基于神经网络的马尾松人工林密度指数模型

  目的  通过对马尾松Pinus massoniana人工林密度指数模型的研究,为制定木材产量及质量的提升决策提供参考。  方法  以河南省薄山林场马尾松人工林为研究对象,采用147块标准地数据,以林分平均胸径为输入向量,以林分密度为输出向量,建立了林分密度指数人工神经网络（ANN）模型,并与Reineke的林分密度指数模型进行比较。  结果  ① 薄山林场马尾松人工林最大密度线斜率b为-1.516 3,马尾松标准平均胸径为14 cm,Reineke的林分密度指数模型精度为92.11%,t检验结果显著;②构建了网络结构为1:2:1的林分密度指数ANN模型,模型拟合精度为92.57%,均方误差为0.001 469 7。③无论采用Reineke林分密度指数还是人工神经网络技术,在拟合株数密度随林分平均胸径的变化趋势时,幼龄林组拟合效果都不理想,这与幼龄林组数据数量偏少有关。  结论  所建模型可为薄山林场马尾松抚育经营决策提供依据。     

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。     

马尾松人工林直径分布神经网络模型研究

该文首先以相对直径为输入变量,以累积频率为输出变量,构建了1∶S∶1的林分直径分布BP神经网络模型. 用1块具有代表性、26年生、全林伐倒测定每木胸径、树高生长过程的马尾松人工林标准地直径分布数据,作为马尾松人工林的期望分布,对所建模型进行训练、用定性与定量相结合的方法,选出既符合林分直径分布规律,又具有较高拟合准确度的网络模型结构为1∶2∶1,网络对象名为FRdnet2 该模型的总体累积频率拟合准确度达99.5%,径阶累积频率拟合准确度最低93%、最高99.9%、平均99%,径阶频率拟合准确度最低82%、最高99%、平均95%. 神经网络建模技术的拟合准确度好,可作为有效的林分直径分布模拟技术.      

基于分位数回归的针阔混交林树高与胸径的关系

  目的  基于包含哑变量的非线性分位数回归方法,构建华北落叶松Larix principis-rupprechtii与白桦Betula platyphylla针阔混交林树高与胸径关系的预测模型,对研究混交林中树种结构及立地生产力预测具有重要意义。  方法  以河北省塞罕坝机械林场华北落叶松与白桦针阔混交林为研究对象,利用83块标准地调查数据,基于哑变量分别采用最小二乘法和非线性分位数回归方法,构建不同树种树高与胸径关系模型。  结果  基于包含哑变量的非线性分位数回归预测模型精度高于最小二乘法,其中利用最小二乘法拟合不同树种模型,其确定系数、平均差及平均绝对误差分别为0.787~0.814、1.581~1.877、2.447~2.654;而利用非线性分位数回归不同树种不同分位点模型,其确定系数、平均差及平均绝对误差分别为0.839~0.921、0.213~1.469、0.561~2.322,经过残差分析确定,当分位点τ=0.7时,不同树种树高与胸径关系预测模型精度较高。  结论  与最小二乘法相比,基于非线性分位数构建的包含哑变量不同树种树高与胸径关系的预测模型精度更高。图3表3参33     

松材线虫病疫木卫生伐对马尾松纯林林分结构的影响

  目的  探讨松材线虫Bursaphelenchus xylophlius病疫木采伐对马尾松人工纯林林分结构的影响,对松材线虫病入侵后的马尾松林分的经营管理有理论和实践价值。  方法  在浙江省杭州市临安区,分别选择松材线虫病危害及周边未受害的马尾松Pinus massoniana人工纯林设置样地并进行调查。  结果  疫木卫生伐12 a后的结果表明:与马尾松纯林相比较,卫生伐之后马尾松重要值显著下降,从100.00%降至38.41%;胸径结构由正态分布变为反J型曲线;树高结构由单层林变为复层林;林木大小个体差异显著增加,两级分化显著加剧;林木分布从均匀分布变为随机分布;林木竞争压力增加,6 cm径阶林木竞争压力最大。  结论  卫生伐促使受害马尾松纯林向混交林演替的速度加快,多个林分结构指标发生了重大变化,单层马尾松同龄纯林演替为复层马尾松落叶阔叶树混交异龄林。图2表4参18     

