深度学习和传统方法模拟杉木树高-胸径模型比较

目的 基于深度学习算法,建立多隐藏层的杉木树高-胸径神经网络模型,探索一种更高效低偏的树高模型研建方法,提高杉木树高的预测精度。 方法 利用福建省将乐国有林场34块杉木样地的2898组树高-胸径调查数据,基于传统回归建立10个广义树高-胸径模型,筛选出精度最高的模型作为对照。同时基于H2O平台的深度学习算法,建立70个不同结构的树高-胸径DLA模型,通过分析比较,确定最适宜预测杉木树高的模型结构,与传统最优模型进行比较。 结果 建立的树高-胸径DLA模型均能较好地描述杉木的树高-胸径间关系,R2都在0.84以上,大于最优传统模型,RMSE和MAE小于传统模型。精度最高的DLA模型结构包含6个隐藏层,每层各340个神经元。 结论 本研究基于深度学习建立的杉木树高-胸径DLA模型,其拟合精度与预测精度略高于传统的广义树高-胸径模型,尤其在预测较高的林木时,更为明显,能够用于研究区杉木树高的预测。     

引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建

基于广西森林资源年度监测评价项目中25块杉木样地和25块桉树样地的每木胸径和树高实测数据，从7个传统树高-胸径曲线中筛选出拟合精度最优模型作为基础模型，引入林分优势高和气候因子构建广义非线性模型，通过10折交叉验证法进行检验，并对一元材积公式的估计误差进行评价。结果显示：1)各传统树高-胸径曲线模型中，Richards模型为杉木和桉树最优的基础模型；2)引入了林分优势高和气候因子的杉木和桉树树高-胸径广义非线性模型，拟合精度相对基础模型更高，杉木的R²,MPE和MPSE的值分别为0.797 6,0.58%和13.91%,桉树的R²,MPE和MPSE值分别为0.720 7,0.62%和11.58%;3)采用一元材积公式得到的杉木和桉树总体蓄积与实测蓄积相差较大，其中桉树相对误差为-13.51%,超过了林业行业标准要求范围，运用树高-胸径广义非线性模型和二元材积公式计算总体蓄积，与实测值相对误差不超过0.5%,构建的杉木和桉树树高-胸径广义非线性模型能运用于实践生产。     

湖北高密度杉木人工林生长规律研究

为研究湖北省高密度杉木人工林生长规律,对鄂东南地区高密度杉木人工林进行标准地调查,获取61块样地数据和183株解析木数据,建立了杉木单木树高、胸径和材积生长模型,根据拟合优度及残差指标,高密度杉木单木胸径和树高生长的最优模型选择理查德模型,单木材积最优模型选择考尔夫模型,所选模型检验精度均较高,达到拟合效果;通过绘制杉...     

广西杉木立木材积模型优化筛选研究

为实现杉木林蓄积量调查与估测的精准量化,基于林业数表编制作业获取的标准立地245株杉木树高、冠幅、胸径和带皮材积等林业资源调查数据,采用非线性估计法建立11种一元立木材积模型,通过求解模型参数并进行优异比较,渐进拟合出最优的胸径-树高-冠幅三元材积模型。结果表明：1)无论树高、胸径还是冠幅,11种单因子变量估测立木材积的曲线模型均以幂函数的检验参数最优。2)基于模型确定系数判定拟合模型优劣呈现三元>二元>一元。其中,包含树高、胸径和冠幅三元非线性最优材积模型确定系数0.988,总相对误差0.087%,总系统误差0.57%,模型预估精度99.40%。3)胸径-树高-冠幅三元材积模型充分集成了林分结构参数信息,其高精度低误差特点对林业数表编制、森林蓄积量监测具有重要参考价值。     

四种针叶低效林单株生长模型构建

以碳汇林基线情景低效针叶林,包括日本落叶松、杉木、马尾松、湿地松为研究对象,利用收集和调查的生物量与解析木实测数据,选择不同数学模型,通过曲线回归、非线性回归方法拟合模型参数,建立4个树种的单株生物量模型、胸径生长模型和树高生长模型。结果表明:4个树种的单株生物量模型、胸径生长模型采用相关系数较高、MSE值最小的幂函数模型、S模型拟合效果最好;4个树种的树高生长模型形式各异,日本落叶松、湿地松以Logistic模型拟合效果最好,杉木以抛物线模型拟合效果最好,马尾松以S模型拟合效果最好;检验结果表明,所建日本落叶松、杉木、马尾松、湿地松的生长模型预估精度均达到了95%以上,且都通过了F检验。     

