金沟岭林场天然云冷杉林冠幅模型和估计方法比较

  目的  对比不同冠幅预测方法对云冷杉幼树不同方向冠幅（东、西、南、北、东西、南北、平均冠幅）的预测精度的差异，为天然云冷杉林经营提供一定的理论依据。  方法  利用2013年金沟岭云冷杉3块1 hm2固定样地中云冷杉幼树各向冠幅实测数据，以逻辑斯蒂模型为基础模型，以非线性最小二乘法为基础方法进行模型初步拟合。以1/D、1/D0.5、1/D2作为模型的权函数进行模型异方差的消除。以不加权非线性似乎不相关法、加权非线性似乎不相关法、分位数回归法、非线性最小二乘法分别构建了云冷杉幼树冠幅各组分预测模型。  结果  模型拟合结果显示，分位数回归模型的拟合效果在云冷杉幼树冠幅预测模型中拟合精度最低；相较于分位数回归而言，加权非线性似乎不相关回归模型拟合效果与加权最小二乘模型拟合效果相当。模型拟合效果排序为:加权NSUR ≈ 加权OLS > OLS > QR。以1/D2作为模型的权函数时，模型残差图的异方差趋势被消除最明显，该权函数为最优权函数。  结论  本文中非线性分位数回归模型拟合效果不一定比非线性最小二乘法更好。加权NSUR模型（权函数为1/D2）可以为金沟岭林场云冷杉幼树冠幅的预测提供一定的理论基础。      

杉木人工林自疏过程密度变化与环境因子关系的数量分析

收集了１１８块杉木人工样地的林分生长和环境因素资料,用环境因子中１０个定性和４个定量因子对杉木人工林自然稀疏具有较大影响的因子,应用数量化理论Ⅰ建立了杉木要人工林自疏过程密度变化的预防模型。经复相关系数的Ｆ检验表明模型达到极显水平,可应用于杉木人工林自然稀疏预报,并对各环境因子的偏相关系数进行了ｔ检验,结果表明海拔、坡位和林分平均胸径是影响杉木人工林自疏过程密度变化的重要因子（ａ＝０．０１）,而     

基于贝叶斯方法的蒙古栎林单木枯死模型

目的贝叶斯统计法在提高模型参数稳定性上有较大的优势,研究贝叶斯方法在单木枯死模型中的应用,改进模型参数的估计方法,为蒙古栎天然林林分生长收获与经营管理提供参考。方法以蒙古栎天然异龄林为对象,基于202块固定样地数据,利用二分类Logistic模型构建基于经典概率统计法、贝叶斯法和分层贝叶斯法的蒙古栎单木枯死模型。随机抽取80%的数据用于建立模型,剩下的20%用于检验模型,利用经典概率统计法（非线性最小二乘法）、有先验信息的贝叶斯统计法和无先验信息的分层贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过计算ROC曲线下的面积AUC（Under Curve）来判断,并利用Pearson-χ2检验来检验模型的拟合优度。结果（1）贝叶斯法与传统极大似然法的估计值相近,且其估计参数的标准差小于传统方法。（2）贝叶斯法估计参数的可信区间最小,比传统极大似然法的置信区间小6.0% ~ 31.8%。层次贝叶斯法估计参数的可信区间最大,比传统极大似然法的置信区间大11.2% ~ 185.0%。（3）拟合效果最好的是层次贝叶斯法,其模型AUC值为0.83,贝叶斯法与传统极大似然法模型的AUC值均为0.73。结论层次贝叶斯法在拟合枯死模型方面具有明显的优势,拟合效果最好,模型预估精度最高。      

屏边杉木林分适宜密度变化规律及其应用的研究

以杉木林分自然稀疏线,立地指数等上层树高线数学模型及参数值,计算杉木不同初始密度,立地指数,林龄（上层树高）生长阶段的林分适宜密度,初始密度、立地指数愈高,其适宜密度愈高,反之,则愈低,这是杉木林分适宜密度的基本变化规律,由此看出,一定立地条件下的适宜密度是随林分生长阶段的不同而变化的一个动态过程,因此,林分适宜密度不是某定值。     

