基于混合效应的兴安落叶松单木断面积生长模型研究

森林生长观测数据通常具有连续重复观测的特点,传统方法会得到有偏的参数估计,为准确预测兴安落叶松林分的生长动态,建立预估精度较高的林分生长收获混合效应模型,以期为内蒙古大兴安岭地区兴安落叶松的生长和经营提供科学依据。基于内蒙古大兴安岭地区第六次至第九次（2003-2018）全国森林资源连续清查数据,筛选出以兴安落叶松为优势树种的样地626块,样木株数60 279株。其中501块样地的47 524株兴安落叶松数据用于构建兴安落叶松的胸高断面积生长预估模型,采用剩余的125块样地的12 755株兴安落叶松数据对构建的模型进行独立检验。结果表明,胸径的倒数（1/DBH）、每公顷株数（NT）、比对象木大的胸高断面积之和（BAL）、坡度和坡向的组合（SLcos）对天然林内兴安落叶松的生长有显著影响。相比于传统的基础模型,考虑样地效应的混合效应模型显著地改善了胸高断面积生长预估模型的表现,决定系数（R²）从0.353 7提高到0.488 6,平均绝对误差（Bias）和均方根误差（RMSE）均显著减少。混合效应模型优于传统的基础模型,模型有一定的生物学意义和统计可靠性。     

基于随机森林算法的落叶松?云冷杉混交林单木胸径生长预测

目的单木生长受气候、林分等多种因子影响,需要利用适当的方法厘清气候以及林分中影响林木生长的主导因子。随机森林等机器学习方法提供了一种新的途径,需要检验利用随机森林算法分析气候和林分因子对林木生长影响的可靠性,为森林生长收获预估提供新的方法。方法以吉林省汪清林业局20块落叶松?云冷杉混交林固定样地25年（1986—2010年）间连续调查数据作为研究材料,候选气候和林分因子52个,利用随机森林算法建立了包含气候和林分的单木胸径生长模型,分析气候和林分因子对单木胸径年平均生长量的影响:基于52个超参数组合（决策树数目ntree = 1 000、决策树每个结点随机选择的预测变量个数mtry = {1, 2, ···, 52}）构建了52个随机森林模型,利用10折交叉验证法分别训练和评估52个随机森林模型;基于完整数据集,利用最优随机森林模型分析自变量对单木胸径年平均生长量影响的相对重要性以及偏依赖关系。结果ntree = 1 000、mtry = 12所对应的模型是52个模型中具有最佳泛化能力的模型,该模型具有最大的交叉验证决定系数R2_cv（R2_cv = 0.54）,以及最小的交叉验证均方根误差RMSE_cv、交叉验证平均绝对偏差MAE_cv和交叉验证相对均方根误差rRMSE_cv（RMSE_cv = 0.14 cm、MAE_cv = 0.10 cm、rRMSE_cv = 50%）。单木胸径年平均生长量受林分因子的影响极大,相对重要性超过80.00%。8个林分因子中,大于对象木的林木断面积之和BAL对单木胸径年平均生长量影响最大,林分每公顷株数N对单木胸径年平均生长量影响最小,其他因子对单木胸径年平均生长量影响介于两者之间;单木胸径年平均生长量随BAL、林分每公顷断面积BA、N以及林分断面积平均胸径D_g的增加而下降,随对象木胸径与林分断面积平均胸径之比RD、林木期初胸径D₀以及对象木胸径与林分中最大林木胸径之比DDM的增加而增加。单木胸径年平均生长量受气候因子的影响较小,相对重要性低于20.00%。44个气候因子对单木胸径年平均生长量的影响均较小（相对重要性均 < 1%）,其中,生长季平均降水量（4—9月）与年均降水量之比Pratio、年总太阳辐射时长Asr、生长季平均降水量（4—9月）与生长季相对湿度（4—9月）之比Gspgsrh以及生长季太阳辐射时长（4—9月）Gssr是前4个相对重要的变量。结论随机森林模型能够较好地解析各变量与单木胸径年平均生长量之间复杂的关系,单木胸径年平均生长量受林分因子的影响极大,而受气候因子的影响较小。总体而言,在局部尺度上,林分因子是影响单木胸径生长的主导因子,而气候因子对单木胸径生长的解释能力有限。随机森林模型具有一定的泛化能力和统计可靠性,产生的变量重要性和偏依赖图具有合理的林学意义。      

