基于计数模型方法的林分枯损研究

利用吉林省汪清林业局金沟岭林场落叶松林分连续观测数据,分别利用Poisson回归模型、负二项模型、零膨胀模型和Hurdle模型拟合林木枯损株数,并通过AIC值以及Vuong检验对这些模型进行详细分析比较。结果表明:Poisson回归模型不适用于模拟林木枯损株数,负二项回归模型相对于Poisson回归模型比较适用;但是对于零枯损过多的数据,这2类模型拟合效果较差。零膨胀模型和Hurdle模型对这类数据有很好的解决办法,其中,零膨胀负二项模型和Hurdle-NB模型拟合效果优于其他几种模型,且Hurdle-NB模型略好于零膨胀负二项模型。     

长白落叶松林分进界模型的研究

利用吉林省汪清林业局金沟岭林场落叶松林分连续观测数据,以计数类模型为基础,分别利用Poisson回归模型、负二项模型、零膨胀模型和Hurdle模型拟合林木进界株数,并通过AIC值,Pearson残差图以及Vuong检验对这些模型进行了详细分析比较.结果表明:Poisson回归模型不适用于模拟林木枯损株数;负二项回归模型相对于Poisson回归模型比较适用,但是对于零枯损过多的数据,这两类模型拟合效果较差;零膨胀模型和Hurdle模型对这类数据有很好的解决办法,而且,零膨胀负二项模型拟合效果最好.     

基于泊松分布的森林火灾发生数贝叶斯估计模型

对黔南区森林火灾发生数与气象因子进行分析,以Poisson和零膨胀Poisson为基础,通过贝叶斯方法建立黔南地区火险天气森林火灾预测模型。结果表明:零膨胀Poisson模型拟合效果比Poisson模型拟合好。同时还发现,利用贝叶斯法估计森林火灾发生模型能够很好地评价森林火灾发生模型的不确定性。     

Poisson回归模型和负二项回归模型在林火预测领域的应用

应用Poisson回收模型和负二项回归模型进行林火预测预报,研究模型的使用条件和检验方法,以大兴安岭地区1980—2005年该地区林火发生数据为基础,并运用AIC检验方法对模型的拟合水平进行检验,探讨这2种模型对林火发生的预测能力,为在我国林业领域的应用提供必要的理论依据和数据支持。     

基于零膨胀负二项模型对大兴安岭地区夏季火发生预报模型的研究

大兴安岭林区地处寒温带,是我国东北最重要的森林资源采伐基地。在全球气候逐渐变暖背景下大兴安岭地区的气候发生了明显的变化,导致夏季火频发,对该地区生态系统造成一定影响。选用零膨胀负二项(ZINB)模型,使用R-project软件,对该地区1967-2008年夏季火每日发生林火次数与气象因子之间的关系进行拟合,并用检验数据进行模型准确度预测。结果表明:最高气温对于模型的点部分影响极显著,平均地温和日照时数对于模型的零膨胀部分具有显著性影响,模型预报的准确率达71%。该模型对大兴安岭地区夏季火的预测准确性较好,利用该模型的预测预报结果能够为森林防火工作者合理配置灭火人力与物力,优先对火灾潜在高发区的可燃物进行中断管理提供科学的依据与技术支撑。     

广义线性模型在林火发生预报中的应用

首先介绍了国内外广义线性模型在林火发生预报中的应用,其次分别阐述了常用于林火发生预测的正态分布、逻辑斯蒂分布、泊松分布、负二项分布、零膨胀、栅栏等6种广义线性回归模型的表达式、参数估计方法和几种相关的假设检验方法,其中,逻辑斯蒂广义线性模型主要用于预测林火发生的概率,其他5种模型主要用于预测林火发生的频次。根据林火发生频次的数据结构特点和前人的研究结果分析得出,与正态分布相比,泊松分布、负二项分布、零膨胀、栅栏4种广义线性回归模型更适于预测林火发生的次数。当林火发生频次的方差接近于期望,应采用泊松或零膨胀泊松广义线性模型;如林火发生频次的方差显著大于期望,则宜采用负二项或零膨胀负二项广义线性模型。最后,对广义线性模型在我国林火发生预测中的应用提出了三方面建议:第一,增加模型的自变量(如森林可燃物特征、地形、人类活动等因子);第二,增加模型在景观层次林火发生预报中的应用;第三,拓展模型的建模方法,如建立广义线性混合效应模型和广义相加模型。     

