共查询到20条相似文献,搜索用时 421 毫秒
1.
【目的】基于非线性回归和广义模型构建不同分位数回归和混合效应的树高预测方程,并对比分析非线性模型、不同分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型、广义模型及非线性混合效应模型的拟合效果和预测精度,为研究林分生长和收获提供理论依据。【方法】本研究以吉林蛟河地区针阔混交林的主要树种(红松、色木槭、紫椴和水曲柳)为研究对象,基于21.12 hm2样地数据,首先在11个广泛使用的树高方程基础模型中选定基础模型;其次探究林分变量对树高的影响并构建含林分变量的广义模型;最后在基础模型和广义模型的基础上,构建分位数模型,同时考虑样方效应对树高的影响,构建混合效应模型。【结果】(1)各树种均以Richards模型拟合精度更高,且具有生物学意义,选定为基础模型;考虑林分变量与树高的相关性以及模型收敛性,加入优势木高建立的广义模型能显著提高拟合效果。(2)各树种均为中位数τ=0.5时模型拟合效果最佳,且与非线性回归预测精度相近,红松、色木槭、紫椴和水曲柳最高R2值分别为0.811、0.809、0.724和0.617,... 相似文献
2.
沙地樟子松不同树高-胸径模型比较分析 总被引:1,自引:0,他引:1
【目的】比较不同树高(H)–胸径(D)模型精度,确定适合章古台地区樟子松Pinus sylvestris var. mongolica的H-D模型。【方法】以Sibbesen模型为基础模型,将优势木平均高(HT)、胸高断面积(AB)和平方平均胸径(DQM)3个林分变量以不同组合加入基础模型中,分别建立了H-D的基础模型(1个)和广义模型(3个)及对应的基础混合模型(1个)和广义混合模型(3个)。对固定效应模型平均水平预测(FPA)、混合模型的总体平均响应预测(MPA)和主体响应预测(MPS)的精度进行比较。对混合模型在使用随机抽取样本木和抽取平均木(胸径接近平均值的样本)2种抽样方案计算随机参数时分析MPS精度与样本数量的关系。【结果】表征樟子松H-D关系的4种固定效应模型中,含HT和AB的广义模型拟合精度最高,Akaike信息量准则(AIC)=2 167.7,Bayesian信息量准则(BIC)=2 196.3。相同预测变量的各模型预测精度均表现为:MPSFPAMPA,仅含预测变量D的模型的3种预测精度差异最大。广义模型、广义混合模型、基础混合模型预测精度差异不大。使用验证数据检验模型精度时,每块标准地中随机抽取3株样本木计算基础混合模型随机参数时,该模型精度提升最为明显,MAE和RMSE分别降低了57.97%和57.63%;而广义混合模型精度随抽取样本木数量的增多未出现大的变化。【结论】含有林分变量优势木平均高、胸高断面积的广义模型和基础混合模型均能较好地预测沙地樟子松人工林的单木树高。此外,利用混合模型预测树高时,推荐在标准地中随机抽取3株林木测量其树高,并依此来计算随机参数。 相似文献
3.
红松树高-胸径的非线性混合效应模型研究 总被引:1,自引:0,他引:1
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。 相似文献
4.
为了探究枝条生长的动态变化规律,以张家口永定河上游地区为研究区,在研究区设置4个100 m×100 m的固定样地,每个样地采集生长良好的白桦样木4株,共计采集16株天然白桦3 576个枝条数据。在白桦枝长的广义非线性模型的基础上构建样木效应混合模型、枝级效应混合模型和样木枝级嵌套混合模型,采用赤池信息准则(BIC)、贝叶斯信息准则(AIC)、对数似然值(LL)和似然比检验(LRT)等指标比较各模型的拟合效果。结果表明:样木和分枝等级两水平混合效应模型明显优于广义基础模型、样木效应模型和枝级效应模型;当b0、b2、b3作为样木随机参数,b1、b3作为分枝等级随机参数时,两水平混合模型拟合最优,决定系数(R2)和均方根误差分别为0.870 4、11.461 3。因此,考虑样木和分枝等级嵌套两层次的混合模型预测精度均高于广义非线性模型、样木随机效应模型和分枝等级随机效应模型,... 相似文献
5.
长白落叶松?水曲柳混交林冠幅预测模型 总被引:1,自引:1,他引:0
6.
7.
8.
9.
长白落叶松人工林单木冠幅模型 总被引:1,自引:0,他引:1
以黑龙江省伊春市朗乡林业局的49块样地共2 499棵长白落叶松为研究对象,基于区组和样地嵌套二水平构建非线性混合效应冠幅模型。从10种常用的冠幅—胸径模型中选出一种最好的作为建模的基础模型,从其他林分因子中选取与冠幅相关性较高的作为协变量参与建模。结果表明:与基础模型相比,混合模型的赤池信息准则(AIC)、贝叶斯准则(BIC)、负二倍的最大似然值(-2LL)和剩余均方根误差(RMSE)值均降低,调整决定系数(Radj2)提高,冠幅预测值的残差分布和密度分布相对更集中,说明模型的预测精度和拟合能力均有所提高。研究发现,以逻辑斯蒂模型作为基础模型,将树高、冠长率和高径比作为协变量,考虑区组和样地嵌套二水平的混合模型有利于提高冠幅模型的预测精度,从而有助于更好地模拟长白落叶松的冠幅胸径关系。 相似文献
10.
