杉木单木枯损率与初植密度、竞争和气候因子的关系

【目的】分析杉木单木枯损率与初植密度、竞争和气候因子的关系,为杉木科学经营管理提供决策依据。【方法】以江西杉木密度试验林为研究对象,选取常用的logit、probit和cloglog 3种二分类变量数据结构模型构建杉木单木枯损率基础模型,并进行选择。以选择出的最优模型为基础,引入样地和样木的随机效应构建杉木单木枯损率混合效应模型。【结果】logit模型的AIC值最小(4 700.419),probit模型次之,cloglog模型最差。考虑样地和样木两水平随机效应的混合效应模型模拟精度最高,其AUC值为0.966 8。初植密度、林分优势高越大,杉木单木枯损率越高;相对直径d/D_g越大,杉木单木枯损率越低;气候越干旱,杉木单木枯损率越高;温度升高,杉木单木枯损率减小。【结论】考虑样地和样木两水平的logit模型能够较好分析杉木单木枯损率与初植密度、竞争、立地和气候因子的关系,并且随着气候干旱发生,杉木单木枯损率提高。     

基于灰狼算法SVM的NIR杉木密度预测

【目的】提出一种基于灰狼算法支持向量机(GWO-SVM)的木材密度预测模型,利用近红外光谱(NIR)对杉木密度进行预测,为杉木性质定量分析提供理论依据。【方法】将109个杉木样品光谱数据和样品密度数据进行归一化,选取88个样品作为训练集、21个样品作为测试集,对2 151维光谱数据提取主成分,以主成分作为输入变量,以杉木样本密度作为输出变量,建立杉木密度多元线性回归(MLR)模型、SVM模型和GWO-SVM模型,采用决定系数(R~2)、均方误差(MSE)和平均绝对百分误差(MAPE)对3种模型的预测结果进行比较分析。【结果】对光谱数据进行主成分分析并选择5个主成分,其累积贡献率达98.7%。MLR模型的R~2为0.771 4,MSE为0.000 282 1,MAPE为3.009 23%; SVM模型的R~2为0.923 8,MSE为0.000 233 1,MAPE为2.794 50%;灰狼算法对SVM进行参数寻优,获得的最优参数分别为C=18.366 6、σ=0.043 3,GWO-SVM模型的R~2为0.919 2,MSE为0.000 183 4,MAPE为2.496 37%。3种模型的平均绝对百分误差均在可接受范围内,且GWO-SVM模型的平均绝对百分误差最小,预测效果最好。【结论】从预测精度分析,GWO-SVM模型明显优于MLR模型和SVM模型;从模型决定系数分析,GWO-SVM模型和SVM模型均优于MLR模型。灰狼算法优化支持向量机结合近红外光谱对杉木密度进行预测分析合理、高效。     

基于贝叶斯模型平均法和逐步回归法构建杉木单木胸径生长模型

【目的】探索杉木人工林单木胸径生长量变化的驱动因子,比较不同驱动因子的重要性,构建不确定性单木胸径生长模型,为杉木经营管理者科学经营管理杉木人工林提供参考。【方法】以福建省邵武市卫闽林场杉木密度试验林为研究对象,采用贝叶斯模型平均法(BMA)和逐步回归法(SR)分析杉木单木胸径生长量与内部因子(林分变量因子)和气候因子的关系,构建杉木单木胸径生长模型。【结果】杉木单木胸径年均生长量受气候因子影响较小,主要受竞争因子和单木大小因子影响。单木胸径生长量随林分密度、林分平方平均胸径、大于对象木的断面积和、年龄、冬季平均最低温度增加而减小,随期初胸径、胸高断面积、优势木平均高、最冷月平均温度、最热月平均温度、年均降雨量增加而增加。基于SR获得模型的后验概率小于BMA获得最佳模型(最高后验概率)或SR模型不在BMA模型空间前几个后验概率高的模型中。【结论】杉木单木胸径生长量随竞争增加而减小,随温度和降雨增加而增加。贝叶斯模型平均法考虑所有可能变量的组合,能够反映出模型的不确定性。     

杉木幼龄林分断面积生长的良种与密度效应研究

[目的]探讨不同良种和初植密度对杉木幼龄期断面积生长的影响及其互作效应,以揭示在这两个控制因子下杉木林断面积生长发育规律.[方法]以2012年春在福建省邵武卫闽国有林场营造的杉木良种和初植密度互作试验林为研究对象,根据8年的逐年定位观测资料,分析2个杉木种子园良种(第1代种子园良种和第3代种子园良种)和4种初植密度(1...     