大兴安岭兴安落叶松天然林单木生长规律与模型研究

本研究利用大兴安岭阿荣旗、柴河、额尔古纳等7个地区设置的65块标准地中选取的108株天然兴安落叶松解析木实测数据,分析研究其生长规律,应用舒马切尔、单分子式、柯列尔和对数型生长方程对其进行拟合,并对拟合结果进行评价,优选出适应性最强、稳定性最高的单木生长模型。结果表明:天然兴安落叶松树高、胸径、材积生长规律均符合一般树木生长规律。树高和胸径的平均生长量和连年生长量均在20 a时达到最大值,26～28 a左右相等。材积平均生长量和连年生长量均未出现最大值,说明研究区内天然兴安落叶松到70 a时仍未达到数量成熟龄,正处于旺盛生长期。大兴安岭地区天然兴安落叶松最优树高生长模型为单分子式生长方程,最优胸径生长模型为单分子式方程,最优材积生长模型为柯列尔生长方程。本研究可为大兴安岭地区天然兴安落叶松林分结构优化、合理经营提供参考。     

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...     

基于广义可加模型的气候对单木胸径生长的影响研究

基于吉林省汪清林业局落叶松鄄云冷杉林长期固定样地25 年观测数据,采用广义可加模型方法,建立了包含 气候因子的单木胸径生长模型,研究气候因子对单木胸径生长的影响及不同树种的响应差异。结果表明:生长 季逸5 益积温、生长季最低气温、年平均总降水量、月气温差以及年平均气温与年平均总降水量之比5 个气候因子 对该类型的落叶松、红松、冷杉、云杉、慢阔和中阔6 个树种(组)的单木的年平均胸径生长量都有显著的影响,但不 同树种组的气候响应变量和程度不同。对含气候和林分因子的全模型、仅含林分因子的部分模型以及仅含气候因 子的部分模型进行了统计分析,结果显示:3 类模型分别能解释50.8%、45.7% 和29.5% 的胸径生长变异,说明在 局部尺度气候因子对胸径生长的解释能力有限;影响胸径生长的主要因子是单木的期初胸径、大于对象木的断面 积之和、林分每公顷株数和林分断面积平均胸径。      

以潜能函数建立单木生长模型

利用内蒙古大兴安岭地区的样地和解析木资料。建立兴安落叶松[Larix gmelinii(Rupr.)Rupr.]天然林单木与距离无关的生长模型。在讨论模拟单木生长方法的基础上,将树木生长潜能函数由优势木高生长扩展到疏开木胸径生长。并确定了疏开木的概念和选择条件。按树木生长和竞争关系,建立树木生长的修改函数。根据树木生长特点,探讨了修改函数的性质。建立的修改函数既是一种单木与距离无关的生长模型,也是一种单木与距离有关的生长模型。可作为模拟树木生长的一般方法。     

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。     

兴安落叶松天然林可变密度收获表编制法的研究

本文从林分生长和林分密度间的关系,探讨了林分平均胸径的生长,并用于内蒙古大兴安岭地区收集的兴安落叶松(Larix gmelinii Rupr.)地位指数18m的65块标准地和130株解析木数据。根据林分平均胸径生长方程和其他林分生长因子的相关规律,探讨编制兴安落叶松天然林可变密度收获表的方法。     

长白山云冷杉针阔混交林林木空间利用率混合模型

目的  建立林木空间利用率模型，为天然混交林中不同树种间生产力的比较提供依据，为单木成熟的判断提供参考。 方法  利用林木生长量与树冠大小比值定义林木空间利用率，以长白山地区云冷杉针阔混交林为研究对象，基于20块标准地的2 268株单木数据，建立林木空间利用率混合模型，拟合各树种的空间利用率。 结果  （1）备选指标中蓄积生长量和树冠投影面积之比与胸径相关系数最高，适宜作为计算指标。（2）通过逐步回归，最终选定林木胸径、胸径平方（代表胸高断面积）、树高、冠幅、样地蓄积、针阔比、坡向坡度、竞争指标作为林木空间利用率基础模型的自变量。（3）确定按树种分组，包含胸径平方及截距随机效应参数、指数函数异方差结构的混合模型，经检验，混合模型在建模数据及检验数据中的表现均略优于一般线性模型。（4）利用所构建的混合效应模型，对研究数据进行拟合预测，各树种空间利用率最高时期的胸径分别为云杉约40 cm，冷杉、落叶松、红松、中阔组约37 cm，慢阔组约32 cm。 结论  林木利用率模型得到的数量成熟是以单位营养空间的生产力为基础的，使不同树种间的比较更为合理，且计算结果符合一般林学规律，可以作为该地区云冷杉针阔混交林判定单木成熟及优化林分结构的参考依据。      

