“天潜沔 ” 地区杨树人工林胸径-树高生长模型研究

以天门、潜江、仙桃地区杨树人工林为研究对象,通过2O22年在该地区选取48块样地进行每木检尺,共测量731 株杨树的生长量情况,作为建模数据 。利用 R软件对胸径-树高模型进行拟合,选用9个常用的胸径-树高模型 。根据决定 系数（R2）、均方根误差（RMSE）、残差平均和（SSE）、平均绝对误差（MAE）、平均相对误差（MRE）和 Akaike信息量准则 （AIC）6个评价指标来确定最优模型,同时以天门、潜江、仙桃地区2O21年立地条件、初植密度基本 一 致的1O个杨树人工 林固定样地的胸径、树高数据为检验数据,检验最优模型的预测能力 。结果表明：在1~9号模型中,4号拟合效果最佳,其 模型表达式为 H=1. O41OD- O. O122D2,可以作为天门、潜江、仙桃地区杨树人工林胸径-树高基础模型。     

引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建

基于广西森林资源年度监测评价项目中25块杉木样地和25块桉树样地的每木胸径和树高实测数据，从7个传统树高-胸径曲线中筛选出拟合精度最优模型作为基础模型，引入林分优势高和气候因子构建广义非线性模型，通过10折交叉验证法进行检验，并对一元材积公式的估计误差进行评价。结果显示：1)各传统树高-胸径曲线模型中，Richards模型为杉木和桉树最优的基础模型；2)引入了林分优势高和气候因子的杉木和桉树树高-胸径广义非线性模型，拟合精度相对基础模型更高，杉木的R²,MPE和MPSE的值分别为0.797 6,0.58%和13.91%,桉树的R²,MPE和MPSE值分别为0.720 7,0.62%和11.58%;3)采用一元材积公式得到的杉木和桉树总体蓄积与实测蓄积相差较大，其中桉树相对误差为-13.51%,超过了林业行业标准要求范围，运用树高-胸径广义非线性模型和二元材积公式计算总体蓄积，与实测值相对误差不超过0.5%,构建的杉木和桉树树高-胸径广义非线性模型能运用于实践生产。     

湖北高密度杉木人工林生长规律研究

为研究湖北省高密度杉木人工林生长规律,对鄂东南地区高密度杉木人工林进行标准地调查,获取61块样地数据和183株解析木数据,建立了杉木单木树高、胸径和材积生长模型,根据拟合优度及残差指标,高密度杉木单木胸径和树高生长的最优模型选择理查德模型,单木材积最优模型选择考尔夫模型,所选模型检验精度均较高,达到拟合效果;通过绘制杉...     

基于气候因子的杉木人工林削度方程构建

【目的】基于湖南省永州市75块杉木人工林样地的调查数据,构建含气候因子的杉木人工林树干削度方程,为后续研究气候因子对杉木树干削度的影响提供理论依据。【方法】从4个备选基础模型中选取1个最优的作为基础模型,使用数量化方法Ⅰ筛选出显著的气候因子,在此基础上,将气候因子和林分密度因子通过混合效应模型方法添至最优的基础模型中,确定最优的随机效应添加形式,从而构建含气候因子和林分密度因子的杉木人工林树干削度方程。【结果】Kozak(2004)模型为最优基础模型,其Ra2为0.959 5;夏季平均最高温（Txmax）、生长积温（DD5）为影响树干削度显著的气候因子。单含林分密度因子的杉木人工林树干削度方程的Ra2为0.971 0,均方根误差（RMSE）和平均绝对误差（MAE）分别为0.757 2、0.546 7,而含气候因子和林分密度的杉木人工林树干削度方程Ra2为0.981 6,RMSE和MAE分别为0.603 4、0.431 2,相比最优基础模型Ra2提升了2.3%,RMSE降低了32.56%,MAE降低了34.56%;相比单含林分密度因子的杉木人工林树干削度方程Ra2提升了1.1%,RMSE...     

