兴安落叶松立木材积和树皮材积可加性模型研建

【目的】确保立木材积和树皮材积预测的一致性并提高预测精度。【方法】以大兴安岭兴安落叶松为研究对象,分别采用控制法和分解法研建了可加性模型系统。利用SAS统计软件模型模块proc model中的NSUR法进行拟合及参数估计。拟合结果采用确定系数(R2)和均方根误差(RMSE)进行评价;检验结果则通过确定系数(R2)、均方根误差(RMSE)、平均相对误差(MRE)、平均误差绝对值(MAB)和相对误差绝对值(MPB)进行评价。【结果】从模型的整体评价结果来看,两种方法的拟合和检验效果均很好,基于分解法构建的模型略优于基于控制法构建的模型;不同径阶的检验表明,对于中等径阶的树木(20≤D<36 cm),基于控制法的模型相对较好,而对于小径阶(5≤D<20 cm)和大径阶的树木(D≤36 cm),基于分解法的带皮、去皮、树皮材积模型的预测精度要比基于控制法的各立木材积模型要稍好。【结论】总的来说,两种可加性模型系统均能很好地预测单木带皮材积、去皮材积和树皮材积,并确保得到满足一致性的预测结果,在具体应用时可根据实际情况选择适合的可加性材积模型系统。     

利用可变参数和二阶回归方法建立海南省相思树立木材积模型

【目的】建立立木材积模型,为科学计量评价森林资源、完善森林资源监测体系提供重要依据。【方法】以海南省相思树为研究对象,以胸径和树高为自变量建立二元山本材积式模型、可变参数动态模型,采用以简单幂函数式和树高—胸径模型为基础的二阶回归估计方法建立一元胸径立木材积模型,分析对比建立的一元、二元立木材积模型拟合效果。【结果】1)相思树二元山本材积式模型和可变参数动态模型的确定系数均在0.98以上,平均预估精度均在98%以上。模型整体总体相对偏差(TRB)和平均系统偏差(MSB)均在±3%以内,山本材积式模型在8、20 cm径阶总相对偏差和平均系统偏差超出±3%范围;2)两种方法建立的一元立木材积模型的确定系数均在0.94以上,预估精度均在96%以上。采用分段建模和二阶回归总相对偏差和平均系统偏差趋近于0,而常规方法建模12、16、24 cm以上径阶的总相对偏差均超出5%范围。【结论】可变参数动态模型相较于山本材积式模型拟合精度更高,各径阶误差更小,明显优于山本材积式模型;采用二阶回归估计方法建立的模型能更好地反映材积随胸径大小的变化规律,既提高了模型的切合性能,又能较好地控制各径阶的偏差,明显提升了拟合效果,是建立一元立木材积模型的有效方法。     

异速生长模型的误差结构和误差函数

【目的】基于异速生长模型,构建兴安落叶松和樟子松立木材积模型,分析材积模型的误差结构和误差函数。【方法】采用Ballantyne(2013)提出的似然分析法判断兴安落叶松和樟子松立木材积模型的误差结构。为了对比,利用S-PLUS软件的广义非线性GNLS模块拟合非线性模型。针对模型拟合产生的异方差现象,采用误差方差函数(固定方差、指数函数、幂函数和常数加幂函数)消除异方差。采用确定系数(R2)、均方根误差(RMSE)、绝对误差(Bias)和平均相对误差(MRE)对立木材积模型精度进行综合比较分析。【结果】1)经似然分析法判断,兴安落叶松和樟子松立木材积模型的误差结构是相乘的。2)为了描述立木材积模型构建过程中产生的异方差现象,将固定方差、指数函数、幂函数和常数加幂函数加入到立木材积模型中,所有方差函数都能降低材积模型的异方差性。幂函数消除兴安落叶松材积模型的异方差效果最好,常数加幂函数消除樟子松材积模型的异方差效果最好。3)非线性(相加误差结构)及线性(相乘误差结构)拟合和检验统计量的比较表明,对于两树种,相加和相乘立木材积模型拟合评价指标非常接近,具有相加误差结构的立木材积模型的拟合和检验精度略高于相乘误差结构的立木材积模型。【结论】兴安落叶松和樟子松立木材积模型的误差结构是相乘的。根据非线性及线性模型的拟合和检验评价指标对比发现,对数转换的线性模型并没有表现出绝对优势,而非线性回归却略优于对数转换的线性回归。本文并没有给出绝对和一致的结论,如果模型的预测是最重要的,建议对比非线性和对数转换的线性模型,选择精度较高的误差结构。针对兴安落叶松和樟子松立木材积模型的详细对比分析,建议选择非线性回归分析,即相加的误差结构。     