辽宁东部山区落叶松人工林生长量预测模型的研究

对辽宁东部山区落叶松人工林进行了调查并建立了落叶松树高、胸径、材积定期生长量的预测模型，经过后验差检验，得到３种预测模型的精度均为１级，表明模型合理。可应用该模型对辽东山区落叶松人工林生长量进行长期预测，为森林调查、规划设计、地位指数的确定提供可靠数据。     

华北落叶松与白桦混交林树高与胸径关系研究

【目的】建立华北暖温带华北落叶松与白桦针阔混交林树高与胸径关系的非线性混合效应模型,为研究针阔混交林中不同树种相互作用及其生长发育规律提供科学依据。【方法】以河北省塞罕坝机械林场的华北落叶松与白桦针阔混交林为研究对象,基于83块30 m×30 m的标准地调查数据,首先选取5个具有生物学意义的非线性树高与胸径关系基础模型进行拟合,确定最优基础模型;其次通过相关分析确定影响树高生长的主要因子;最后基于最优基础模型和主要因子建立包含哑变量的华北落叶松与白桦针阔混交林树高与胸径关系预测模型。【结果】在5个候选非线性树高与胸径关系模型中,Richard模型具有最好的拟合结果,其模型确定系数(R2=0.918 6)最大,均方根误差(RMSE=2.405 8)及绝对误差(Bias=0.194 5)最小;通过相关分析确定海拔和林分断面积与树高生长均在P 0.01水平上呈现显著性;基于基础模型构建了包含哑变量及主要影响因子的不同树种树高与胸径关系混合效应模型,当随机效应参数作用在林分断面积上时,模型预测精度较高。【结论】基于主要影响因子和包含哑变量的非线性混合效应树高与胸径关系预测模型,能够有效解决混交林中树种及主要因子对树高与胸径关系的影响,提高了预测模型的适用性及预测精度,为混交林森林质量精准提升提供科学依据。     

杉木公益林冠幅模型的拟合与评价

基于湖南省公益林面上固定样地调查数据,提取慈利县15个固定样地中杉木的胸径、冠幅和树高数据,然后选取4种模型拟合杉木的树冠-胸径模型。结果表明：Logistic模型对慈利县杉木公益林冠幅-胸径的拟合效果最好,Exponential模型的拟合效果最差;Logistic模型在增加树高因子和对应参数后,拟合效果得到了进一步提升。该研究结论可为慈利县杉木经营提供参考。     

基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明：1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R²)为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。     

秃杉人工林树冠轮廓及冠幅模型研究

根据秃杉人工林标准地调查数据,分析因变量与自变量的相关性,筛选最优因子,分别采用异速生长方程、多元线性回归方程构建秃杉树冠轮廓模型和冠幅模型。研究结果表明,最大冠幅深度与胸径、树高、枝下高、冠幅、冠长均显著相关。通过多元线性逐步回归,以胸径、树高拟合的最大冠幅深度模型较优。树冠轮廓模型以三参数幂函数的异速生长方程拟合效果较好。冠幅呈正态分布,以胸径、树高、优势树高、单位面积胸高断面积为模型最佳变量组合,模型残差上下分布比较均匀,不存在明显偏差,且材积随着冠幅的增大而增大,以二次方程模拟效果最佳。经检验,所构建的模型拟合效果较好,精度较高。     

Growth models and site index table of natural Korean pine forests

IntroductionKoreanpine(PinuskOraiensisSieb.etZucc.)isoneofthemostimportanttimberspeciesanditisnaturaIIydistributedinHeilongjiang,JiIinandLiaon-ingprovincesinChina.ManyforestryresearchersmadeextensiveandprofoundstudiesonthisspeciesJiangYiyin(1985)studiedthegroWthandgrowthmodelsforpIantationsofKoreanpine.However,veryfewpaperswerefoundonthegroWthmodeIsofnaturalKoreanpineforest.Koreanpinehasa1onggroWthperiod.ForextensivelymanagingKoreanpineforest,itneedstheJorestrytabIeswithhighac-Curacy…     

