基于度量误差模型方法建立的林分相容性树高曲线方程组

【目的】研究北京市蒙古栎天然林的林分树高生长规律,为林分的科学、合理经营管理提供参考。【方法】根据北京市蒙古栎一类清查数据,以Richards方程为基础,采用度量误差模型方法建立林分相容性平均树高曲线方程组。【结果】经检验,所建模型在置信水平α=0.05时显著,对林分树高、胸径的预估精度分别为96.39%和97.23%。随着蒙古栎林分林龄的增长,胸径生长速生期滞后于树高生长速生期,大约在15年时,林分树高生长速度最快,大约在23年时,林分胸径生长速度最快;而林分树高随其胸径的生长变化则是在林分胸径为10cm左右时生长最快,此后逐渐减缓。【结论】所建立的林分树高曲线联立方程组比较合理,既使得林分树高曲线与林分胸径、树高生长过程曲线之间具有相容性和一致性,也考虑了模型中自变量的度量误差。     

基于非线性混合模型的油松天然林树高曲线研究

树高和胸径作为重要的林分因子,二者的异速生长关系是林分生长与收获预估的基础。以北京市古石峪61块油松（Pinus tabuliformis）天然林样地为研究对象,样地按郁闭度CD≥0.6（类型Ⅰ）、0.5≤CD＜0.6（类型Ⅱ）、0.4≤CD＜0.5（类型Ⅲ）、0.3≤CD＜0.4（类型Ⅳ）和CD＜0.3（类型Ⅴ）划分5个等级类型,采用非线性混合模型方法,从26种常用树高曲线中选择拟合精度最高的作为基础模型,以类型和样地作为随机效应,分别基于单水平和嵌套二水平,考虑异方差构建最优的油松天然林树高曲线。采用AIC、BIC和负2倍的对数似然值对不同模型的精度进行比较,并用平均绝对误差、剩余均方根误差和调整后的决定系数对模型进行检验。结果表明,混合参数个数不同,模型预测精度不同;考虑异方差结构的嵌套2水平非线性混合模型预测精度高,调整后的决定系数达0.924 4,剩余均方根误差为0.842 1,可以准确地反映油松树高与胸径的关系,但与以样地作为随机效应的单水平样模型的差异不显著。     

基于非线性混合模型的杉木标准树高曲线1）

树高曲线是研究森林生长和收获的重要基础,以福建省将乐县国有林场29块杉木人工林实测数据为例,首先运用非线性最小二乘法对9个经典常用标准树高曲线方程进行拟合,选出拟合效果最好的模型作为基础模型,利用基础模型及建模数据构建非线性混合效应模型。通过变化混合参数个数,并利用SAS软件进行模拟,选择结果收敛且AIC、BIC值和负二倍对数似然值最小的混合模型作为最优模型,最后利用检验数据与传统非线性最小二乘法进行精度比较。结果表明：方程H＝1．3＋a0 Ha1t （1－e－a 2D－a3g D ） a4在模拟杉木树高的生长趋势效果较好,因此,选为构建非线性混合模型的基础模型。在选择混合参数时,发现当a1和a3同时作为混合参数时,拟合效果最好。综合分析,非线性混合模型比固定模型的模拟精度高,可更好地描述杉木的树高生长。     

贵州杉木人工标准树高曲线模型

利用试验林和固定样地资料，分析了树高曲线与林龄，立地，密度的关系，得出 高曲线一林龄，立地关系密切，随林龄，立地指数的增大，曲线向右上方移动；而与林分密度关系不大。分析了国内外在树高曲线方面研究情况，针对以往研究中存在的问题，采用再次参数化方法，把立地指数，林龄引入树高曲线模型，创建了１３个树高曲线模型。     

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。     

大兴安岭落叶松不同采伐强度的最优树高曲线模型1）

在大兴安岭落叶松林选择18块采伐强度不同的样地,以10种常用的树高曲线模型作为候选模型,比较同一树高曲线、不同采伐强度时,获得的决定系数（ R2）;比较同一采伐强度、不同树高曲线时,获得的R2。结果表明：两种情况获得的R2的极差均较大;前一种情况获得的R2的离散性（ R2的标准差都在0．17左右）,较后一种情况获得的R2的离散性（ R2的标准差大多在0．05以下,仅有一种情况为0．148）大;证明采伐强度,是影响树高曲线模型选择的重要因素。以R2、残差平方和、均方差作为模型优劣的评价指标,对18块样地的10个树高曲线候选模型进行了对比：采伐强度低于15％时,大兴安岭落叶松的树高曲线模型宜选用Richard（1959）模型;采伐强度为15％～40％时,宜选用Logistic模型;采伐强度为40％及以上时,宜选用Weibull（1978）模型。     