长白山天然云冷杉针阔混交林主要树种胸径生长与林分空间结构的关系

  目的  混交林的稳定性、发展的可能性与空间结构密切相关，探究空间结构对林分生长量的影响对促进林分良性发展有着重要作用。本研究以天然云冷杉针阔混交林为对象，分析混交度（M）和大小比数（U）对单木生长量的影响，以期为该地区天然林林分结构调整提供科学依据和指导。  方法  选用2块云杉蓄积占总蓄积比例分别为0.1~0.2（1成云，1P）和0.4（4成云，4P）固定样地的5期监测数据，采用4株相邻木法计算空间结构三参数，绘制多元分布图，分析了1P和4P内各径级云杉、臭冷杉和红松在不同混交度和大小比数的胸径生长量变化规律。  结果  1P和4P均介于中度和强度混交（M分别为0.625和0.657）且呈随机分布；臭冷杉和红松的生长介于亚优势至中庸状态间（U = 0.25 ~ 0.50），云杉在4P内介于亚优势至中庸状态间（U = 0.48），在1P内介于中庸至劣势状态间（U = 0.70）。云杉和臭冷杉的年胸径生长量随径级的增大而增大（P < 0.05）；随对象木混交度的增大而增大，其中小径级云杉和大中小径级臭冷杉与混交度呈显著相关（P < 0.05）；云杉、臭冷杉和红松的年胸径生长量随对象木大小比数的增大而减小，其中中径级木与大小比数呈显著相关（P < 0.05）。云杉在1P内的年胸径生长量低于4P，红松相反。  结论  不同径级下林木的生长具有显著差异，降低大小比数的同时适当提高混交度有利于林木的胸径生长。不同生长阶段的竞争不同导致了不同径级林木对混交度和大小比数响应的差异，故针对不同生长阶段的林木应采取不同的经营措施调整优化林分结构，促进林分长期的稳定发展。      

塞罕坝华北落叶松—白桦针阔混交林胸径年生长量预测

以河北省塞罕坝国家森林公园华北落叶松—白桦针阔混交林为研究对象,基于87块标准地(20m×30m)的348株解析木数据,建立包含样地间及样地内随机效应的胸径—年龄非线性混合效应模型,并在混合效应模型中加入哑变量来解决样地内不同树种带来的差异。结果表明,华北落叶松单木胸径非线性混合效应模型确定系数(R2)、-2log Likelihood值、信息准则(Alcaikes information criterion,AIC)值、贝叶斯信息(Bayesion informatian criterion,BIC)值分别为0.85、898.1、880.2、855.4;白桦单木胸径非线性混合效应模型确定系数(R2)、-2log Likelihood值、AIC值、BIC值分别为:0.81、500.9、482.6、465.7。白桦和华北落叶松最大年生长量分别为0.44cm和0.41cm,年龄和竞争指数与胸径生长量呈负相关关系,胸径和林分优势高与胸径生长量呈正相关关系,其中林分优势高与华北落叶松—白桦混交林径向生长量相关性较低。包含哑变量的混合效应生长模型解决了混交林中样地间及样地内树种对胸径生长的影响,提高了模型精度及适用性,为该地区针阔混交林经营水平及经营效果的提高提供依据。     

2022 年 1 期目录

  目的  准确预测林木的生存和枯损是森林生长收获模型系统中十分重要的组成部分。构建基于混合效应模型和生存分析方法相结合的林木生存模型，能够提高林木枯损模型的精度。   方法  以吉林省汪清林业局20块落叶松云冷杉林样地数据为例，基于生存分析方法中常用的6个时间参数分布回归模型（指数分布、Weibull分布、对数正态分布、对数Logistic分布、Gompertz分布及Gamma分布），把林分因子和立地因子作为协变量加入到模型中去，构建林木生存模型。并在此基础上考虑样地的随机效应，并与传统模型的模拟效果进行比较。  结果  研究结果表明，随着单木初始胸径的增加，其枯损的风险降低，生存率提高；随着单木大于对象木断面积值的增加，其枯损的风险增加，生存率降低；随着林分密度的增加，林木枯损的概率增加，生存率降低；立地因子对林木的生存没有显著影响；6个参数分布回归模型中，Weibull分布的模拟精度最高。与固定效应模型相比，Weibull分布模型在考虑样地水平随机效应后，模型的模拟精度获得明显的提高，并且达到极显著程度。  结论  在森林经营中，要提高林木的生存率，需采取科学合理的经营方法和经营时间，避免使林分的密度过大。      

