了林木树高因子的模拟精度．并为实现森林资源的优化配置提供基础数据。图3表3参30     

大兴安岭兴安落叶松火烧死亡判别模型

通过对大兴安岭地区１９８７年５·６森林大火后中幼龄兴安落叶松个体死亡情况与火烧状况之间关系的研究．建立了该地区兴安落叶松个体火烧后死亡状况的线性判别模型。判别因子分别是：个体的树高、胸径、胸高处皮厚、第一枯枝高和树干熏黑高度。模型的平均准确率为８０％。     

大兴安岭兴安落叶松天然林结构特征

以大兴安岭兴安落叶松天然林为研究对象,利用固定样地调查数据,研究其结构特征。结果显示:(1)林分整体的直径分布为倒"J"型,6径阶株数最多,Exp3P2函数可以很好的拟合兴安落叶松的直径分布;(2)林分树高分布为单峰偏左曲线,树高8级时,株数最多,柯列尔函数拟合兴安落叶松树高分布精度高;(3)兴安落叶松树高随胸径增大而增加,可以用Wykoff方程表示其相关性;(4)兴安落叶松的胸径与冠幅为正相关关系,Monomolecular函数拟合结果良好;(5)林分平均角尺度0.485,林分呈现随机分布格局;(6)用胸径、树高和冠幅3个指标计算林分平均大小比数均呈现中庸状态;(7)林分平均混交度0.327,属于弱度混交,表明该地区为典型的兴安落叶松天然林。     

长白山天然林不同树种树高曲线对比研究

以Weibull方程为基础模型,使用1680株标准木数据,分别为长白山主要的7个树种建立了树高曲线方程。研究发现,针叶树种的树高曲线具有较高的精度,决定系数R^2均在0．8以上,而阔叶树的精度较低,尤其椴树Tilia amurensis和榆树Ulmus pumila的R^2低于0．5。对比针阔叶树的树高曲线发现,在胸径较小时,阔叶树的树高普遍较高,而在胸径较大时．针叶树的树高较大。从相邻径阶的树高之差来看,针叶树的径阶树高生长量普遍较大。由于相同径阶的林木．径阶树高生长量越大,其材积生长量越大。因此,在林分调整采伐时,应尽量保留径阶树高生长量较大的林木。单纯从木材收获的角度出发,在长白山地区,相同径阶下主要针叶树种的采伐顺序应为臭冷杉Abies nephrolepis．红松Pinus koraiensis和红皮云杉Picea koraiensis。     

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3 164株长白落叶松样木及3 574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S_i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S_i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（H_0Fra）成正相关，与高径比（HD）成负相关。包含混交比例哑变量S_i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R_a2分别为0.564 2和0.545 9，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R_a2分别为0.674 5和0.589 6。  结论  包含混交带位置哑变量P、混交比例哑变量S_i、树木变量（CR和HD）、林分变量（H_0Fra）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。      

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子，构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源，通过对6种BP神经网络的训练方法进行训练，经过反复筛选找出最优模型并与传统胸径-树高模型作比较；最后将BP神经网络中的输入因子从2个增加到6个后，经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳，R²和MSE分别为0.963 0和1.168；2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响，BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势；均方误差（MSE）呈现先下降后上升的趋势，两者都在节点数为10时有极值，此时的模型为最优模型；3）当输入因子为胸径和优势树高时，油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1），此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7；当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时，最优模型结构为6∶10∶1，此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出，在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法；BP神经网络模型与传统模型相比，BP神经网络模型不需要目标方程结构，并且模拟和预测的精度均要优于传统模型；在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

基于机器学习的落叶松树皮厚度预测

  目的  研究多个机器学习算法在树皮厚度预测中的应用,对比分析不同单木因子对树皮厚度预测的影响,为树皮厚度预测提供新的方法。  方法  以大兴安岭天然林落叶松为研究对象,基于树皮厚度数据,构建4个机器学习算法（神经网络ANN、支持向量回归SVR、决策树CART、随机森林RF）,并将其在预测树皮厚度方面的性能与6个传统树皮厚度模型比较。采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）来评价不同模型和算法。  结果  （1）在6个基础模型中Model5预测效果较好。基础模型与机器学习模型比较中,除CART4模型,其他机器学习模型拟合精度均好于传统模型Model5;（2）机器学习模型中ANN4和SVR3拟合和预测精度相似,RF4拟合效果最好。（3）RF4的输入变量为胸径（DBH）、树高（H）、相对树高（H_r）。基于训练样本,与Model5相比,随机森林的R2从0.675 2提高到0.723 4,RMSE从0.575 5降低到0.531 0。随机森林检验结果与Model5相比R2从0.666 9调高到0.710 5,RMSE从0.616 9降低到0.544 6。  结论  相对于基础树皮厚度模型,机器学习算法中的随机森林,支持向量回归和人工神经网络都能提高树皮厚度的预测精度,其中随机森林的预测效果最好,适合该区域落叶松树皮厚度的预测。      