基于度量误差方法的油松林分生长模型

为掌握北京地区油松Pinus tabulaeformis生长过程,建立相容的断面积和蓄积模型,通过引入间伐林分与未间伐林分的哑变量,分别建立林分断面积、林分蓄积生长模型,然后从相容的角度出发,建立林分断面积、蓄积量的误差变量联立方程组,并与不含哑变量的传统生长模型的误差变量联立方程组进行比较。经检验,传统误差变量联立方程组中林分断面积和林分蓄积生长模型的预测精度都在92%以上,对油松林分断面积的预测精度高达0.921 5,决定系数高达0.900 1,对油松林分蓄积量的预测精度达到了0.928 3,决定系数高达0.912 3,而引入哑变量的误差变量联立方程组中,模型的预测精度和确定系数稍高,均在93%以上,对油松林分断面积的预测精度高达0.939 8,决定系数达到了0.927 9,对油松林分蓄积量的预测精度在0.930 0以上,决定系数达0.932 8。这说明引入哑变量,一定程度上提高了模型的预测精度,而且所建模型比较合理,形式相对简单,便于应用,不仅使得林分水平上的林分断面积、蓄积量的预测结果具有相容性,同时还考虑了间伐措施对林分生长的影响,达到了林分生长与收获模型整体化研究的目的,为林分的经营管理提供了可靠依据。     

小兴安岭天然林不同树种的树高曲线模型

选用10种树高曲线模型作为候选模型,以决定系数(R~2)、残差平方和(S_(se))和均方差(M_(se))作为模型优劣的评价指标,对小兴安岭天然林中的云杉(Picea asperata)、红松(Pinus koraiensis)、水曲柳(Fraxinus mandschurica)、椴树(Tilia tuan)4种树种的树高曲线模型进行优选。结果表明:云杉、红松和椴树的最优模型均为Logistic模型,水曲柳的最优模型为抛物线模型;云杉和红松两种针叶树种,最优模型的优势不明显,水曲柳和椴树两种阔叶树种最优模型的优势较明显;比较R~2的大小,得出较适合小兴安岭云杉和红松两种针叶树种的树高曲线模型(R~20.8),对小兴安岭阔叶树种的适用程度不具有普遍性,对椴树的适用性好(R~2最大达0.94),对水曲柳的适用性较差(R~20.8)。对水曲柳的树高进行分段研究得出:水曲柳在树高低于9 m时,树高曲线模型较适宜(R~20.8),其中抛物线模型为最优模型;树高较高时,没有适用的树高曲线模型。     

秃杉人工林树高曲线模型研究

利用秃杉人工林标准地调查数据,以理查德为基本方程,采用哑变量的方法,引入立地质量因子,构建以立地质量为哑变量的秃杉人工林树高曲线模型,并将其与二元材积表相结合,测算标准地蓄积量。经交叉建模检验,建立的树高曲线模型,其估算精度接近二元材积表的估计水平。所构建的树高曲线模型在很大程度上减少了野外调查的工作量,提高了工作效率,为中国的森林资源调查提供一定的参考应用价值。     

一次罕见的油松林霜冻灾害及其成因分析

本文报道一例罕见的晚霜对油松林的危害。调查表明油松初生嫩叶在活跃生长期如遇-2.7℃以下的低温,部分林木的初生嫩叶梢端即可受害;林木个体的耐寒力有很大差异。地形因子(主要是坡向、海拔)对成灾与否具有支配作用,它使受害林分在空间的分布里不连续格局。     

油松林分断面积生长预估模型研究

在森林经营中,间伐林分、未间伐林分分开单独建模存在不相容的问题,有必要对其进行研究,并建立统一的模型。利用森林资源一类清查数据,以Schumacher模型为基础,通过引入哑变量、间伐指标分别建立北京市油松林分断面积生长预估模型,使得间伐林分和未间伐林分能够整合在一起建立统一的模型。经检验,引入哑变量模型对油松林分断面积的预测精度最低,为87．99％;其次是引入间伐指标模型,预估精度为88．36％;综合引入哑变量和间伐指标模型预估精度最高,为88．61％。所建模型对间伐林分和未间伐林分均适用,更方便于在实践中应用。     

