长白落叶松?水曲柳混交林冠幅预测模型

  目的  基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松?水曲柳混交林24块标准地的3 164株长白落叶松样木及3 574株水曲柳样木的数据，分别构建了长白落叶松和水曲柳的冠幅模型。  方法  通过分析不同混交方式林分内长白落叶松和水曲柳冠幅的变化规律及其与林木竞争因子的关系，从6种常用的线性和非线性基础冠幅模型中选取最优模型，并将混交比例S_i和树木在混交带内位置P作为哑变量，加入其他树木变量和林分变量，分别构建长白落叶松和水曲柳的冠幅模型，并对所构建的模型进行评价。  结果  长白落叶松和水曲柳冠幅在不同混交比例S_i和混交带不同位置P下差异显著；冠幅与DDH（林木胸径与林分优势木胸径之比）和HDH（林木树高与林分优势高之比）成正相关，与大于对象木的胸高断面积之和（BAL）成负相关，与距离无关的竞争因子可以反映树木的竞争压力，对冠幅具有影响；长白落叶松冠幅与冠长率（CR）成正相关，与高径比（HD）成负相关；水曲柳冠幅与水曲柳优势木平均高（H_0Fra）成正相关，与高径比（HD）成负相关。包含混交比例哑变量S_i和混交带位置哑变量P的长白落叶松和水曲柳冠幅模型拟合冠幅（CW）的R_a2分别为0.564 2和0.545 9，加入树木变量和林分变量后长白落叶松和水曲柳冠幅模型拟合CW的R_a2分别为0.674 5和0.589 6。  结论  包含混交带位置哑变量P、混交比例哑变量S_i、树木变量（CR和HD）、林分变量（H_0Fra）的长白落叶松和水曲柳冠幅模型具有较好的拟合效果及预测精度。因此，本研究所构建的冠幅模型可以很好地预测混交林内长白落叶松和水曲柳的冠幅，为进一步研究混交林树木树冠结构奠定了基础。      

韦布尔分布参数矩恢复法的一种简单算法

本文介绍了一种三参数韦布尔分布参数的解法,特别着重韦布尔在收获模型方面的应用。文中讨论了二个公式并介绍了一个例子。从作者手中可以获得解各公式的FORTRAN程序。     

立陶宛森林生产力研究(一)

立陶宛森林生长量测定、森林监测、森林生产力及其动态模型、森林利用研究的理论与新途径。     

长白落叶松人工林树冠形状的模拟

以长白山地区 2 6a生长白落叶松人工林为研究对象 ,采用枝解析的方法 ,测定了 2 5株林木 (直径 10 5～2 4 9cm)的树冠变量 ,并建立了预测树冠外侧形状的冠形模型。基于枝条着枝深度 (DINC)和林木变量所建立的树冠形状模型包括 :基径、枝长、着枝角度和弦长等预估模型。对于大小相同树木的主要枝条来讲 ,这些树冠变量是随着DINC的增加而增大 ;而林木的胸径 (DBH)和树高 (HT)变量很好地反映了不同大小树木的冠形变化。冠形预测模型预测效果良好 ,充分体现了树冠结构的变化趋势 :树冠形状在树冠的中上部呈抛物线体 ,而在树冠的下部则为近圆柱体。文中所建模型 ,可以合理地描述长白落叶松人工林的树冠形状及其变化规律。     

基于KNN方法的大兴安岭地区森林地上碳储量遥感估算

【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k－邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm －2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm －2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。     

迎春5号杨树心边材及树皮的生长变异特征

根据2020年调查的尚志市林业局18块迎春5号杨树(Populus nigra×P.simonii)人工林样地的90株解析木数据,采用协方差分析、配对t检验、方差分析、多重比较等统计方法,对迎春5号杨树心材、边材、树皮的方位变异、横向变异、纵向变异、林分间变异、株间变异进行研究,并采用回归分析建立心材年轮数、心材半径、边材宽度与形成层年龄的回归模型。结果表明：迎春5号杨树心材、边材、树皮的方位变异不显著。心材半径、树皮厚度随着树干高度增加而减小,而边材宽度在树干基部较大,在树干中间大部分区域随高度变化浮动较小,在接近树梢位置的附近区域随高度增加明显减小。心材、边材、树皮的生长与去皮半径、胸径之间皆存在极显著的关系(P<0.01)。不同林分间的心边材比存在显著差异,各个林分内的心边材比也存在不同程度的株间差异。心边材年轮数随形成层年龄的增加而增加,迎春5号杨树心材形成年龄最早为2 a,且心材与边材的生长速率在12～14 a达到最高,在17 a之后趋于平缓。杨树在生长初期的生长速度过快从而提前达到成熟年龄。     

白河林业局红松分布数量预估模型1）

根据长白山地区白河林业局的772块固定标准地调查数据,以及最小二乘法（ OLS）,建立逻辑斯蒂（Logistic）模型来预估该局现时状态有林地的红松分布概率,并采用泊松（Poisson）和负二项分布（Negative binomi-al,NB）模型预估该局现时状态有林地红松的分布数量,并对模型进行了拟合效果评价及独立性检验。结果表明, Logistic模型与数据的拟合效果很好,独立性检验中预测精度也在可接受的范围内,可以利用Logistic模型来预估该局有林地红松的分布概率。与Poisson模型相比,负二项分布模型能够解决因变量的不均匀分布（即过度散布）的问题,因此能够更好地拟合数据。但在独立性检验中,Poisson模型和NB模型的预测精度接近,且都在可接受的范围内,两个模型均可以用来预估该局有林地红松的分布数量。     

城市绿化红皮云杉树冠结构研究

以白城市不同地区9个样点的红皮云杉为研究对象,根据各树冠结构因子实测数据,建立了红皮云杉枝条基径、枝条长度与其着枝深度的关系模型,给出了弦长、着枝角度以及树冠半径的预估模型,并对红皮云杉树冠横断面和纵断面的基本形状进行了描速.