基于哑变量的闽楠人工林单木树高曲线模型

【目的】通过建立含立地类型哑变量的湖南省金洞林场闽楠人工林单木树高曲线模型,为湖南省金洞林场闽楠人工林的目标树经营和生长预估提供理论依据。【方法】以湖南省金洞林场为研究区域,基于18块闽楠人工林固定样地2019年调查数据,选取了11个具有代表性的树高曲线模型对闽楠人工林树高-胸径关系进行了拟合,从中筛选出了拟合效果最好的模型作为构建哑变量模型的基础模型;通过对18块固定样地进行立地因子调查,采用数量化方法Ⅰ,以各林分的平均木优势高为因变量,立地因子为自变量,对立地因子进行评价,得到影响显著的立地因子,并通过划分等级和聚类分析来划分立地类型;将立地类型做为哑变量添加到基础模型参数及不同组合中,构建基于立地类型哑变量的金洞林场闽楠人工林单木树高曲线模型。【结果】在11个基础模型中,拟合的树高曲线最优基础模型为Weibull方程,其决定系数为0.780 4最大,平均绝对误差(MAE)为1.770 9,均方根误差(RMSE)为2.701 3最小。以Weibull方程作为基础模型,在构建的含立地类型的哑变量模型中,将哑变量添加在参数c上效果最优,决定系数为0.834 9,平均绝对误差(MAE)为1.529 5,均方根误差(RMSE)为2.131 6。对比于基础模型,决定系数提升了6.98%,平均绝对误差(MAE)降低了13.6%,均方根误差(RMSE)降低了26.7%。【结论】含立地类型哑变量的金洞林场闽楠人工林单木树高曲线模型拟合效果优于基础模型,并且具有更高的适用性,能反映不同立地类型下的树高、胸径生长差异,可以为湖南省金洞林场闽楠人工林的目标树经营和生长预估提供理论依据。     

杉木人工林目标树经营技术参数的研究

对浙江省杉木Cunninghamia lanceolata主要分布区51个不同发育阶段杉木人工林典型样地调查,分析不同优势木高杉木人工林的径级结构,并利用126株优势木数据,建立杉木人工林优势木的胸径、树高、冠幅之间关系,得出胸径与树高相关关系的最佳回归方程为:Y=0.361 8X+4.497 9,模型的拟合度R^2=0.796 5(X表示胸径,Y表示树高);胸径和冠幅的相关关系的最佳回归方程为:Y=0.137 9X+0.858 9,模型的拟合度R^2=0.881 6(X表示胸径,Y表示冠幅)。通过对3株50年生杉木人工林大径级林分优势木的树干解析,研究大径级杉木人工林优势木的胸径、树高与材积的生长规律,结果显示生长率都呈现逐年降低趋势,树高较为明显。树高、胸径、材积生长率最大值出现在10年生时分别为5.278 7%,15.069%,25.895%;而50年生时仅为0.273 3%,0.186 9%,0.921 7%。研究提出杉木人工林目标树经营的发育阶段划分、合理密度、目标树数量等关键经营技术参数,为杉木人工林的目标树经营提供理论依据。     

深度学习和传统方法模拟杉木树高-胸径模型比较

目的 基于深度学习算法,建立多隐藏层的杉木树高-胸径神经网络模型,探索一种更高效低偏的树高模型研建方法,提高杉木树高的预测精度。 方法 利用福建省将乐国有林场34块杉木样地的2898组树高-胸径调查数据,基于传统回归建立10个广义树高-胸径模型,筛选出精度最高的模型作为对照。同时基于H2O平台的深度学习算法,建立70个不同结构的树高-胸径DLA模型,通过分析比较,确定最适宜预测杉木树高的模型结构,与传统最优模型进行比较。 结果 建立的树高-胸径DLA模型均能较好地描述杉木的树高-胸径间关系,R2都在0.84以上,大于最优传统模型,RMSE和MAE小于传统模型。精度最高的DLA模型结构包含6个隐藏层,每层各340个神经元。 结论 本研究基于深度学习建立的杉木树高-胸径DLA模型,其拟合精度与预测精度略高于传统的广义树高-胸径模型,尤其在预测较高的林木时,更为明显,能够用于研究区杉木树高的预测。     

不同地貌杉木人工林胸径树高生长曲线研究

为准确掌握景宁县杉木人工林的生长情况,采用4种生长方程分别拟合杉木胸径树高生长情况,并选择最优生长模型。研究结果表明:多项式方程能够较好的拟合景宁地区杉木林的生长情况,平均决定系数高达0.889;地形因子对杉木生长具有重大影响。     