基于混合效应模型的人工红松枝下高模型研建

  目的  基于帽儿山红松人工林63块样地2 972株红松数据，利用非线性混合模型构建红松枝下高模型，为进一步研究生长与收获模型提供理论依据。  方法  本文首先使用8个常用的枝下高模型，选出最优基础模型；其次，研究林分变量或单木变量对枝下高的影响，建立含林分变量的枝下高模型；最终在基础模型和含林分变量模型的基础上，考虑样地效应对红松枝下高的影响，构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式（随机抽取、抽取最大树、抽取最小树、抽取平均树）和8种样本大小（1 ~ 8株树）对基础混合效应模型和广义混合效应模型进行抽样检验。  结果  Logistic模型拟合精度好，符合生物学意义，且模型形式简单，选为最优基础模型。除树高、胸径以外，大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性，加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时，建议抽取胸径最小的4个样本；当应用广义混合效应模型预测时，建议随机抽取4个样本。  结论  枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型，建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时，建议随机抽取4个样本。      

和龙林业局人工落叶松林生长变化情况研究

通过2002年和2012年两次对和龙林业局许家洞林场人工兴安落叶松林十年间的生长变化情况进行研究,样地研究结果表明和龙林业局人工落叶松林胸径生长区间为0-11cm,平均生长量为4.5cm,其中胸径生长最快的1株样木为123号样木,胸径生长量为11cm,生长量最小的样木1株为3号样木,3号样木为被压木,生长量为0cm,单株样木生长量的整体分布服从正太分布。     

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。      

小兴安岭南部天然林掘根倒木丘坑复合体形态特征及其与胸径关系

  目的  为探究小兴安岭南部天然林内掘根倒木胸径及其形成的丘坑复合体面积、体积之间的关系,并用倒木胸径预测丘坑复合体形态特征,为未来丘坑复合体形态特征的预测提供参考。  方法  以小兴安岭南部天然林为对象,采用野外调查和统计分析相结合的方法,通过对相近海拔下不同腐烂等级倒木及其形成的320个丘坑复合体特征进行调查,记录倒木、丘坑复合体特征及其地形特征,根据掘根倒木不同的腐烂等级推理倒木及其丘坑复合体形成的时间,分析倒木胸径、腐烂等级对丘坑复合体形态特征的影响,并对其形态特征与倒木胸径之间的关系进行拟合。  结果  （1）掘根倒木发生频率最高的3个树种是臭冷杉、红皮云杉、红松,以针叶树为主;（2）腐烂等级最轻的Ⅰ级倒木数量 > 腐烂程度中等的Ⅱ级倒木数量 > 腐烂程度最高的Ⅲ级倒木数量,其中优势腐烂等级Ⅰ级倒木的数量占比为58%.（3）随着倒木腐烂等级增大,形成的坑面积、坑体积减小,形成的丘面积、丘体积增大;（4）倒木胸径与丘坑复合体面积、体积呈极显著正相关（P < 0.01）。  结论  倒木腐烂等级与形成的坑面积、坑体积呈显著负相关,与形成的丘面积、丘体积呈显著正相关;丘坑复合体面积、体积随倒木胸径增大而增大;倒木形成的坑的面积、坑的体积随着倒木胸径的变化呈指数形式变化。      

红松树高-胸径的非线性混合效应模型研究

以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R2a)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R2a在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01m之间;广义模型的R2a在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R2a在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65m之间;广义模型的R2a在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。      

