数量化抚育间伐模型建立研究

概述了数量化回归模型I的建模过程，并根据94块标准地调查数据，经分析筛选，确定林分平均高、每公顷株数、坡向、林分年龄4个调查因子为说明变量，建立以抚育间伐强度为基准变量的数量化抚育间伐模型，经回归效果和偏相关系数检验均极显著，表明林分平均高和每公顷株数对林分首次下层抚育间伐影响较大．精度检验表明模型系统误差较小，所建模型可以用于预估首次下层抚育间伐量．     

利用林分因子估测森林地表可燃物负荷量

在帽儿山地区，对落叶松林和白桦林2个可燃物类型的75块样地树种的胸径、树高、年龄等林分因子和地表可燃物的负荷量进行了野外调查和室内实验分析与计算，利用SPSS 11．5 for Windows统计软件和Matlab软件，分别对不同种类可燃物负荷量与林分因子进行分析，并建立了多元回归模型和人工神经网络模型。利用林分因子推算不同种类地表可燃物负荷量，取得了较为满意的结果。     

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。     

长白落叶松人工林林分材种出材率的研究

用长白落叶松人工林３０１株解析木的数据，以全林分生长模型、林分结构分布模型、林分自然稀疏模型及因子相关模型为基础，配合削度方程和材积比方程、编制了林分材种出材率表，经检验精度符合要求，并实现了计算机选择材种、计算材积和出材率。     

禄丰县思茅松毛虫成灾与林分因子相关性调查研究

对思茅松毛虫成灾与14个林分因子进行逐步回归分析，从中筛选出主层林郁闭度、林木生长势、坡向和海拔高度4个关键因子，并用这4个因子建立多元回归模型，从中总结出了虫源地林分和有虫不成灾林分的特点。     

马尾松人工林单木生长神经网络模型研究

以马尾松人工林间伐试验林为研究对象，用林分内单木相对直径、林分年龄、地位指数和单株地积作为输入变量，以单木直径生长量作为输出变量，构建了4：S：1的BP神经网络模型。用间伐试验林的单木生长数据对网络模型进行训练，得适宜的网络结构为2：3：1，网络对象名取为DMnet。网络模型理论值与实际值比较的结果，各密度级的平均训练精度为90．10％～97．73％。与常规模型的拟舍精度83％～93％相比，神经网络模型取得了较好的拟合效果。网络模型的仿真结果显示，随相对直径和单株地积的增大，单木胸径定期生长量逐浙增大，其变化细节与林木在林分中所处的空间位置相符合，说明所建的单木生长神经网络模型能有效地描述林木生长随相对直径和林分密度指数的变化规律。模型可供同类条件的林分在进行经营设计时进行有关的分析、计算、模拟、预测等使用。     

基于单木生长神经网络模型的林分生长预测

以马尾松Piuns massoniana人工林间伐试验林为研究对象，用单木生长神经网络模型与林分表法的转移概率矩阵模型构建了林分直径分布的动态转移模型，再与径阶材积向量或材种材积向量构成林分生长与收获预测模型。预测检验结果显示，高、中、低密度的林分断面积预测精度依次为94％、95％、97％，蓄积量预测精度依次为92％、94％、96％，表明不计枯损（或采伐）的转移概率矩阵模型对低密度林分的预测比对高密度林分的预测效果好。     

基于最小偏差的林分生长组合预测模型及其应用

根据Bates J M和Granger C W J的组合预测方法的概念．提出了基于最小偏差的林分生长组合预测模型．并介绍了模型求解的方法．由实例证明．组合预测模型能大大地改善预测效果，是一个理想的模型．在应用上具有重要意义．     

基于Richards方程的杉木树高生长模型

利用Richards生长方程构建杉木Cunninghamia lanceolata树高生长模型。以福建省三明市将乐县国有林场杉木人工林为研究对象．基于15块杉木人工林标准地野外调查数据。在分析林分相对胸径（出）和相对树高（hR）规律的基础上,拟合了胸径．树高曲线、胸径一株数累积（％）曲线以及树高一株数累积（％）曲线。根据林分结构现状,应用SPSS20统计软件模拟了杉木树高生长模型。结果表明：在95％置信区间内,模型的相关指数达到了0．993,求得参数A=28．606,B=1．094．k=0．031,m=-0．466,且各参数的估计值符合杉木的生长规律。此模型大大提高了林木树高因子的模拟精度．并为实现森林资源的优化配置提供基础数据。图3表3参30     

三明市生态公益林水源涵养功能性等级评价

通过对三明市生态公益林的调查分析。采用数量化理论Ⅰ对不同生态公益林以林分水源涵养功能的优劣进行功能性等级类型划分．结果表明：对林分水源涵养功能影响较大的因子，按回归偏相关系数t的大小依次为土层厚〉凋落物量〉非毛管孔隙〉稳渗速度〉土壤密度〉初渗速度〉郁团度〉水稳性团聚体含量；以得分值高低可分为高效型（902．67～687．21）．中等型（687．20～579．48）、低能型（〈579．47）三种类型；经对28种生态公益林林分类型进行检验，高效型林分有7个，占总数的25％，中等型11个。占总数39．3％，低能型10个．占总数的35．7％；有75％的林分生态功能（林分水源涵养）具有潜在的提升空间，有必要而且必须进行水源涵养功能性改良．     