内蒙古大青山华北落叶松人工林生长模型研究

利用内蒙古大青山32株华北落叶松解析木数据,分析研究华北落叶松人工林的树高、胸径、年龄、材积之间的关系,并选取对数模型、理查德模型、考尔夫方程和逻辑斯蒂方程等4个常用的生长模型对树高、胸径、材积生长量进行拟合.结果表明：效果好的生长模型分别为胸径对数模型y=-24.03＋ 11.28×Log（x＋1.99）,树高理查德模型Y=27.27×[1-Exp（-0.041 ×x）]△1 5735,材积理查德模型y=7495.55×[1-Exp（-0.001×x）]△3.13.经F检验（F ＜0.05） =6.94,呈显著.3个预测模型的标准误差、平均百分误差、平均绝对百分误差都非常小,平均相对误差均在±2.5％以内,预测值与实测值无显著差异（p=0.05）.     

竞争和气候及其交互作用对杉木人工林胸径生长的影响

【目的】构建包含竞争指标和气候因子的胸径生长模型,分析竞争和气候及其交互作用对杉木人工林胸径生长的影响,为气候变化背景下模拟抚育间伐、择伐后保留木的生长变化奠定基础,为森林适应性经营中科学合理地对杉木人工林进行间伐、择伐提供依据。【方法】基于江西省赣州市南康区、崇义县和上犹县杉木人工林固定样地数据,采用潜在生长量修正法构建胸径生长模型。利用分位数回归模拟潜在生长量,运用7个环境因子(5个气候因子:调查间隔期的平均温度、最高温度、最低温度、降水量和大于5℃的积温; 2个地形因子:海拔和坡度)反映立地质量对潜在生长量的影响,依据参数显著性和方差膨胀因子确定可作为自变量的环境因子。采用指数函数形式构建修正函数,修正函数的竞争因子包括3个林分密度指标和3个单木竞争指标(2个与距离无关的竞争指标和1个与距离有关的竞争指标),筛选出最优竞争因子后考虑其与5个气候因子间的交互作用对估计精度的影响。通过模型评价,选出估计精度最高的模型添加样地水平随机效应参数,用于分析竞争和气候及其交互作用对杉木人工林胸径生长的影响。使用平均绝对误差(MAE)、平均相对误差绝对值(RMAE)和平均预估误差(MPE)评价模型估计精度。【结果】海拔、调查间隔期的最低温度和降水量对杉木人工林胸径潜在生长量具有显著影响。胸径20 cm时,潜在生长量达到最大值,调查间隔期的最低温度和降水量对潜在生长量最大值呈正向影响,而海拔则呈负向影响。对比各竞争指标构建的胸径生长模型估计精度发现,含与距离无关的竞争指标的生长模型估计精度最高,其次是含与距离有关的竞争指标的生长模型。鉴于气候和竞争的交互作用可提升模型估计精度,对比只在修正函数中考虑竞争因子的模型,考虑交互作用的生长模型MAE降低0.60%～18.69%,MPE降低0.12%～9.72%。竞争因子选用大于对象木的断面积之和,对应的气候因子选用平均温度、最高温度和最低温度进行交互作用的模型估计精度最好,以其作为基础模型并添加样地水平随机效应参数构建最终胸径生长模型,模型估计精度较好,MAE为0.071 1 cm、RMAE为20.37%、MPE为4.90%。基于最终模型发现,除承受竞争压力很小和竞争压力较大的林木外,温度变化可加剧竞争对胸径潜在生长量的修正效应。【结论】分位数回归对胸径潜在生长量的模拟效果较好,气候和竞争的交互作用也可提升模型估计精度,如果建模区域气候变化较大,构建单木生长模型时,建议在模型中考虑气候和竞争的交互作用。     

云南省主要针叶树种树高曲线模型研建

树高曲线在森林经营和收获调整中有着重要的作用,建立适用于云南省主要针叶树种的树高曲线模型,为其森林经营提供参考。基于云南省两期森林资源连续清查数据,以冷杉、思茅松、云南松、华山松和杉木作为研究对象,选用Richards等15种树高曲线模型作为备选模型,以决定系数(R~2)、均方根误差(RMSE)、平均绝对误差(MAE)、总体相对误差(TRE)和平均预估误差(MPE)作为模型拟合效果的评价指标。结果表明:Hossfeld方程能较好地描述冷杉和杉木的树高曲线,双曲线方程能较好地描述云南松和华山松的树高曲线,Wykoff方程能较好地描述思茅松的树高曲线;云南松最优树高曲线模型决定系数为0.676,其它针叶树种决定系数均大于0.710。独立样本数据检验表明,各树种最优树高曲线模型均有较好的适用性,对云南省主要针叶树种树高有较好的预测效果。     

