凹叶厚朴一元立体木材积方程的研究

实测239株凹叶厚朴样木的胸径和体积，采用遗传算法，三次设计法和改进单纯纯形法等拟合一元材积方程并与对数线性化最小二乘法进行比较。结果表明：采用遗传算法，三次设计法和改进单纯形法等建立一元材积方程优于对数线性最小二乘法；三次设计及对数线性化最小二乘法的适用性检验统计量F值不能通过F检验，说明不能用三次设计及对数线性化最小二乘法拟合凹叶厚朴的材积方程；同时用模外25株凹叶厚朴样木进行检验，遗传算法和改进单纯形法建立的一元材积方程的理论材积与实测材积相吻合。用遗传算法建立的立木材积方程编制了凹叶厚朴的一元材积表。表3参13     

基于树干不同形率的樟子松立木材积方程研建

目的立木材积方程在森林生产力、生物量和碳储量等林业问题方面都有着广泛的应用。因此，提高立木材积的预测精度一直是林业模型研究者的重要任务。本研究以大兴安岭樟子松为研究对象，构建含有不同形率的二元和三元材积方程，并对比检验其预测效果，旨在把传统立木材积的预测精度提高到一个新的水平。方法利用15个树干不同形率，基于传统的一元和二元立木材积方程分别建立二元和三元立木材积方程，并与传统的一元和二元材积方程比较。通过对各模型进行拟合选出最优形率模型，具体选用统计软件S-PLUS中的广义非线性模块（GNLS）进行拟合。并利用幂函数、指数函数以及常数加幂函数校正在拟合过程中各立木材积模型表现的异方差现象。选择确定系数（R2）、均方根误差（RMSE）、平均误差绝对值（MAB）和相对误差绝对值（MPB）4个指标对模型进行评价。最终采用分径阶比较法比较不同径阶范围内4种方程的预测精度。结果基于相对树高70%处形率的二元模型拟合效果最好，基于相对树高50%处形率的三元模型拟合效果最好。模型检验结果表明:基于传统的一元模型，加入形率后模型的RMSE、MAB、MPB分别降低了33.7%、30.7%、29.9%；基于传统的二元模型，加入形率后的模型RMSE、MAB、MPB分别降低了70.5%、70.9%、71.2%。不同径阶的检验表明:对于小径阶和中等径阶的树木，模型的检验精度顺序为模型（13） > 模型（2） > 模型（12） > 模型（1）；对于大径阶的树木，模型的检验精度顺序为模型（13） > 模型（12） > 模型（2） > 模型（1）。结论形率因子是干形的重要指标。在传统立木材积模型中引入形率因子可以提高材积的预测精度，因此，对于樟子松立木材积的估算，尤其是中大径阶林分，推荐使用带有形率的三元立木材积模型。      

凹叶厚朴一元立木材积方程的研究

实测 2 39株凹叶厚朴样木的胸径和材积 ,采用遗传算法、三次设计法和改进单纯形法等拟合一元材积方程并与对数线性化最小二乘法进行比较。结果表明 :采用遗传算法、三次设计法和改进单纯形法等建立一元材积方程优于对数线性化最小二乘法 ;三次设计及对数线性化最小二乘法的适用性检验统计量F值不能通过F检验 ,说明不能用三次设计及对数线性化最小二乘法拟合凹叶厚朴的材积方程 ;同时用模外 2 5株凹叶厚朴样木进行检验 ,遗传算法和改进单纯形法建立的一元材积方程的理论材积与实测材积相吻合。用遗传算法建立的立木材积方程编制了凹叶厚朴的一元材积表。表 3参 1 3     

基于树干不同高度直径的落叶松立木材积方程

以大兴安岭兴安落叶松为研究对象,基于树干15个不同相对高度处直径和1.3 m处胸径分别建立一元和二元材积方程。利用S-PLUS软件的广义非线性GNLS模块对各模型进行拟合。采用指数函数、幂函数和常数加幂函数对立木材积模型拟合过程中产生的异方差现象进行校正。采用确定系数(R2)、均方根误差(ERMS)、平均误差绝对值(B_(MA))和相对误差绝对值(B_(MP))4个指标对模型进行评价。结果表明,基于树干相对高度30%处直径的一元和二元模型拟合效果最好。模型检验结果表明:相对于传统的一元模型,基于相对树高30%处直径的一元模型的ERMS、B_(MA)和B_(MP)分别降低了25.6%、24.7%、24.7%;相对于传统的二元模型,基于相对树高30%处直径的二元模型的ERMS、B_(MA)和B_(MP)分别降低了55.6%、41.2%、41.2%。二元模型的检验精度明显优于相应的一元模型。     