松黄叶蜂对油松生长发育的影响

松黄叶蜂 (N eodiprion sertif er)危害油松后 ,油松生长量随着叶蜂种群数量增大而降低。即随着食叶量由 0 .0 0 %～ 1 0 0 % ,年高生长量降低 9.76%～ 41 .71 % ;径生长量减少 1 2 .91 %～ 3 1 .3 2 % ;木材蓄积量减少2 1 .99%～ 5 4.98%。该叶蜂在树冠下枯落物中结茧量分别与食叶量和年高生长量、径生长量、木材蓄积量的损失量有下列线性关系 :食叶量 W=2 1 .5 5 1 8 0 .3 43 2 X,年高生长损失量 Y=-5 .91 3 2 0 .1 3 85 X,径生长损失量 Z=3 .2 881 0 .0 777X,材积损失量 P=4.2 2 48 0 .1 471 X     

油松开花结实规律的研究

油松雌、雄球花在各级侧枝上的分布状况不同,母树开花结实能力变异很大。据此可将其划分为偏雌型、偏雄型、中性型和营养型等四个类型;花期早晚和球花所在方向、部位有关。还研究了球果在各枝轮及各级侧枝上的分布状况。     

油松天然群体遗传结构的研究

本文运用同工酶电泳技术对油松大配子体的遗传结构进行了研究,分析材料为油松大配子体,共检测了４个群体４个酶系统（ＧＯＴ、ＭＤＨ、ＧＤＨ、ＡＬＰ）的１０个基因位点。结果表明,油松群体在这几个酶系统上的遗传变异水平中等偏低,４个群体多态位点百分率平均为５６．７％,等位基因平均数为１．７６,平均期望杂合度０．１５９;群体内纯合体不足,杂合体过量,大都处于非平衡状态;群体间的分化程度较低,４个群体的平均遗传距离为０．０１１;同工酶测定的总变异中,只有１％来自群体间,其余的变异均来自群体内个体间     

油松24种源单萜烯组分遗传变异

从24个油松种源单株采集2年生枝条上的针叶,进行单萜烯组分分析,研究种源综合萜烯组分变异性与地理空间变异的关系。结果表明:茨烯相对质量分数在种源间的变异幅度较大,其相对质量分数的差异在油松全分布区范围内存在着显著的地理变异趋势。油松种源差异显著,可分为北部类群、中部类群、西南类群和山东类群等4个类群,类群间单萜烯组分分化显著。观察到α-蒎烯、茨烯和β-蒎烯等成分的质量分数与其种源产地经纬度有机明显的地理变异规律。     

油松林生物量—密度管理图

依据中国6省421块油松纯林标准地资料编制了油松林分生物量—密度管理图。其中,干量、地上部量及总生物量密度图的估计相对精度在95％以上,并能通过适合性F检验;叶量、枝量和根量的相对估计精度分别为95.2％、92.8％和93.4％。     

油松分布区气侯区划

依据油松主分布区157县1951～1980年间12个项目的气象资料,用主分量分析技术将油松主分布区分分为四个区。     

正宁县油松人工林发育过程中林下群落结构和物种多样性的研究

以正宁县中湾林场油松人工林为研究对象,用空间代替时间的方法,从Raunkiaer生活型和多样性指数等方面对林下群落结构及物种多样性进行了研究。结果表明:1）不同发育阶段油松人工林和对照样地植物种类组成丰富,共包含29个科61个属80种;从油松幼龄林开始,林下物种逐渐丰富,耐阴植物和广生态幅的植物逐渐取代阳性植物并表现出优势地位;2）油松人工林林下高位芽、地上芽和地面芽植物占主要优势;灌木层均以高位芽层片为优势层片,地面芽和地上芽层片为草本层的优势层片;3）随着油松人工林发育,林下总体物种多样性和均匀度指数增加,近熟林林下植物丰富度显著高于中龄林,均匀度指数显著高于幼龄林。说明油松人工林的种植很大程度改变了群落的面貌,不仅改善了林下群落结构,而且具有显著恢复生物多样性的功能。     

油松人工林抚育间伐效果初步研究

通过12年来对油松人工林下层抚育间伐试验地观测,讨论了在不同经营密度下的生长效果。提出了实施间伐的参考技术指标;首次间伐应在17年以前进行,Ⅱ、Ⅲ龄级阶段的最佳经营密度分别为3000～3500株/ha和2500～3000株/ha。在生产中该密度指标可以用来检验间伐设计所确定的经营密度是否合理和可行。