广西林火驱动因子及预测模型研究

了解林火最主要的驱动因子并对林火进行预测，能为当地森林火灾的预防与管理提供科学依据。基于2011—2020年的历史火灾数据集，以及气象、地形、人为活动和可燃物载量等数据构建Logistic回归模型和机器学习模型来探究广西林火发生最主要的驱动因子，同时选择最优模型对研究区内森林火灾发生概率进行预测。研究表明：月平均降雨量、月平均相对湿度和林区建筑物数量是影响广西森林火灾发生最显著的因子；Logistic回归模型和机器学习模型均取得了较好的拟合效果，AUC值均在0.85以上，机器学习模型的精度要优于Logistic回归模型，随机森林模型精度最高(S_AUC=0.92)。通过随机森林模型对全区林火发生概率进行预测，结果显示桂西北、桂北、桂西南地区的林火发生风险最大，预测结果契合广西实际，能够为广西的林火预测预报提供参考。今后，应加强对野外火源的管控力度并提高对极端天气的预警防范能力，以降低森林火灾发生的风险。     

基于气象因子的随机森林算法在塔河地区林火预测中的应用

[目的]应用逻辑斯蒂回归模型和随机森林算法建立大兴安岭塔河地区林火发生的预测模型并对比模型预测精度,判断随机森林算法在该地区林火预测中的适应性,为该地区林火管理工作提供技术支持。[方法]利用1974—2008年大兴安岭塔河地区森林火灾发生数据,分别运用二项逻辑斯蒂回归模型和随机森林算法,对塔河地区林火发生与气象因子之间的关系进行实证分析。为减少训练样本分布对试验结果的影响,将全样本数据随机分成60%的训练样本和40%的测试样本,并且进行5次重复,建立5个中间模型(样本组)。选择在5个中间模型中的3个及以上的显著变量(因子)对全样本数据进行分析并分别比较2种模型算法在5个中间模型和全样本模型中的预测准确率。此外,还设计了变量交互试验进一步验证相同变量下2种模型的预测精度。[结果]日最小相对湿度、细小可燃物湿度码和干旱码3个因子在二项逻辑斯蒂回归模型和随机森林算法中均与林火发生呈显著相关。模型拟合的预测结果显示:在对5个中间模型的预测中,随机森林算法对训练样本(60%)和测试样本(40%)的预测准确率分别高于二项逻辑斯蒂回归模型8%和10%左右;在全样本模型的预测中,随机森林算法拟合的准确率为85.0%,而二项逻辑斯蒂回归模型拟合的准确率为76.2%,二者相差10%左右,与之前5个中间模型的预测结果一致;在变量交互试验中,随机森林算法拟合的准确率为86.0%,而二项逻辑斯蒂回归模型拟合的准确率为72.8%,随机森林算法的预测准确率提高了18.1%左右。[结论]日最小相对湿度、细小可燃物湿度码和干旱码是影响林火发生的主要气象因子。在基于气象因子的塔河地区林火发生预测模型研究中,随机森林算法的预测准确率高于传统二项逻辑斯蒂回归模型10%左右,具有一定的预测优势和应用价值,可为大兴安岭塔河地区林火预测和决策提供参考。     

中国森林火灾发生规律及预测模型研究

量化分析森林火灾发生规律能为预测和防治森林火灾提供科学依据。文中采用四参数Weibull分布描述了我国森林火灾发生次数和火场面积分布规律,运用Spearman相关系数分析承灾主体因子、灾害管理因子、孕灾环境因子与森林火灾发生次数、面积间关系,基于全国森林火灾数据分别建立灰色系统理论模型、BP人工神经网络模型和时间序列ARIMA模型,并采用Markov随机过程改进已建立模型。结果表明,我国森林火灾发生次数分布呈左偏正态分布,火场面积呈倒J型分布,火灾次数和火场面积分布模型拟合决定系数分别为0.63和0.66;承灾主体、孕灾环境和灾害管理对森林火灾次数和火场面积影响程度依次减小,人工林面积、累年年平均气温、年降雨量平均差值、年最低气温平均日数与森林火灾发生具有明显相关性,影响森林火灾的因子与森林火灾发生次数、火场面积间存在指数型关系;不同模型对森林火灾发生次数和火场面积拟合优度次序为BP模型、GM（1,1）-Markov模型、BP-Markov模型、GM（1,1）模型、ARIMA模型、ARIMA-Markov模型,采用Markov过程能显著改进GM（1,1）预测模型对火灾随机性的预测效果,可以更好地反映森林火灾发生规律。     