森林空间结构对昆嵛山腮扁叶蜂虫口密度的影响

【目的】明确天然赤松次生林中昆嵛山腮扁叶蜂虫口密度与森林空间结构之间的相关性,探索利用空间结构指标调控森林害虫的生态控制技术。【方法】在昆嵛山天然麻栎-赤松次生混交林中设置面积为6 hm2的样地,测定昆嵛山腮扁叶蜂寄主赤松、黑松、多脂松的空间结构指标树种角尺度、大小比数、混交度和虫口密度,分析各指标与虫口密度之间的关联性。对每株样木分别从上、中、下层,东、南、西、北4个方向统计虫巢数量,以虫巢数的3倍作为株虫口密度。【结果】赤松上昆嵛山腮扁叶蜂虫口密度与角尺度呈显著正相关(R~2=0.821,P=0.034),与胸径大小比数(R~2=0.903、P=0.013)和树高大小比数(R~2=0.906、P=0.013)均呈显著负相关,与混交度相关性不显著(R~2=0.177、P=0.481);黑松上昆嵛山腮扁叶蜂虫口密度与角尺度呈显著正相关(R~2=0.858,P=0.024),与胸径大小比数(R~2=0.043、P=0.739)、树高大小比数(R~2=0.237、P=0.406)均呈负向相关关系,但相关性不显著,与混交度相关性也不显著(R~2=0.251、P=0.390);多脂松上昆嵛山腮扁叶蜂虫口密度与角尺度(R~2=0.032、P=0.772)、胸径大小比数(R~2=0.180、P=0.447)、树高大小比数(R~2=0.194、P=0.458)、混交度(R~2=0.653、P=0.098)等各空间结构指标均无显著相关性。3个树种中,赤松和黑松的虫口密度与空间结构的相关性强于多脂松;不同空间结构指标相比较,虫口密度与角尺度和大小比数的相关性强于角尺度。【结论】空间结构指标角尺度和树种大小比数对昆嵛山腮扁叶蜂的生态调控作用优于混交度。森林经营实践中可以充分利用昆嵛山腮扁叶蜂虫口密度与空间结构指标之间的关系,通过尽量降低角尺度即营造均匀的松属树种林分以提高对虫害的抵御能力,同时尽量提高树种大小比数即改善林木生长状况以抑制昆嵛山腮扁叶蜂的发生。     

基于贝叶斯法的针阔混交林树高与胸径混合效应模型

【目的】在多树种多层次针阔混交林中,基于贝叶斯混合效应模型法构建树高与胸径关系的混合效应模型,以提高预测模型参数稳定性,为揭示混交林多树种生长规律、资源分配差异及森林质量精准提升提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松和白桦针阔混交林为研究对象,基于112块标准地(30 m×30 m)调查数据,选取6个包含不同林分因子的理论方程作为构建混交林不同树种树高与胸径关系的基础模型,选择出拟合精度较高的模型,分别采用两水平非线性混合效应模型法和贝叶斯混合效应模型法构建立包含哑变量的多树种树高与胸径关系模型。【结果】包含林分优势高和林分断面积组合变量的Richards方程拟合效果最好,模型确定系数(R~2)、均方根误差(RMSE)和绝对误差(Bias)分别为0849 5、2378 6和0365 4;贝叶斯混合效应模型法拟合精度略高于传统非线性混合效应模型法:基于传统非线性混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0930 4和0103 4,白桦树高与胸径关系模型的RMSE和Bias分别为0982 7和0112 6;基于贝叶斯混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0910 5和0096 8,白桦树高与胸径关系模型的RMSE和Bias分别为0963 3和0100 2。【结论】基于贝叶斯混合效应模型法构建的非线性混合效应模型,充分考虑混交林多树种树高与胸径关系模型参数的不确定性,模型预测效果更具可靠性和稳定性。     

