基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

云南红豆杉单木生物量模型选择与树冠调控

拟合并选择云南红豆杉单木生物量模型,明确树冠结构调控技术。以3年生福建省明溪县云南红豆杉原料林为对象,采用4种自变量类型模型,并导入树冠结构特征变量拟合生物量模型;经配对t检验、偏差检验与估算预测精度,优选系列单木生物量模型。比较导入树冠结构特征前后模型的拟合与预测效果,明确并验证树冠结构调控技术。结果表明,采用D²H变量拟合的模型效果最优,其次为DH变量,然后是D²变量,最后是D、H变量。采用D²H变量较D、H变量明显提高模型的拟合与预测效果。导入树冠结构特征后明显提高模型拟合与预测效果。冠幅、冠形率显著影响红豆杉系列单株生物量,促进系列生物量的树冠结构调控重点与方向是促进冠幅宽大;经验证,树冠结构调控技术显著提高系列单木生物量是可行的。自变量类型显著影响模型的拟合与预测效果,选择自变量类型以优化红豆杉单木生物量模型是必要和可行的。导入树冠结构特征因子明显提高单木生物量模型的拟合效果与预测精度。选出4个最优红豆杉单木生物量模型,其决定系数不小于0.862,预测精度均不小于95.18%,M_APE均不大于16.95%,可以用于生产中的生物量预测。     

基于混合效应的长白落叶松一级枝条基径预估模型

【目的】利用非线性混合效应建模方法构建龄组-单木两水平长白落叶松一级枝条基径模型,为探索不同龄组下枝条基径的生长特点及差异提供理论依据。【方法】对4个基础模型进行改进,通过调整系数(R_adj²),均方根误差(RMSE)选择备选模型,在此基础上构建长白落叶松枝条基径非线性混合效应模型。利用独立数据验证模型拟合结果,用平均绝对误差(MAE)、平均相对误差绝对值(MRAE)评价模型预测能力。并对基础模型与混合模型的预测值进行比较,利用龄组水平的随机参数模拟各龄组枝条基径的分布。【结果】以改进后的Gompertz方程为基础模型,当龄组随机效应作用于参数b、单木随机效应同时作用于参数b、c、d上,随机效应的方差协方差结构为广义正定矩阵,异方差结构为幂函数时,模型的拟合效果最优。混合模型的R_adj²有所提升,RMSE、MAE和MRAE都明显降低。最终模型的R_adj²、RMSE、MAE和MRAE分别为0.699 8、4.768 4 mm、3.705 8 mm和0.391...     

混合模型在福建省粗叶榕生物量模型中的应用

为建立粗叶榕灌木生物量的混合模型,精确估算灌木生物量,以福建省将乐县4种林分类型(杉木纯林、杉木马尾松混交林、马尾松纯林、毛竹林)的114组粗叶榕灌木生物量数据为基础,以粗叶榕各部分生物量(地上、地下、总生物量)为因变量,以地径、株高、冠幅等为自变量,从6种常用的灌木生物量模型中选择拟合精度最高的线性及非线性模型作为基础模型。以林分类型为随机效应,采用混合效应模型方法,建立粗叶榕的线性及非线性混合模型。利用幂函数、指数函数、常数加幂函数3种结构消除数据异方差对模型精度的影响。采用AIC、BIC和负2倍的对数似然值对模型进行精度比较,并用绝对平均误差、均方根误差和调整后的决定系数对模型进行检验。结果表明,考虑冠幅建立的非线性生物量模型拟合精度较高;以幂函数作为异方差结构建立的非线性混合模型在精度上有显著提高,检验数据显示地上、地下、总生物量模型的决定系数分别提高12.17%、21.01%、20.24%。利用混合模型,并考虑异方差结构建立的灌木生物量模型可以精确地预估粗叶榕的生物量。     

森林生物量测定精度分析

为提高森林资源的监测质量、数量化森林生物量的测定精度,该文论述了采用经典方法进行森林生物量测定的误差来源:①样地抽样误差;②样地每木检尺误差;③标准木生物量的测定误差;④模型误差;⑤下木层和草本地被物生物量测量误差.然后广泛运用误差传播定律,分别对样地设置、生物量调查及生物量模型进行了相应的精度分析,并结合实例进行了理论验证,最终得出了采用经典方法调查森林生物量的误差为7.63%~14.56%的结论.     