基于分位数回归法的杉木可变指数削度方程构建

  目的  采用非线性分位数回归法构建不同分位点的杉木可变指数削度方程,与非线性模型进行比较,以提高杉木干形的预测精度。  方法  利用福建省将乐国有林场的73 株（793组）杉木解析木数据,选取4个可变指数削度方程,基于5折交叉验证,分别采用非线性分位数回归与非线性回归构建削度方程。选用调整后决定系数（R2）、均方根误差（RMSE）、平均误差（ME）、相对误差（RE）和平均绝对误差（MAE）5个模型评价指标,结合图形对各模型的拟合结果和预测结果进行评价。  结果  （1）4个可变指数削度方程在5个分位点（t = 0.1, 0.3, 0.5, 0.7, 0.9）处均能收敛,说明分位数回归可以建立不同分位点的估测模型,能更全面地描述杉木干形的变化。（2）4个削度方程在分位点为0.5处的精度最高,R2均在0.97左右。对于削度方程M1和M3,基于中位数回归（t = 0.5）的拟合精度与预测精度均高于非线性回归,且M1的预测值更加集中。（3）在不同分位点下,各模型对树干不同位置的预测精度不同,分位值为0.9和0.3的模型分别对梢头部分和树干基部的预测精度最高。  结论  基于分位数回归的可变指数削度方程不仅能精确预测平均条件下杉木的树干直径,而且能预测任意分位条件下杉木干形的变化趋势。不同分位点模型对树干不同位置的预测精度不同,基于M1削度方程,建立多分位点回归模型能进一步提高研究区杉木干形的预测精度。      

格氏栲天然林凋落物浸提液对杉木种子萌发和胚根生长的影响

目的探讨格氏栲天然林凋落物浸提液对伴生种杉木种子萌发与胚根生长的影响，旨在阐明格氏栲自然更新受抑机制问题。方法以格氏栲天然林凋落物浸提液为化感物质来源，伴生种杉木种子为受试种子，分析未分解层（枝、叶、皮、壳）、半分解层和全分解层凋落物浸提液对杉木种子发芽率、发芽势、发芽指数及胚根生长的影响。结果未分解层凋落物浸提液在低质量浓度时对杉木种子发芽率为促进作用，高质量浓度时为促进或较弱的抑制作用，各质量浓度作用下对发芽势与发芽指数均呈抑制；半分解层与全分解层凋落物浸提液抑制杉木种子萌发，且在低质量浓度（1∶50、1∶100）时抑制作用更强。未分解层凋落物浸提液对杉木胚根生长影响呈“低促高抑”的双重质量浓度效应，高质量浓度时为显著抑制（P < 0.05），其中1∶100质量浓度凋落物叶浸提液在作用第18天时，胚根长度较对照组增加14.3%，显著促进作用杉木胚根生长（P < 0.05）；半分解层各质量浓度浸提液均促进杉木胚根生长，但不显著；全分解层浸提液在1∶5、1∶10和1∶50质量浓度时对杉木胚根生长呈促进作用，1∶30质量浓度时显著抑制（P < 0.05）。结论格氏栲天然林凋落物低质量浓度浸提液对杉木种子萌发总体呈促进或轻微的抑制作用，对胚根生长为促进作用，即促进了杉木更新，使林内种间竞争加剧，间接导致格氏栲自然更新受抑。      

基于修正函数的杉木人工林单木冠幅预测模型1）

在福建省顺昌县,选择50块不同林龄、密度和立地条件的杉木人工纯林为研究对象,采用修正方程法构建杉木单木冠幅模型。在冠幅－树龄潜在生长函数的基础上,以地位指数、林分密度、竞争指数和胸径作为修正变量,根据指数函数和幂函数的组合形式构建误差函数,基础函数与误差函数的乘积即为冠幅修正模型。结果表明：在16种组合的修正方程中,4项幂函数乘积组合的模型拟合效果最佳（ R2＝0．876）;使用未参与建模的数据对模型进行检验,检验结果显著;将修正模型与一元线性回归和多元线性回归模型进行对比分析,发现无论是决定系数还是残差值,修正模型的拟合效果最优,因此,修正模型可以更好地预测杉木冠幅生长。     