马尾松不同区域相容性立木材积和地上生物量模型

已有很多国内外学者研究立木材积与地上生物量相容性的问题,但是建模过程中考虑区域因子对模型影响的研究相对较少。针对此问题,以重庆市、四川省和湖北省151株马尾松Pinus massoniana的样本数据为例,采用哑变量和非线性联立方程组的方法,建立了不同区域马尾松通用的相容性地上生物量模型、立木材积模型和它们的转换因子模型。结果表明:马尾松不同区域的模型之间存在差异性;哑变量和非线性联立方程组的方法可以有效地解决不同区域模型的差异性和立木材积与地上生物量模型的相容性;马尾松地上生物量和立木材积的二元模型均优于其对应的一元模型;在独立拟合的地上生物量回归模型中引入立木材积因子,可以有效地改善模型的预估效果;构建的马尾松相容性立木材积和地上生物量哑变量模型评价指标满足中国生物量模型的精度要求（预估精度均高于95%,总相对误差均小于2%,平均预估误差则均小于5%）。     

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。     

基于最优权重的落叶松单木叶面积组合预测模型

最优权重组合预测模型是将各种模型组合起来并分配它们适当的权重系数进行组合预测的模型,减少单项模型预测的风险性,提高预测精度。以落叶松单木叶面积为例,通过拟合一元线性、多元非线性和多元线性等各种单项基础模型,构建最优权重组合预测模型。结果表明,胸径是预测落叶松单木叶面积的最佳变量,增加树冠率或高径比可提高模型解释力,改进异速生长方程是最佳单项模型,R~2达0.927;最优权重算法组合模型优于单项模型及平均值组合模型,落叶松叶面积最优权重组合模型的估测值与实测值之间的平均绝对相对误差和均方根误差均低于单项模型,R~2达0.930。构建的最优权重组合预测模型适合估测落叶松单木叶面积,估测精度高,可应用于长白落叶松人工林叶面积指数估测。     

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。     

日本落叶松种源对树高生长模型参数的影响

以湖北省宜昌市大老岭林场日本落叶松(Larix kaempferi(LAMB.)Carr)种源试验林为研究对象,利用林龄树高数据,应用哑变量方法把种源效应引入Richards方程和Schumacher方程的对数线性回归形式,研究了7个日本落叶松种源对树高生长模型参数的影响。结果表明:Schumacher模型的检验结果,种源对树高生长模型斜率参数或截距参数有显著影响,并且更倾向于种源效应对截距参数的影响;Richards模型的检验结果,种源对树高生长模型的参数有显著影响,但更倾向于种源效应对渐进参数的影响,对速率参数和形状参数也有影响。同一立地不同日本落叶松种源对树高-林龄曲线的渐进参数、截距参数有显著影响,对速率参数、斜率参数、形状参数有影响,应采用不同的生长模型来描述树高生长过程。     

东北云杉相容性立木材积和地上生物量模型研建

以东北云杉为研究对象,利用立木材积和地上生物量实测数据,通过利用总量直接控制和度量误差模型方法,研建相容的立木材积方程、地上生物量方程、生物量转换函数及各分项生物量模型。结果表明:地上生物量模型在引入树高因子后,改善了模型的精度和平均预估误差;所建立的东北云杉一元相容性方程,其立木材积和地上生物量模型的确定系数分别为0.94和0.97,平均预估误差分别为5.36%和3.55%;而二元相容性方程,立木材积和地上生物量模型的确定系数均在0.98以上,平均预估误差控制在3.06%以下。所建立的模型可以用于我国东北云杉林地上生物量的估计。      

用干形指数测定单株立木材积的研究

本文受单株立木材积测定方法──望高法、形点法、胸高形率法和绝对形率法的启发，提出了形点法测定单株立木材积的方法，该方法测点较低、较合理，故量测时较前述四种方法容易。并用９９株落叶松解析木，对上述五种方法进行了精度检验。结果表明，用形点法测定落叶松单株立木材积精度最高，为测定落叶松单株立木材积提出了理论依据。     

福建省马尾松人工林二元立木材积方程检验与修订

福建省马尾松人工林二元立木材积表作为行业标准已经颁布使用了30多年,迫切需要检验和修订。根据2 514株马尾松立木材积数据,采用回归方程和交叉建模检验方法,对福建省现行的二元立木材积方程作适用性检验和修订。结果表明:福建省现行的马尾松人工林二元立木材积方程的估计值标准差为0.114,总相对误差和平均相对误差绝对值均大于10%,平均系统误差大于7%,已经不再适用,需要重新编方程;新建立的二元立木材积方程中的参数很稳定,变动系数均小于2%,估计值标准差为0.06、总相对误差和平均系统误差小于2%、平均相对误差绝对值小于10%;从误差指标来看,方程是适用的。     