高山松单木地上生物量模型不确定性研究

以高山松为研究对象,基于113株单木地上生物量测量数据,在前期构建高山松一元和二元幂函数模型基础上,采用六步法和泰勒级数对模型的残差变异和参数误差进行不确定性分析。结果表明:基于113株高山松构建的单木生物量模型,一元回归模型的残差变异及模型参数引起的不确定性分别为6.20%、30.30%,综合不确定性约为30.83%;二元回归模型残差变异和模型引起的不确定性分别为5.17%、3.12%,综合不确定性约为6.04%。当建模样本量从38增加至71时,模型的不确定性变化显著。一元模型的参数不确定性和残差变异不确定分别减少14.50%和1.25%,综合不确定性减少14.52%;二元模型参数不确定性和残差变异不确定分别减少35.65%和5.80%,综合不确定性减少34.96%。随着分组样本数的增加,一元地上生物量模型和二元地上生物量模型,其模型的残差变异不确定性也逐渐减小。模型残差变异不确定性和参数不确定性是单木地上生物量模型构建中不确定性的主要来源,增加模型参量能有效降低单木地上生物量模型中参数引起的不确定性;建模样本数量的增加,能有效降低模型参数不确定性及残差变异不确定性。     

广东省木荷单木生物量模型的建立

单木生物量模型是森林生物量估算的基础。实测广东境内90株木荷的数据,伐倒前测量胸径、树高等测树因子;伐倒后,树干分为3段测定树干和树皮的鲜重;树冠分为3层,每层选取3～5个标准枝,并分别称枝、叶的鲜质量,取样后带回实验室;在85℃恒温下烘干至恒质量,根据样品鲜质量和干质量计算含水率,然后利用各部分的含水率推算样木树干、树皮、树枝及树叶等各部分干质量,最后汇总得到地上部分干质量。利用获得的生物量数据,以相对生长模型为基础,采用加权回归估计消除异方差,建立可加性生物量模型,拟合地上部分及各个分量的生物量。结果表明,可加性生物量模型系统中,树干生物量模型精度最高,确定系数达0.90以上,树叶生物量模型的精度最低,但确定系数也达0.74,树枝和树皮生物量模型确定系数均大于0.80;木荷树干生物量占地上生物量的比重最大,其次是树枝和树皮生物量,树叶生物量所占比重最低,随着径阶的增加,树干生物量不断增加,树枝生物量略有增加,树皮所占比重变化不大,树叶生物量所占比例持续降低。模型的建立有助于精确估算广东省木荷生物量,为碳汇计量提供基础数据和模型支撑。     

森林生物量模型综述

根据研究对象尺度不同将生物量模型分为单木生物量模型和大尺度森林生物量模型.分别介绍了这两类生物量模型的历史和现状,简要概括了生物量模型特点和存在的一些问题, 并且对未来的发展趋势做了预测.     

高山松单木木材碳密度变化及其混合效应模型构建

【目的】通过建模来研究高山松单木木材碳密度在纵向(从树干基部到树梢)和径向(从木材髓心向外)的变化规律。【方法】对云南省香格里拉市10株高山松样木进行树干解析,测定不同树高位置和部位的高山松木材碳密度,使用单因素方差分析法分析高山松单木木材碳密度变化规律;采用非线性混合效应模型技术,以纵向的树高效应和径向的部位效应作为随机效应,构建高山松单木木材碳密度混合效应模型。【结果】高山松单木木材碳密度在纵向和径向的变异均极显著,且高山松木材碳密度呈现从树干基部到树梢逐渐增加、从木材髓心向外逐渐减小的变化趋势;与基础模型相比,将树高效应、部位效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,且考虑部位随机效应的混合效应模型具有最佳的拟合表现;所有模型的预估精度均在97%以上,且考虑部位随机效应的混合效应模型和两水平混合效应模型的预估精度高于98%,尤其是两水平混合效应模型的预估精度达到98.04%。【结论】高山松单木木材碳密度随部位和树高变化差异显著,且考虑部位和树高随机效应的两水平混合效应模型在模拟高山松单木木材碳密度时具有更高的拟合精度和预估精度。     

黑龙江省红松人工林立木生物量估算模型的研建

基于红松人工林生物量调查数据,选出了红松人工林总量与各分量最优基础模型,在此基础上利用非线性度量误差联立方程组估计的方法,分别以总生物量和树干生物量为基础分级控制的方案建立了总量及各分量（地上、根、干、枝、叶和树冠）之间相容性生物量模型,并采用加权回归的方法进行异方差的消除。结果表明:最优基础模型和相容性生物量模型的相关指数R2为0.80~0.99,模型拟合率EF为0.82~0.98;在模型的预测精度方面,总生物量和各分量生物量模型的预测精度绝大多数在82%以上,其中树干生物量的预测精度最高,树叶生物量的预测精度最低。总体来看,采用以总生物量为基础分级控制方法建立的相容性模型效果稍好,总量与各分量生物量最优基础模型与相容性模型的各项拟合和检验指标差异不大,这2种形式的生物量模型均能很好地预估红松人工林立木生物量。      