湖南省杉木二元立木材积模型的检验与调整

【目的】对湖南省现有的杉木二元立木材积模型进行误差分析,建立新杉木二元立木材积模型,为湖南省杉木材积的精准预测提供理论依据。【方法】以湖南省杉木人工林为研究对象,采用配对t检验的方法对原二元立木材积模型进行检验。以山本材积式为基础模型构建固定参数模型、可变参数模型,以区域作为随机变量、哑变量构建混合效应模型和哑变量模型,对拟合结果进行对比分析。【结果】1)对原二元立木材积模型进行配对t检验,结果表明湖南现有的杉木材积模型与实际材积计算值存在显著差异;2)固定参数模型和可变参数模型的确定系数R2都在0.95以上。对检验数据进行检验,模型的总相对偏差(TRB)和平均系统偏差(MSB)均在±3%范围内,利用分径阶的方法进行检验,其固定参数模型在10、22和24 cm径阶的总相对偏差与平均系统偏差均超出±3%范围,其在24 cm径阶的总相对偏差与平均系统偏差均超出±7%,而可变参数模型在各径阶的偏差较小;3)混合效应模型与哑变量模型的确定系数均在0.95以上,从整体上看,哑变量模型的总相对偏差和平均系统偏差趋于0,而混合效应模型在10、12和24 cm径阶的总相对偏差均超出±3%范围。【结论】...     

西藏冷杉立木生物量和材积模型研建

利用2011年采集的150株西藏天然冷杉数据,采用度量误差联立方程组方法同时进行整体建模和分段建模,分别建立了西藏冷杉一元、二元生物量与材积相容性模型,并分析对比两者拟合效果。结果表明:不论是一元、二元模型,采用整体建模方法都难以准确描述冷杉生物量、材积随胸径变化情况,导致径阶16 cm以下的林木立木材积和生物量估计值均小于实际值,径阶越小,偏差越大,其中4 cm径阶的预估偏差甚至达到了20%~30%;而采用分段建模方法能有效解决上述有偏估计的问题,模型改进效果十分良好,各径阶均无系统偏差;分段建立的地上生物量和立木材积方程,不论一元或二元模型,其预估精度分别达到了93.5%、92.8%以上,一元分段地下生物量方程预估精度也在91.5%以上。     

椴树胸径 根径和立木材积相关关系的研究

通过利用椴树（ＴａｌｉａＳＰ．）的胸径和立木材积、根径和立木材积间的相关性，运用回归分析的方法建立了回归方程，经过选择，确定了各自的合理模型，为了克服材积方程异方差性的影响，采用加权最小二乘法估计了模型的参数，找到了胸径和立木材积、根径和立木材积的最佳模型，提高了材积方程的适用精度。     

各径级马尾松树干CO_2释放速率及其温度敏感性

【目的】探明退化红壤区重要先锋树种马尾松不同径级间树干CO_2释放速率(F_(CO_2))的差异及其温度敏感性,以期为正确评价马尾松人工林树干呼吸对森林生态系统的碳汇贡献提供基础数据。【方法】采用全自动便携式光合仪与自制PVC呼吸环相连,对马尾松人工林4个径级(15.9~17.9,18.9~20.5,22.8~24.8和27.1~29.8 cm)共12棵样树的树干CO_2释放速率F_(CO_2)进行为期1年的活体原位监测,并同步监测树干1 cm深处温度,分析F_(CO_2)的季节变化及径级间差异,并建立F_(CO_2)与树干温度的指数函数模型。【结果】4个径级F_(CO_2)均呈现出一致的单峰季节性变化趋势,生长季F_(CO_2)极显著高于非生长季(P0.01),7月份最高,1月份最低,且生长季各径阶样树F_(CO_2)间差异显著(P0.01);4个径级F_(CO_2)与树干温度均存在显著的指数关系,但两者间的回归模型及其决定系数因径阶而异,表现出大径阶F_(CO_2)与树干温度的相关性高于小径阶;4个径级树干呼吸的温度敏感系数(Q_(10))间差异不显著(1.47~1.64);马尾松F_(CO_2)与DBH显著正线性相关(R~2=0.89),表明DBH可作为针叶树种F_(CO_2)预测和推算的一个简便实用指标。【结论】在采用局部通量法进行森林生态系统树干呼吸估算时,应同时考虑F_(CO_2)的季节变化及径级差异,以提高估算精度。     