过原点回归直线方程的拟合优度

过原点回归直线方程y=b_0x的拟合效果可以用拟合度f表示,而y=b_0x与最优回归直线方程y=a+bx的拟合差异则可以用它们的斜率比S_r表示。     

林火干扰对广东省杉木林土壤有机碳及其组分的影响

目的定量研究林火干扰对森林生态系统土壤有机碳及其组分的影响,揭示林火干扰对森林生态系统土壤有机碳及组分的变化规律,以期为森林土壤碳循环和碳过程研究提供科学参考。方法以广东省杉木林为研究对象,采用相邻样地比较法,以野外调查采样与室内实验分析为主要手段,在森林生态系统水平上,定量测定不同林火干扰强度对土壤有机碳密度、土壤有机碳组分含量和细根生物量的影响,探讨林火干扰对土壤有机碳密度、土壤有机碳组分含量和细根生物量的影响机制。结果林火干扰对杉木林的土壤有机碳密度、土壤有机碳组分含量和细根生物量均有影响,土壤有机碳密度与土壤有机碳组分含量变化趋势表现为对照 > 轻度林火干扰 > 中度林火干扰 > 重度林火干扰。轻度林火干扰对土壤有机碳密度的影响差异不显著（P > 0.05）,而中度和重度林火干扰则显著降低了土壤有机碳密度（P < 0.05）。杉木林土壤细根生物量均低于对照样地,变化趋势为重度林火干扰 > 中度林火干扰 > 轻度林火干扰,轻度林火干扰只显著降低了土壤表层细根生物量（P < 0.05）,而中度和重度林火干扰则显著降低了土壤表层和浅层细根生物量（P < 0.05）。结论林火干扰减少了土壤有机碳密度,减少幅度随土壤剖面深度增加而逐渐变小。不同林火干扰强度后,土壤有机碳组分含量总体随林火干扰强度增加沿土壤剖面递减的幅度呈下降趋势。通过分析林火干扰后土壤碳密度的分布格局及影响机制,可为林火干扰后生态系统碳汇管理以及定量评价林火干扰对森林生态系统碳库的影响提供参考依据。      

杉木人工林近自然化改造对林下植被多样性和土壤理化性质的影响

目的研究近自然化改造下杉木人工林物种多样性和土壤理化性质的相关关系及其动态变化,探究改造后林下植被—土壤系统之间的相互影响关系,评估人工经营措施对杉木人工林群落的生态影响,为该区未来杉木人工林可持续经营提供科学依据。方法以中国林业科学研究院热带林业实验中心3种不同经营模式的杉木近自然改造林分和未经改造的杉木人工纯林作为对照,分析林下灌木和草本群落物种组成、植物多样性水平和土壤理化性质差异及其之间的相关性。结果改造后灌木层和草本层的丰富度、Shannon-Wiener指数、Simpson指数和均匀度指数均高于未改造纯林。土壤理化指标在不同经营模式下变化特征不同,土壤含水量、有机质、全氮、全钾和速效钾含量受采伐影响明显（P < 0.05）,均为改造样地大于对照样地,其中有机质含量最高,达56.68 g/kg。土壤含水量、土壤密度与草本植物多样性表现出一定的相关性,而与灌木层多样性指数无显著相关性;有机质与灌木层的Shannon-Wiener指数和丰富度指数均呈现显著正相关（P < 0.05）,与草本无显著相关性;pH值与灌草层多样性指数均无显著相关性。结论改造后杉木人工林土壤全氮、全磷、全钾、速效钾有机质和含水量与林下灌草多样性指数的相关性最为密切,建议采伐后保留450 ~ 600株/hm2配合林下30 ~ 40株阔叶树种补植作为该区域经营指标参考,并重视经营措施下的人工林林下植被多样性与土壤理化性质产生的相互关系。      

基于地统计模型的林分蓄积量空间异质性研究

基于云南省昭通市大关县天星镇林分二调数据，以林分蓄积量作为因变量，将郁闭度、平均胸径、平均海拔和坡度作为自变量，采用最小二乘法模型(OLS)和地理加权回归模型(GWR),对林分蓄积量的空间效应进行分析。结果表明：1)距离在6 075 m以内，林分蓄积量在总体上呈现出显著的空间自相关性，且随距离的增大自相关性逐渐减小最后趋于稳定；2)随着间隔距离的增加，基台值逐渐减小，块金值逐渐增加，在距离达到6 075 m时趋于稳定；3)平均胸径、郁闭度和平均海拔与林分蓄积量呈现出正相关性，而坡度与林分蓄积量具有负相关性；4)GWR模型的R²(0.73)和预测精度P(0.60)均大于OLS模型R²(0.34)和预测精度P(0.54)。林分蓄积量在空间尺度上具有异质性，且GWR模型能很好地描述林分蓄积量的空间异质性，采用合理的经营方式以促进林木胸径、郁闭度的生长，同时考虑海拔和坡度的影响，从而促进林分蓄积量的增长。     