马尾松人工林树高BP模型研究与应用

用BP人工神经网络建立了马尾松人工林树高模型,并在树高模型的基础上,提出了马尾松地位指数计算式,从而编制了地位指数表。结果表明:用人工神经网络建立模型拟合精度为94.76%,检验精度为92.15%,所建模型无系统偏差,人工神经网络很适合建立非线性模型。     

不同起源马尾松与杉木林分树高曲线的拟合及对比

【目的】选择7种模型拟合同一立地条件下马尾松和杉木人工林与天然林的树高生长曲线,并从中选出最优模型,为福建省马尾松和杉木人工林与天然林的合理经营奠定基础。【方法】基于福建省第7次森林资源一类清查数据,以同一立地条件下639株(人工林326株、天然林313株)马尾松标准木及687株(人工林498株、天然林189株)杉木标准木为研究对象,利用二次项方程、幂函数方程、对数方程、S曲线方程4种经验方程及Richards模型、Logistic模型、单分子式模型3种理论方程,拟合马尾松人工林和天然林、杉木人工林和天然林4种林分类型的树高曲线,并以调整决定系数、均方根误差、总相对误差和预估精度为评价指标,选择4种林分类型的最优树高模型。【结果】马尾松人工林与天然林分别以幂函数方程、二次项方程拟合效果较好,预估精度分别达到96.812%和96.474%;杉木人工林和天然林用Richards模型拟合效果最好,预估精度分别达到96.742%和96.495%。【结论】通过比较分析,获得了最适合模拟马尾松和杉木人工林与天然林的树高生长曲线模型。     

湖北省马尾松人工林结构模型的研究

利用湖北省马尾松人工林的样地资料,选用Ｗｅｉｂｕｌｌ分布,采用参数预估法建立了湖北省马尾松人工林的直径分布模型;选用修正的Ｒｉｃｈａｒｄｓ函数,采用非线性二乘的Ｍａｒｇｕａｒｄｔ迭代法拟合出湖北省马尾松人工林的树高曲线方程。经检验,两模型精度较高。     

基于混合效应模型的人工红松枝下高模型研建

  目的  基于帽儿山红松人工林63块样地2 972株红松数据,利用非线性混合模型构建红松枝下高模型,为进一步研究生长与收获模型提供理论依据。  方法  本文首先使用8个常用的枝下高模型,选出最优基础模型;其次,研究林分变量或单木变量对枝下高的影响,建立含林分变量的枝下高模型;最终在基础模型和含林分变量模型的基础上,考虑样地效应对红松枝下高的影响,构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式（随机抽取、抽取最大树、抽取最小树、抽取平均树）和8种样本大小（1 ~ 8株树）对基础混合效应模型和广义混合效应模型进行抽样检验。  结果  Logistic模型拟合精度好,符合生物学意义,且模型形式简单,选为最优基础模型。除树高、胸径以外,大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性,加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时,建议抽取胸径最小的4个样本;当应用广义混合效应模型预测时,建议随机抽取4个样本。  结论  枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型,建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时,建议随机抽取4个样本。      

马尾松树高-胸径非线性混合效应模型构建

以贵州省东北部地区马尾松人工林为研究对象,基于254块样地的15275株马尾松数据,随机选取80％样地数据用于模型建立,20％样地数据用于模型检验.对11个常用的树高-胸径模型进行拟合,筛选效果最佳的为基础模型,并将密度、优势木平均高、胸高断面积以不同个数及组合形式加入基础模型,筛选最优广义模型.同时考虑样地水平的随机...     