基于气候因子的杉木人工林削度方程构建

【目的】基于湖南省永州市75块杉木人工林样地的调查数据,构建含气候因子的杉木人工林树干削度方程,为后续研究气候因子对杉木树干削度的影响提供理论依据。【方法】从4个备选基础模型中选取1个最优的作为基础模型,使用数量化方法Ⅰ筛选出显著的气候因子,在此基础上,将气候因子和林分密度因子通过混合效应模型方法添至最优的基础模型中,确定最优的随机效应添加形式,从而构建含气候因子和林分密度因子的杉木人工林树干削度方程。【结果】Kozak(2004)模型为最优基础模型,其Ra2为0.959 5;夏季平均最高温（Txmax）、生长积温（DD5）为影响树干削度显著的气候因子。单含林分密度因子的杉木人工林树干削度方程的Ra2为0.971 0,均方根误差（RMSE）和平均绝对误差（MAE）分别为0.757 2、0.546 7,而含气候因子和林分密度的杉木人工林树干削度方程Ra2为0.981 6,RMSE和MAE分别为0.603 4、0.431 2,相比最优基础模型Ra2提升了2.3%,RMSE降低了32.56%,MAE降低了34.56%;相比单含林分密度因子的杉木人工林树干削度方程Ra2提升了1.1%,RMSE...     

基于纵向数据非线性混合模型的杉木林优势木平均高研究

以江西省大岗山实验局不同初植密度的杉木林为研究对象,选择修改的Richards模型形式,考虑样地效应,采用SAS软件进行非线性混合效应模型的模拟,利用AIC和BIC值评价模型模拟效果。在此基础上考虑优势木平均高连续观测数据的时间序列相关性,并把初植密度以哑变量形式考虑进去,再进行混合模型的模拟。最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。研究结果表明,修改的Richards形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高,增加随机效应参数个数能够提高模型的估计精度。一阶自回归误差结构矩阵模型在解释优势木平均高的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好的表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及不同初植密度的混合模型模拟精度比传统的非线性回归方法模拟精度高。     

利用非线性混合模型模拟杉木林优势木平均高

介绍国内外利用非线性混合效应模型方法模拟林分优势木平均高的研究进展情况。以江西省大岗山实验局不同初植密度的人工杉木为研究对象,考虑初植密度的随机效应,选择常用的Richards和Logistic形式,通过变换混合效应参数个数来构造优势木平均高和林龄关系的非线性混合效应模型。采用确定系数、均方误差和平均绝对残差等模型评价指标对不同模型的精度进行比较分析。结果表明:无论是Richards形式还是Logistic形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高;但是增加随机效应参数个数并不一定绝对提高模型的估计精度,相反估计精度有可能下降。以(4)式为基础的Logistic方程中,3个参数都作为混合模型的模拟精度最高。     

基于机载激光雷达的崇礼冬奥核心区林分地上生物量反演

【目的】基于机载激光雷达数据建立结构稳定的林分地上生物量预测模型,考虑最小二乘、混合效应和贝叶斯等参数估计方法对最优生物量预测模型选择进行探讨,为生物量建模方法研究、生物量估测提供科学依据,为冬奥核心区实现“双碳”目标和生物量模型计算提供技术支撑。【方法】基于崇礼冬奥核心区2种森林类型(华北落叶松和白桦)62块实测样地及对应的激光雷达数据,通过变量筛选分别建立最小二乘、混合效应和贝叶斯生物量模型,应用确定系数(R²)、均方根误差(RMSE)、残差、总体相对误差(TRE)评价模型,采用留一交叉法验证模型精度。【结果】筛选出相关性较高的激光雷达变量共20个,最终进入模型的自变量3个。拟合效果最好的是Logistic混合效应模型(RMSE=22.99 t·hm^-2,R²=0.768,TRE=6.08%),分树种建立模型后华北落叶松模型拟合效果提升(RMSE=22.92 t·hm^-2,R²=0.795,TRE=7.45%),白桦模型预测精度提高(RMSE=23.34 t·hm^...     