基于不同预测变量的橡胶树地上生物量模型

在海南岛范围内,橡胶林种植面积很大,但对于这种经济树种大多评估它的生产效益和经济效益,很少建立生物量估计模型。基于海南岛54株实测生物量数据,建立橡胶树不同组合自变量非线性回归模型和非线性度量误差模型。由于生物量与自变量之间存在非线性关系,在拟合模型时采用最小二乘建模技术。模型的选择基于解释系数（Pseudo-R²）、均方根误差（RMSE）和平均预测误差（MPE）。结果表明,通用模型的解释系数（Pseudo-R²）和平均预测误差（MPE）分别为0.70~0.94、-0.8%~1.1%,选择基于胸径和木材基本密度的二元模型为最优通用模型。以最优通用模型地上生物量估计值为总量,构建各分项生物量相容性模型,其中树干生物量模型的Rseudo-R²、RMSE值分别为0.92、28.4 kg,拟合效果优于树枝和树叶生物量模型。总体来看,添加树高、树冠和木材基本密度因子进行橡胶树地上生物量模型的构建十分必要。     

杉木分布区中带不同发育阶段人工林生物量估测模型

在收集杉木分布区中带不同发育阶段杉木人工林生物量资料基础上,选择10种不同的生物量估测模型,对杉木幼龄林、中龄林、近熟林和成熟林各器官（地上部分、叶、枝、皮、干、根）生物量与主要测树因子进行拟合,筛选不同发育阶段杉木不同器官生物量估测模型.结果表明：拟合效果最好的为幂函数模型,其次为指数函数模型,再次为多项式模型;共筛选出估算杉木幼龄林、中龄林、近熟林和成熟林各器官和总生物量的最优模型42个（包括36个不同器官生物量模型、6个全株生物量模型）;从杉木各器官生物量的拟合效果看,拟合度最高的模型均是以胸径和树高为自变量的模型.这些模型为分布区中带不同发育阶段杉木人工林生物量的确定和碳储量评价提供科学依据.     

黑龙江西部地区人工小黑杨立木可加性生物量模型

目的森林生物量和碳储量是研究许多林业问题与生态问题的基础。因此,准确测定生物量和碳储量十分重要。建立生物量模型是生物量和碳储量估测的重要手段。以人工小黑杨为研究对象,进行各分项生物量最优模型的选取,构建3种小黑杨可加性生物量模型系统,即基于胸径变量的一元可加性生物量模型系统、基于胸径和树高变量的二元可加性生物量模型系统以及基于最优变量的多元可加性生物量模型系统,为全国性生物量监测提供可靠的理论与技术支持。方法采用聚合型可加性模型来建立生物量模型;模型参数估计采用非线性似乎不相关回归模型方法;采用“刀切法”评价所建立的3种立木可加性生物量模型。结果仅含有胸径的异速生长方程是一种最为简单的模型形式,且具有较高的预测精度。包含树高和树冠属性因子(冠幅和冠长)的生物量模型能提高模型的预测能力,尤其能显著提高树枝、树叶和树冠生物量模型的预测能力。所建立的3种小黑杨可加性生物量模型拟合效果较好,其调整后确定系数(R_a2)均大于0.81,平均相对误差(ME)为-1.0%~10.0%,平均相对误差绝对值(MAE)均小于25%,所有模型的平均预测精度在85%以上。多元可加性生物量模型优于一元可加性生物量模型和二元可加性生物量模型。结论为了使模型参数估计更有效,所建立的生物量模型需要考虑立木总生物量及各分项生物量的可加性。虽然获取树冠属性因子需要花费大量人力和财力,但随着林地环境的变化,多元可加性生物量模型在结合生长模型精确估计小黑杨生物量方面具有一定的优势。总的来看,所建立的立木生物量模型均可对小黑杨生物量进行很好的估算。      

马尾松不同区域相容性立木材积和地上生物量模型

已有很多国内外学者研究立木材积与地上生物量相容性的问题,但是建模过程中考虑区域因子对模型影响的研究相对较少。针对此问题,以重庆市、四川省和湖北省151株马尾松Pinus massoniana的样本数据为例,采用哑变量和非线性联立方程组的方法,建立了不同区域马尾松通用的相容性地上生物量模型、立木材积模型和它们的转换因子模型。结果表明:马尾松不同区域的模型之间存在差异性;哑变量和非线性联立方程组的方法可以有效地解决不同区域模型的差异性和立木材积与地上生物量模型的相容性;马尾松地上生物量和立木材积的二元模型均优于其对应的一元模型;在独立拟合的地上生物量回归模型中引入立木材积因子,可以有效地改善模型的预估效果;构建的马尾松相容性立木材积和地上生物量哑变量模型评价指标满足中国生物量模型的精度要求（预估精度均高于95%,总相对误差均小于2%,平均预估误差则均小于5%）。     