基于非线性分位数回归的落叶松树干削度方程

【目的】采用非线性分位数回归法构建落叶松树干削度方程,比较分析不同分位数(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)及其组合分位数的拟合及检验结果,以提高模型预测精度。【方法】基于大兴安岭落叶松干形数据,采用Koenker和Bassett提出的分位数回归法,利用SAS软件的NLP拟合基于各分位数的Max-Burkhart分段削度方程,选取确定系数(R2)、平均误差(MAB)、均方根误差(RMSE)、相对误差(MPB)和预估精度(P%)对削度方程进行对比分析。【结果】1) Max-Burkhart分段削度方程在9个不同分位点(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)均能收敛,说明分位数回归可以提供许多不同分位数的估计结果,进而可预测任意分位点处干形的变化趋势; 2)基本模型和分位点处(τ=0. 4、0. 5、0. 6)的分位数模型拟合结果相近,分位数组合(3、5、7、9)可提高模型拟合效果,其中基于3个分位数组合(τ=0. 3、0. 5、0. 7)、5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)、7个分位数组合(τ=0. 1、0. 2、0. 4、0. 5、0. 6、0. 8、0. 9)、9个分位数组合(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)在分位数组合相同时分别表现最优; 3)模型检验表明,大多数分位数回归组合的检验统计量都优于基本模型和各分位数模型,相对于基本模型,5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)模型的MPB、MAB、RMSE分别降低13. 9%、13. 9%、13%。【结论】分位数回归能够提高模型预测精度,基于5个分位数组合的Max-Burkhart分段削度方程在拟合及检验统计量等方面表现较好,适合于大兴安岭落叶松树干削度预测。     

浙江省毛竹竹秆材积模型

【目的】在精准测定毛竹样竹竹秆材积的基础上,研建浙江省毛竹竹秆材积模型,准确估计毛竹竹秆材积,为毛竹林经营管理提供依据。【方法】在浙江临安、庆元、武义、常山、宁海、安吉、诸暨、余姚、黄岩和泰顺10个县(区、市)调查216株毛竹样竹,采用可测量不规则形状物体体积的排水法测定竹秆材积。首先,基于异速生长方程和寺崎渡方程,以胸径(D)和胸高节长(L)为自变量,选择1个一元模型(M_1)和4个二元模型(M_2～M_5),利用全部样本建立5个毛竹竹秆材积模型;然后,采用似然函数法分析模型误差结构,确定应当采用对数回归或非线性回归模型进行模型拟合,通过For Stat2.2软件进行回归拟合,得到参数估计值;最后,根据参数估计值t检验值、4个模型评价检验指标(包括调整确定系数R_a~2、估计值标准差SEE、平均偏差ME和平均系统误差MSE)的比较分析,选择模型参数稳定、预估精度高、最适宜的浙江省毛竹竹秆材积模型。【结果】采用似然函数法对竹秆材积模型误差结构进行分析,求得5个基础模型赤池信息量准则(AICc),计算ΔAICc大于2,模型误差项为乘积型,应采用对数回归拟合材积模型。5个竹秆材积模型参数稳定(t检验值的绝对值均大于2),各模型调整确定系数(R_a~2)均在0.95以上,估计值标准差(SEE)和平均系统误差(MSE)均接近于0,模型拟合效果较好,模型M_2拟合预估效果最佳。分径阶进行模型拟合效果与预估精度的评价检验,5个模型在不同径阶的预估精度均较好,中等径阶时的预估精度和拟合优度最佳,而在最小径阶(4.0～5.9 cm)与最大径阶(14.0～15.9 cm)相对差一些。校正后的对数模型预估精度并无显著提高。【结论】排水法是准确测量毛竹竹秆材积的有效手段;似然函数法是进行模型误差结构分析比较与模型拟合方式选择的较好方法;引入竹高和胸高节长变量后,模型拟合优度和预估精度指标优于一元模型;考虑实践中胸高节长较竹高更易准确测量,且模型M_5相较M_2具有更高的拟合优度和预估精度,预估毛竹竹秆材积的最优模型为基于胸径-胸高节长的模型M_5,即V=0.191 2D~(2.114 9)e~(-6.841 1/L)。     