基于胸高处边材面积、胸径和冠基部直径的杉木单木叶生物量预测模型

【目的】基于多个变量分别构建杉木单木叶生物量预测模型，并选择出预测效果最佳的模型，为杉木叶生物量的精准预测提供参考。【方法】以21块不同林龄样地共63株解析木为例，分别基于胸高处边材面积、胸径和冠基部直径3个变量，考虑其他与叶生物量相关的单木和林分因子，以样地为随机效应因子构建非线性混合模型，采用指数函数、幂函数和常数加幂函数消除数据间的异方差性。根据模型评价指标赤池信息准则(AIC)、贝叶斯信息准则(BIC)和对数似然值(Log Likelihood)选择最佳模型，并对不同参数的混合模型进行似然比检验。采用留一交叉验证法，计算模型决定系数(R²)、总相对误差(TRE)和平均绝对误差(MAE)，对模型预测效果进行检验。【结果】基于3个变量以幂函数为异方差结构构建的混合模型效果最好，混合模型均优于基础模型，且基于冠基部直径构建的模型预测效果最佳。【结论】以基于冠基部直径构建的非线性混合效应模型(模型16)作为预测杉木单木叶生物量的最佳模型，符合管道模型理论。各变量均具有一定生物学和统计学意义，野外调查较易获取(非破坏性)。模型具有一定实用性，且预测精度较高(R     

南亚热带杉木人工林材种结构长期立地与密度效应

[目的]揭示南亚热带杉木人工林材种发育的长期立地和密度动态效应规律。[方法]以广西大青山A(1667株·hm^-2)、B(3333株·hm^-2)、C(5000株·hm^-2)、D(6667株·hm^-2)、E(10000株·hm^-2株)5种初植密度、36 a生杉木(Ctmninghamia lanceolata)密度试验林为研究对象,分析密度和立地影响下材种株数与材种材积分布的动态变化规律。[结果]杉木林分小径材株数和材积比率在初期随林龄增长而递增,达峰值后随林龄增长而减少,初植密度越小、立地指数级越高,减少速度越快;中、大径材株数和材积比率随林龄增长而增加,初植密度越小、立地指数级越高,增速越快。18立地指数级D及以下密度林分28 a生前中径材材积比例约50%;36 a生时A密度林分大径材材积比例约50%。16立地指数级中低初植密度林分中径材材积比例均超过45%,且以C密度林分最高、约48%;36 a生时A密度林分大径材材积比例超过26%。14立地指数级,A密度林分中径材材积比例24 a生时达44%,A、B、D密度林分小径材材积分别于12、18、24 a生时达83%、76%、69%o 10立地指数级C、E密度林分36 a生时小径材材积比例分别达71%、61%。[结论]杉木林材种形成与立地、密度和林龄关系密切,立地质量具决定性作用,而培育高规格材种时初植密度亦可成为关键限制因素。初植密度越低、立地指数越高,越利于中、大径材形成。在杉木南带产区,10指数级立地短周期经营时只适宜培育小径材及小条木。14指数级立地适宜培育中、小径材,若以中径材为第一培育材种时初植密度宜低。16指数级立地适宜培育中径材,长周期经营时也可培育大径材,但初植密度不宜超1667株·hm^-2。18指数级立地中径材生产潜力很大,但更宜培育大径材,且初植密度宜控制在A密度,轮伐期不宜低于36 a。     

