广东省枫香单木干材生物量生长模型的研建

枫香（Liquidambar formosana）是我国闽北林区重要的乡土树种,生长迅速、适应性强,在观赏、药用、用材等方面都有着重要作用。单木模型是林分模型的基础,通过建立单木生物量生长模型,在时间维度上分析林木生物量生长的动态变化,以期为全面评价森林的固碳能力提供科学依据。采用典型抽样的方法,从广东省9个地区的一类样地附近抽取枫香样木40株（天然起源25株,人工起源15株）,破坏性实测各组分的生物量并进行树干解析得到样木的生物量生长数据。基于逻辑斯蒂（Logistic）、坎派兹（Gompertz）和理查德（Richards）3种基础生长方程,利用哑变量的方法,建立分起源和立地等级的枫香干材生物量生长模型,以决定系数R²、均方根误差RMSE、总相对误差TRE和平均预估误差MPE 4个指标来评价各模型,进而分析枫香干材生物量的生长过程。结果表明,Richards方程在基础模型中效果最佳（R²=0.61,RMSE=50 kg）;与Richards方程相比,哑变量模型R²提高了11%,RMSE降低了7.95 kg;起源与立地等级对枫香干材生物量均产生了较大影响,在天然起源的高立地等级条件下,枫香干材理论最大连年生长量和平均生长量分别在其生长的第23年和第38年到达。     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

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。     

不同生长势杉木成熟林胸径-树高生长曲线研究

旨在研究福建省将乐县国有林场地区不同生长势杉木成熟林胸径-树高状况,以福建将乐国有林场不同生长势杉木成熟林为研究对象,采用树干解析的方法获取杉木优势木、中庸木和被压木的胸径-树高实测数据,利用SPSS 19.0拟合3种不同生长势杉木成熟林的胸径-树高模型。建立杉木优势木树高的幂函数模型,ln(H)=0.891×D^0.376;杉木中庸木树高的幂函数模型,ln(H)=0.669×D^0.504;杉木被压木树高的幂函数模型,ln(H)=0.643×D^0.542。结果表明,3种非线性回归模型的判定系数R²都>0.910,D_1.3能够很好解释各器官树高。对指导将乐地区杉木营林生产提供了疏伐选木的依据和抚育采伐开始及采伐强度的信息。     

基于哑变量的闽楠天然次生林单木胸径和树高生长模型研究

目的通过对闽楠天然次生林胸径和树高生长规律及生长模型的研究,为林木生长预估及林分质量提升经营措施的制订提供参考。方法以江西省安福县闽楠天然次生林为研究对象,通过标准地调查及树干解析等方法获取基础数据,按林木竞争压力水平从小到大将林木分为类型1、类型2和类型3,分析胸径和树高的生长规律;选取5种具有生物学意义的生长方程,根据模型拟合优度与评价指标选取最优基础生长模型,在最优模型的基础上构建含竞争类型哑变量的生长模型。结果（1）利用树干解析数据分析显示,30 ~ 50年为胸径生长速生期,连年生长量最大值达到0.57 cm;35 ~ 45年为树高主要生长速生期,连年生长量最大值为0.37 m。（2）胸径最优基础模型为Gompertz方程,模型R2和预估精度分别为0.756和94.28%,构建的最优哑变量模型的R2和预估精度分别为0.873和95.71%;树高最优基础模型为修正Weibull方程,模型R2和预估精度分别为0.856和96.54%,构建的最优哑变量模型的R2和预估精度分别为0.882和96.96%。（3）由构建的哑变量生长模型拟合的不同竞争类型下的胸径和树高生长曲线得知,胸径和树高总生长量均表现为类型1 > 类型2 > 类型3,类型1胸径最大生长量是类型3的1.6倍。结论竞争压力对闽楠胸径、树高生长均产生影响,较大的林木竞争压力不利于闽楠生长;构建含有竞争类型哑变量模型的拟合优度及预估精度均优于基础模型,有利于提高建模的精度和模型的适用性。      

Worldview-2不同波段纹理特征对森林蓄积量估算精度影响

为检测高分辨率遥感影像不同波段纹理特征对于森林蓄积量估算精度的影响,以湖北省荆门市京山县太子山林场马尾松纯林为对象,基于灰度共生矩阵的方法分别提取高分辨率遥感影像Worldview-2 红光、绿光、蓝光、近红外波段和全色波段的纹理特征,利用随机森林算法,分别建立野外样地蓄积量与纹理参数的模型。结果表明,全色波段对马尾松森林的精度最高（R²=0.86,RMSE=47.37 m³·hm^-2）,其次是绿色波段（R²=0.85,RMSE=50.82 m³·hm^-2）和近红外波段（R²=0.85,RMSE=46.85 m³·hm^-2）,蓝色波段（R²=0.68,RMSE=60.72 m³·hm^-2）和红色波段（R²=0.69,RMSE=56.27 m³·hm^-2）的精度最低;窗口大小对模型精度影响较小,全色波段的R²取值在0.82~0.86,RMSE取值在47.66~51.99 m³·hm^-2,多光谱波段的R²取值在0.88~0.89;蓝色和红色波段的非相似度（DIS）的估算模型精度相对较高,绿色波段的对比度（CON）（R²=0.87,RMSE=46.21 m³·hm^-2）估算精度最高,红色波段的非相似度（R²=0.68,RMSE=58.30 m³·hm^-2）估算精度较高,近红外波段的角二阶矩阵（ASM）（R²=0.68,RMSE=60.30 m³·hm^-2）精度最高,全色波段的对比度、相关性、熵、变化量模型精度较高,R2为0.85。利用高分辨率遥感影像纹理特征估算森林参数时需综合考虑不同波段的纹理特征对模型的贡献。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