亚热带日本落叶松人工林枯落物及土壤层水文效应

  目的  研究对比亚热带不同经营模式日本落叶松人工林枯落物层和土壤层水文效应的变化规律及差异性,探讨二者水文性能之间的相关关系,以期为地区森林水文循环和森林健康经营提供科学依据。  方法  以建始县国有长岭岗林场3种典型经营模式日本落叶松人工林（日本落叶松?檫木混交经营模式、日本落叶松?鹅掌楸混交经营模式、日本落叶松纯林经营模式）为研究对象,采用样地观测法、室内浸泡法、环刀法、双环法等对其枯落物层及土壤层水文效应进行了研究,并采用回归分析法和双变量相关性分析法对其二者水文效应进了拟合与分析。  结果  （1）不同经营模式林分枯落物厚度及蓄积量分层变化差异显著（P < 0.05）;混交林经营模式半分解层厚度及蓄积量均明显高于未分解层,纯林经营模式则正好相反。（2）不同经营模式林分枯落物持水量、吸水速率随浸泡时间的变化规律基本一致,枯落物持水量与浸泡时间呈对数函数回归关系,枯落物吸水速率与浸泡时间呈幂函数回归关系。（3）不同经营模式林分土壤物理性质及入渗性能整体表现为混交经营模式优于纯林经营模式,且差异性显著（P < 0.05）;土壤入渗速率与入渗时间呈幂函数回归关系。（4）不同经营模式林分枯落物层和土壤层水文效应存在一定的相关性,除土壤密度外,土壤水文指标均与枯落物半分解层水文指标呈正相关,与枯落物未分解层水文指标呈负相关;土壤最大持水量、总空隙度、初渗速率、稳渗速率与枯落物厚度、半分解层最大持水量及最大吸水速率关系密切。  结论  综合来看,混交经营模式的枯落物层和土壤层水文性能要优于纯林经营模式,建议在森林经营管理中应充分考虑树种组成、配置方式等因素影响,加快实施针叶纯林的近自然阔叶化改造,以加强地区森林的水文功能和健康经营。      

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

基于机器学习算法的广西桉树适宜性研究

  目的  探索立地因子与桉树Eucalyptus适宜性之间的关系,开展树种适宜性研究,为桉树适宜性研究提供新思路,为科学造林提供支持。  方法  以广西桉树人工林为研究对象,选取广西国有高峰林场的1 883个森林资源小班调查数据,分别运用朴素贝叶斯、支持向量机、随机森林算法作为树种适宜性评价方法,构建桉树适宜性分类模型。输入为地貌类型、海拔、坡向、坡位、坡度、凋落物厚度、腐殖质层厚度、土层厚度、石砾含量、成土母质,土壤类型等11个立地因子信息,输出为桉树适宜性。  结果  3种算法构建的模型拟合精度依次为63.18%、69.73%、78.03%,泛化精度依次为64.33%、67.93%、78.18%。相比于朴素贝叶斯、支持向量机算法,随机森林算法分类效果更好。立地因子重要性排序由高到低依次为:海拔、土层厚度、坡向、坡度、石砾含量、凋落物厚度、坡位、腐殖质层厚度、土壤类型、地貌类型、成土母质。200~350 m海拔、80~100 cm土层厚度的地区比较适宜桉树生长。  结论  基于机器学习算法构建的桉树适宜性评价模型可以较好地对桉树的适宜性做出预测。     

基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较

  目的  森林碳储量是生态系统结构与功能的重要指标，掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源，但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题，因此，需要选择合适的林分解析变量和模型。  方法  借助无人机激光雷达点云数据与样地调查数据，以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象，分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测，选出最优模型并进行精度评价。  结果  研究表明:（1）模型方法而言，非线性模型的检验效果优于线性模型的检验效果:非线性模型（R2为0.66 ~ 0.86，rRMSE为23.51% ~ 9.91%），线性模型（R2为0.52 ~ 0.85，rRMSE为27.70% ~ 12.38%）。（2）模型使用平均高、郁闭度为基础变量，以穷举法筛选出来的变量组合，估算森林参数得出最佳模型，其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高（R2=0.86，rRMSE=9.91%）。  结论  通过激光雷达估测人工林碳储量时，加入垂直结构变量可以提高模型拟合效果，非线性模型比线性模型更适合人工林碳储量的估测。      