基于立地因子的杉木人工林断面积生长混合效应模型研究

基于湖南省150块杉木人工林样地数据,采用方差分析、回归分析、非线性混合效应模型、K-means聚类等方法,构建了含立地因子的杉木人工林断面积生长混合效应模型。结果显示:1)海拔(HB)、坡度(PD)、坡位(PW)、土壤厚度(TH)、土壤类型(TL)对林分断面积的生长具有显著影响,其显著性顺序为TLTHPDPWHB;2)在8种常用的理论生长方程中,Schumacher(M5)的确定系数最高(R~2=0.7636),被选为林分断面积生长模拟的基础模型;3)将不同立地因子组合的107个立地类型(ST)作为随机效应,构建了非线性混合效应模型,其确定系数(R~2)提高至0.895 1;4)将107个立地类型(ST)聚类为5个立地类型组(STG),进一步构建了杉木断面积生长混合效应模型,其确定系数(R~2)提高至0.920 2。研究表明:基于立地因子的非线性混合效应模型,客观解释了立地因子对杉木人工林断面积生长的影响,提高了林分断面积生长模型的模拟精度。     

杉木林分蓄积生长的密度及立地效应

采用3参数Weibull生长方程,对15块杉木密度试验林26年连续观测数据进行分析,计算了林分材积年平均生长量(MAI,包括净材积年平均生长量(MAInet),总材积年平均生长量(MAIgross));利用相关分析及逐步回归分析,研究了林分净材积(Vnet)和总材积(Vgross=Vnet+枯死木材积累积(∑Vm))年平均生长量的峰值及峰值林龄与初植密度、立地质量的关系。结果表明:(1)MAInet峰值与立地指数呈显著正相关,而受林分密度影响很小,其在立地指数级22 m的样地内平均值比立地指数级12 m的样地增加了8.33 m3·hm-2·a-1;MAIgross峰值与立地质量及林分初植密度均呈正相关(r=0.813 5,p=0.000 4;r=0.926 1,p=0.000 0);(2)MAInet峰值林龄主要受初植密度的影响,初植密度太大或太小对MAInet峰值林龄有显著影响,E密度(1 m×1 m)样地的MAInet峰值林龄平均值比A密度(2 m×3 m)样地的小3.88年,而中间密度的MAInet峰值林龄变化不明显。     

基于无人机LiDAR特征变量的南方集体林区蓄积量估测

基于广西壮族自治区森林资源年度监测评价成果数据,采用逐步回归选择机载激光雷达特征变量,建立多元线性回归、Logistic回归和随机森林模型,预测南方集体林区桉树、杉木和天然阔叶林样地的蓄积量。结果表明:1)桉树和杉木样地的逐步回归特征变量多为高度和强度变量,而天然阔叶林样地则是间隙率、覆盖度、叶面积指数等综合变量;2)桉树和天然阔叶林样地,随机森林模型的蓄积量估测精度(桉树R~2=0.97,RMSE=12.60m~3/hm~2;天然阔叶林:R~2=0.90,RMSE=18.45m~3/hm~2)高于多元线性回归和Logistic回归模型,而杉木样地在多元线性回归模型中得到了最优的蓄积量估测结果(R~2=0.91,RMSE=24.30m~3/hm~2);3)在3种模型估测精度中,人工桉树和杉木样地均优于天然阔叶林样地。可见,高密度的激光雷达点云可以获取更优的特征变量,针对复杂的样地条件需要灵活选择估测模型实现蓄积量调查,以便为林草部门进行森林资源调查、监测和经营管理提供科学依据。     

