使用怀特检验判断生物量模型的异方差性

为了在生物量建模过程中得到回归模型的最优估计,针对回归模型存在的异方差性,提出用怀特检验方法来定量分析模型,再结合残差分布图来辅助判断,并应用怀特检验方法和残差分布图实例分析了普通最小二乘法拟合栎类生物量模型结果存在异方差性,建议采用加权最小二乘法拟合栎类生物量模型。     

思茅松树高曲线方程中的异方差研究

运用残差图法和戈德菲尔特-夸检验方法检验出思茅松树高曲线方程中存在异方差现象.应用树高曲线方程本身为权函数对曲线方程进行加权,结果表明加权估计能够很好地消除思茅松树高曲线方程中的异方差问题,使曲线方程中的参数更加稳定,预估精度提高,应用性增强.     

大兴安岭北部兴安落叶松天然林单木地上生物量

基于大兴安岭北部林区19块样地内104株天然兴安落叶松实测生物量数据,建立兴安落叶松天然林地上总量和分量相容性生物量模型,分别采用权函数和联立线性方程组消除方程的异方差和度量误差。结果表明：1)含度量误差的单木生物量相容性模型能解决总量生物量模型和分量生物量模型不兼容的问题,而且模型的预估精度高于经验模型;2)所建模型参数的决定系数 R2和模型偏差统计量,估计值的标准差 SEE、平均估计误差MPE、平均相对偏差 ME、平均相对偏差绝对值 MAE 分别为0.907～0.947,1.887～17.368,1.011%～2.703%,-4.937%～6.998%,5.408%～10.886%;3)对大兴安岭北部兴安落叶松天然林样木实测值进行统计分析,得到兴安落叶松天然林单木干材生物量占地上生物量的60.37%～76.80%,所占比例随年龄增加先增加再减小。树皮生物量占地上生物量的7.15%～20.11%,所占比例随年龄增加而减小;树枝生物量占地上生物量的8.51%～14.29%,所占比例随年龄增加基本呈现增加趋势;树叶生物量占地上生物量的5.12%～7.09%,在低林龄期时所占比例最大。     

与材积兼容的生物量模型的建立及其估计方法研究

建立生物量模型是生物量估测的主要手段,而建立与材积兼容的生物量模型是实现生物量调查与森林蓄积量调查相结合的基础。因此,采用变量逐步筛选法建立了落叶松和椴树与材积兼容的生物量模型。模型的参数估计采用了加权最小二乘法,以消除异方差现象。同时,提出了５个指标用于模型评价,即参数变动参数Ｃｖｉ、总相对误差Ｅｒ、平均相对误差Ｅｍ,平均相对误差绝对值Ｅａ和预估精度Ｐ。研究结果表明,所建的生物量模型不仅实现了与     

东北林区天然白桦相容性生物量模型

基于东北林区天然白桦实测生物量数据,通过2种方案(以总生物量为基础分级控制和以总生物量为基础直接控制)建立天然白桦一元和二元相容性生物量模型,模型参数估计采用非线性度量误差联立方程组估计方法,并采用加权回归的方法进行异方差的消除。结果表明:2种方案所建立的天然白桦一元、二元相容性生物量模型的确定系数R2=0.800～0.988,模拟效率(EF)=0.80～0.97;2种方案所建立的相容性生物量模型的预测精度大多数在80%以上,树枝和树叶生物量模型的预测精度较差,但也在69%以上;所建立的相容性生物量模型中,总生物量和树干生物量模型效果较好,树根、树叶和树枝生物量模型效果较差。总的来说,2种方案所建立的相容性生物量模型都具有一定的精度,都能对天然白桦生物量进行很好的预估,以总生物量为基础直接控制方案所建立的一元和二元相容性生物量模型好于以总生物量为基础分级控制方案所建立的一元和二元相容性生物量模型,所以在进行天然白桦生物量预估时,建议采用以总生物量为基础直接控制所建立的相容性生物量模型。     

中国湿地松立木生物量方程的研建

以我国湿地松154株样木的生物量实测数据为基础,综合利用分段建模方法和非线性误差变量联立方程组方法,建立了与立木材积方程相容的地上生物量方程和生物量转换因子模型,以及与地上生物量方程相容的地下生物量方程和根茎比模型。结果表明:所建地上生物量方程的平均预估误差小于5%,地下生物量方程的平均预估误差小于10%,全树生物量估计的平均预估误差小于3%,完全可满足森林生物量计量的精度要求,从而为我国湿地松林的生物量估计及碳汇能力评估提供了计量依据。     

关于生物量模型中的异方差问题

本文对生物量模型中的异方差问题作了探讨,指出生物量模型中存在着异方差,使利用普通回归进行的参数估计是有偏的,导致误差和参数的变动系数增大。采用加权回归估计,可以消除异方差现象,并用原函数本身来构造权函数,可以适应任何形式的方程     