Application of Theoretical Growth Functions for Mongolian Oak(Qurcus Mongolica)

IntroduttionMongoIianoak(QucI.cIIS))I()lIg()lIt.uFiscl1.etTurcz.)standsconstitutethelargesttypeoftI1esecondarytbrestinHeilongiiangProvince-CI1ina(llu'l979).Tl1el99IstatisticsoftheAdministrativeBtIreatIofForestRe-sourcesfOrHeilongiiangProvinceindicatedanes…     

应用多元线性回归建立黄山松生长模型的研究

利用闽东北林木采伐伐区设计书资料及随机表进行多元线性回归,建立黄山松树高、胸径、蓄积量数学模型。结果表明,线性回归方程极端显著。     

Application of theoretical growth functions for Mongolian oak (Qurcus mongolica)

Four alternative functions are used for fitting tree height and diameter growth models for mongolian oak. (Quercus mongolica Fisch. et Turcz.). The data set includes 1250 random trees and 755 dominant trees coming from 510 temporary plots. The resultsshow that the Richards function is the best model for predicting height. diameter at breast height (DBH) and dominant height from age. The average growth curve of dominant height is used as a guide curve for the construction of a site index table which is partially validated using an independent data set. The Mitscherlich function is the best model for estimating height and dominant height from DBH. (Responsible Editor: Chai Ruihai)     

GROWTH AND YIELD MODELS FOR DAHURIAN LARCH PLANTATIONS

Growth and yield models were developed for individual tress and stands based on336 temporary plots with 405 stem analysis trees of dahurian larch(Larix gmelinii(Rupr.)Rupr.)plantations throughout Daxing’anling mountains.Several equations were selected using nonlinearregression analysis.Results showed that the Richards equation was the best model for estimatingtree height,stand mean helght and stand dominant height from age; The Power equation was thebest model for prediction tree volume from DBH and tree height; The logarithmic stand volumeequation was good for predicting stand volume from age,mean height,basal area and other standvariables.These models can be used to construct the volume table, the site index table and other for-estry tables for dahurian larch plantations.     

桉树短周期工业原料林立地指数模型研究

短周期工业原料林包括以下几方面的含义：①轮伐期短或培育周期相对较短;②培育目标明确,即为特定的工业加工提供原料;③实现优质、高产、高效;④采取集约经营措施,适度规模经营[1].     

沈阳城市森林结构与生态效益

用样方调查方法对沈阳市建成区163.5km2范围的树木进行实地调查,并建立了基于Arc View 3.2以及CITYgreen模型的城市森林信息管理系统。应用该系统分析了沈阳市土地利用及树木分布的格局、树种柏成、树木密度、树高等级分布、胸径等级分布、健康状况等指标。     

福安市马尾松林分密度效应的研究

运用随机抽样法抽取马尾松成熟林分50个小班,调查胸径、树高、单位蓄积量及密度等测树因子,运用回归分析法进行测树因子相关性分析,结果表明,林分蓄积量对于密度、胸径、树高之间存在显著线性关系,其相关性数学模型可用三元线性回归方程y=b0+b1x1+b2x2+b3x3表示,其中,密度是影响林分蓄积量的主导因素。相关性变化趋势分析表明,在兼顾林分产量和林木径级的情况下,合理保留密度每667 m2为105株。     

模型形式和地域对落叶松地上生物量预测的影响

针对树高测定困难且不准确的问题,以东北地区的落叶松实测生物量大样本数据为基础,分别建立一元模型和二元模型,以大样本的树高、胸径实测数据为预测变量,研究模型形式和样本抽取范围对落叶松地上生物量预测的影响。结果表明:一元模型在建模样本抽取的范围内,省级尺度和区域尺度的预测值都和二元模型没有显著差异,而在非建模区域,省级尺度和区域尺度均存在显著差异,且所有径阶一元模型的预测值都大于二元模型。在全部的区域,小径阶树木一元模型的预测值均大于二元模型,在建立模型时应引起重视。