干形数据采样方法对树干削度方程构建的影响

【目的】基于落叶松15个点的直径-树高干形数据,比较树干不同采样方法对曾伟生（1997）、Bi(2000)和Max&Burkhart(1976)削度模型预测精度的影响。【方法】以大兴安岭343株落叶松干形数据为研究对象,设计了30种数据采样方法,使用留一交叉验证法对基于原始数据和不同采样数据的模型进行检验,选用确定系数（R2）、平均绝对误差（MAB）、均方根误差（RMSE）和相对误差（MPB）作为检验的评价指标,并求出以上4个指标的平均相对排序值。使用Tukey多重比较法对基于不同采样数据的模型进行成对比较,分析当拟合数据改变的情况下各削度模型在预测落叶松直径时是否有显著差异。最后为了直观地表示不同采样数据对削度模型的影响,从落叶松数据中分别随机抽取一株大树和一株小树进行树干模拟。【结果】1）相对于使用原始数据时的模型,基于一部分采样方法的模型检验精度有略微提高,其中使用第27种方法时,曾伟生模型的精度最高;使用第26种方法时,Bi的模型精度最高;使用第9种方法时,Max&Burkhart的模型精度最高;2)Tukey多重比较结果表明,基于原始数据和基于3种最优采样方法...     

塞罕坝华北落叶松人工林树冠外部轮廓模型

【目的】构建树冠最大外部轮廓非线性混合效应模型和非线性分位数回归模型,为准确预测树冠生长发育规律及预估生产力提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松人工林为研究对象,基于58株解析木数据和1 789个枝条解析数据,利用幂函数、修正Kozak方程、修正Weibull方程选取基础模型,构建华北落叶松人工林树冠外部轮廓非线性混合效应模型和非线性分位数回归模型。【结果】在幂函数、修正Kozak方程和修正Weibull方程中,幂函数拟合树冠外部轮廓效果较好,作为树冠外部轮廓基础模型;林分年龄(Age)、冠长(CL)、胸径(DBH)、树高(HT)、冠高比(CHR)、高径比(HDR)对树冠外部轮廓影响较大。在混合效应模型中,两水平混合效应模型优于单水平混合效应模型,可明显提高模型拟合精度,HDR相关的参数a6考虑样地效应,相对着枝深度(RDINC)、CHR相关的参数a4、a5考虑样木效应,模型确定系数(R2)为0.873,均方根误差(RMSE)为0.319 m,平均相对误差(MRE)为6.642 m。在分位数回归模型中,当分位数q=0.90时模型曲线最接近树冠最大外部轮廓,R2为0.672。【结论】混合效应模型拟合精度较高,可准确描述树冠最大枝条的平均趋势。分位数回归模型可确定树冠最外部轮廓,在预测条件均值之外的研究中发挥重要作用。     

用分段建模方法建立东北落叶松立木材积和生物量方程

以东北落叶松(Larix spp.)立木材积和地上生物量数据为例,通过采用误差变量联立方程组和分段建模方法,研究建立了相容的立木材积方程、地上生物量方程及生物量转换函数.结果表明:采用误差变量联立方程组能确保立木材积与地上生物量之间估计结果的相容性,而分段建模方法能有效解决常用模型在小径阶存在的系统偏估问题;本文所建立的分段一元模型,地上生物量和立木材积的总体预估误差均不超过5％;分段二元模型,地上生物量的预估误差基本在4％以内,立木材积的预估误差则小于3％.     