基于混合效应的人工落叶松树冠轮廓模型

【目的】以林木易测因子为预测变量,构建黑龙江省人工落叶松树冠最大外部轮廓及内部轮廓(未着叶部分)的预估模型,为进一步估计人工落叶松树冠表面积、树冠体积和树冠生物量提供依据。【方法】基于佳木斯市孟家岗林场49株解析木的枝解析数据,树冠外部轮廓模型采用分段回归技术,构建带有约束条件并满足生物学意义的连续性分段曲线模型,即在梢头处树冠半径为"0",在整个树冠内外部轮廓的拐点的存在是唯一的,且在拐点处树冠半径达到最大值;内部轮廓直接采用线性模型进行模拟。分析模型参数与林木变量之间的相关性,将关系密切的树木变量或变量组合引入到模型中并选出最优模型,以此作为基础模型分别建立单水平的外部轮廓及内部轮廓的混合效应模型,利用混合模型的固定效应部分对外部轮廓及内部轮廓进行模拟。【结果】以林木因子胸径、高径比、冠长及冠长率构建的分段抛物线模型能准确预估树冠的外部轮廓形状,利用胸径、高径比及冠长能有效预测树冠的内部轮廓形状。基于模型的拟合优度及检验指标,采用单水平(样地)混合模型能够显著提高模型的预测精度,外部轮廓混合效应预估模型的决定系数(R~2)、均方误差根(RMSE)和平均偏差(Bias)分别为0.914 2、0.232 7 m和0.001 2 m,内部轮廓混合效应预估模型的R~2、RMSE和Bias分别为0.723 5、0.147 0 m和-0.000 034 m。与基础模型相比,混合模型的R~2都有所提高,RMSE、Bias都有所降低。在其他变量保持不变的条件下,外部轮廓半径分别随着胸径、冠长率的增大而增大,随着高径比、冠长的增大而减小;内部轮廓半径均随着胸径、高径比及冠长的增大而增大。【结论】具有生物学意义的分段抛物线模型和线性模型分别能够有效描述人工落叶松树冠外部轮廓及内部轮廓的形状变化特征,加入混合效应后能够提高模型的拟合精度并改善组内的方差异性特征,基于混合效应模型中的固定效应部分,能够合理地对树冠外部轮廓及内部轮廓进行模拟,分段抛物线模型能够灵活地反映拐点在树冠内的移动规律线,简单的线性模型能够对内部轮廓进行准确预估。     

基于空间聚类的杉木生长预测方法

【目的】基于空间聚类对杉木分布区进行分组,在不同组内分别建立杉木生长模型,为适用于全国范围的杉木生长高精度预测提供方法。【方法】以杉木分布的16个省区为研究区,基于第七次、第八次全国森林资源连续清查杉木固定样地复测数据和研究区的地形、土壤、气象等环境数据,采用随机森林-递归特征消除(RF-RFE)算法对影响杉木生长的环境因子进行分析。选择对杉木生长影响较大的前8个环境因子,利用ArcGIS 102的分组分析功能,根据环境相似性对杉木分布区进行分组,分别建立林分分组和未分组蓄积生长率模型。以全国未分组模型作为参考,采用决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MRE)、系统误差(SE)和剩余标准差(S)对建模结果进行分析。【结果】对杉木生长影响较大的前8个环境因子分别为bio4(温度季节变化标准差)、elevation(海拔)、bio3(等温性)、bio8(最湿季度平均温)、bio1(年均温)、bio14(最干月降水量)、bio12(年均降水量)和bio2(昼夜温差月均值)。将研究区划分为7组时可使组内环境相似性最大、组间环境相似性最小。7组中只有4组有杉木样地数据,在4组中采用2种模型分别建立杉木林分生长率模型,与全国未分组模型相比,分组模型的决定系数提高01左右,拟合度更好;分组建模精度也明显提高,RMSE降低05左右,MRE降低6%左右,SE降低3%左右,S降低1左右。【结论】根据环境相似性对研究区分组并在此基础上建立生长模型是一种适用于全国范围杉木生长的高精度预测方法,可用于全国区域范围杉木林分生长量的整体预估和森林资源小班数据的模型更新,为实现主要人工林树种的大区域生长预测提供新的方法。     