卫闽林场杉木人工林经验收获表的研制

采用理查德方程建立杉木人工林平均胸径、平均树高、单位面积蓄积量和株数的生长模型,结合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,可用于林分生长收获预估和小班资源数据更新。     

四川桤木天然林和人工林的单木生长模型研究

预测和研究四川桤木天然林和人工林的生长与发展规律,以更好地经营四川桤木天然林。以四川桤木天然林和人工林为研究对象,基于实测的树高-胸径数据,通过比较分析9个树高曲线模型,建立四川桤木的单木树高曲线模型。结果显示,最终确定的四川桤木最优树高曲线模型的决定系数R~2为0.794,调整决定系数为0.792,均方根误差RMSE为0.886,相对均方根误差E_(RMSE)为0.045,平均误差ME为0.000,平均绝对误差MAE为2.641。最优的四川桤木单木树高曲线模型自变量为胸径,单木生长模型为H=1.3+27.176×(D/(1+D))~(11.856)。建立的单木树高曲线模型有较好的生物学意义,可为四川省四川桤木天然林和人工林的生长预测提供依据。     

基于空间结构参数的大兴安岭天然落叶松单木直径生长模型

目的 研究林分空间结构对兴安落叶松单木直径生长的影响,为大兴安岭天然落叶松次生林的有效恢复提供理论依据和技术支撑。 方法 以大兴安岭天然落叶松次生林为研究对象,基于塔河林业局盘古林场50株兴安落叶松解析木数据,采用S-Plus软件中的NLS函数对8种常用的林木生长模型进行拟合优度评价,进而确定最优基础模型;通过再参数化方法,考虑常用林分因子、单木因子、物种多样性以及林分空间结构等参数对林木直径生长的影响;最终,采用NLME函数构建兴安落叶松单木直径生长的最优混合效应模型,并系统评价不同模型的拟合优度。 结果 兴安落叶松单木直径生长的最优基础模型为Mitscherlich方程（调整系数Ra2 = 0.6285）,其参数a分别与林分平均树高、单木胸径、混交度和角尺度显著相关,而参数b则与林分平均胸径和竞争指数显著相关;据此,建立的兴安落叶松广义直径生长模型的Ra2值相较基础模型提升约31%（Ra2 = 0.8264）;通过引入随机参数（参数a1）、异方差函数（幂函数varPower）、时间序列函数（高斯结构corGaussian）,单木水平的混合效应模型进一步将Ra2值提升约17%（Ra2 = 0.9710）;五折交叉检验结果表明,混合模型的调整系数、平均绝对误差和均方根误差分别为0.9838、0.56 cm和0.72 cm,能够满足单木直径生长预测的需要。模型模拟结果表明,单木直径生长量随着单木胸径、角尺度和混交度的增加而增加,但随着林分平均胸径、平均树高和竞争指数的增加而减小;当各变量数值每增加10%时,其对应的胸径生长量依次为：+0.45 cm、+3.62 cm、+4.71 cm、−0.34 cm、−0.21 cm和−0.73 cm,但取决于不同的林分特征和生长阶段。 结论 林分角尺度、混交度和竞争水平对兴安落叶松单木直径生长具有显著作用,在后续森林经营中应通过合理的采伐来降低林木的竞争水平,并注重创建和维护林木的随机分布格局和混交程度。     