北京杨树相容性立木材积系列模型研建

以北京市最重要的阔叶树种杨树(Populus)为研究对象,利用1 678株样木的材积测量数据,通过采用哑变量模型和误差变量联立方程组方法,建立了毛白杨(P.tomentosa)、速生杨(P.×euramericana)和加拿大杨(P.×canadensis)3个树种(组)的相容性二元立木材积方程、胸径和地径一元立木材积方程、树高胸径回归模型及地径胸径回归模型,并分析了不同树种之间的差异。结果表明:二元立木材积方程的平均预估误差均在2%以内,胸径一元材积方程和地径一元材积方程的平均预估误差也大都在3%以内,达到了立木材积表的编制精度要求。所建模型可为北京市杨树林的蓄积量估计提供准确的计量依据。     

大兴安岭不同区域兴安落叶松可变指数削度方程

【目的】基于林业上广泛应用的Kozak(1988),Kozak(1994),Kozak(2001)和Kozak(2002)可变指数削度方程,构建适合大兴安岭不同区域兴安落叶松树干削度方程,同时检验不同区域的显著性。【方法】采用大兴安岭3个区域的兴安落叶松样木干形数据,利用SAS软件的非线性回归SUR法拟合4个削度方程,采用调整确定系数(R2adj)、平均误差(MAB)、均方根误差(RMSE)、相对误差(MPB)、预估精度(P%)和多重共线性指标(CN)以及相应的残差分布图等对削度方程进行综合比较分析。区域性检验采用非线性额外平方和方法,该方法需要拟合完整模型和简化模型。【结果】1)Kozak(1988)和Kozak(1994)削度方程拟合和预估精度较高,但是存在较高的多重共线性问题;其他削度方程降低了模型的多重共线性,但可提高对树干上部的预测能力。2)不同区域模型的F检验分析发现,区域3与区域1和区域2的树干削度相差较大,区域1和区域2的树干削度相差较小,任何2个区域的对比检验都是显著的(P0.000 1),说明模型在不同区域不能共用一套参数,应有不同的区域参数估计。3)从不同区域各模型的干曲线模拟可以看出,同一模型在3个区域的干曲线模拟结果不同,尤其模型(3)在3个区域中的干曲线更明显地体现出3个区域的不同。模型(1)、模型(2)和模型(4)在3个区域的干曲线模拟体现在区域1和区域2的模拟结果比较接近,区域3则与其有明显不同,该结果与F检验结果一致。不同区域对树木干曲线有显著影响,削度方程参数估计值在不同区域的错误应用会导致较大误差。【结论】Kozak(2002)可变指数削度方程在拟合统计量、残差分布图和多重共线性等方面都表现出了一致性,预估精度达99%以上,可作为大兴安岭3个区域兴安落叶松的最优削度方程。     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

林分径阶蓄积量与材种出材量测算的研究

研究了林分径阶蓄积量与材种出材量的估测模型,其基本原理是应用相对树高曲线法测定林分径阶蓄积量,应用一致性削度方程法计算径阶单木材种出材率;相对树高曲线法与一致性削度方程法是基于胸径和树高两个测树因子的二元立木材积测定系统,通过建立较完善的数学模型改进计算方法,提高估测效果.     

三段式立木胸径测量方法及装置设计与试验

【目的】针对现阶段我国森林资源清查立木胸径测量中围尺适用性差、操作复杂、效率低和卡尺携带性差、量程短等问题,设计一款高效、准确、便携、适用于大胸径树木测量,集成自动读数、记录和上传功能的立木胸径测量装置,以解决林业勘测人员的实际工作需求。【方法】基于三段式切臂和双角度传感器提出一种立木胸径测量方法,设计测量装置,并通过试验评估装置的有效性。【结果】1)通过15个圆柱体200次测量,平均绝对误差(MAE)为0.19 cm(0.79%),均方根误差(RMSE)为0.25 cm(0.94%); 2)通过不同径阶218株立木测量,MAE为0.22 cm(0.89%)、RMSE为0.42 cm (1.23%); 3)在83株立木小样地进行效率试验,平均每株立木测量耗时8.67 s。【结论】基于三段式切臂和双角度传感器方法研制的立木胸径测量装置,具有机电结构简单、可折叠、携带方便、操作简便、作业效率高等优点,同时适用于大胸径树木测量,可实现立木胸径数据测量、上传和入库的一体化,满足森林资源清查精度要求。     