I-72杨树冠特性与生物量相关性研究

分析安徽省安庆市长江外滩地18年生I-72杨树冠特性与生物量的相关性。结果表明,冠幅与生物量呈一元线性相关;冠长与生物量为指数相关;冠形率与生物量也呈指数相关,但相关系数较低;冠幅垂直投影面积与单株生物量呈对数相关;叶干重、单株叶面积与单株生物量为一元线性相关。受造林密度、林分立地条件的影响,树冠特性因子与生物量的相关模型在两种密度的林分中基本相同,但其响应系数略有不同。在树冠特性指标中,叶面积、叶干重与生物量的回归模型能较好地反映二者的变化关系。     

森林生物量模型综述

根据研究对象尺度不同将生物量模型分为单木生物量模型和大尺度森林生物量模 型。分 别介绍了这两类生物量模型的历史和现状,简要概括了生物量模型特点和存在的一些问 题, 并且 对未来的发展趋势做了预测     

基于遥感的高山松连清固定样地地上生物量估测模型构建

  目的  研究利用遥感方法构建高山松固定样地地上生物量估测的参数模型,可以在今后前期样地的基础上直接快速、准确地估测生物量,或者开展少量的外业调查即可获取地上生物量。  方法  基于遥感因子与样地地上生物量变化量和线性混合模型提高生物量估测精度,以香格里拉市1987、1992、1997、2002、2007、2012、2017年7期国家森林资源清查固定样地和对应年份Landsat TM、OLI的Level-1数据为基础,首先对遥感数据进行预处理:包括辐射定标、大气校正、几何校正和地形校正,提取原始波段、比值因子、植被指数、图像增强信息、纹理指数、混合像元分解后的丰度、叶面积指数,计算5 ~ 30年间隔样地对应的遥感因子变化值。根据森林资源二类调查的高山松分布特征,选择地形因子作为线性混合模型的固定和随机效应,采用多元线性回归、非线性回归、地理加权回归、线性混合模型构建高山松地上生物量估测的静态模型,基于遥感光谱信息变化量构建了有树高和无树高参与的动态模型。最后对不同的建模方法和验证结果进行对比分析,选择最优结果作为估测模型并验证。  结果  （1）分析静态数据建模和验证的结果,采用样地号为固定因子、坡度等级为随机因子的线性混合模型的拟合R2最高,为0.75;但利用训练数据集和2017年数据验证,其精度都较低。（2）分析变化量数据建模和验证的结果,采用样地号为固定因子、坡度等级为随机因子、遥感因子变化量为自变量的线性混合模型拟合R2最高,为0.70,预测精度P值为（68.86 ± 11.93）%;增加平均树高变化量,拟合R2最高为0.79,预测P值为（73.39 ± 6.18）%。（3）无论是有、还是无树高参与的变化量模型其拟合和预测精度都达到80%,其预测精度达到了非参数模型预测精度。  结论  基于变化量的估测模型的拟合和预测精度较静态模型有所提高;综合遥感因子、地形因子构建的高山松地上生物量估测线性混合模型,其精度有较大提高;采用遥感因子变化量构建的高山松地上生物量估测模型,有效弥补了静态光学遥感数据估测生物量的不足,经检验可用于其他年期的估测。      

小兴安岭长白落叶松相容性生物量模型的构建

为了提高林木生物量的估测精度,基于长白落叶松标准地调查和标准木生物量,逐步筛选胸径、树高等林木特征因子,构建了单株木、地上部分、树干、根系、树枝、树叶生物量的独立估测模型。根据林木生物量相容性理论,以树干生物量作为控制量,利用单株木生物量中各组分之间的代数关系,通过联立独立模型求解得到单株木相容性模型。同时将样本分为4组,利用5个相对误差指标(即参数变动系数C,总相对误差Rs,平均相对误差E,平均相对误差绝对值Re,预估精度P)来综合评价模型。结果表明,建立的长白落叶松单株木相容性生物量模型结构简单、参数稳定、预估精度较高,可以较全面、客观地反映各组分之间生物量的分配关系,实现模型估计值之间的相容性,提高了林木生物量估测精度。