福建木荷多元生物量模型及2种权函数的比较

为准确计量与监测木荷生物量以及准确评估其碳汇能力、生态效益等生态功能,基于160株木荷样木实测数据,以胸径(D)、树高(H)、冠幅(Cw)和冠长(Cl)作为模型的自变量,运用非线性最小二乘法,采用15种模型结构建立木荷各组分生物量模型,并以1/f(x)~2与1/f(x)~(1.6)分别作为权函数对模型进行异方差的消除,对比分析各模型拟合结果并选取各组分最优生物量模型。结果表明,木荷各部分的生物量模型采用同一模型结构所拟合的效果大致相同;各自变量对生物量模型的拟合效果与贡献程度从大到小顺序为DHClCw(其中自变量H与Cl的作用效果相近);随着函数模型的多元化,从一元到二元模型的提升效果明显,而后二元到多元模型提升效果不大,建议实际应用中采用二元模型W=aD~(b1)H~(b2)即可;采用1/f(x)~(1.6)作为权函数消除异方差后模型整体的拟合效果与估计精度,优于未消除异方差与以1/f(x)~2作为权函数消除异方差的模型,证明以1/f(x)~n作为通用权函数将更适用,但其具体n值需进一步研究。     

我国3种针叶林的材积源生物量模型研建

[目的 ]林分水平的生物量模型或数表,是森林资源调查监测的必备计量工具。研建3种针叶林的材积源生物量模型,既是方法学探索,也为生产实践提供参考成果。[方法 ]基于我国3种主要针叶林(落叶松、油松、杉木)的3 000个固定样地的实测数据,分别利用普通回归估计、加权回归估计和分段建模方法,建立了林分水平的材积源生物量模型,并与已发表的相关模型进行了比较。[结果 ]建立的3种针叶林的加权回归生物量模型,其确定系数R2在0.912～0.937之间,平均预估误差MPE在0.93%～1.58%之间,总体相对误差TRE在±2.0%以内,独立样本检验的TRE在±2.6%以内;分段建模生物量模型,其确定系数R2在0.915～0.953之间,平均预估误差MPE在0.81%～1.55%之间,总体相对误差TRE在±0.3%以内,独立样本检验的TRE在±1.3%以内。用本研究数据对已发表的3种针叶林的生物量模型进行适用性检验,其总体相对误差TRE分别达到11.62%、-25.19%和-6.26%,按不同生物量等级的估计误差更大,甚至出现系统偏差,严重超出了允许误差范围。[结论 ]林分每公顷生物量与蓄积量呈线性相关;建立林分生物量模型,应当采用加权回归方法,并保证样本数量足够且结构合理;当一个模型难以准确估计各个等级的生物量时,可以采用分段建模方法。本研究所建3种针叶林的材积源生物量模型,预估精度高,可以在实践中推广应用。     

广西主要树种立木生物量模型的研建

在广西境内收集杉木、马尾松、桉树、硬阔类、软阔类等树种333株,按收获法进行生物量测定,分别树种采用W=c1×Dc2,W=c1×(D2H)c2,W=c1×Dc2×Hc3模型进行地上部分生物量拟合,并采用加权回归估计消除模型的异方差,利用部分有根部生物量测定的样本,分别树种建立地下与地上生物量回归模型,获得平均根茎比参数。结果表明:1)采用W=c1×Dc2×Hc3结构建立地上生物量模型,具有较高的精度;2)通过加权回归后,地上生物量模型精度略有降低,但模型稳定性增强;3)主要树种地上生物量模型的决定系数R2均达到0.93以上,总相对误差(TRE)和平均系统误差(MSE)均控制在±1%以内,平均预估精度基本在94%以上,结合平均根茎比参数,可在一定径级范围内用于广西主要树种生物量估测。     

基于对偶回归的杉木与马尾松地位指数互导模型

应用对偶回归分析法,结合相关系数分析,对雪峰山地区324块同时具有杉木和马尾松地位指数值数据的样地进行对偶回归分析,建立了不同地地貌类型的雪峰山杉木与马尾松地位指数互导模型,模拟效果较好。预测误差值分布稳定,建模的平均相对误差为1.95%,模型适用性检验的平均相对误差为3.18%。不仅解决了地位指数代换偏差较大,精度不够高的问题,而且简化了建模的过程,提高了模型的实用性。     