亚热带日本落叶松人工林立地指数表编制

日本落叶松是湘西、鄂西高海拔山区引种栽植广泛的树种,以274块样地的优势高—林龄数据为基础,编制亚热带日本落叶松人工林立地指数表。选择6个常用的数学模型通过曲线回归、非线性回归法拟合导向曲线,编制立地指数表。研究结果表明:采用R2较高、EMS最低的对数曲线模型作为最优导向曲线;确定了基准年龄为20 a,指数级距为2 m;以16指数级树高为基准,导出立地指数曲线编成立地指数表。检验结果表明:所编立地指数表精度高、适用性强,可以良好的反映亚热带地区日本落叶松人工林的立地质量。     

东北地区兴安落叶松人工林生长过程研究

为了了解兴安落叶松人工林的生长动态和对其制定有效的经营措施,对黑龙江省东折棱河林场人工兴安落叶松林解析木进行分析,分析了落叶松的生长过程,拟合了人工落叶松林树高、胸径、材积的生长模型,结果表明;"S"型曲线对落叶松的胸径拟合程度较好,幂函数方程对树高的拟合程度较好,三次曲线对落叶松材积的生长过程拟合较好,并通过了显著性检验.为预测该地区落叶松树高、胸径、蓄积的生长提供理论依据.     

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。     

辽东落叶松人工林生长规律研究

以辽宁省实验林场内8块标准地中的32株落叶松人工林标准木的树干解析数据为研究对象,对落叶松人工林的胸径-树高曲线及生长模型进行分析,分别用线性、对数、指数、幂、Logistic方程和三次曲线拟合胸径-树高之间的关系。结果表明:三次曲线拟合效果最好,其相关系数达到0.99以上,表明落叶松的生长经历了一个慢—快—慢的生长过程,其中以幼林阶段的生长速度最快;其次为线性方程拟合结果,幂、指数、Logistic方程的拟合效果也较理想,相关系数均达0.9以上。根据预测结果,建立落叶松人工林线性分布参数的预估方程,预测林分理论胸径-树高分布。     

贵州人工杉木相容性立木材积和地上生物量方程的建立

在国家级森林资源监测中增加森林生物量估计已成为必然趋势,而所需建立的生物量方程应该考虑与立木材积方程的相容性。本文以贵州省人工杉木立木材积和地上生物量数据为例,通过利用度量误差模型方法,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：在胸径基础上再增加树高因子,对立木材积方程的估计效果有明显改进...     

尾叶桉类树种二元立木材积模型的编制

采用151株建模样本,以山本式固定参数方程和可变参数方程建立了广东省尾叶桉类树种二元立木材积模型,模型自检及59株检验样木验证表明,固定参数模型和可变参数模型两精度符合要求,能满足生产需要,但后者具有更优的适用性能。     

湿地松优化立木材积表的编制

通过应用方程Ｖ＝αＤ＾ｂ和Ｖ＝αＤ＾ｂＨ＾ｃ拟合湿地松立木材积表模型,用对数线性化最小二乘法来实现最初的参数估计,并用改进单纯形法对模型参数组合进行优化,得到优化后的湿地松一元、二元立木材积模型：Ｖ１＝０．００００５２８４６Ｄ＾２．７７９８６７和Ｖ２＝０．００００５９３９８Ｄ＾２．１５９９６７Ｈ＾０．６６７８２７６,并利用此高精度的模型来编制湿地松的一元、二元立木材积表。     

量子粒子群优化最小二乘支持向量机的立木材积估算

基于材积方程建立的材积表是森林资源调查工作中重要的工具,估算立木材积的精度是编制材积表的关键。为了解决已有立木材积方程复杂多样、测算准确率低等不足,以北京地区侧柏Platycladus orientalis和落叶松Larix principis-rupprechtii为研究对象,提出利用量子粒子群优化最小二乘支持向量机（QPSO-LSSVM）算法建立材积方程的方法。通过伐倒解析法结合电子经纬仪无损立木材积精测法获取建模样本,对250株侧柏与300株落叶松数据分别建立一元与二元材积方程,计算得到侧柏与落叶松的一元材积方程测试集的决定系数（R2）为0.978 6和0.946 1,二元材积方程测试集决定系数（R2）为0.987 0和0.990 1,均在0.940 0以上,总体相对误差（T_RE）依次为0.75%,-0.16%,0.64%,-0.50%,均满足国家规程小于±3%的要求,表明QPSO-LSSVM模型估算效果良好。最后引用传统一、二元材积方程、BP神经网络和粒子群优化最小二乘支持向量机（PSO-LSSVM）算法建立材积方程并与之进行对比分析。结果表明:QPSO-LSSVM材积方程在估测精度、收敛速度和稳健性等综合性能指标上优于其他材积方程。该方法在高精度材积估测中具有较好的应用前景。