不同生长势杉木成熟林的生物量生长模型研究

以福建省将乐县国有林场杉木成熟林为研究对象,通过建立16块杉木标准地,获取各标准地基础数据。根据克拉夫特林木分级法以及胸径、树高的统计分析,将标准地内林木按生长势不同分为优势木、中庸木和被压木3类。结果表明:1）通过林木实测数据拟合不同生长势的杉木各器官生物量（干、根、叶、枝）估算模型、全株生物量模型,以D、DH为自变量,分别拟合了各个器官（树干、树根、树叶、树枝）和全株的Logistic方程和幂函数,其模型的相关判定系数R²均在0.881~0.932之间。2）根据残存平方和SSE、总相对误差RS、平均相对误差E₁、平均相对误差绝对值E₂、AIC、BIC 6个检测评价指标进行方程的4选1筛选,筛选出最优模型中,幂函数模型9个（模型自变量D1个,自变量DH8个）,Logistic函数模型6个（自变量D的2个,自变量DH4个）。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

桂林岩溶石山青冈栎种内与种间竞争的数量关系

根据野外调查数据,采用Hegyi单木竞争指数模型,定量地研究了桂林岩溶石山建群种青冈栎的种内、种间竞争关系.结果表明,青冈栎所受到的竞争强度随着林木径级的增大而逐渐减小,种内竞争明显较种间竞争剧烈.青冈栎种内和种间竞争强度的顺序为:青冈栎＞石山樟＞亮叶槭＞圆叶乌桕＞光叶海桐＞翅荚香槐＞梧桐＞黄连木＞铁屎米＞粗康柴.整个林分以及青冈栎种内对对象木的的竞争强度与对象木胸径之间的关系近似服从幂函数关系,而伴生树种对对象木的竞争强度与对象木胸径之间的关系近似服从对数函数关系,对象木胸径与竞争强度间呈显著负相关关系.     

塔里木河流域灰叶胡杨种内竞争研究

用Hegyi单木竞争指数模型对塔里木河流域的灰叶胡杨种内竞争进行了定量分析。结果表明:种内竞争强度随着林木径级、龄级的增大而逐渐减小;当灰叶胡杨胸高直径达到30 cm或龄级达120年以上时,竞争强度变化很小,种群结构基本稳定。竞争指数随着树冠面积、树高的变化呈现与径级、龄级类似的变化规律,表明树冠面积、树高可作为衡量竞争强度的参数。     

坡度对应用机载激光雷达估测人工针叶林单木参数的影响

以黑龙江省佳木斯市桦南县孟家岗林场为研究对象,利用2017年的机载激光雷达(ALS)数据构建冠层高度模型(CHM),探索坡度对单木参数估测的影响。研究区域内坡度分为4级,Ⅰ级为平坡:坡度<5°;Ⅱ级为缓坡:坡度5°~14°;Ⅲ级为斜坡:坡度15°~24°;IV为陡-急-险坡:坡度≥25°。每一级选取8块高郁闭度的人工针叶林样地(50 m×50 m),应用基于区域的分层横截面分析法(RHCSA)进行单木树冠提取,估测单木位置、树高和冠幅信息,利用目视解译的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验)。结果表明:不同坡度下单木树冠提取和单木定位估测均有显著差异(p<0.05)。其中,平坡上的单木树冠提取总体精度最高(均值为84.61%),陡-急-险坡上的总体精度最低(均值为41.31%);缓坡上的单木定位精度最高,平均的均方根误差为1.16 m,陡-急-险坡上单木定位精度最低,平均均方根误差为1.58 m。但是,不同坡度下单木树高和冠幅的估测结果差异并不显著(p>0.05)。因此,应用CHM进行单木参数估测时,虽然进行了地形标准化,但还是需要考虑坡度对单木树冠提取和单木定位的影响,而其对树高和冠幅的影响不大。     

泥石流频发区人工恢复新银合欢林种内竞争——以云南东川蒋家沟流域为例

采用Hegyi单木竞争指数模型和张跃西改进单木竞争指数模型,于2006年在云南省昆明市陈川区蒋家沟,对干热河谷泥石流频发区人工恢复新银合欢林种内竞争强度进行定量分析。结果表明:无论是内圈还是外圈新银合欢种内竞争强度随林木径级的增大而减小,内圈的竞争强度要大于外圈;内圈竞争强度与对象木胸径之间的关系近似服从双曲线函数关系,外圈竞争强度与对象木的胸径之间的关系近似服从幂函数关系;两个竞争指数模型均能较好地反映干热河谷区新银合欢人工恢复林种内竞争强度,但Hegyi单木竞争指数模型的适用性优于张跃西改进单木竞争模型。      

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.      