我国不同参考作物蒸散经验模型适用性分析及参数修正

为提高不同参考作物蒸散经验模型在全国范围内的精度和适用性,并简化计算方法,依据1961—2020年全国585个气象站点的逐日地面观测资料(统计数据未包含港、澳、台地区,下同),选用平均相对百分误差、标准差等量化指标,采用最大似然和最短距离法,从月尺度和年尺度上对以Penman-Monteith模型为标准的Hargreaves-Samani(HS)模型、Makkink(MK)法、Priestley-Taylor(PT)模型、Hargreaves(Har)模型、Mc Cloud(MC)模型进行比较分析和系数修正。结果表明:1)修正前除MC模型外月尺度平均相对百分误差平均值均低于20%,PT模型和MC模型年尺度平均相对百分误差平均值均高于25%,精度最低;2)修正后5种模型的月尺度和年尺度平均相对百分误差平均值均低于8%,计算精度明显提升,其中PT模型的修正效果最好,月尺度和年尺度的平均相对百分误差平均值均低于3.7%,与修正前相比均降低了80%以上;3)利用最短距离法进行聚类分析后发现,区域修正后Har模型和MK模型的修正效果最好,年蒸散量相对百分误差平均值分别为8%和5.1%。修正后的不同参考作物蒸散经验模型在全国范围内具有更高的适用性。     

基于水量平衡的膜孔沟灌水流推进模型研究

【目的】研究建立膜孔沟灌水流推进模型,通过分析膜孔沟灌水流推进过程,准确、方便确定膜孔沟灌灌水技术要素、田间平均入渗率和糙率。【方法】通过引入地表储水形状系数、下渗水形状系数和膜孔沟灌入渗方程,建立基于水量平衡的膜孔沟灌水流推进模型,并通过田间试验对模型进行检验。【结果】模型检验表明,试验实测数据与模型计算值吻合较好;对田间膜孔沟灌试验验证模型计算误差绝对值均值的分析可知,试验中各灌水沟除个别组误差绝对值均值大于5%外,其余均在5%以下;多组灌水沟的误差绝对值均值小于4%,可以满足膜孔沟灌灌水技术指标确定的需要。【结论】所建模型具有较为严谨的物理基础,计算求解方便、精度较高,具有较强实用性。     

古建筑木材内部腐朽状况阻力仪检测结果的定量分析

为了探讨应用阻力仪检测方法定量评估古建筑木材材质状况的方法和途径,该文以故宫武英殿维修时替换下来的局部腐朽的5根落叶松旧木构件加工的319个试件为材料,用目测法将试件划分为未腐朽及4个腐朽等级,共5个等级,测定了试件的气干密度、抗弯强度和顺纹抗压强度,并对抗弯强度试件进行了阻力仪检测. 应用统计学方法分析了阻力仪检测值与气干密度、抗弯强度和顺纹抗压强度之间的相关关系,用其中的284组数据建立了阻力仪检测值与木材物理力学性质间的线性回归分析模型,并用剩余的35个样本的检测值进行了模型验证.结果表明,随着腐朽程度的加深,木材密度、抗弯强度、顺纹抗压强度及阻力仪检测值均显著降低,5个腐朽等级间差异显著; 木材达到“3”级腐朽时,4项指标分别降低为未腐朽材的24％、42％、76％和71％. 阻力仪检测值与气干密度、抗弯强度和顺纹抗压强度之间均在0.01水平表现为极显著的线性相关关系,其中与密度的相关关系最大. 对建立的线性回归模型进行的模型验证结果表明,模型预测值与实测值具有高度的一致性,两者在0.05和0.01水平上差异均不显著.      

北京密云油松人工林林冠截留模拟

【目的】探讨北京密云水库集水区油松人工林的生态水文过程和影响机理。【方法】基于2006-05-10的21场降雨和气象及林分结构资料,用修正的Gash林冠截留模型对油松人工林林冠截留量进行模拟。【结果】北京密云油松人工林林冠截留量、树干茎流量和穿透雨量的模拟值分别为57.33,1.03和229.51 mm,林冠截留量和树干茎流量的模拟值分别比实测值减小12.6和0.39 mm,相对误差分别为18.02%和27.46%,穿透雨量模拟值高于实测值13.17 mm,相对误差为6.09%;累计林冠截留量模拟值小于实测值,累计林冠截留量相对误差最小值为6%,最大值为32.64%,相对误差在20%～30%的占76.2%,平均累计林冠截留相对误差为25.2%。【结论】模型可以较好地模拟北京密云油松人工林的累计林冠截留量,但模型在本试验区域油松林中应用时,模拟出的累计林冠截留量应加上25.2%的实测林冠截留量值加以校正。     

日光温室太阳辐射推算模型的构建

根据每日天气预报资料,构建了日光温室外太阳辐射推算模型;根据日光温室透光率,构建了日光温室内太阳辐射推算模型.模型中考虑了天空云量对太阳辐射的遮挡,并利用吉林省吉林市永吉县双河镇日光温室对模型进行了验证.结果表明,模型能预测晴天和多云的日光温室外和室内到达土壤表面的太阳辐射的动态过程,模型推算值与实测值极显著相关,相对误差小于9.5％.     

