基于非线性混合模型的杉木优势木平均高

从理论上介绍一阶线性化算法和一阶条件期望线性化算法求解非线性混合效应模型参数,并利用这2种算法分别对杉木优势木平均高进行拟合(选用常用的Logistic模型作为基础模型,把区组作为随机效应因子)。结果表明:2种算法对杉木优势木平均高进行拟合时精度都很高。通过对2种线性化算法进一步比较可得,在分析单木水平非线性混合效应优势木平均高模型时,2种算法拟合效果非常接近,因此在实际应用中可以选择其中任意一种算法对杉木优势木平均高进行拟合。     

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。     

落叶松人工林优势木平均高与林分平均高相关关系探讨

<正>在森林三类调查(即作业设计调查)中,常常需要测定林分平均高,而林分平均高通常采用依径阶分布,实测15～25株样树,绘制树高～胸径曲线法测得。既浪费人力,又浪费物力(必要时需伐木),由于样树的代表性问题而影响调查设计精度。而林分优势木平均高是林分中最稳定的调查因子之一,受生产作业及林分密度影响较小。事实上,优势木     

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。     

杉木人工林数量化优势高模型的研究

在洋口国有林场收集调查杉木人工林标准地304块,以优势高为预估变量,林分年龄、土层厚度、腐殖质层厚度、土壤质地、海拔高度、坡位、坡向、坡形、坡度、紧密度、湿度为备选变量,对定性变量量化处理后,应用逐步回归技术建立优势高预估模型。该模型只包括年龄及少数几个起显著作用的环境因子,方程形式简单、便于实际应用,既可评定有林地的立地质量,也适用于无林地。     

含气候效应的湖南杉木人工林断面积生长模型

[目的]气候对林分的影响不可忽视,但以往林分生长模型的构建大都假定气候不变,无法考虑气候变化下的林分生长.构建含气候效应的杉木断面积模型,可为森林经营者在气候影响下采取合理的杉木经营措施提供理论依据.[方法]基于湖南省638块杉木人工林样地调查数据,从4个具有生物学意义的备选林分断面积模型中选出最优基础模型,使用多元逐...     

杉木人工林以优势木树高、直径、林分密度估计蓄积的初步研究

以杉木人工林标准地优势木树高、直径及林分密度、郁闭度四因子及其不同组合为自变量,经多种形式变换后,用逐步回归方法,研究它们与林分蓄积的相关性以及数量关系,为估计林分蓄积提供依据及一些参数。结果表明,因子与林分蓄积的精度按下列顺序提高:单因子、双子及三因子。单因子以优势木树高;双因子以优势木树高与林分密度估计林分蓄积较好;三因子以优势木树高、直径与林分密度估计林分蓄积较佳。本文还研究了优势木直径与树高之相关性,亦为极高度相关,应用此数学关系式可导算出相应于各优势木直径之树高。这样,以优势木直径与林分密度,可估计出略低于三元、高于二元数学关系式精度的蓄积来,更为简便。     

两水平非线性混合模型对杉木林优势高生长量研究

利用两水平非线性混合模型对杉木(Cunninghamia lanceolata)优势高进行分析。概述了两水平非线性混合模型并简单介绍了该模型的参数估计方法;选用了5种常见的Richards和Logistic 形式模型作为构建混合模型的基础模型,利用建模数据分别对这些基础模型各自衍生出的19种混合模型进行计算及比较,结果表明:这5种基础模型对应的最佳混合模型分别为模型(3-1) 模型(3-5);最后把这些最佳混合模型及传统的回归模型两两进行比较,结果表明:二水平非线性混合模型拟合效果比传统的回归模型拟合效果要好,并且基础模型4对应的二水平混合模型(式3-4)拟合效果最好。     