基于机载激光雷达点云和随机森林算法的森林蓄积量估测

【目的】基于机载激光雷达点云数据提取的森林高度参数和郁闭度,结合分层地面样地调查数据,采用随机森林算法构建森林蓄积量估测模型,分析机载激光雷达点云数据在森林蓄积量反演方面的潜力,为森林蓄积量高效准确估测提供方法依据。【方法】以直径30 m的地面样圆离散点云数据为数据源,经数据校准等预处理后,利用Li DAR360软件提取森林高度参数(最大高、平均高等)和郁闭度,并将数据随机分成训练数据(70%)和验证数据(30%)。采用随机森林算法构建森林蓄积量估测模型,对仅用高度参数建模以及联合高度参数和郁闭度建模结果进行比较;同时运用R软件VSURF工具包筛选建模变量,对筛选后变量的建模结果进行分析。【结果】仅用高度参数建模的估测精度为R~2=0.75、RMSE=40.07 m~3·hm~(-2)、MAE=29.21 m~3·hm~(-2)、MRE=49.40%,联合高度参数和郁闭度建模的估测精度为R~2=0.79、RMSE=36.23 m~3·hm~(-2)、MAE=26.16 m~3·hm~(-2)、MRE=38.35%。通过变量筛选,建模参数从24个减少至7个,可极大提高运算效率,同时R~2未变化,RMSE从36.23 m~3·hm~(-2)升至36.50 m~3·hm~(-2),rRMSE从31.92%升至32.97%,MAE从26.16 m~3·hm~(-2)降至26.08 m~3·hm~(-2),MRE从38.35%降至38.05%。【结论】机载激光雷达点云数据可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度),具备三维结构参数提取能力。采用随机森林算法,增加林分郁闭度信息可显著提高森林蓄积量估测精度。通过变量筛选,虽然能够降低参数数量,但对模型精度具有一定影响,在建模精度要求较高的情况下,建议使用全变量进行蓄积量估测;而在数据量较大的情况下,建议使用筛选变量进行蓄积量估测。基于机载激光雷达点云数据估测森林蓄积量显著优于光学遥感数据,可为森林蓄积量高效准确估测提供方法依据,能够满足大范围森林蓄积量快速反演需求。     

基于随机森林模型的毛竹林CO_2通量模拟及其影响因子

【目的】探究环境因子对毛竹林CO_2通量的影响,为亚热带典型森林碳循环模拟提供技术和理论支撑。【方法】基于浙江省安吉县山川乡2011—2014年毛竹林通量塔观测数据,采用随机森林模型对毛竹林CO_2通量进行模拟,以均方根误差(RMSE)、决定系数(R~2)和林氏调和系数(LCCC)3个指标评价模型精度,并通过计算环境因子重要性得分来分析环境因子对毛竹林CO_2通量的影响。【结果】随机森林模型能以较高精度模拟毛竹林CO_2通量,但由于2013年7和8月发生极端高温干旱,模型难以刻画这种短时、剧烈的干扰,最终导致测试阶段模型精度(R~2=0.845 5,RMSE=0.437 7 mg·m~(-2)s~(-1),LCCC=0.914 1)低于训练阶段模型精度(R~2=0.961 5,RMSE=0.005 4 mg·m~(-2)s~(-1),LCCC=0.980 1);十折交叉验证表明,随机森林模型拟合效果稳定,且模型内部参数设置合理,模型误差主要来自于输入数据;在月尺度上,环境因子对毛竹林CO_2通量影响的重要性得分表现为光合有效辐射PAR(63.332)土壤5 cm深处温度T_S(29.932)空气相对湿度R_H(25.839)大气温度T_A(25.581)空气CO_2浓度C_(CO_2)(25.095)饱和水汽压差VPD(24.123)风速W_S(23.504)生态系统有效能量A_E(19.323)土壤热通量Q_S(18.502),PAR对毛竹林CO_2通量变化影响最大,PAR、T_S和VPD对毛竹林CO_2通量的影响较显著(P0.05),这3个因子是影响月尺度上毛竹林CO_2通量变化的主导因子。【结论】随机森林模型能以较高精度拟合毛竹林CO_2通量;在相关环境因子中,光合有效辐射、土壤5 cm深处温度和饱合水汽压差对毛竹林CO_2通量影响的贡献最显著,这3个因子对毛竹林CO_2通量月尺度上的变化具有控制作用。     

陈山红心杉良种造林幼龄期密度效应分析

[目的]探讨陈山红心杉不同良种和初植密度对其幼龄期生长的影响及其互作效应,旨在为红心杉良种的初植密度优化提供理论依据.[方法]以2015年在江西省吉安市青原区白云山林场营造的红心杉试验林为研究对象,采用完全随机区组设计,根据连续5年树高、胸径等调查数据,分析2个陈山红心杉种子园良种(1代良种和1.5代良种)和4个初植密...