基于随机森林模型的交界域火灾风险分析

【目的】城镇森林交界域火灾频繁发生,使民生经济遭受严重危害。使用随机森林模型对省域内的城镇森林交界域火灾风险与影响因子的关系进行空间建模,探究随机森林模型在拟合、解释交界域火灾风险方面的优势,并与森林火灾风险的影响因子对比,为进一步评估城镇森林交界域火险提供依据。【方法】研究基于安徽省2002—2011年火灾历史数据,采用气候、地理环境、人类活动、社会经济等方面的9个因子作为自变量,月均火灾密度作为因变量。使用特征选择方法得到模型内不同自变量的贡献度、统计特征以及内部模型的平均表现,选择出进入最后模型中的自变量;使用随机森林模型对城镇森林交界域火灾风险进行解释,分析影响城镇森林交界域火灾风险和森林火灾风险的重要因子。【结果】关键自变量对城镇森林交界域火灾风险的影响程度大小排序依次为:道路线密度、铁路线密度、月均最高温度、归一化植被指数、人口密度以及海拔;对森林火灾风险则为:月均最高温度、归一化植被指数、道路线密度、铁路线密度、人口密度以及海拔;经过训练与计算发现随机森林模型在5个子模型的训练集与测试集的表现基本一致,拟合值与实际值的简单相关系数均达0.90以上,可见随机森林模型对交界域火灾风险和森林火灾风险表现出显著的解释能力;此外,随机森林模型在总体数据集上进行了拟合,得到城镇森林交界域火灾风险的拟合值与实际值的相关性为0.997,森林火灾风险的拟合值与实际值的相关性为0.996,表明了随机森林模型具备极强的火灾风险拟合性能。【结论】影响城镇森林交界域火灾发生的最重要自变量是道路和铁路线密度,而对森林火灾则是月均最高温度与归一化植被指数,可见城镇森林交界域火灾发生人类活动因素密切相关。随机森林算法对城镇森林交界域火灾风险和森林火灾风险都能表现出稳健的和非常准确的拟合能力,是一个非常有用的工具。     

Application of Poisson Regression Model and Negative Binomial Regression Model in Forest Fire Forecasting

A Poisson regression model and a negative binomial regression model(NB model) are often used in areas such as medicine and economy,but rarely in the domestic forestry sector,especially in the forest fire forecasting.Based on the data of forest fire occurrences in Daxing’anling region in 1980- 2005,this paper profoundly analyzes the application conditions and test methods of the two models.The AIC method was used to check the fitting level of the models and the capability of the models for forecasting forest fires was discussed.This study provided necessary theoretical basis and data support for the application of the two models in the field of forestry in China.     

Gentan probability analysis with a state-dependent discrete forest growth model

The previous stochastic models applied for Gentan probability estimation utilized either a stationary or nonstationary Poisson process to describe the forest owners’ harvesting behavior by means of the counting process. A nonstationary Poisson process has the advantage over a stationary Poisson process of capturing a time-dependent change of harvesting events. However, a nonstationary Poisson process can lack one preferred characteristic of the probability theory when utilizing an average growth function with an asymptotic nature of growth. That is, the sum of the derived Gentan probabilities over time does not always become unity. In this paper, we introduce a state-dependent discrete forest growth model with an asymptotic nature of growth to overcome the problem, then propose a stochastic model applied for Gentan probability estimation. The Mitscherlich type growth function is utilized. The derived probability law to capture the harvesting behavior is shown to be the binomial probability law. The derived probabilities prove to sum up to unity over time.     

