基于非线性混合模型的杉木标准树高曲线1）

树高曲线是研究森林生长和收获的重要基础,以福建省将乐县国有林场29块杉木人工林实测数据为例,首先运用非线性最小二乘法对9个经典常用标准树高曲线方程进行拟合,选出拟合效果最好的模型作为基础模型,利用基础模型及建模数据构建非线性混合效应模型。通过变化混合参数个数,并利用SAS软件进行模拟,选择结果收敛且AIC、BIC值和负二倍对数似然值最小的混合模型作为最优模型,最后利用检验数据与传统非线性最小二乘法进行精度比较。结果表明：方程H＝1．3＋a0 Ha1t （1－e－a 2D－a3g D ） a4在模拟杉木树高的生长趋势效果较好,因此,选为构建非线性混合模型的基础模型。在选择混合参数时,发现当a1和a3同时作为混合参数时,拟合效果最好。综合分析,非线性混合模型比固定模型的模拟精度高,可更好地描述杉木的树高生长。     

基于两水平混合模型的杂种落叶松胸径和树高生长模拟1）

以江山娇实验林场的16块杂种落叶松密度对比标准地为研究对象,使用非线性最小二乘法,对4种常用胸径和树高生长模型拟合优度进行比较,最终选择Schumacher 方程作为混合模型的基础模型。考虑林分效应和林木效应,采用两水平嵌套混合模型的方法,通过R软件进行不同参数混合作用的模拟,选择收敛的AIC、BIC和对数似然值最小的混合模型作为最优模型,最后将其与传统模型进行拟合优度的比较。结果表明：胸径生长模型中将林分效应作用于参数a1、林木效应作用于参数a0和a1,树高生长方程中将林分效应和林木效应作用于参数a0时的混合模型最优,可将胸径和树高生长传统模型的确定系数从0．7510和0．9008提高到0．9463和0．9474,均方根误差也大幅缩小,并且较好地消除了异方差现象,说明通过构造方差协方差矩阵可以校正随机参数以反映树木之间生长的差异。     

基于非线性混合效应的高山松林生物量模型研究

以云南省香格里拉县的高山松林为研究对象,选取遥感因子与地形因子作为模型中的固定效应,并以幂函数模型为基础进行林分生物量基本模型的构建;采用混合效应模型技术,根据海拔高低把样地划分为6个区域,将区域效应作为随机效应,并在基础混合效应模型基础上考虑方差和协方差结构,构建林分生物量混合效应模型,以此估测高山松林分生物量。利用AIC、BIC和Log Lik 3个拟合指标评价模型的拟合效果,利用SRE、MRE和AMRE进行最终林分生物量混合效应模型的独立性检验。结果表明:从模型拟合结果看,考虑区域效应的混合效应模型的拟合效果明显高于基础模型,其AIC和BIC值最低,Log Lik达到最大;从模型独立性检验看,考虑区域效应的混合效应模型的绝对平均误差最小(AMRE=31.52%),精度达到77.83%。综合分析,混合效应模型可有效提高高山松林分生物量估测精度。     

基于树干解析的高山松天然林单木木材生物量生长模型

以云南省香格里拉市两块典型样地内的10株高山松样木为研究对象,基于树干解析测定和计算其单木木材生物量生长及木材生物量生长率,采用非线性混合效应模型技术,分别考虑了样地效应和样木效应,将所有不同随机参数组合的模型进行拟合并分析模型的方差和协方差结构,构建其生物量生长及生物量生长率混合效应模型。结果表明:考虑样地效应、样木效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,其中考虑两水平随机效应的混合效应模型具有最佳的拟合表现,具有最低的AIC和BIC值。考虑两水平混合效应在生物量生长量及生物量生长率模型构建中预估精度最高,分别达93.05%和89.83%;考虑样木效应的混合效应模型次之,分别为88.34%和88.74%;考虑样地效应的混合模型预估精度均最低,分别为83.99%和67.27%;而一般回归模型的预估精度仅87.00%和87.11%。     