不同林龄樟子松人工林根际与非根际土壤生态化学计量特征

  目的  探究辽西北沙地不同林龄樟子松Pinus sylvestris var. mongolica人工林根际与非根际土壤碳(C)、氮(N)、磷(P)质量分数及生态化学计量特征关系,为该地区的樟子松林培育、经营及管理提供理论依据。  方法  采用时空互代的方法,在辽西北章古台地区选取6个林龄(10、20、30、40、50和60 a)的樟子松人工林作为研究对象,分析各林龄下根际与非根际土壤碳、氮、磷质量分数及化学计量比的差异和影响因素。  结果  辽西北沙地樟子松人工林土壤贫瘠,根际土壤碳、氮、磷质量分数均高于非根际土壤,根系对养分的富集与平衡维持作用明显。林龄、根际以及二者之间的交互作用,对土壤碳、氮、磷质量分数及其生态化学计量比影响显著。樟子松人工林土壤C∶N主要受到土壤全氮的影响,土壤C∶P主要受土壤有机碳的影响,土壤N∶P受土壤全氮的影响大于全磷。各林龄樟子松人工林土壤C∶N均远高于全国平均水平,表现为氮限制,其中60 a过熟林氮限制更为强烈。樟子松人工林根际土壤氮、磷限制存在一定程度的协同性。  结论  各林龄樟子松生长均受到氮限制,相较于根际土壤,非根际土壤氮更为缺乏。在森林经营过程中,应充分考虑根际与非根际土壤的差异性,建议对辽西北沙地樟子松人工林施用氮肥、引入固氮植物以解除氮限制,并注意根系磷肥的补充。图1表5参28      

望天树人工幼林土壤微生物量碳氮及养分特征

  目的  望天树是热带雨林标志种及国家一级濒危树种,人工栽培是扩大其种群数量的重要途径。通过对望天树人工纯林及混交林的土壤理化性质、土壤微生物生物量碳氮及养分含量的分析,为望天树人工幼林混交树种选择及土壤管理提供参考。  方法  在望天树人工纯林、望天树－降香黄檀及望天树－巨尾桉混交林设置标准地,采用对角线法采集不同土层的土样,测定土壤pH值、有机质及养分含量、微生物生物量碳氮含量,利用生态化学计量和主成分分析方法研究不同林分和土层对土壤微生物生物量碳氮含量及土壤质量的影响。  结果  （1）土壤微生物生物量碳氮和土壤养分含量的垂直分布特征表现为随着土层深度的加深而下降,不同林分类型对其垂直分布影响不明显。（2）望天树人工幼林平均土壤C∶N∶P为35∶2∶1,土壤微生物生物量MBC∶MBN为8∶1。不同树种组成显著影响着土壤养分和微生物生物量碳氮及其化学计量比,望天树－巨尾桉混交模式可以明显提高土壤微生物活性,改善土壤质地和微环境。（3）相关性和主成分分析表明,望天树林地土壤微生物可以通过自身调节对土壤养分的变化保持一定的内稳性,土壤微生物生物量碳氮可以作为土壤养分储备库和碳氮源变化的早期生物指示指标。望天树－巨尾桉混交林对土壤微生态功能、质量和肥力状况的影响最显著,是最有利于望天树幼林林地土壤微生物生长、土壤养分发育的一种林分类型。  结论  望天树人工幼林土壤微生物生物量碳氮、养分含量及其化学计量特征表现出明显的表聚效应,且树种组成对其垂直分布影响不明显。望天树混交林相比纯林而言,对土壤微生物环境和土壤质量的促进效果更明显,其中望天树－巨尾桉混交模式更有利于养分活化,提高微生物群落功能及改善林地土壤结构,是望天树幼林时期和桉树纯林改造较合适的混交模式选择。