野兔对人工幼林危害的研究

随着退耕还林还草,天然林保护等工程在太谷范村地区实施,当地生态环境得到有效改善,但随之而来的野兔泛滥和对当地人工幼林的危害,带来的经济损失是巨大的。作者通过对山西太谷范村林场的野兔危害进行了实地调查,用统计等方法分析了危害的原因及程度,为森林资源的动态分析提供了可靠的数据。     

不同郁闭度下胸高直径对杉木冠幅特征因子的影响

树冠是树木进行光合作用和呼吸作用的重要场所,冠幅和冠长率直接影响树木的生活力和生产力.以湖南省黄丰桥国有林场103块杉木(Cunninghamia lanceolata)林样地为例,样地按郁闭度CD≥0.8(类型1)、0.7≤CD＜0.8(类型2)、0.6≤CD＜0.7(类型3)、0.5≤CD＜0.6(类型4)和CD＜0.5(类型5)划分5个等级.分析不同等级林分中树木冠幅和冠长率的分布结构以及与胸径的关系,同时利用非线性混合效应模型分析各类型郁闭度对冠幅和冠长率的随机影响.研究结果表明:5种类型的冠幅大小主要分布在区间(2.5-4.0m)之间,分别占65.82％、69.56％、70.79％、58.15％和53.21％,小于1.5m和大于5.0m分布较少;5种类型冠长率主要分布在区间(0.3-0.7)之间,分别占55.69％、71.93％、67.01％、82.22％和79.28％,在区间小于0.2和大于0.8分布较少,大于0.9的冠长率几乎没有;冠幅与胸径之间呈现较弱的线性相关性,而冠长率与胸径之间几乎线性不相关.在相同的胸高直径时,类型5的冠幅最大,而类型1的冠幅最小.对于冠长率,恰好相反,即类型1的冠长率最大,而类型5的冠长率最小;同时给出的冠幅模型(模型11)和冠长率模型(模型14)具有较高的预测精度,在实际应用中可以利用它们对冠幅和冠长率进行预测.     

基于混合效应模型的杉木单木冠幅预测模型

以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型.由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型.从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型.除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响.通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价.结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进.本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型.     

河南省栎类和杨树林分断面积和蓄积生长模型构建

目的建立河南省栎类和杨树林分断面积和蓄积生长模型,为森林可持续经营提供基础数据。方法基于河南省最近3期一类森林资源清查数据,从9个具有生物学意义的备选模型中选出一个最优基础模型。以树种和立地等级作为哑变量,构建林分断面积和蓄积生长模型。结果利用全部样地数据拟合9个备选模型,断面积和蓄积最优生长模型都是Richards形式的模型,决定系数均在0.92以上。引入树种和立地等级作为哑变量后,与基础模型相比断面积和蓄积生长模型拟合精度都有所提高,其决定系数分别为0.98和0.94。结论带树种和立地等级的哑变量模型能同时反映河南省栎类和杨树林分断面积和蓄积生长规律,既减少了建模工作量,又提供了不同林分合并建模的方法。河南省栎类林分断面积和蓄积生长极限值高于杨树;相同林分密度条件下,栎类早期生长速率低于杨树,且栎类和杨树的生长速率均随着立地质量的下降而降低。      

两水平非线性混合模型对杉木林优势高生长量研究

利用两水平非线性混合模型对杉木(Cunninghamia lanceolata)优势高进行分析。概述了两水平非线性混合模型并简单介绍了该模型的参数估计方法;选用了5种常见的Richards和Logistic 形式模型作为构建混合模型的基础模型,利用建模数据分别对这些基础模型各自衍生出的19种混合模型进行计算及比较,结果表明:这5种基础模型对应的最佳混合模型分别为模型(3-1) 模型(3-5);最后把这些最佳混合模型及传统的回归模型两两进行比较,结果表明:二水平非线性混合模型拟合效果比传统的回归模型拟合效果要好,并且基础模型4对应的二水平混合模型(式3-4)拟合效果最好。     

非线性混合效应模型参数估计方法分析

非线性混合效应模型是针对回归函数依赖于固定效应和随机效应的非线性关系而建立的.一阶线性化算法(FO)和条件一阶线性化算法(FOCE)为2种计算非线性混合效应模型参数的常用线性化算法.本文基于FOCE算法,提出一种改进的随机效应参数计算方法,并利用树高生长数据和模拟数据对3种算法进行分析和比较.结果表明:改进的FOCE算法得到的随机效应参数更能反映个体间的随机差异,并且拟合效果更好.     

利用2种非线性混合效应模型(2水平)对杉木林胸径生长量的分析

选择2种2水平非线性混合模型对杉木林胸径生长量进行分析,其中模型1为一般的2水平非线性混合模型,模型2在模型1的基础上进一步考虑固定效应参数随某一特定因子水平变化而变化。本文通过对这2种模型的分析,首先确定构建2水平非线性混合模型的基础模型,然后对模型1衍生出的665种模型及模型2衍生出的2703种模型进行计算和比较:对于模型1,有57种模型计算收敛,当形参b0同时考虑区组和样地效应、而b4和b5只考虑区组效应时,模型拟合效果最好,因此把该模型作为模型1的最佳拟合模型;对于模型2,有24种模型计算收敛,当形参b5同时考虑区组和样地效应、b1只考虑区组效应并且固定效应b0的取值与各区组水平有关时,模型拟合效果最好,因此把该模型作为模型2的最佳拟合模型。最后对传统的非线性回归模型、模型1及模型2进行比较:模型1和模型2的拟合效果都比传统的非线性回归模型好,且模型2的拟合效果最好。     

基于非线性混合模型的杉木优势木平均高

从理论上介绍一阶线性化算法和一阶条件期望线性化算法求解非线性混合效应模型参数,并利用这2种算法分别对杉木优势木平均高进行拟合(选用常用的Logistic模型作为基础模型,把区组作为随机效应因子)。结果表明:2种算法对杉木优势木平均高进行拟合时精度都很高。通过对2种线性化算法进一步比较可得,在分析单木水平非线性混合效应优势木平均高模型时,2种算法拟合效果非常接近,因此在实际应用中可以选择其中任意一种算法对杉木优势木平均高进行拟合。     

卧龙自然保护区林隙特征的研究

对卧龙自然保护区各林分中的145个林隙进行调查,并对林隙特征进行研究,结果表明:卧龙自然保护区林分中林冠空隙的大小变化范围为5.4～298.3 m2,平均为47.75 m2,扩展林隙的大小变化范围为21.6～379.4 m2,平均为218.1 m2;林隙形成的主要原因是倒木、人为砍伐及折干;林隙形成木从1～6株不等,每个林隙以2～3株形成木最多,平均每个林隙的形成木有2.6株;林隙形成时间以0～20 a时间为主,其中在5～15 a期间形成的林隙最多。