2020-02ml 目录

目的采用非线性分位数回归方法构建樟子松树干削度方程，并对比分析9个分位数（τ = 0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9）模型和传统的非线性回归削度方程的预测精度。方法以七台河市林业局金沙林场154株人工樟子松干形数据为研究对象，选取简单削度方程、分段削度方程和可变指数削度方程，利用非线性回归和非线性分位数回归方法构建樟子松树干削度方程。采用确定系数（R2）、平均误差（MAB）、相对误差（MPB）、均方根误差（RMSE）为统计指标对构建的削度方程进行对比分析。结果（1）在9个分位点（τ = 0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9）下的各削度方程都可以收敛，分位数回归方法可以灵活预测各分位点树干曲线的变化。（2）与非线性回归相比，基于中位数（τ = 0.5）时的各削度方程在拟合过程中表现最好，其中以可变指数削度方程表现最优。（3）检验结果也表明:相对于非线性回归的各削度方程，基于中位数（τ = 0.5）的简单削度模型的MAB和MPB均下降26.7%，RMSE下降19.9%；基于中位数（τ = 0.5）的分段削度方程和可变指数方程预测能力较强。（4）中位数回归的各削度方程在树干大部分的预测能力都优于相应的非线性削度方程。结论分位数回归方法是一种稳健的建模方式，基于中位数（τ = 0.5）的可变指数削度方程的预测精度最高，适合该区域樟子松树干干形的预测。      

基于分位数回归的针阔混交林树高与胸径的关系

  目的  基于包含哑变量的非线性分位数回归方法，构建华北落叶松Larix principis-rupprechtii与白桦Betula platyphylla针阔混交林树高与胸径关系的预测模型，对研究混交林中树种结构及立地生产力预测具有重要意义。  方法  以河北省塞罕坝机械林场华北落叶松与白桦针阔混交林为研究对象，利用83块标准地调查数据，基于哑变量分别采用最小二乘法和非线性分位数回归方法，构建不同树种树高与胸径关系模型。  结果  基于包含哑变量的非线性分位数回归预测模型精度高于最小二乘法，其中利用最小二乘法拟合不同树种模型，其确定系数、平均差及平均绝对误差分别为0.787~0.814、1.581~1.877、2.447~2.654；而利用非线性分位数回归不同树种不同分位点模型，其确定系数、平均差及平均绝对误差分别为0.839~0.921、0.213~1.469、0.561~2.322，经过残差分析确定，当分位点τ=0.7时，不同树种树高与胸径关系预测模型精度较高。  结论  与最小二乘法相比，基于非线性分位数构建的包含哑变量不同树种树高与胸径关系的预测模型精度更高。图3表3参33     

不同方法估算马尾松天然林植被固碳潜力的比较1）

以江西省马尾松林分为研究对象,运用最大值法、光能利用率法、生产力回归模型法和生长过程法对林分尺度森林植被固碳潜力进行了估算。结果表明：最大值法、光能利用率法和生长过程法三者间估算结果相近（P＞0．05）,分别为0．81～1．22、0．77～1．21和1．25～1．60 t· hm－2· a－1;生产力回归模型法估算结果明显高于其他三种方法（ P＜0．05）,估计值为4．15～4．93 t· hm－2· a－1。综合分析表明,生长过程法较适用于林分尺度上森林植被固碳潜力的估算。     

马尾松人工林密度控制图及密度预警研究

目的密度控制图是一个集设计、展示、评价不同经营措施的有效工具,为同龄林经营提供决策依据。本研究首先是构建热林中心马尾松人工林密度控制图,并在此基础上对马尾松林分密度进行评估,进而构建密度预警图,并根据预警图提出相应的森林经营建议。方法以广西壮族自治区热林中心的马尾松人工林为研究对象,基于2011年建立的238块固定样地调查数据以及2013年和2015年的复测数据,采用Reineke自然稀疏方程,构建马尾松密度控制图,基于最优密度的上下限以及二类调查数据,构建马尾松人工林的密度预警图。结果基于最优密度上下限、优势高模型、材积模型以及地位指数模型构建了热林中心马尾松人工林的密度控制图;根据密度控制图和现有林分的密度情况,构建了热林中心密度预警图,基于此提出了相应的经营建议。结论本研究将热林中心马尾松分为高密度林分,低密度林分以及合理密度的林分,并根据林分所处的状态提出不同的经营建议。高密度的林分,采用疏伐的措施,将林分引向最优密度区间;低密度的林分,采取补植珍贵树种的方式,促使林分朝着合理密度方向发展,落入合理区间的林分,不采取任何与密度调控相关的经营措施,使林分按照原来的经营模式发展,为热林中心马尾松人工林的可持续经营提供决策支持。      