基于分位数回归和哑变量模型的大兴安岭兴安落叶松树高-胸径模型

【目的】基于Richards方程比较分位数回归和哑变量模型对树高-胸径方程预测精度的影响,为林业树高-胸径模型的构建提供新的思路和方法。【方法】利用大兴安岭4个区域的兴安落叶松Larix gmelinii伐倒木胸径/树高实测数据,采用分位数回归和哑变量模型构建树高-胸径模型,并与基本模型进行对比分析。评价指标采用平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、赤池信息量(AIC)、贝叶斯信息量(BIC)、平均预测误差百分比(MPE)、平均绝对百分比误差(MAPE)、均方根百分比误差(RMSPE),同时利用非线性额外平方和法进行区域性检验。【结果】1)Richards树高-胸径模型在9个不同的分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)都能收敛,且每个区域都有其对应的最优分位数模型,区域1、2、3和4的最优分位数模型所对应的分位数分别是τ=0.7、τ=0.3、τ=0.5和τ=0.3,各区域最优分位数模型与哑变量模型所得结果差异不大,都优于基本模型。2)F检验结果表明哑变量模型的构造是有必要的,区域2和区域4没有显著不同,其他5对区域都有显著不同。3)模型检验结果表明区域1、3、4的最优分位数回归模型都要优于哑变量模型,区域2的哑变量模型没有通过正态性检验(P=0.028 6),因此区域2的最优模型仍然为τ=0.3时的分位数模型。【结论】分位数回归模型和哑变量模型都能够反映不同区域树高-胸径关系的变化,在拟合和检验统计量等方面都表现较好,适合于大兴安岭落叶松树高预测。在进行方法选择时,可以根据数据特征和研究目的进行选择。     

杉木人工林树根生物量模型的研究

以杉木人工林单木树根生物量为因变量,胸径、树高为辅助变量,拟合了18个回归方程。选择相关指数、平均绝对误差、平均相对误差、平均系统误差和预估精度作为评价指标,应用灰色关联分析法对各个方程进行综合评价,筛选出杉木人工林树根生物量模型,为生产应用提供科学依据。     

广西国有黄冕林场秃杉人工林根径与树高、胸径的相关模型研究

文章通过对秃杉人工林的标准地进行样木根径、胸径以及树高调查,主要利用spss软件作曲线估计,对广西黄冕林场龙凤寨内的秃杉人工林的根径与胸径、树高相关模型进行了研究。结果表明:秃杉人工林的径阶分布株数呈正态分布;根径与树高拟合效果较好的是幂模型和线性模型,而秃杉根径与胸径的拟合效果最佳的是线性模型;秃杉人工林分的根径和胸径、根径和树高之间组成的相关曲线模型,其平均相对误差较低,均在2%以下,模型的预估效果都比较理想。     

落叶松人工林树高-胸径模型的研究

本文基于辽宁清原大孤家林场18块落叶松人工林临时样地中的1 041株样木的实测胸径和树高数据,根据二者的关系建立了最优的树高-胸径关系模型。     

密度调控对杉木人工林中优势木生长过程的影响

为探索经营密度对杉木人工林中优势木生长的影响效果,以洪雅国有林场杉木人工纯林为研究对象,采用树干解析方法,测定分析了不同经营密度的杉木人工林中优势木的生长过程。结果表明,密度调控能够影响优势木树高、胸径和材积的生长过程;林分经营密度越大,树高平均生长量和连年生长量最大值越小,树高数量成熟时间越早;林分经营密度越小,胸径平均生长量越大,胸径数量成熟龄越晚;林分经营密度越大,优势木材积总生长量越小,材积平均生长量减小,材积平均生长量和连年生长量最大值出现的时间越晚,材积的数量成熟年龄越晚。低经营密度(500株·hm~(-2))有利于培育杉木大径材,而中高经营密度(500株·hm~(-2))利于培育中小径材。     

陈山红心杉人工林生长过程及其模型模拟

红心杉是杉木中的优良变种,被视为杉木中的珍品,是我国南方重要的人工造林用材树种。采用树干解析方法,测定了红心杉人工林的优势木、平均木和被压木的生长过程,并用模型模拟方法对其生长过程进行了模拟。结果表明:(1)红心杉在生长过程中,最大去皮胸径连年生长量为1.92 cm·a-1,各级木胸径成熟期出现的先后顺序为:优势木、平均木、被压木。(2)各级木树高成熟期变化趋势与胸径相似,树高的最大连年生长量达到了1.5 m·a-1。(3)最大材积的连年生长量为0.017 6 m3·a-1,材积的成熟期与胸径和树高的成熟期差异较大。优势木材积在第18年达最大连年生长量,成熟期在第25年;平均木材积成熟期在第24年;被压木材积成熟期在第25年。(4)通过非线性回归模型模拟,确定了Richards模型为胸径、树高和材积的最佳模拟模型,模拟效果好,精度高。(5)红心杉优势木的形数要比其它产区杉木的形数大,25年红心杉优势木形数为0.56。红心杉是一种初期生长快的速生树种,并且达到成熟期后还可进一步培育。研究结果对红心杉的培育和人工林的经营管理提供了重要的基础数据和科学依据。