基于混合效应的杉木人工林冠幅模型

构建杉木(Cunninghamia lanceolata)人工林单木冠幅模型,可以提高杉木冠幅的预测精度,并为杉木人工林的科学经营提供参考依据。以杉木为研究对象,基于江西省崇义县杉木人工林57个样地的7 198株单木数据,对基础模型进行扩展,并构建含林分因子和单木因子的冠幅非线性混合效应模型;采用十折交叉验证方法,以调整后的决定系数(R²_adj)、均方根误差(E_RMS)和平均绝对误差(E_MA)模型评价指标对各模型的预测效果进行评价。结果表明:(1)备选模型中,Logistic模型的预测效果最佳。(2)除胸径以外,有6个指标对冠幅有显著影响(P<0.05)。6个指标分别是地位指数、林龄、基尼系数(Gini系数)、林分密度指数、枝下高和大于对象木的断面积之和。添加协变量构建的广义模型较基础模型更优,R²_adj增加了28.53%,E_RMS和E_MA分别下降了17.80%和15.72%。(3)考虑样地水平随机效应的混...     

基于混合效应模型的杉木单木冠幅预测模型

以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型.由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型.从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型.除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响.通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价.结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进.本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型.     

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。     

杉木各林分疏密度条件下林分密度与平均直径关系的研究

文中以杉木人工林标准地为材料,用多变量逐步回归方法,求解出杉木人工林各地位指数、疏密度级、密度株数级之林分平均直径。结果表明:经理论分析证明,不论林分疏密度之高低,当林分疏密度及密度株数相同时,其林分平均直径在各立地奈件下较接近或趋于一致。此规律将为森林抚育间伐,林分直径生长量预测、预报,确定林分工艺成熟以及森林调查设计等,提供理论依据及一些重要参数。     

基于立地混合效应的湖南丘陵平原区杉木多形立地指数模型研究

目的 研究林分立地因子对立地指数的影响,构建含立地混合效应的立地指数模型,以解决区域性立地指数模型精度低的问题。 方法 基于湖南丘陵平原地区360组杉木平均优势木高-年龄数据,利用数量化方法Ⅰ对影响林分优势高生长的立地因子进行显著性分析,并选取P＜0.05的立地因子作为主导因子;采用8种常用的立地指数方程进行基础模型选择,以主导立地因子及其组合作随机效应,确定包含立地效应的立地指数模型。运用AIC、BIC、Log-likelihood和R2等4个评价指标比较不同组合类型的模拟精度,选取最优随机效应组合。采用K-means聚类划分立地类型组,以解决复杂立地类型的模型应用问题。 结果 1）基于数量化方法Ⅰ的显著性分析结果显示：对林分优势高具有显著影响的立地因子有海拔、坡度、坡向与土壤类型,其显著性顺序为土壤类型＞海拔＞坡向＞坡度。2）10个候选基础模型的拟合精度均较低（R2=0.424 3～0.564 4）,本研究选取M4（R2=0.564 4）作为构建多形立地指数曲线的基础模型。3）将不同立地因子及其组合作随机效应构建非线性混合模型,确定系数R2从0.424 3～0.564 4提高到0.565 5～0.808 9,模型拟合精度的高低与主导立地因子的显著性紧密相关,其中含立地类型的混合模型模拟精度最高（R2=0.808 9）。4）以确定系数≥0.99为聚类精度标准,将研究区立地类型划分为11个立地类型组,含立地类型组的混合模型在便于应用的同时,提高了建模精度（R2=0.811 7）。 结论 含立地随机效应的立地指数曲线模型可以显著提高区域复杂立地类型的立地建模精度。     

杉木人工林单木生长模型的研究

利用会同杉木人工林固定标准地的实测材料,以Ｖｏｎ Ｂｅｒｔａｌａｎｆｆｌｙ生长理论为基础,采用生长量修正法建立了会同杉木人工林单木竞争生长模型,精度较高,运用性强。     