天目山枫香种内与种间竞争的数量研究

根据野外调查数据,利用Hegyi提出的单木竞争模型。对浙江省临安市天目山国家级自然保护区内枫香Liq-uidambarformosana的种内、种间的竞争强度进行定量分析。通过对保护区内145株枫香对象木以及614株竞争木的调查研究,结果表明：枫香的种内竞争强度随着林木径级的增大而减少：种内、种间竞争强度的顺序为：马尾松Pinusmassoniana〉枫香〉杉木Cunninghamialanceolata〉山合欢Albizziamacrophylla〉麻栎pwrcw0cutissim0〉白栎Querc~sfa~ri〉苦槠Castanopsissclerophylla〉短尾柯Lithocarpusbrevicaudatus〉锥栗Castaneahenr3d〉化香Platv-caryastrobilacea〉小叶栎Quercu~chenii〉紫楠Phoebesheareri〉檀木Loropetalumchinense〉粗糠柴Mallotusphilip．pinensis〉木荷Schimasuperba〉黄连木Pistaci。chinensis〉山矾SymplocossMmunti口等。竞争强度与对象木胸径服从幂函数关系,且当枫香胸高直径达到30cm以上时,竞争强度变得很小。利用模型预测了枫香种内、种间的竞争强度。说明Hegyi的单木竞争模型可以为种内、种间竞争指数提供可适应的数量指标。图1表5参15     

青钱柳杉木混交林种内及种间竞争的研究

采用Hegyi提出的单木竞争指数模型,用竞争强度来指证竞争的激烈程度,结果表明:混交林中对象木青钱柳的种内、种间以及与整个林分的竞争强度均随径级的增大而减少,各径级的种内竞争强度远大于种间竞争强度 种内、种间以及整个林分的竞争强度与对象木的胸径服从幂函数CI=AD-B关系,用此模型来预测各径级的种内、种间竞争强度,拟合效果良好,当对象木胸径DHB≥26cm时,竞争强度变化很小,该研究为混交林的培育提供了适用的数量指标     

基于树干不同形率的樟子松立木材积方程研建

目的立木材积方程在森林生产力、生物量和碳储量等林业问题方面都有着广泛的应用。因此，提高立木材积的预测精度一直是林业模型研究者的重要任务。本研究以大兴安岭樟子松为研究对象，构建含有不同形率的二元和三元材积方程，并对比检验其预测效果，旨在把传统立木材积的预测精度提高到一个新的水平。方法利用15个树干不同形率，基于传统的一元和二元立木材积方程分别建立二元和三元立木材积方程，并与传统的一元和二元材积方程比较。通过对各模型进行拟合选出最优形率模型，具体选用统计软件S-PLUS中的广义非线性模块（GNLS）进行拟合。并利用幂函数、指数函数以及常数加幂函数校正在拟合过程中各立木材积模型表现的异方差现象。选择确定系数（R2）、均方根误差（RMSE）、平均误差绝对值（MAB）和相对误差绝对值（MPB）4个指标对模型进行评价。最终采用分径阶比较法比较不同径阶范围内4种方程的预测精度。结果基于相对树高70%处形率的二元模型拟合效果最好，基于相对树高50%处形率的三元模型拟合效果最好。模型检验结果表明:基于传统的一元模型，加入形率后模型的RMSE、MAB、MPB分别降低了33.7%、30.7%、29.9%；基于传统的二元模型，加入形率后的模型RMSE、MAB、MPB分别降低了70.5%、70.9%、71.2%。不同径阶的检验表明:对于小径阶和中等径阶的树木，模型的检验精度顺序为模型（13） > 模型（2） > 模型（12） > 模型（1）；对于大径阶的树木，模型的检验精度顺序为模型（13） > 模型（12） > 模型（2） > 模型（1）。结论形率因子是干形的重要指标。在传统立木材积模型中引入形率因子可以提高材积的预测精度，因此，对于樟子松立木材积的估算，尤其是中大径阶林分，推荐使用带有形率的三元立木材积模型。      

红楠天然林种内与种间的竞争关系

采用Hegyi的单木竞争指数模型分析了建阳小湖乡葛墩村的红楠天然林种内与种间竞争强度。结果表明,随着林木径级的变大,红楠受到的竞争强度逐渐变小,红楠的种内竞争强度与伴生树种细叶青冈比较而言更弱。红楠种内和种间竞争强度的顺序为细叶青冈>红楠种内>拟赤杨>枫香>木荷。竞争指数与红楠对象木的胸径大小之间服从幂函数关系,并可模拟和预测红楠种内和种间的竞争强度,从预测结果可知,当红楠胸径达到15cm后,竞争强度明显变小,且变幅较小。红楠对象木的胸径大小与竞争强度之间成显著的负相关。