基于混合效应模型的新疆天山云杉单木胸径预测模型构建

【目的】建立新疆天山云杉单木胸径生长模型,以期对天山云杉胸径生长进行预测,为天山云杉经营管理提供理论依据。【方法】以天山云杉为研究对象,基于新疆自治区一类清查数据中70块天山纯林复测样地,样地中测得活立木共计1 914株,随机选取1 531组数据作为训练数据,383组数据作为检验数据。对比分析传统单木胸径模型和混合效应模型在云杉单木胸径模型的应用,在运用R语言的nlme模块构建混合效应模型时考虑密度水平效应、样地效应以及嵌套两水平效应,并用平均绝对误差(E)、均方根误差(RMSE)、平均预估误差(MPE)、总相对误差(TRE)、调整决定系数(R_(adj)~2)来检验模型的拟合效果。【结果】混合效应模型(R_(adj)~2=0.762)优于传统胸径模型(R_(adj)~2=0.505)。混合效应模型中,基于嵌套两水平混合效应模型最好,其平均绝对误差(E)、均方根误差(RMSE)、平均预估误差(MPE)、总相对误差(TRE)、调整决定系数(R_(adj)~2)值分别为0.589 cm、0.804 cm、0.966%、-0.042%、0.899。混合效应模型拟合效果由高到低依次为:嵌套两水平混合效应模型(R_(adj)~2=0.899)样地混合效应模型(R_(adj)~2=0.766)密度水平混合效应模型(R_(adj)~2=0.762)。幂函数能有效消除异方差结构的影响,一阶自回归矩阵AR(1)可以有效消除数据的时间相关效应。【结论】研究求得的天山云杉单木胸径生长混合效应模型可作为新疆天山云杉单木胸径预测的主要模型,其中嵌套密度水平效应和样地效应的混合效应模型对单木胸径的预测效果最好(R_(adj)~2=0.899),此研究表明混合效应模型是新疆天山云杉单木胸径预测的有效方法,为大面积新疆天山云杉单木胸径预测提供理论基础及新的方法。     

基于机载LiDAR的高郁闭度华北落叶松林单木识别

  目的  高郁闭度华北落叶松林Larix principis-rupprechtii林木树冠交叉重叠,传统的基于高分辨影像的单木识别方法识别精度不高。利用机载LiDAR三维点云数据可提高高郁闭度华北落叶松林的单木识别精度。  方法  在点云数据预处理基础上,提出基于点云空间特征的高斯核函数改进的均值漂移单木位置识别方法(MSP),比较并分析MSP法与基于点云空间特征的区域生长点云分割方法(RGP)、基于冠层高度模型的局部最大值单木位置识别方法(LMC)和基于冠层模型的多尺度分割单木位置识别方法(MSC)的单木识别效果。  结果  4种方法单木位置识别精度从大到小依次为MSP (89.30%)、LMC (85.60%)、RGP (77.50%)和MSC (70.00%),MSP的漏分误差和错分误差最小,分别为8.7%和8.0%,平均单木冠幅提取精度为90.18%。  结论  提出的MSP法对高郁闭度华北落叶松林单木位置识别具有较好的适用性,利用机载LiDAR可为提取华北落叶松林森林结构参数提供新的途径。图3表3参28     

考虑环境因素的杨树生长率模型研究

  目的  杨树是我国栽培数量最多的阔叶树种，其生长快、易繁殖、适应性强、轮伐期短等特点对解决木材供需平衡、促进碳汇、实现碳循环等方面至关重要，探究杨树生长环境影响机制对实现森林资源高效管理、推动生态文明建设具有重要意义。  方法  本研究利用全国森林资源连续清查部分固定样地杨树实测数据，构建未考虑环境因素和考虑环境因素的杨树胸径生长率多元回归模型，结合随机森林（RF）、梯度提升机（GBM）和支持向量机（SVM）算法，对RF、GBM和SVM算法以RMSE最小完成模型最优参数确定，并通过平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）进行模型评价，实现环境因子对杨树生长的重要性程度知识挖掘。  结果  杨树胸径生长率主要受其自身胸径大小的影响，且随着胸径的增大而减小，呈现反“J”型趋势；考虑环境因素的回归模型较未考虑环境因素的回归模型R2从0.066提高到了0.403；机器学习算法预测效果明显优于回归模型算法，其中以RF算法精度最高，R2达0.730，预测结果和实际值基本一致；多元回归模型、RF和GBM对模型重要性解释程度规律基本一致，SVM存在微小差异。  结论  回归模型精度虽略低于机器学习算法，但其“白箱”优势可为未来森林资源调查工作中判定其胸径是否存在异常提供依据；杨树生长受环境影响，与地理空间位置关系紧密，温度适宜、降水充沛的低海拔地区以及坡度平缓、坡位较低的北坡区域更适宜杨树生长，密度越大越不利于其生长；在杨树林的营造过程中，应首先考虑造林地理位置、气象气候等因素；其次，考虑林分结构，特别是林分密度合理性；最后，考虑地形结构是否适宜进行杨树林营造工程建设。