森林面积多阶遥感监测方法

【目的】从林业数据采集的迫切需求出发,采用遥感技术实现森林资源数据的快速年度出数,以及时掌握区域森林资源变化信息。【方法】建立遥感3阶抽样与地面调查技术相结合的森林资源遥感监测技术体系,并以辽宁省为例,利用2013—2014年高、中、低多源遥感数据,进行基于多阶抽样的省级森林面积监测方法实践。【结果】遥感结合地面样地实测,建立了地面样地与高分样地,高、中分样地以及中、低分样地的森林面积回归模型,其模型确定系数(R2)分别为0.99、0.91和0.70,模型精度较高;基于3阶分层抽样的遥感监测方法得到辽宁省2014年森林面积预测值为590.83×10~4hm~2,森林覆盖率为40.54%,略高于清查结果(40.49%);从抽样精度来看,采用分层抽样方法得到的森林面积最为可靠,抽样精度达99%以上;通过精度分层控制,基于MODIS NDVI阈值法制作了辽宁省森林分布图,实现了辽宁省森林面积和空间分布的年度产出。【结论】基于遥感抽样与地面调查技术相结合的森林面积多阶遥感监测方法可行,既可提高监测成果的时效性,又能缩短成果产出周期,具有很好的应用前景,可为下一步建立全国遥感监测体系提供重要的技术支持。     

兴安落叶松天然林林木直径与树高分布的分层特征

[目的]通过分析大兴安岭呼中林区兴安落叶松天然林胸径和树高的一元、二元分布特征,揭示脆弱地带森林群落的林木大小分布特征。[方法]在大兴安岭呼中林场设置3种不同类型兴安落叶松林固定样地,利用整体和分层的方法,对样地林分胸径和树高的变化规律以及两者之间的关系进行研究。[结果]表明:(1)草类-落叶松林直径分布为单峰分布,其他2块样地为双峰分布; 3块样地林木直径分布均呈左偏。杜鹃-落叶松林树高分布为多峰分布,其他2块地均为单峰分布; 3块样地林木树高分布均呈右偏。(2) 3块样地上、下层林木的直径分布均为单峰分布,上层木直径分布均呈左偏,下层木直径分布草类-落叶松林右偏,杜鹃-落叶松林左偏,杜香-落叶松林为近似正态。杜鹃-落叶松林的树高上、下层分布为双峰,其他2块样地均为单峰,3块样地上层木树高分布均左偏,而下层木树高分布均右偏。(3)草类-落叶松林和杜鹃-落叶松林小径阶林木株数占绝大多数。3块样地林分中树高与胸径的比值在小径阶林木中明显大于大径级林木。草类-落叶松林和杜鹃-落叶松林上层木中小径阶林木株数所占比例稍大,杜香-落叶松林和杜鹃-落叶松林下层木中大径阶林木株数比例稍大,但3块样地上层和下层木树高与胸径的比值在大小径阶林木中均无明显差异。[结论]高密度的杜鹃-落叶松林平均树高要高于低密度的杜香-落叶松林和草类-落叶松林平均树高,而平均胸径无明显差异。3块样地林分中树高与胸径的比值小径阶林木中明显大于大径级林木,但其差异在上层和下层林分中均表现不明显。     

基于贝叶斯法的针阔混交林树高与胸径混合效应模型

【目的】在多树种多层次针阔混交林中,基于贝叶斯混合效应模型法构建树高与胸径关系的混合效应模型,以提高预测模型参数稳定性,为揭示混交林多树种生长规律、资源分配差异及森林质量精准提升提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松和白桦针阔混交林为研究对象,基于112块标准地(30 m×30 m)调查数据,选取6个包含不同林分因子的理论方程作为构建混交林不同树种树高与胸径关系的基础模型,选择出拟合精度较高的模型,分别采用两水平非线性混合效应模型法和贝叶斯混合效应模型法构建立包含哑变量的多树种树高与胸径关系模型。【结果】包含林分优势高和林分断面积组合变量的Richards方程拟合效果最好,模型确定系数(R~2)、均方根误差(RMSE)和绝对误差(Bias)分别为0849 5、2378 6和0365 4;贝叶斯混合效应模型法拟合精度略高于传统非线性混合效应模型法:基于传统非线性混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0930 4和0103 4,白桦树高与胸径关系模型的RMSE和Bias分别为0982 7和0112 6;基于贝叶斯混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0910 5和0096 8,白桦树高与胸径关系模型的RMSE和Bias分别为0963 3和0100 2。【结论】基于贝叶斯混合效应模型法构建的非线性混合效应模型,充分考虑混交林多树种树高与胸径关系模型参数的不确定性,模型预测效果更具可靠性和稳定性。