桦木顺纹抗压强度的SEPA-VISSA-RVM近红外光谱预测

木材顺纹抗压强度是评价木材力学性能的重要指标,而传统测量方法操作复杂、精确度低。以桦木为例,提出基于近红外光谱技术(NIR)的SEPA-VISSA-RVM木材顺纹抗压强度模型,实现对其更加精确的预测。试验选取100个木材试件,在900~1700 nm近红外光谱波段上采集数据并测量抗压强度真值;然后采用卷积平滑(SG)方法进行光谱预处理;使用采样误差分布分析(SEPA)作为变量空间迭代收缩算法(VISSA)的改进策略进行特征波长优选;最后通过粒子群优化算法(PSO)优化核函数参数并建立相关向量机(RVM)的预测模型。试验表明:在特征波长优选方面,以偏最小二乘法(PLS)建模为基础的SEPA-VISSA方法,其预测决定系数为0.9593,预测均方根误差为2.8995,相对分析误差为3.0256,光谱变量数由512减小到111个,占总波长的22%,均优于VCPA、CARS和VISSA算法;在建模预测方面,以SEPA-VISSA所选波长为基础的RVM模型,PSO优化的拉普拉斯(Laplacian)核函数的核宽度为10.4043,决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,预测效果优于PLS和SVR。因此,基于近红外光谱的SEPA-VISSA-RVM建模能够实现对桦木顺纹抗压强度更准确和稳定的无损检测。     

辽东山区日本落叶松生物量相容性模型的研究

基于60株辽东山区日本落叶松样木生物量的实测数据,分析不同林龄条件下立木各部分生物量的变化情况,并应用度量误差方法建立立木相容性生物量模型。结果表明:树叶、树枝、树皮生物量占总生物量的比值随林龄增长呈下降趋势,干材占总生物量的比值随林龄增长呈上升趋势。在筛选出总生物量与各分量最优独立模型的基础上,应用三级控制的方法建立生物量相容性模型,并采用加权回归方法消除总量和各分量模型的异方差。建立的总量、地上部分、树干、干材、树皮生物量模型,其R2均大于0.9;树根、树冠、树叶和树枝生物量的R2略低,介于0.7 0.9之间。通过独立样本对模型的相容性和预测精度进行检验,各分量预测值所占总生物量的百分比之和为1,模型完全相容;根、冠、叶和枝的模型预测精度略低于90%,其他部位模型的预测精度都在95%以上,模型的预测精度较高。     

国内外灌木生物量模型研究综述

灌木林是自然界中广泛存在的一种陆地生态系统类型, 是森林资源的重要组成部分。文中对国内外灌木生物量模型的研究现状进行了综述, 从数据采集、建模方法和模型评价3个方面系统总结了灌木生物量模型研建的技术要点。数据采集主要包括样本单元数的确定、测定因子的选定和样本数据采集3部分, 其中样本数据采集又包括野外鲜质量测定和实验室干质量测定2部分。建模方法的重点是确定灌木生物量模型的结构和选择参数估计方法, 而模型评价的核心是选定合适的评价指标。文中从开展国家级森林植被生物量监测的角度提出建立灌木生物量模型的有关建议, 即首先要确定合理的建模样本单元数, 再选择合适的灌木生物量建模技术方法, 还要重视对所建模型的评价, 给出模型的预估精度指标。     

思茅松天然林单木生物量地理加权回归模型构建

通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据,并测定其中30株的根系生物量数据。基于普通最小二乘模型选型,采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量,以及根系生物量和整株生物量模型。结果表明:(1)地理加权回归模型(GWR)的决定系数(R2)大于普通最小二乘(OLS)模型,且GWR模型拟合的R2值除树叶生物量模型外,其余生物量维量模型均大于0.950;Akaike信息指数(AIC)值小于普通最小二乘(OLS)模型,平均相对误差(EE)和平均相对误差绝对值(RMA)的绝对值除树枝生物量外均小于OLS模型,说明GWR模型拟合效果优于OLS模型;(2)地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。     

非线性模型对数回归的偏差校正及与加权回归的对比分析

本文结合大样本的立木生物量实测数据,对非线性模型对数回归的偏差校正问题进行了探讨,并与加权回归结果进行了对比分析。首先,分析了对数回归产生偏差的内在原因,并提出了一个新的校正因子,同时对另外3个偏差校正因子一并进行了检验,结果表明本文和Baskerville(1972)提出的校正因子,能保证与加权回归估计结果趋于一致;然后,对非线性加权回归中基于普通回归残差推导的权函数与通用权函数(W＝1/f(x)²)的拟合效果进行了对比分析,结果表明二者基本相当,而通用权函数更具有广泛的适应性。建议对带有异方差的非线性模型,最好直接采用加权回归进行估计;当按照通用权函数进行估计其总相对误差超出一定范围时,应该根据普通回归估计的残差推导效果最佳的权函数后再进行加权回归。     