Comparison of six generalized linear models for occurrence of lightning-induced fires in northern Daxing’an Mountains,China

The occurrence of lightning-induced forest fires during a time period is count data featuring over-dispersion (i.e., variance is larger than mean) and a high frequency of zero counts. In this study, we used six generalized linear models to examine the relationship between the occurrence of lightning-induced forest fires and meteorological factors in the Northern Daxing’an Mountains of China. The six models included Poisson, negative binomial (NB), zero-inflated Poisson (ZIP), zero-inflated negative binomial (ZINB), Poisson hurdle (PH), and negative binomial hurdle (NBH) models. Goodness-of-fit was compared and tested among the six models using Akaike information criterion (AIC), sum of squared errors, likelihood ratio test, and Vuong test. The predictive performance of the models was assessed and compared using independent validation data by the data-splitting method. Based on the model AIC, the ZINB model best fitted the fire occurrence data, followed by (in order of smaller AIC) NBH, ZIP, NB, PH, and Poisson models. The ZINB model was also best for predicting either zero counts or positive counts (≥1). The two Hurdle models (PH and NBH) were better than ZIP, Poisson, and NB models for predicting positive counts, but worse than these three models for predicting zero counts. Thus, the ZINB model was the first choice for modeling the occurrence of lightning-induced forest fires in this study, which implied that the excessive zero counts of lightning-induced fires came from both structure and sampling zeros.     

Modelling tree mortality across diameter classes using mixedeffects zero-inflated models

The mortality of trees across diameter class model is a useful tool for predicting changes in stand structure.Mortality data commonly contain a large fraction of zeros and general discrete models thus show more errors.Based on the traditional Poisson model and the negative binomial model,different forms of zero-inflated and hurdle models were applied to spruce-fir mixed forests data to simulate the number of dead trees.By comparing the residuals and Vuong test statistics,the zero-inflated negative binomial model performed best.A random effect was added to improve the model accuracy;however,the mixed-effects zero-inflated model did not show increased advantages.According to the model principle,the zeroinflated negative binomial model was the most suitable,indicating that the"0"events in this study,mainly from the sample"0",i.e.,the zero mortality data,are largely due to the limitations of the experimental design and sample selection.These results also show that the number of dead trees in the diameter class is positively correlated with the number of trees in that class and the mean stand diameter,and inversely related to class size,and slope and aspect of the site.     

马尾松毛虫天敌的发生动态及空间分布

松毛虫 ( Dendrolimus spp.)的天敌资源十分丰富 ,寄生性天敌、捕食性天敌及不同的病原微生物均会有不同程度的发生或流行 ,据统计 ,仅湖南省的天敌就达 16 3种 [1] 。天敌与寄主之间的发生关系 ,以及各种天敌之间的相互作用一直为人们所关注。虫生真菌由于寄主广泛 ,对天敌昆虫的影响更是人们关注的焦点 ,并一度曾使人们对真菌杀虫剂的生产应用产生怀疑。有关这方面的研究报道也比较多 ,其中大多是关于虫生真菌与寄生性天敌的关系研究 ,结果表明寄生性天敌一般不受虫生真菌侵染 ,各自独立地起作用 ;被天敌寄生的寄主因表皮的破坏可能更易…     

皱绿柄天牛幼虫空间分布型初步研究

应用聚集度指标测定法、线形回归方程检验法和空间频次分布检验研究皱绿柄天牛幼虫的空间分布型.结果表明,皱绿柄天牛幼虫的空间分布型属聚集型的负二项分布.在此基础上,利用Iwao的M*-m回归方程分别计算出了0.05、0.1及0.2允许误差水平下皱绿柄天牛幼虫的最适抽样数.     

On the gain by spreading seeds; a statistical analysis of sowing experiments

An attempt is made to quantify the reduction in zero‐plot frequency which is obtained by better spreading of seeds than what is common. There is presented a simple method based on the mixed binomial model to calculate from experimental data zero‐group frequencies for any number of seeds per spot less than the number in the real experiment. A model describing how the zero‐group frequency depends on the number of spots per plot and number of seeds per spot is developed.     

柑桔全爪螨空间分布型的研究

对4个柑桔产区抽样调查,采用卡方检验判断柑桔全爪螨的空间分布型,其主要空间分布呈负二项分布。进一步计算聚集度指标,表明各种群存在个体群。分层随机抽样调查上、中、下三个树冠层,各层空间分布型均呈负二项分布,而虫口密度以上层最高,下层最低。