共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
香格里拉高山松天然林最优树高曲线研究 总被引:1,自引:1,他引:0
《林业资源管理》2016,(1):46-51
树高曲线是研究森林生长与收获的重要基础。以云南省香格里拉732株高山松天然林实测数据为例,分别选用11个经典常用的树高曲线,拟合高山松树高与胸径的关系,求解模型参数,用决定系数R2、均方根误差RMSE、残差和MD对模型的精度进行评价。结果表明:抛物线方程的R2=0.6073,RMSE=1.711,MD=-0.0101,经检验该方程Spearman相关系数为0.676,显著性水平Sig小于0.01,抛物线方程可以作为香格里拉高山松天然林的最优树高曲线,研究结果可为高山松的经营以及林分调查提供科学依据。 相似文献
3.
目的 基于我国森林资源连续清查(简称“连清”)样地数据,分省区研建全国杉木人工林平均木树高-胸径的最优基础模型,以期为全国各省区杉木人工林的树高预测提供基础模型。 方法 研究范围为杉木人工林分布的15个省份,数据来自第六次、第七次连清样地数据的树高调查表,总样本数为23 239个。选取18种基础生长方程作为候选模型,分别拟合各省区杉木平均木树高与胸径的关系,根据模型的决定系数(R2)、平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)和平均预估误差(MPE),并结合模型残差分布图,确定各省区最优模型,同时采用5折法验证各省区最优模型的预测能力,最终决定各省区最优树高-胸径模型。 结果 15个省区的杉木最优树高-胸径模型并不相同,四川、云南、重庆、陕西、浙江、江西、湖南、广西的最优模型为模型18(Mitscherlich方程),江苏、安徽、河南和福建的最优模型为模型16(Hossfeld方程),广东、湖北、贵州的最优模型分别为模型10(双曲线方程)、模型11(Logistic方程)和模型13(Gompertz方程),R2分布在0.602~0.807之间,MAE分布在0.94~1.53 m之间,MRE分布在−2.93%~−4.72%之间,RMSE分布在1.23~2.00 m之间,MPE分布在0.50%~2.77%之间。模型拟合效果较好,满足精度要求,且参数具有生物学意义,可作为全国各省区杉木人工林平均木树高-胸径基础模型。 结论 本研究构建全国杉木人工林分布的15个省区的最优树高-胸径基础模型,能较好的模拟各省区的杉木平均木树高随胸径的变化规律,可以作为全国各省区基本的杉木人工林平均木树高-胸径模型,为各省区杉木人工林的树高预测提供依据。 相似文献
4.
报道了云南产的川滇冷杉、长苞冷杉、黄果冷杉、丽江铁杉、云南铁杉、华山松、云南松、思茅松、云南柏9种针叶树种木材物理力学性质进行系统试验研究所取得的大量可靠数据;并依其作了相关分析,供有关方面应用和参考. 相似文献
5.
选取小兴安岭地区天然针阔混交林为样地,以红松、冷杉、云杉、水曲柳、枫桦、紫椴等6种主要优势树种为研究对象,分别进行树高和胸径、冠幅和胸径的相关性分析。通过SPSS 20.0软件将调查的数据代入备选的8个经典数学模型中进行回归分析,得到各方程的P值、决定系数R~2和相关参数,并采用总误差、平均误差、平均相对误差和均方根误差等验证拟合精度,最终选出最优的树木生长模型。结果表明:针叶树的树高和胸径、冠幅与胸径相关性显著,在树高-胸径模型中平均决定系数为0.809,在冠幅-胸径模型中平均决定系数为0.498。相对于针叶树来说,阔叶树树高和胸径、冠幅和胸径的相关性略差,其决定系数平均值分别为0.608,0.395。不同树种适应不同树木生长模型,在树高-胸径的相关性分析中,以幂函数、S函数模型居多,冠幅-胸径模型以三次多项式模型最为显著。 相似文献
6.
7.
以湖北省赤壁市国有林场40块杉木人工林实测数据为例,运用随机森林方法,以胸径、优势树高、优势胸径为自变量,建立树高预测模型。首先根据随机森林的置换精度重要性筛选出建模的自变量,并确定决策树的数量和竞争节点变量数,得到决定系数R2为0.9450,均方误差MSE为2.6966的随机森林树高预测模型。利用检验数据对随机森林树高预测模型和传统树高预测模型分别进行精度检验。结果表明:随机森林模型的拟合效果与预测效果都优于该传统树高模型,随机森林模型可以作为有效的树高预测技术。
关键词:杉木;标准树高曲线;随机森林 相似文献
8.
四川桤木天然林和人工林的单木生长模型研究 总被引:1,自引:0,他引:1
预测和研究四川桤木天然林和人工林的生长与发展规律,以更好地经营四川桤木天然林。以四川桤木天然林和人工林为研究对象,基于实测的树高-胸径数据,通过比较分析9个树高曲线模型,建立四川桤木的单木树高曲线模型。结果显示,最终确定的四川桤木最优树高曲线模型的决定系数R~2为0.794,调整决定系数为0.792,均方根误差RMSE为0.886,相对均方根误差E_(RMSE)为0.045,平均误差ME为0.000,平均绝对误差MAE为2.641。最优的四川桤木单木树高曲线模型自变量为胸径,单木生长模型为H=1.3+27.176×(D/(1+D))~(11.856)。建立的单木树高曲线模型有较好的生物学意义,可为四川省四川桤木天然林和人工林的生长预测提供依据。 相似文献
9.
本研究以20块近天然落叶松云冷杉林为对象,基于4 309对实测树高-胸径数据,分树种(组)对31种常见的树高曲线进行了拟合.模型评价指标除考虑决定系数、均方误、平均误差、残差图外,还重点考虑模型的预测能力,即模型的预测区间和容许区间.结果表明:选出的树高曲线除落叶松和冷杉为线性模型外,其它均为三参数的Gompertzt和Logistic模型.研究给出了所选模型95%的预测区间及表示90%误差分布的容许区间,他们从统计上提供了模型将来用于预测的可靠性. 相似文献
10.
海南省主要人工林树种最优树高曲线研究 总被引:2,自引:0,他引:2
《中南林业调查规划》2019,(4)
树高曲线是建立林分生长与收获模型的基础,采用海南省主要人工林树种桉树、马占相思、木麻黄、加勒比松和橡胶树的标准木实测数据,选用11个常用的树高曲线模型进行拟合,以确定系数和均方根误差作为模型评价指标,最终选取各树种的最优树高曲线模型,同时结合各树种二元材积模型对推导的一元材积模型进行检验。结果表明:各树种最优树高曲线模型预估精度较高,均达到了97%以上,新推导的一元材积模型预估精度达到95%以上,完全满足相关行业标准要求,可应用于实际生产;同时各树种最优树高曲线模型也可为海南省主要人工林可持续经营提供技术支撑。 相似文献