机器学习算法在森林生长收获预估中的应用

森林生长收获预估是森林经理学的一个重要方向,采用模型技术进行森林生长收获估计是森林经营决策的重要前提。传统的统计模型如线性及非线性回归模型、混合效应模型、分位数回归、度量误差模型等统计方法已被广泛应用于研究林木生长,但这些统计方法在应用时常常需满足一定的统计假设前提,诸如数据独立、正态分布和等方差等。由于森林生长数据的连续观测和层次性,上述假设通常难以满足。近年来随着人工智能技术的发展,机器学习算法为森林生长收获预估提供了一种新的手段,它具有对输入数据的分布形式没有假设前提、能够揭示数据中的隐含结构、预测结果好等优点,但在森林生长收获预估中的应用仍十分有限。文章对分类和回归树、多元自适应样条、bagging回归、增强回归树、随机森林、人工神经网络、支持向量机、K最近邻等方法在森林生长收获预估中的应用、软件及调参等进行了综述,讨论了机器学习方法的优势和挑战,认为机器学习方法在森林生长收获预估方面有很大的潜力,必将得到广泛应用,并和传统统计模型相结合成为生长收获模型发展的一种趋势。      

人工林生长与收获预测模型的基本方法

通过建立林分生长和收获预估模型可以对森林资源数据进行连续预估和动态更新,这对当地林业部门指导生产、实行科学管理具有重要意义.该文参研了以往建立林分生长和收获模型的方法,提出建立林分生长和收获预测模型的一般方法:根据森林生长理论,利用影响林分生长的主要因子(林龄、地位指数和林分密度),把地位指数和林分密度函数引入相关生长模型,并经过合理的模型参数解算、残差分析及误差计算检验,选择最优模型分别建立人工林林分静态和动态生长和收获预估模型.     

林木生长和收获模型研究进展与发展趋势

文中阐述了林木生长和收获模型的基本概念、分类,林木生长和收获的研究发展状况,对当前的林木生长和收获模型的研究的发展趋势作出了相关的探讨。     

全林分生长收获模型的修正方法研究

林分生长收获模型在森林经营管理中有着重要的作用,随着林分生长过程中相应的经营措施（如间伐、施肥等）的实施以及林分可能发生的病虫害等,会对林分生长产生影响,然而通常并未对已有模型进行及时的修正更新.针对这一问题,提出一种修正方法,按照模型参数求解、模型修正检验、模型深度修正这3个步骤来实现修正,直到误差小于设定的阈值,且被标记的异常数据不超过实际数据的1/2,停止修正,此时得到酌参数值即为模型修正后得到的参数值.通过进行SPSS软件拟合林分模型和修正方法修正模型的对比实验,结果表明,修正方法可行,实现了模型的更新.把修正方法应用到Web平台,将会扩大林分生长收获模型的研究和应用范围.     

闽北杉木生长和收获模型的研究

本文以Ｊ．Ｌ．Ｃｌｕｔｔｅｒ的火炬松生长和收获模型为基础，应用闽北杉木调查数据进行检验，并根据闽北杉木的生长特点，作了一些修改，建立了闽北杉木生长和收获模型．     

天然阔叶林标准收获表的研究

利用福建省森林资源连续清查所布设的郁闭度0.7以上、生长正常的天然阔叶林固定样地,选择理查德方程分别立地类型建立林分平均胸径、平均高、断面积生长模型,以理查德方程中的最大生长速率参数作为确定标准林分的依据,结合形高模型编制了天然阔叶林标准收获表.同时探讨了应用标准收获表配合未来林分疏密度预估模型,对天然阔叶林小班蓄积量进行动态更新的方法.     

长白落叶松人工林林分模型的应用

根据在牡丹江地区所调查的16块固定标准地和16块临时标准地的材料以及树干解析数据资料,基于Korf-A型理论生长方程,从林分密度理论和动态林分生长与收获等角度对长白落叶松(LarixolgensisHenry)人工林林分生长和收获模型及应用进行了研究。采用参数化的方法将立地密度因子引入Korf-A型方程,建立了林分断面积生长模型,其渐近参数主要受立地条件影响,而曲线形状参数和生长速率参数则与林分密度和立地条件均有关。以落叶松人工林林分断面积生长模型为核心的全林分模型系统,由满足相容性原则的6个模型所组成:①立地指数曲线;②林分最大密度线;③林分密度(SDI)动态预估模型;④树高曲线动态预估模型;⑤林分断面积生长模型;⑥Schumacher式林分收获模型。采用该模型系统可以模拟不同立地条件(SI及N0)下的林分平均胸径(DBH),平均树高(H),每公顷株数(N),林分断面积(G)和林分蓄积量(M)的生长过程。所建立的林分密度动态模型,预估模型及林分生长和收获模型,可以从单木和林分两个决策水平上模拟落叶松人工林林分动态发育过程,为进一步建立林分经营模型及合理经营长白落叶松人工林提供了良好基础。     

经验收获表及其在用材林资产评估中的应用

采用 Schumacher方程描述平均胸径和平均树高的生长过程 ,并用平均胸径和平均树高建立株数预估模型 ,在此基础上 ,结合林分收获模型及有关公式编制了杉木人工林经验收获表 ,该表经检验证明适用 .文中进一步探讨了经验收获表在生长收获预测和林木资产评估中的应用     

基于MODIS NDVI的冬小麦收获指数遥感提取

为研究利用遥感技术反演冬小麦收获指数，以河北省馆陶县为例，使用2016年、2017年、2018年连续3年冬小麦生长期内的MODIS NDVI时间序列数据，并基于农学观点和冬小麦生理机制，提出了一种构建收获指数（HI）相关参数的新模型HI_MEAN,并与已有相关模型HI_NDVI和HI_NDVI＿SUM进行比较，最后建立了收获指数的预测模型。结果表明，与收获指数参数模型HI_NDVI和HI_NDVI＿SUM相比，模型HI_MEAN的精度最高。进一步反演了2018年河北省馆陶县的冬小麦收获指数，与实测冬小麦收获指数对比，其r²为0.632 9,说明收获指数参数模型HI_MEAN在反演冬小麦收获指数时，理论基础更加合理，同时也具有最高的精度。同时，收获指数参数模型HI_MEAN构建也为后续的以及其他作物收获指数提取研究提供了一种可行的思路。     

异龄林生长动态的预测

本文应用系统分析的方法,针对异龄林收获调整的特点,建立了描述异龄林生长的矩阵模型,并对甘肃省洮河林区冷杉异龄林的生长进行了预测。