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...     

基于节子剖析数据的长白落叶松人工林枝条丢失年轮数研究

目的为提高木材质量,本文利用节子剖析数据建立枝条丢失年轮数量的混合效应模型,以达到预测枝条丢失年轮数量的作用,为人工整枝提供一定的理论依据。方法以黑龙江省孟家岗林场长白落叶松人工林为研究对象,基于50棵长白落叶松解析木的1 434个节子数据,以Poisson分布为基础,采用SAS9.4软件中的glimmix模块,建立了节子丢失年轮数量的广义线性混合模型,通过计算相应的指标,选出最优混合模型。结果在考虑树木效应情况下,包含截距、节子高度、节子相对高度的随机效应参数的混合模型为最优混合效应模型;在考虑等级效应的情况下,包含节子相对位置、节子直径的随机参数的混合模型为最优混合效应模型。综合比较,两个混合模型的拟合效果均好于基础模型,其中考虑树木效应的拟合效果最好。模型的拟合结果表明:节子丢失年轮数量与节子着生高度、节子直径密切相关,位于树干基部的直径较大的节子,由于竞争作用,生长受到抑制,但是生存能力强、存活时间长,故而产生丢失年轮的数量较多。着生位置越靠上的节子,生存条件好,产生丢失年轮的数量少。结论通过长白落叶松人工林节子丢失年轮数量混合模型的建立,并对模型的预测效果进行检验,检验结果显示本文的混合模型能对枝条丢失年轮的数量进行预测且偏差较小。在接下来的研究中可以进一步完善,从而为人工整枝提供一定的理论依据。      

人工长白落叶松枝条存活模型

目的木材的质量决定了它在生产中的价值, 优质的木材往往可以获得更高的利润。但是树干上节子的大小会严重影响木材的质量, 而节子是在枝条死亡后形成的, 所以通过研究枝条属性, 寻找合适的营林控制方式将对提高木材质量具有重要意义。方法本研究根据黑龙江省佳木斯市孟家岗林场、林口林业局和东京城林业局的10块长白落叶松人工林标准地中的70株落叶松枝解析数据, 分别建立传统的Logistic基础模型以及相应的广义线性混合模型(GLMM)来预测该地区长白落叶松的枝条存活状况, 并对模型进行拟合效果评价和独立性检验。结果枝条存活状态受树木自然整枝程度、枝条生长位置和树木间竞争等因素的影响, 在模型中, 冠长率(CR)可以反映树木自然整枝程度, 其参数值为正说明树木自然整枝程度较低时, 枝条大多处于存活状态。枝条相对位置(BRH)和枝条轮数(WHOLE)可以反映枝条的生长位置, 其参数值为负说明处于树冠上部的枝条由于受光充分而长势良好, 而处于树冠下部的枝条由于相互遮蔽而死亡。树高胸径比(HD)可以反映林木间的竞争情况, 其参数值为负说明激烈的竞争环境会使枝条存活概率降低。AIC、RMSE、AUC和模型判断正确率可以用于比较基础模型和广义线性混合模型的预测效果。经计算, 广义线性混合模型的AIC=801.67, RMSE=0.126, 均小于基础模型, AUC=0.9975, 模型判断正确率为97.9%, 均大于基础模型, 说明广义线性混合模型可以有效解决不同个体间存在差异的问题, 有利于提高枝条存活状态的预测精度。独立性检验结果显示模型预测精度良好。结论本研究可为长白落叶松人工林确定合理的经营措施, 提高木材质量提供理论依据。      

长白落叶松人工林单木冠幅模型

以黑龙江省伊春市朗乡林业局的49块样地共2 499棵长白落叶松为研究对象,基于区组和样地嵌套二水平构建非线性混合效应冠幅模型。从10种常用的冠幅—胸径模型中选出一种最好的作为建模的基础模型,从其他林分因子中选取与冠幅相关性较高的作为协变量参与建模。结果表明:与基础模型相比,混合模型的赤池信息准则(AIC)、贝叶斯准则(BIC)、负二倍的最大似然值(-2LL)和剩余均方根误差(RMSE)值均降低,调整决定系数(Radj2)提高,冠幅预测值的残差分布和密度分布相对更集中,说明模型的预测精度和拟合能力均有所提高。研究发现,以逻辑斯蒂模型作为基础模型,将树高、冠长率和高径比作为协变量,考虑区组和样地嵌套二水平的混合模型有利于提高冠幅模型的预测精度,从而有助于更好地模拟长白落叶松的冠幅胸径关系。     