南方8种森林地表死可燃物在平地无风时的燃烧蔓延速率与预测模型

【目的】研究Rothermel林火蔓延速率预测模型及另外2种以Rothermel模型为核心的蔓延速率预测模型对南方8种典型森林地表死可燃物的适用性,为林火蔓延速率预测提供理论支撑和指导。【方法】以南方地区8种典型速率地表死可燃物为对象,根据研究对象的野外实际条件,在东北林业大学帽儿山实验林场风洞实验室内,构建不同可燃物床层含水率、载量及高度的可燃物床层,每种可燃物在平地无风条件下进行36次点烧试验,共288次点烧,记录每种可燃物类型不同配比条件下的蔓延速率。通过直接使用Rothermel模型、重新估计Rothermel模型参数、对Rothermel模型形式改进后自建模型的对比,得到最合适的预测模型。【结果】 1)平地无风条件下,南方8种典型森林地表死可燃物床层最大蔓延速率为0.55 m ·min -1 ,平均蔓延速率由大到小依次为:华山松、云南松、毛竹、柳杉、杉木、马尾松、麻栎及青冈栎。2)直接使用Rothermel模型预测的林火蔓延速率误差较大,平均绝对误差为0.18 m ·min -1 ,平均相对误差为70.0%。3)重新估计参数后的Rothermel模型及自建模型,预测的可燃物蔓延速率精度显著提高,平均绝对误差分别为0.04、0.037 m ·min -1 ,平均相对误差分别<18%、16.45%。4)重新估计参数的Rothermel模型与自建模型的预测误差的差异不显著,其中自建模型的预测值与实测值的 R 2 变化在0.71~0.90,平均为0.80。【结论】对南方8种典型森林的地表死可燃物类型,在平地无风条件下,重新估计参数的Rothermel模型及自建模型的预测精度相近,但自建模型可能更简单易用,可预测平地无风条件下可燃物地表火蔓延速率。     

兴安落叶松立木材积和树皮材积可加性模型研建

【目的】确保立木材积和树皮材积预测的一致性并提高预测精度。【方法】以大兴安岭兴安落叶松为研究对象,分别采用控制法和分解法研建了可加性模型系统。利用SAS统计软件模型模块proc model中的NSUR法进行拟合及参数估计。拟合结果采用确定系数(R2)和均方根误差(RMSE)进行评价;检验结果则通过确定系数(R2)、均方根误差(RMSE)、平均相对误差(MRE)、平均误差绝对值(MAB)和相对误差绝对值(MPB)进行评价。【结果】从模型的整体评价结果来看,两种方法的拟合和检验效果均很好,基于分解法构建的模型略优于基于控制法构建的模型;不同径阶的检验表明,对于中等径阶的树木(20≤D<36 cm),基于控制法的模型相对较好,而对于小径阶(5≤D<20 cm)和大径阶的树木(D≤36 cm),基于分解法的带皮、去皮、树皮材积模型的预测精度要比基于控制法的各立木材积模型要稍好。【结论】总的来说,两种可加性模型系统均能很好地预测单木带皮材积、去皮材积和树皮材积,并确保得到满足一致性的预测结果,在具体应用时可根据实际情况选择适合的可加性材积模型系统。     

Developing individual tree-based models for estimating aboveground biomass of five key coniferous species in China

Estimating individual tree biomass is critical to forest carbon accounting and ecosystem service modeling. In this study, we developed one- (tree diameter only) and two-variable (tree diameter and height) biomass equations, biomass conversion factor (BCF) models, and an integrated simultaneous equation system (ISES) to estimate the aboveground biomass for five conifer species in China, i.e., Cunninghamia lanceolata (Lamb.) Hook., Pinus massoniana Lamb., P. yunnanensis Faranch, P. tabulaeformis Carr. and P. elliottii Engelm., based on the field measurement data of aboveground biomass and stem volumes from 1055 destructive sample trees across the country. We found that all three methods, including the one- and two-variable equations, could adequately estimate aboveground biomass with a mean prediction error less than 5%, except for Pinus yunnanensis which yielded an error of about 6%. The BCF method was slightly poorer than the biomass equation and the ISES methods. The average coefficients of determination (R ²) were 0.944, 0.938 and 0.943 and the mean prediction errors were 4.26, 4.49 and 4.29% for the biomass equation method, the BCF method and the ISES method, respectively. The ISES method was the best approach for estimating aboveground biomass, which not only had high accuracy but also could estimate stocking volumes simultaneously that was compatible with aboveground biomass. In addition, we found that it is possible to develop a species-invariant one-variable allometric model for estimating aboveground biomass of all the five coniferous species. The model had an exponent parameter of 7/3 and the intercept parameter a ₀ could be estimated indirectly from stem basic density (a ₀ = 0.294 ρ).