基于两层次线性混合效应模型的杉木林单木胸径生长量模型

基于两层次线性混合效应模型方法,建立江西省杉木人工林单木胸径生长量模型.研究所用数据来自于长期观测的固定样地数据,数据库包括82个区域、365个样地、5416株树木共计16248条记录.为了解决不同区域及不同样地之间的差异,本文构建的混合模型分别考虑样地层次、区域层次及两层次的随机参数效应.针对数据存在的重复测量及嵌套结构特性,在模拟时选择合适的异方差和自相关模型矩阵来解决此类问题.最后利用独立的抽样验证数据对模拟结果进行验证.结果表明:林分断面积、对象木胸径、林分内大于对象木的断面积之和与对象木胸径的比值以及海拔对单木胸径生长量有显著影响.与林业中常用的传统最小二乘方法相比,采用混合效应模型方法后模型的模拟精度和验证精度均有提高.选择适合的异方差和自相关函数后,模型比只考虑参数的随机效应有更好的适应性,并体现出了混合效应模型的灵活性和准确性.     

日本落叶松优势木和平均木材性的比较研究

日本落叶松是我国东北地区引种和主要造林树种之一.为了比较日本落叶松优势木和平均木的材性差异,在辽宁桓仁国营黑沟林场17年生日本落叶松林分设置3个标准地,对每木进行调查,并采集试材.按中国国家标准规定的方法取样和测定.对测定数据作方差分析、线性回归分析和材性比较分析.结果表明:该地引种的日本落叶松优势木的木材密度小于平均木的木材密度,两者的木材全干干缩率皆随木材密度增大而减小;平均木的基本密度、顺纹抗压强度、抗弯强度、抗弯弹性模量等均是南坡向的大于北坡向的,优势木的这4项指标均是南坡向的小于北坡向的;优势木的3项力学强度指标小于平均木,平均木的3项力学强度指标与其基本密度成线性正相关,而优势木的各项力学指标与其基本密度既有呈线性正相关的,也有呈线性负相关的;优势木和平均木的木材干缩比皆随立地指数增大而增大,且前者小于后者,但后者的木材强重比却高于前者,这表明平均木材质优于优势木.引种材平均木的强重比比日本原产材的高,引种材优势木和平均木的全干干缩率比日本原产材的小.因此,引种材的木材适宜实木加工和作建筑用材.     

采用林分平均高和密度估计人工林蓄积量

采用2015年广西森林资源连续清查第9次复查中人工林样地调查数据,按树种组(杉木、松树、桉树)建立林分每公顷蓄积量与林分平均高、林分密度(郁闭度、每公顷林木株数)二元非线性模型(不变参数和可变参数),用确定系数(R~2)和平均预估误差(MPE)等6个指标对模型进行评价和检验。结果显示:全部12个模型的总相对误差(TRE)、平均系统误差(MSE)均小于15%,MPE均小于10%,表明采用林分平均高和密度估计林分单位面积蓄积量可取得较好的效果,但可变参数模型的参数的变动系数太大,不宜采用;3个树种组中,不论是不变参数模型还是可变参数模型,以平均高和每公顷林木株数构建的模型的R~2均大于由平均高和郁闭度构建的相应模型的R~2,而剩余标准差(SEE)、MPE则相反,说明每公顷林木株数对林分每公顷蓄积量变动的解释能力优于郁闭度。综合考虑6个统计指标和参数的稳定性,3个树种组的每公顷蓄积量的最优估计模型均为由每公顷林木株数、平均高构建的不变参数模型。     

基于混合效应模型的杉木人工林蓄积联立方程系统

建立江西杉木人工林基于非线性混合效应方法的林分优势木平均高和断面积模型以及基于对数形式线性混合效应蓄积模型的联立方程组,利用验证数据与传统模型回归方法的模拟结果进行比较分析。结果表明,优势木平均高是联立方程组最基本的组成部分。通过考虑优势木平均高和林分断面积模型中参数的随机效应以及3个因变量间的相关性,则蓄积模型中参数的随机效应可以忽略。优势木平均高决定着林分断面积预测的准确性,而优势木平均高和林分断面积又是预测蓄积的主要误差来源。基于混合效应模型方法的模拟结果明显好于传统回归估计方法。进行预测时,通过解释联立方程组中因变量相互间的相关性,利用已被观测的变量能够提高未观测变量的估计精度。     

基于连清样地数据的全国杉木人工林平均木树高-胸径模型

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。     

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。