基于混合效应的杂种落叶松人工幼龄林单木枯损模型

目的利用固定间隔期复测数据,运用不同方法建立杂种落叶松人工幼龄林单木枯损模型,为确定杂种落叶松合理的经营措施和推广应用提供依据。方法基于2003—2015年黑龙江省江山娇实验林场48块样地的复测数据,通过Logistic模型,利用全子集法和最大似然估计构建杂种落叶松单木枯损模型。使用列联表分析和分类率-阈值散点图,确定枯损模型预估时的最佳阈值。引入随机参数,构建样地水平广义线性混合模型。模型估计方法为自适应积分最大似然估计,模型筛选指标为Akaike信息标准(AIC)、贝叶斯信息标准(BIC)以及-2倍对数似然值。通过计算绝对平均偏差(Bias),绘制ROC曲线以及模型预估枯损率与实际枯损率直方图对两种模型的预测结果进行评价比较。结果包含单木(林木胸径,DBH;胸径平方,DBH2)、林分(林分断面积,BA)、竞争(大于对象木树木断面积之和变形,BALD)3个水平变量组合的单木枯损模型拟合效果最佳。杂种落叶松枯损主要发生在小径阶且相对竞争较大时。单木枯损概率随DBH增加逐渐减小,随BALD、BA增加而逐渐增加。最佳阈值有效提高了模型预估效果,方差-协方差结构为无结构矩阵(UN)时,四参数混合模型的拟合结果最佳,其预估的林分枯损率更接近实际林分枯损率。结论混合模型能够更有效地描述和预估杂种落叶松的单木枯损。阈值分析是提高二分类模型预测准确性的有效方法。杂种落叶松作为速生树种,幼龄时期应适时进行抚育间伐以减少枯损发生的概率。      

基于广义代数差分法的长白落叶松人工林地位指数模型

【目的】森林立地质量评价是森林经营的基础工作,是估计林分生长量和收获量、评价森林生产潜力及确定合理经营措施的重要依据。本文基于60株优势木和亚优势木解析木数据,采用广义代数差分法(GADA)构建了更加灵活的异形地位指数模型,为黑龙江省长白落叶松人工林立地质量的精准评价提供了依据。【方法】选择修正Weibull、Korf和Richards生长方程为基础方程,使用GADA法推导出6个差分地位指数模型,基于1994—2017年在黑龙江省调查的解析木数据,利用非线性最小二乘法进行拟合。结合拟合样本和检验样本计算R2、均方根误差(RMSE)、模拟效率和平均绝对误差等4项指标检验模型的拟合效果与预测能力,初步筛选出较优模型。通过分析比较它们的残差图、地位指数曲线簇进一步筛选出最优模型。将最优模型和使用代数差分法(ADA)推导的模型绘制地位指数曲线簇,并对地位指数为12～22 m曲线的参数、年生长量达到最大值的时间(拐点)和数值进行分析比较。【结果】基于Richards方程h=a(1-e~(-bt))~c,设定自由参数为a=e~(X_0),c=c_2/X_0,X_0=1/2[lnh_1+(lnh_1~2-4c_2ln(1-e~(-bt_1)))~(1/2)]的差分地位指数模型被选为最优模型。其参数的拟合结果为b=0.046 8,c_2=4.675 4,R~2为0.987 4,RMSE为0.749 1,平均绝对误差为0.904 0,模拟效率为97.04%。相比于使用ADA法推导的模型,采用GADA法推导的最优模型能更好地预测优势木树高生长过程。【结论】在推导地位指数模型时,根据GADA法,指定多个参数为自由参数所推导出的差分模型不仅具有良好的拟合效果,也能同时符合多条水平渐近线与曲线多形性的性质,而ADA法只能满足其中一个条件。最优模型的拟合结果表明,随着地位指数的提升,优势木树高生长曲线的渐近最大值(参数)逐渐增大,连年生长量达到最大值(拐点)的时间越早。这说明立地条件越好长白落叶松人工林优势木树高年生长量和最大值越大,且年生长量更早达到最大值。     

基于多层感知机的长白落叶松人工林林分生物量模型

目的神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。方法以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数（R2）、均方根误差（RMSE）、相对均方根误差（RMSE_r）和平均绝对误差（MAE）来评价模型。结果估计精度最高的模型是输入单元为林分平均胸径（D）?平均高（H）?林分密度指数（S）?海拔（HB）?坡向（PX）?坡位（PW）、2个隐藏层、隐单元数为40?20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数（Adj.R2）分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSE_r分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R2分别提高了0.88%和0.99%,RMSE_r分别降低了5.33%和5.46%。结论多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。      

