| 摘 要： | 林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。
|