11.
12.
13.
思茅松天然林林分生物量混合效应模型构建 总被引:2,自引:1,他引:1
本研究以云南省普洱市的思茅松天然林为对象,调查了3个位点45块样地的林分地上、根系和总生物量。以幂函数模型为基础构建林分生物量的基本模型;采用混合效应模型技术,考虑区域效应随机效应,选择基本混合效应模型,并分析模型的方差和协方差结构,分别构建3个维量的区域效应随机效应的混合效应模型;考虑林分因子、地形因子和气象因子固定效应,构建含环境因子固定效应和区域效应随机效应的林分生物量混合效应模型。所有模型均采用拟合指标和独立检验指标进行评价。结果表明:1) 从模型拟合情况看,考虑区域效应的随机效应模型均能显著提高一般回归模型的精度;在3类含环境因子固定效应模型中,含地形因子固定效应的区域混合效应模型均具有最低的AIC和BIC值,表现最好;2) 就模型独立性检验看,除地形因子固定效应的林分根系混合效应模型外,其余模型均优于一般回归模型;考虑环境因子固定效应的混合效应模型与普通区域效应混合模型相比,各个维量模型的独立性检验指标表现不一,但总体上差异不大;3) 综合考虑模型拟合和独立性检验结果,除林分根系生物量选择普通区域效应混合模型外,另2个维量均选择含地形因子固定效应和区域效应随机效应的混合效应模型。 相似文献
14.
15.
利用非线性混合模型进行杉木林分断面积生长模拟研究 总被引:4,自引:1,他引:3
李春明 《北京林业大学学报》2009,31(1):44-49
该文描述了传统生长收获模型存在的问题及非线性混合效应模型在预估林分断面积方面的应用,介绍了非线性混合效应模型的表达形式。选择常用的Richards和Schumacher两种基本模型形式,通过变化自变量进行断面积生长模拟,采用非线性最小二乘回归法进行拟合;然后选择复相关系数及预估精度较高的函数作为基础模型,并在此基础上构造非线性混合效应模型;最后对非线性混合效应模型与传统模型拟合的效果进行了比较分析。结果表明,考虑初植密度效应的非线性混合效应模型比传统的回归模型估计精度高。 相似文献
16.
【目的】分析抚育间伐对红松人工林枝条数量的影响,建立基于间伐效应的生物数学模型,为制定更加科学合理的间伐体制提供理论依据。【方法】基于黑龙江省林口林业局和东京城林业局不同林分条件及抚育间伐强度下的红松人工林49株解析木4 370组枝解析数据,利用R语言的nlme包,建立了基于抚育间伐效应的枝条密度单水平非线性混合模型,并利用调整决定系数(Ra2)、赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(Log-likelihood)以及似然比检验(LRT)等评价指标对所收敛的模型进行评价。【结果】当地位指数和树木等级相近时,抚育间伐强度和冠长越大,枝条密度越大;当抚育间伐强度和树木等级相近时,地位指数和冠长越大,枝条密度越大;而抚育间伐强度和地位指数相近时,树木胸径与枝条密度呈负相关。基于样地效应的混合模型模拟精度均高于基础模型和基于样木效应的混合模型,最终选用含有总着枝深度(DINC)、相对着枝深度的自然对数(lnRDINC)、相对着枝深度的平方(RDINC2)、胸径(DBH)、抚育间伐强度与间伐年龄的比值(TI/TA)这5个随机效应参数的非线性混合模型为枝条密度最优预测模型,其Ra2为0.825 7,均方根误差(RMSE)为2.171 4。【结论】基于抚育间伐效应的红松枝条密度最优非线性混合效应模型,不但能提高模型精度,还能更加准确地体现抚育间伐对林木枝条产生的影响。 相似文献
17.
18.
19.
20.
【目的】探究迎春5号杨树在树干纵向上的木材密度影响因子和变异规律,构建迎春5号杨树边材、心材、树皮和树干密度混合效应beta回归模型,为树干生物量预测和木材材性研究提供参考。【方法】以黑龙江省尚志市90株迎春5号杨树解析木数据为基础,构建迎春5号杨树边材、心材、树皮和树干密度的混合效应beta回归模型。采用相关性分析和最优子集法筛选beta回归基础模型的变量;利用负二倍的对数似然值、赤池信息准则、贝叶斯信息准则、调整确定系数(Ra2)、似然比检验对收敛模型进行拟合优度的评价,利用留一交叉验证法对模型进行检验,指标为平均绝对误差(MAE)和平均绝对百分比误差;结合两种抽样方式(方案Ⅰ:不限定相对高;方案Ⅱ:限定相对高在0.1以下)对模型进行校正。【结果】边材、心材、树皮和树干密度不仅受到相对高的影响,还分别与胸径平均生长量、年龄、胸径密切相关,基于林木因子建立的混合效应beta回归模型的Ra2分别为0.53、0.52、0.52、0.63,MAE <0.05 g/cm3,与基... 相似文献