兴安落叶松天然林林分直径分布和树高分布

基于大兴安岭地区100块兴安落叶松天然林样地的调查数据,选用43个基础模型对兴安落叶松(Larix gmelinii)的直径分布和树高分布进行拟合,用10个基础模型对兴安落叶松的树高与直径关系进行回归模拟,求解模型参数值并用均方根误差(RMSE)、和相对误差(Bi)进行检验与评价。结果表明:Exp3P2模型的精度最高,可以很好的拟合兴安落叶松直径分布;柯列尔模型为最优兴安落叶松树高分布模型;树高与直径相关关系模型拟合与检验结果最优为Wykoffl模型。     

加格达奇3种森林类型树高-胸径的曲线拟合

基于加格达奇落叶松、樟子松、红松落叶松混合林共400个样本的树高、胸径实测数据,选用11个曲线模型,对模型参数求解,分析树高-胸径的相关性;并采用总误差、平均相对误差、误差及均方根误差这4项值验证拟合精度,探求3种树种的最优拟合模型。结果表明:树高和胸径相关性显著,基于11个模型的树高-胸径曲线拟合参数表明,幂函数模型为最优拟合模型,树高-胸径的关系符合异速生长规律。数据拟合精度的4项误差指标值表明,总体拟合效果理想,精度较高。     

基于哑变量的日本落叶松生长模型研究

【目的】研究北亚热带高山区和暖温带中山区日本落叶松的生长过程,并建立其生长模型,为精确掌握日本落叶松生长过程、科学经营日本落叶松人工林提供参考。【方法】应用北亚热带高山区和暖温带中山区96株日本落叶松解析木数据,根据区域特征引入哑变量的概念,综合运用Excel 2003、ForStat 2.1及SPSS 16.0等软件进行数据处理和生长模型的拟合,分别建立含有哑变量的日本落叶松胸径、树高和材积生长模型。【结果】2个区域日本落叶松的胸径、树高和材积生长情况没有明显差异。含有哑变量的Richards方程对日本落叶松胸径、树高生长拟合效果最好,R2分别达到了0.996 6和0.995 5,均方误差为0.163 2和0.207 7,平均绝对残差为0.349 1和0.436 7;材积生长模型的拟合结果以含有哑变量的二次函数最为理想,R2为0.997 979,均方误差为0.000 018,平均绝对残差为0.003 276。通过对模型的独立性检验,胸径、树高和材积生长模型预估精度均在90%以上。【结论】建立了日本落叶松胸径、树高和材积的哑变量生长模型,该模型可以用来描述北亚热带高山区和暖温带中山区日本落叶松的生长规律,预测其生长指标,解决了不同区域单独建模模型不相容的问题。     

采伐对长白山阔叶红松林乔木竞争关系的影响

[目的]研究不同采伐方式与强度对阔叶红松林群落结构和功能的影响。[方法]通过调查乔木的胸径、树高以及在样方中的位置等指标。采用Hegyi单木竞争指数模型,对长白山地区受不同采伐方式以及强度干扰的阔叶红松林群落中乔木竞争强度进行定量分析。[结果]不同采伐方式和强度对阔叶红松林中乔木竞争强度有不同影响,低强度择伐后变化最小,皆伐后变化最大。不同林层间乔木竞争强度有明显差异,主林层〈次林层〈林下层。无论采伐方式与强度如何,红松的胸径与其竞争指数都严格服从CI=A（DBH）B的幂函数关系。采伐对红松种内竞争强度有重要影响,随着采伐强度的加大,红松种内竞争压力减小,红松幼树更新得到促进。[结论]采伐经营应保持17％以下的小强度择伐,而择伐时应选择那些胸径大且在竞争中占绝对优势的针、阔叶树种。     

兴安落叶松林两种主伐迹地天然更新特征及生长因子分析

[目的]对兴安落叶松林2种主伐迹地天然的更新特征及生长因子进行分析.[方法]根据大兴安岭兴安落叶松林主伐天然更新固定样地资料建立数据库,通过编程研究大兴安岭北段地区的兴安落叶松皆伐样地和渐伐样地的天然更新特征.[结果]2种主伐方式的天然更新均为良好,且后者的天然更新较前者更好,天然更新幼苗幼树的生长因子之间均存在着显著的线性回归关系.[结论]该研究为今后大兴安岭的森林采伐和更新提供科学的理论指导.