三江平原地区土壤养分空间分布特征

[目的]全面、准确掌握三江平原地区土壤养分状况空间分布情况,为完善土壤养分管理制度与制定合理施肥措施提供初步的科学依据。[方法]基于网格法取样,用经典统计学和地统计学综合分析该区域土壤养分的空间变异特征。[结果]土壤养分指标的变异系数偏大,在20．17％～66．39％之间;在研究区域呈现一定的空间结构性,各养分指标的空间结构差别较大;空间自相关性明显,最佳拟合模型均为指数模型。块金值（C。）均较大,AN和AK的c。／c。＋C在25％～75％之间,其他指标的C。／Ｃ。＋Ｃ均〈25％。Kriging插值图表明,土壤养分的空间分布格局不同。[结论]从研究区域的整体养分状况来看,饶河县和宝清县交界处以及萝北县土壤养分状况较好．土壤OM、TN、rrP、AP含量均较高,而研究区域的西南部总体养分状况较差,OM、rr=N、_rK、AN、AP含量均处于较低的水平。地形条件、耕作年限是决定该区域土壤养分空间分布的关键因素。     

电子鼻在六堡茶陈化年份识别中的应用

[目的]探索电子鼻(EN)技术在六堡茶陈化年份识别上的应用,为建立六堡茶品质评价新技术体系提供参考依据.[方法]采用PEN3型便携式电子鼻气味分析系统提取不同厂家、不同陈化年份六堡茶茶干、茶汤和茶底的响应特征值,用主成分分析法(PCA)和线性判别分析法(LDA)分析其陈化年份和预测模型,以马氏距离(MA)、欧氏距离(EU)和判别函数分析(DFA)法验证预测模型的准确性.[结果]不同陈化年份六堡茶对EN产生不同的响应信号,分别选取171~175、166~170和155~160 s的EN响应值作为建立干茶、 茶汤和茶底识别模型的特征值;LDA较PCA能更好地区分不同陈化年份的六堡茶,不同陈化年份样品分布在不同区域,干茶、茶汤和茶底的判别式LD1和LD2的累计贡献率分别为93.00%、88.31%和80.52%;EU、MA和DFA法对干茶识别模型的验证准确率分别达88.23%、88.23%和94.12%,对茶汤识别模型的验证准确率均为82.35%,对茶底识别模型的验证准确率分别为70.58%、82.35%和94.12%.[结论]EN可识别不同陈化年份六堡茶的芳香物质等特征气味并对其进行区分和归类,可在茶叶陈化年份识别中推广应用.     

基于岭回归的河西走廊中部日光温室低温预测模型

为了构建基于气象要素的甘肃省甘州区日光温室低温预测模型,探索应用了岭回归分析的方法。在合理选取预测因子的基础上,对预测因子之间存在的多重共线性进行诊断,为了克服预测因子共线性对模型稳定性的影响,选择岭回归分析的方法进行共线性的处理和模型构建,应用模型的预测值与实测值对模型的精度进行检验。结果表明：选取的预测因子之间存在共线性问题,通过岭回归分析建立的日光低温预测模型可以克服预测因子间由于共线性问题对模型参数造成的影响,模型预测值与实测值之间的绝对误差(≤3℃)的准确率为98.4%,决定系数(R²)为0.8543和均方根误差(RMSE)为0.7849℃,模型精度较好。基于岭回归分析法建立的日光温室低温预测模型能够对当地日光温室低温进行合理而有效的预测。     

用彭曼—蒙特斯模式估算作物蒸腾量的研究

本文论述了彭曼—蒙特斯(Pcnman—Montcith)模式的推导过程,分析了产生计算误差的四个原因。对模式中参数的取值进行了讨论,分别比较了考虑和不考虑气压订正与空气层结稳定性订正时计算值的差异,结果表明不考虑气压订正时的计算值比实测值偏小10％～20％,而空气层结稳定性订正对计算结果的影响不如气压订正的显著。     

木材弦向导温系数的理论研究

以细长中空的同轴圆柱体作为木材生物学细胞模型,以4个D吡喃葡萄糖基组成单斜晶系的晶胞作为木材纤维结构的微观模型,综合应用木材物理学、统计热力学和结构化学等多个学科的基础理论和方法,研究推导木材弦向导温系数的理论表达式,应用该表达式实际计算了24种不同树种的木材弦向导温系数,并与同条件下的实验值相比较,其结果为最大误差12．2％,平均误差7．1％。