基于FORECAST模型的长白落叶松人工林经营措施对长期生产力的影响

为了对东北地区东部落叶松人工林的多代经营提供指导,以黑龙江省孟家岗林场的长白落叶松人工林为对象,采用森林生态系统经营管理模型FORECAST,从轮伐期长度、林地枯落物的管理和采伐剩余物的处理方面,评价不同经营措施下落叶松人工林的生物量、养分动态和长期生产力。结果表明:常规森林利用方式下维持落叶松人工林长期生产力的轮伐期应大于35 a;落叶松林地枯落物的保留可以显著提高各种轮伐期长度时的林地生产力,短轮伐期时作用效果尤为明显;全面保留采伐剩余物可以维持不同轮伐期条件下落叶松人工用材林的长期生产力。      

基于beta回归的迎春5号杨树树干密度混合效应模型

【目的】探究迎春5号杨树在树干纵向上的木材密度影响因子和变异规律,构建迎春5号杨树边材、心材、树皮和树干密度混合效应beta回归模型,为树干生物量预测和木材材性研究提供参考。【方法】以黑龙江省尚志市90株迎春5号杨树解析木数据为基础,构建迎春5号杨树边材、心材、树皮和树干密度的混合效应beta回归模型。采用相关性分析和最优子集法筛选beta回归基础模型的变量;利用负二倍的对数似然值、赤池信息准则、贝叶斯信息准则、调整确定系数(R_a²)、似然比检验对收敛模型进行拟合优度的评价,利用留一交叉验证法对模型进行检验,指标为平均绝对误差(MAE)和平均绝对百分比误差;结合两种抽样方式(方案Ⅰ：不限定相对高;方案Ⅱ：限定相对高在0.1以下)对模型进行校正。【结果】边材、心材、树皮和树干密度不仅受到相对高的影响,还分别与胸径平均生长量、年龄、胸径密切相关,基于林木因子建立的混合效应beta回归模型的R_a²分别为0.53、0.52、0.52、0.63,MAE <0.05 g/cm³,与基...     

长白落叶松等几个树种冠幅预测模型的研究

以20块落叶松云冷杉林为对象,采用多元逐步回归方法,研究其组成树种的单株木冠幅预测模型.因变量为单株木冠幅,自变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度.共测定了3 099株树木,全部参加了建模.最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型.结果表明:胸径和林分密度是所有树种中影响冠幅的重要因子;模型的调整决定系数在0.34～0.75之间;绝对误差在-0.000 114～0.054 m之间;相对误差在-0.054 43%～3.440%之间;均方根误差在0.360～0.510 m之间,相对均方根误差在27.4%～37.4%之间.      

辽东山区长白落叶松枝叶生物量模型建立与评估

以辽东山区林龄为50年生的不同密度长白落叶松人工林为研究对象,枝条为单位,获取了枝基径 （d）、枝长 （L） 与枝叶生物量 （W） 的相关关系来建立生物量模型,并将枝条材积 （V） 引入CAR模型。结果表明：引入枝条材积建立生物量模型获得了较常规CAR模型效果更好,预估精度和拟合效果均有明显提高,其中枝叶生物量Wbl=1915682d-0315V的决定系数 （R2） 提高至0983,预估精度提高了273%;枝生物量Wb=1793800L-0208V的决定系数提高至0994,预估精度提高了915%;叶生物量Wl=3387837 （d2L）-0427V的决定系数提高至0701,预估精度提高了161%。     

基于抚育间伐效应的红松人工林枝条密度模型

【目的】分析抚育间伐对红松人工林枝条数量的影响,建立基于间伐效应的生物数学模型,为制定更加科学合理的间伐体制提供理论依据。【方法】基于黑龙江省林口林业局和东京城林业局不同林分条件及抚育间伐强度下的红松人工林49株解析木4 370组枝解析数据,利用R语言的nlme包,建立了基于抚育间伐效应的枝条密度单水平非线性混合模型,并利用调整决定系数(R_a²)、赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(Log-likelihood)以及似然比检验(LRT)等评价指标对所收敛的模型进行评价。【结果】当地位指数和树木等级相近时,抚育间伐强度和冠长越大,枝条密度越大;当抚育间伐强度和树木等级相近时,地位指数和冠长越大,枝条密度越大;而抚育间伐强度和地位指数相近时,树木胸径与枝条密度呈负相关。基于样地效应的混合模型模拟精度均高于基础模型和基于样木效应的混合模型,最终选用含有总着枝深度(DINC)、相对着枝深度的自然对数(lnRDINC)、相对着枝深度的平方(RDINC²)、胸径(DBH)、抚育间伐强度与间伐年龄的比值(TI...