基于线性混合效应模型的杉木树高-胸径模型

【目的】利用线性混合效应模型分析杉木树高与胸径的关系,为杉木树高测量提供支持。【方法】收集688组有效杉木研究数据,利用最小二乘法构建树高(H)和胸径(DBH)的线性基础模型,同时考虑林分密度效应和海拔效应,在R 3.2.2软件中拟合混合模型,比较基础模型和2种混合模型的赤池信息规则(AIC)、贝叶斯信息规则(BIC)和-2倍对数似然值(-2log lik),在此基础上,引入误差效应方差协方差矩阵及指数函数、幂函数和恒等式函数,筛选较好的混合模型;基于独立验证数据对模型进行验证,选取R~2、|E|、RMSE3个评价指标对模型精度进行评价。【结果】固定模型的AIC=2 089.731,BIC=2 102.151,-2log lik=2 083.732,均大于混合模型,即混合效应模型拟合效果优于固定模型;考虑模型误差效应方差协方差矩阵,加入恒等式异方差函数能够显著提高模型的精度,且含有不同随机参数的混合模型精度不同,引入海拔随机效应的混合模型拟合精度(R~2=0.804 4,|E|=1.553 9,RMSE=2.143 0)高于含有林分密度效应的混合模型(R~2=0.797 0,|E|=1.576 6,RMSE=2.183 0)。【结论】考虑随机效应的混合模型既能反映杉木树高的总体变化趋势,还能体现不同组分间的差异,在估测精度和通用性上均优于固定模型。     

基于混合效应模型及EBLUP预测杉木树高生长过程

基于福建省将乐县国有林场15块标准地的30株杉木Cunninghamia lanceolata标准木的解析数据,首先对5个生长方程运用非线性最小二乘法进行拟合,选出拟合效果最好的模型作为基础模型,利用解析木数据构建非线性混合效应树高生长模型。以单株树木作为随机效应,通过变换混合效应参数个数,利用R软件选择赤池信息准则(AIC),贝叶斯信息准则(BIC)最小,对数似然函数(Loglik)值最大的混合效应模型作为最优模型,基于混合效应模型研究经验线性无偏最优预测法(EBLUP)预测树高生长过程的特点。结果表明:Weibull方程中,β1,β2和β3等3个参数都作为混合效应参数的模型模拟精度最高。观测次数相同时,延长观测间隔能够降低预测误差,提高预测精度;观测间隔相同时,增加观测次数,预测精度会提高。     

利用两水平非线性混合效应模型建立温州地区天然阔叶树树高曲线

以永嘉县四海山林场7 块天然阔叶林样地中602株林木为例,首先选用6种常用的树高曲线方程模拟该阔叶林主要树种的树高曲线,根据决定系数、均方根误差、平均相对误差3个统计量以及残差图检验,确定1个用于构建混合效应模型的基础模型。然后确定树种间的差异和样地间的差异作为随机效应,构建两水平的非线性混合效应模型,并利用AIC、BIC等指标评价不同混合模型的效果。结果表明,在树种水平和样地水平均同时考虑2个参数的随机效应时,模拟温州地区天然阔叶树树高曲线混合效应模型拟合效果最好,能够显著提高模型的拟合精度、大幅度减小模型误差;混合效应模型随机参数的方差协方差表明,天然阔叶树的树高曲线的变化主要受树种的影响,其次是样地的影响。     

长白落叶松人工林单木冠幅模型

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。     

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。     

基于混合效应模型的大兴安岭地被可燃物含水率模型

基于黑龙江省大兴安岭林区南瓮河生态站的落叶松(Larix gmelinii)林、蒙古栎(Quercus mongolica)林、落叶松白桦(Betula platyphylla)混交林3种典型林分的288组可燃物含水率数据,选择基于平衡含水率的可燃物含水率实时变化模型为基础模型,采用非线性混合效应(NLME)模型方法,以林分因子作为随机效应,建立具有混合效应的可燃物含水率的实时变化预测模型,并通过给残差方差增加权重的方法解决异方差性问题。结果表明:考虑随机效应和异方差结构的可燃物含水率实时变化NLME预测模型的拟合效果(M_(AE)=0.716 7,M_(RE)=0.026 6)优于不含随机效应的可燃物含水率实时变化预测模型(M_(AE)=0.815 6,M_(RE)=0.031 2);其中以常数加幂函数作为异方差结构的模型精度最高(AIC=547.72,BIC=581.29,-2LL=527.72)且明显优于未给残差方差增加权重的可燃物含水率实时变化NLME预测模型(AIC=961.65,BIC=988.50,-2LL=945.65)。利用独立样本数据对模型进行检验,检验结果表明,对于可燃物含水率实时变化的预测,考虑随机效应和异方差结构的NLME模型的检验精度(M_(AE)=0.495 8,M_(RE)=0.034 2)比利用最小二乘法拟合的多元非线性回归模型(M_(AE)=0.588 5,M_(RE)=0.588 5)有所提高,说明基于混合效应模型的可燃物含水率实时变化模型可以很好地描述区域尺度上不同林分类型的可燃物含水率实时变化规律。     

基于抚育间伐效应的红松人工林枝条密度模型

【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R_a²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。     

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。      

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。      

经营措施与生境因素对林下更新层闽楠生长的影响

该研究应用数理化理论模型Ⅰ的方法,对福建三明林下更新层闽楠培育基地进行样地调查与数据收集,分析探讨不同经营措施与生境因素对林下更新层闽楠生长的影响.结果表明影响林下更新层闽楠生长的主要因素依次是造林方法、坡位、林冠层郁闭度、施肥、林下生境,且对闽楠生长影响均达到极显著.采用大容器苗造林,选择山地下坡、林冠层郁闭度保持在0.4～0.6、施肥、林窗生境均是促进更新层闽楠生长的关键技术.     

