排序方式: 共有47条查询结果,搜索用时 218 毫秒
41.
以黑龙江省七台河市林业局金沙林场9 株人工落叶松6 825 对早、晚材管胞长度样品数据为例,选择6 个常用方程进行非线性回归分析,把拟合精度最高的Richards 模型作为早、晚材管胞长度基础模型y = β1 [1 - exp( - β2 x)]β3 + ε。基于Richards 模型,利用非线性混合模型技术构建落叶松早、晚材管胞长度混合效应模型yij = (β1 + b1i ){1 - exp[ - (β2 + b2i )t]}β3 + b3i + εij 。结果表明:当对早材管胞长度进行拟合时,b1i 、b2i 、b3i同时作为随机参数时早材管胞长度模型拟合最好;当对晚材管胞长度进行拟合时,b1i 、b2i 、b3i 同时作为随机参数时晚材管胞长度模型拟合最好;一阶自回归模型AR(1)能够较好地表达树木内误差相关性;同时考虑随机效应和时间序列相关性结构能够提高落叶松早、晚材管胞长度混合模型的预测精度。 相似文献
42.
以黑龙江省七台河市林业局金沙林场落叶松和樟子松人工成熟林为研究对象,在树干基部、树干1.3m处以及树高的20%、40%、60%和80%处截取5cm厚的圆盘各1个。在每个圆盘南向通过髓心锯下一个楔形木块,将每个楔形木块沿径向切割成相等的8段,测量其宽度和年轮数,并用排水法测定各样品的基本密度。采用方差分析、多重比较、相关分析和回归分析等方法,研究了落叶松和樟子松木材基本密度的株内变异、株间变异、径向变异、沿树干方向的变异以及年轮组间的相关性。结果表明:落叶松和樟子松单株树木内木材基本密度存在变异,在树干不同高度处存在显著的株间变异和径向变异。落叶松树干基本密度在纵向呈现逐渐递减趋势,而樟子松呈现的密度变化趋势是先减小,约在树干高度的20%处之后又开始增加。年轮组间基本密度相关性分析表明:落叶松可在早期时淘汰生长较差的林木,约在5~10年时可基于木材基本密度对林木进行选择;而樟子松木材基本密度早期选择是可行的。 相似文献
43.
基于2层次线性混合模型的落叶松木材密度模拟 总被引:1,自引:0,他引:1
以黑龙江省七台河市林业局金沙林场9株人工落叶松432个样品密度数据为例,利用逐步回归技术构建落叶松木材密度模型:WD=β1+β2RN+β3RN2+β4h。利用S-PLUS软件中的LME过程,分别考虑单水平和多水平效应,拟合线性木材密度混合效应模型。结果表明:基于单水平和多水平效应的混合模型拟合精度高于传统的基本模型,并且考虑单水平树高效应和2层次效应时的混合模型精度高于考虑单水平样木效应影响的混合模型。模型检验结果表明:混合效应模型不但能反映总体平均木材密度变化趋势,还能反映分组之间的差异。 相似文献
44.
兴安落叶松枝条特征联立方程组模型及树冠形状模拟 总被引:4,自引:4,他引:0
以大兴安岭松岭林业局36株天然兴安落叶松2306个枝条数据为研究对象,采用误差变量联立方程组方法,构建兴安落叶松枝条基径、枝长和角度联立方程组模型系统,同时对比了4种参数估计方法。结果表明, 似乎不相关回归过程SUR(Seemingly Unrelated Regression)法能够解释模型间误差相关性和降低参数估计值的标准误。该系统拟合和检验精度都表现较好,本文所建立的枝条特征联立方程组模型系统能较好地描述兴安落叶松枝条特征和冠形的变化规律。此外,利用非线性混合模型技术构建了含有林分密度变量的枝条基径、枝长和角度联立方程组模型系统。基于参数估计值的显著性以及精度的提高都表明林分密度对枝条基径、长度、角度和树冠形状变化有显著影响。 相似文献
45.
落叶松树皮厚度变化规律的研究 总被引:2,自引:0,他引:2
以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,研究胸径处树皮厚度(BT)与胸径(D)、树高(H)、树冠宽度(CD)、冠长率(CR)、冠长(CL)和相对高度(RH)的关系。用多元逐步回归的方法建立落叶松人工林树皮厚度模型。结果表明,人工落叶松树皮厚度最优模型为BT=0.4221+0.0583D-0.046H。模型检验(F=32.46,P〈0.0001)及拟合统计量(R2=0.5155,RMSE=0.1507)都表明该模型较好的描述落叶松树皮厚度的变化。这对于合理的经营和管理落叶松人工林具有重要的理论和实际指导意义。 相似文献
46.
【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... 相似文献
47.
为了构建商品材积模型,以大兴安岭白桦解析木数据为研究对象,选取10个代表性较强的材积比模型作为候选模型,利用R软件的广义非线性(GNLS)模块对各个材积比模型进行拟合,并通过引入方差函数消除各模型在拟合过程中产生的异方差现象。使用交叉检验法对各模型进行检验。选择均方根误差、平均误差绝对值、确定系数(R2)和相对误差绝对值等指标对模型进行对比分析,使用分段比较法对不同相对树高(20%H、40%H、60%H、80%H)的各材积比模型的预测效果进行评价。结果表明:从整体评价结果来看,无论是拟合数据,还是检验数据,材积比模型(8)表现最优。在单独对不同材长(hm)的商品材积进行预测时,最优材积比模型发生了变化:当hm=20%H时,材积比模型(10)的检验精度最高;当hm=40%H时,材积比模型(3)的检验精度最高;当hm=60%H时,材积比模型(4)的检验精度最高;当hm=80%H时,材积比模型(8)的检验精度最高。因此,当预测大兴安岭白桦树干上任意高度处距地面伐... 相似文献