巨尾桉人工林林分因子与林龄的关系模型及样地尺度效应

揭示广西壮族自治区南宁巨尾桉人工林（2~9 a）的林分特征，研究主要林分因子与林龄的相互关系及在不同面积尺度上的适应性。巨尾桉人工林设置20个（30 m×30 m）方形大样地，每个方形样地中分成9个小样地（10 m×10 m），由4个小样地组成中样地（20 m×20 m）。采用Logistic、Gompertz、Richards和Korf 等4种经验模型模拟林分密度、平均直径、平均高、优势木高、胸高断面积、蓄积量等主要林分因子与林龄的相互关系。巨尾桉人工林林分平均直径、平均高、优势木高等林分与林龄呈极显著正相关，回归关系用Logistic经验模型拟合最好，相应3组检验决定系数（R²）均>0.5，3组测试样地的标准化残差落在［-2,2］带状区域中，表明3个模型在不同面积尺度样地上有较好的适应性；胸高断面积和每公顷蓄积量与林龄呈显著正相关，回归关系分别用Gompertz经验模型和Korf经验模型拟合最好，胸高断面积-林龄模型很好地适应中小样地（100、400 m²），在大样地（900 m²）中稍差；蓄积量-林龄模型很好地适应大、小样地（100、900 m²），在中样地（400 m²）中稍差。巨尾桉人工林林分胸径分布呈现近似正态分布，呈现增长型趋势；林分平均直径、平均高、优势木高与林龄回归关系用Logistic经验模型拟合最好，100 m²样地大小已具备反映这3个林分因子与年龄的生长规律；胸高断面积和每公顷蓄积量与林龄回归关系分别用Gompertz经验模型和Korf经验模型拟合最好,胸高断面积、蓄积量与林龄的相关性具有较大的空间异质性；林分密度与林龄无显著相关性。     

利用分位数组合预测兴安落叶松枝下高

【目的】本文使用分位数回归和分位数组合对枝下高进行建模和预测,为单木枝下高模型的构建提供新的思路和方法。【方法】利用大兴安岭新林区4个林场的兴安落叶松天然林实测数据,采用非线性回归构建枝下高基础和广义模型并分别扩展到分位数回归。使用三分位数组合(τ=0.1,0.5,0.9)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9)、九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)和4种抽样设计(抽最大树、抽最小树、抽平均木、随机抽取)进行预测,比较不同分位数组合的预测效果并分析不同抽样设计对预测精度的影响。同时使用双重交叉检验对非线性回归、最优位数回归和最优分位数组合进行比较。模型拟合和检验的评价指标主要包括平均绝对误差(MAE)、均方根误差(RMSE)、相对误差(MPE)和调整确定系数(R²_adj)。【结果】(1)无论是非线性回归还是分位数回归,广义模型的拟合MAE较基础模型可降低6%~12%,RMSE可降低6%~10%,检验效果也优于基础模型。枝下高与胸径呈负相关、与样地优势高和每公顷断面积呈正相关。(2)中位数回归在所有分位数中拟合能力最好,且效果与非线性回归相似。分位数回归可以描述枝下高的分布。(3)3种分位数组合都可以对枝下高模型进行预测且效果相差不大,三分位数组合就可以满足枝下高的预测精度。中位数回归的交叉检验结果与非线性回归相似,三分位数组合的预测能力最优,MAE和MPE较非线性回归和中位数回归分别下降了20%和4%左右,R²_adj提高了16%左右。(4)基础和广义分位数组合的最优抽样设计分别为抽平均木5株和抽大树7株。【结论】本研究基于三分位数组合(τ=0.1,0.5,0.9)的枝下高模型可以提高预测精度,具体应用基础和广义分位数组合模型的最优抽样设计分别为抽平均木5株和抽大树7株。综合预测精度和调查成本的考虑,在实践中应用分位数组合时,推荐在样地中抽取5株平均木对枝下高进行预测。