番鸭体重生长非线性混合效应模型评价的研究

【目的】定量描述和估计本地番鸭体重生长的轨迹和参数。【方法】本研究对116只番鸭进行了21 weeks的饲养和观测;利用5种生长函数(Gompertz、Logistic、Von Bertalanffy、Richards和Brody)拟合了番鸭体重生长的非线性混合效应模型;分别计算了这些模型的8个生长参数(成熟体重、拐点日龄、拐点体重、初生体重、绝对生长率、相对生长率、绝对成熟率和相对成熟率);根据信息准则、误差方差的大小和生长参数估计值的准确度,比较了不同模型间的拟合和估计结果。【结果】与非线性固定效应模型比较,5种非线性混合效应模型拟合的番鸭体重生长方程和估计的8个生长参数,其准确度整体上提高了许多;全群番鸭体重生长Gompertz非线性混合效应模型,其信息准则最小,误差方差减少量达99.92%;雄、雌番鸭体重生长Richards非线性混合效应模型, 其信息准则最小,误差方差减少量分别是89.80%、91.81%。【结论】Gompertz和Richards非线性混合效应模型分别是评价全群和雄、雌番鸭体重生长的最优模型。     

基于状态转移算法优化的投影寻踪病虫害预测模型

为解决新疆加工番茄病虫害预测问题中样本数据的非线性和高维性等问题,采用投影寻踪回归模型对加工番茄病虫害预测进行研究。根据新疆某种植基地的样本数据,将投影寻踪回归模型与改进状态转移算法结合,建立了改进状态转移算法优化的基于Hermite多项式的投影寻踪病虫害预测模型。投影寻踪病虫害预测模型将高维的数据投影到低维空间,利用加入正交变换的状态转移算法优化得到投影方向和多项式系数。试验结果表明,利用该模型对新疆某种植基地2003—2008年的样本数据训练效果误差0.2,等级预测达到完全正确;对2009—2011年的病虫害等级预测准确率95%。基于改进状态转移算法的Hermite投影寻踪回归模型可靠性及预测精度很高,能有效的解决病虫害预测中存在的数据非线性、高维性等实际难题。该模型应用于加工番茄病虫害的预测具有一定的可行性和实用性。     

多层非线性混合效应模型评价番鸭体重生长

【目的】寻找定量描述本地番鸭体重的生长模型。【方法】利用Richards生长函数,设计番鸭体重的4种生长模型,包括考虑个体、性别的二层非线性混合效应模型（ModelⅠ）,考虑个体、性别、资料自相关性的二层非线性混合效应模型（Model Ⅱ）,考虑个体的单层非线性混合效应模型（Model Ⅲ）,忽略个体和性别的零层非线性固定效应模型（Model Ⅳ）,描述了番鸭个体和群体生长特征。比较了番鸭体重生长4种模型的信息准则、误差方差、不同体重测定点日龄的平均测定值和模型拟合值、模型和生长参数估计值。【结果】    Model Ⅱ的拟合效果整体最好,估计了公、母的初生体重及成熟体重和生长速度最大的日龄、体重、绝对生长率,分别是40 g、3 504 g及43 d、1 523 g、65 g•d-1和40 g、2 209 g及36 d、977 g、45 g•d-1。【结论】考虑个体、性别、资料自相关性的Richards二层非线性混合效应模型是评价本地全群及公、母番鸭体重生长的最优模型。     

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。     

杨树天牛数据库管理系统

建立了杨树天牛数据库管理系统，数据分为标准地数据和虫情普查数据，后者根据范围又分为县、乡、村级数据。数据库管理主要由查询功能、增加记录、编辑、删除、存盘等几组程序控制，具有良好的用户接口。     

闽楠林窗更新的立地因子效应研究

该研究应用数理化理论模型Ⅰ的方法,对福建明溪闽楠林窗更新培育基地进行样地调查与数据收集,分析探讨不同立地因子对林下闽楠生长效应的影响。结果表明,影响林窗更新闽楠生长的主要因素依次是坡位、坡向、坡度,且对闽楠生长影响均达到极显著。在闽楠林窗更新过程中,进行坡位、坡向和坡度选择十分必要。