基于线性混合效应模型的杉木树高-胸径模型

【目的】利用线性混合效应模型分析杉木树高与胸径的关系,为杉木树高测量提供支持。【方法】收集688组有效杉木研究数据,利用最小二乘法构建树高(H)和胸径(DBH)的线性基础模型,同时考虑林分密度效应和海拔效应,在R 3.2.2软件中拟合混合模型,比较基础模型和2种混合模型的赤池信息规则(AIC)、贝叶斯信息规则(BIC)和-2倍对数似然值(-2log lik),在此基础上,引入误差效应方差协方差矩阵及指数函数、幂函数和恒等式函数,筛选较好的混合模型;基于独立验证数据对模型进行验证,选取R~2、|E|、RMSE3个评价指标对模型精度进行评价。【结果】固定模型的AIC=2 089.731,BIC=2 102.151,-2log lik=2 083.732,均大于混合模型,即混合效应模型拟合效果优于固定模型;考虑模型误差效应方差协方差矩阵,加入恒等式异方差函数能够显著提高模型的精度,且含有不同随机参数的混合模型精度不同,引入海拔随机效应的混合模型拟合精度(R~2=0.804 4,|E|=1.553 9,RMSE=2.143 0)高于含有林分密度效应的混合模型(R~2=0.797 0,|E|=1.576 6,RMSE=2.183 0)。【结论】考虑随机效应的混合模型既能反映杉木树高的总体变化趋势,还能体现不同组分间的差异,在估测精度和通用性上均优于固定模型。     

基于非线性混合效应的高山松林生物量模型研究

以云南省香格里拉县的高山松林为研究对象,选取遥感因子与地形因子作为模型中的固定效应,并以幂函数模型为基础进行林分生物量基本模型的构建;采用混合效应模型技术,根据海拔高低把样地划分为6个区域,将区域效应作为随机效应,并在基础混合效应模型基础上考虑方差和协方差结构,构建林分生物量混合效应模型,以此估测高山松林分生物量。利用AIC、BIC和Log Lik 3个拟合指标评价模型的拟合效果,利用SRE、MRE和AMRE进行最终林分生物量混合效应模型的独立性检验。结果表明:从模型拟合结果看,考虑区域效应的混合效应模型的拟合效果明显高于基础模型,其AIC和BIC值最低,Log Lik达到最大;从模型独立性检验看,考虑区域效应的混合效应模型的绝对平均误差最小(AMRE=31.52%),精度达到77.83%。综合分析,混合效应模型可有效提高高山松林分生物量估测精度。     

混合模型在福建省粗叶榕生物量模型中的应用

为建立粗叶榕灌木生物量的混合模型,精确估算灌木生物量,以福建省将乐县4种林分类型(杉木纯林、杉木马尾松混交林、马尾松纯林、毛竹林)的114组粗叶榕灌木生物量数据为基础,以粗叶榕各部分生物量(地上、地下、总生物量)为因变量,以地径、株高、冠幅等为自变量,从6种常用的灌木生物量模型中选择拟合精度最高的线性及非线性模型作为基础模型。以林分类型为随机效应,采用混合效应模型方法,建立粗叶榕的线性及非线性混合模型。利用幂函数、指数函数、常数加幂函数3种结构消除数据异方差对模型精度的影响。采用AIC、BIC和负2倍的对数似然值对模型进行精度比较,并用绝对平均误差、均方根误差和调整后的决定系数对模型进行检验。结果表明,考虑冠幅建立的非线性生物量模型拟合精度较高;以幂函数作为异方差结构建立的非线性混合模型在精度上有显著提高,检验数据显示地上、地下、总生物量模型的决定系数分别提高12.17%、21.01%、20.24%。利用混合模型,并考虑异方差结构建立的灌木生物量模型可以精确地预估粗叶榕的生物量。     

基于非线性混合效应模型的柠条株高生长过程研究

【目的】建立宁夏盐池地区柠条林株高生长量与种植年限关系模型,为精确掌握柠条林的生长过程提供依据。【方法】以盐池县北部、中部、南部的柠条林为研究对象,考虑不同地区立地条件的差异性及种植密度对株高生长的影响,对原有生长方程进行改进,并在改进的基础上利用非线性混合效应(NLME)模型方法建立其株高生长量与种植年限的关系模型,用幂函数、指数函数、常数加幂函数考虑数据间的异方差性,最后对NLME模型与传统模型、改进后的模型、不含随机效应的NLME模型的精度进行对比分析。【结果】相较其余3种模型,含有随机参数且考虑异方差结构的NLME模型精度有显著提高,其调整后的决定系数可达到0.986 5,平均绝对误差和剩余均方根误差分别为0.073 2和0.094 2。【结论】基于改进后Korf方程建立的柠条株高生长量与种植年限关系的NLME模型,考虑了种植密度对株高生长的影响,消除了数据间的异方差性,可准确描述盐池县不同地区柠条株高的生长过程。     

基于两水平混合模型的杂种落叶松胸径和树高生长模拟1）

以江山娇实验林场的16块杂种落叶松密度对比标准地为研究对象,使用非线性最小二乘法,对4种常用胸径和树高生长模型拟合优度进行比较,最终选择Schumacher 方程作为混合模型的基础模型。考虑林分效应和林木效应,采用两水平嵌套混合模型的方法,通过R软件进行不同参数混合作用的模拟,选择收敛的AIC、BIC和对数似然值最小的混合模型作为最优模型,最后将其与传统模型进行拟合优度的比较。结果表明：胸径生长模型中将林分效应作用于参数a1、林木效应作用于参数a0和a1,树高生长方程中将林分效应和林木效应作用于参数a0时的混合模型最优,可将胸径和树高生长传统模型的确定系数从0．7510和0．9008提高到0．9463和0．9474,均方根误差也大幅缩小,并且较好地消除了异方差现象,说明通过构造方差协方差矩阵可以校正随机参数以反映树木之间生长的差异。     

思茅松天然林林分生物量混合效应模型构建

本研究以云南省普洱市的思茅松天然林为对象,调查了3个位点45块样地的林分地上、根系和总生物量。以幂函数模型为基础构建林分生物量的基本模型;采用混合效应模型技术,考虑区域效应随机效应,选择基本混合效应模型,并分析模型的方差和协方差结构,分别构建3个维量的区域效应随机效应的混合效应模型;考虑林分因子、地形因子和气象因子固定效应,构建含环境因子固定效应和区域效应随机效应的林分生物量混合效应模型。所有模型均采用拟合指标和独立检验指标进行评价。结果表明:1) 从模型拟合情况看,考虑区域效应的随机效应模型均能显著提高一般回归模型的精度;在3类含环境因子固定效应模型中,含地形因子固定效应的区域混合效应模型均具有最低的AIC和BIC值,表现最好;2) 就模型独立性检验看,除地形因子固定效应的林分根系混合效应模型外,其余模型均优于一般回归模型;考虑环境因子固定效应的混合效应模型与普通区域效应混合模型相比,各个维量模型的独立性检验指标表现不一,但总体上差异不大;3) 综合考虑模型拟合和独立性检验结果,除林分根系生物量选择普通区域效应混合模型外,另2个维量均选择含地形因子固定效应和区域效应随机效应的混合效应模型。      

思茅松天然林单木木材碳密度变化规律及预估模型研究

在普洱市调查测定了8株思茅松标准样株单木的木材碳密度,分析不同林木间、不同高度及径向不同部位的差异;并采用混合效应模型技术,构建单木木材碳密度预测模型。结果表明:思茅松木材碳密度在不同林木间存在显著差异,且随树木高度增加而显著不同,由髓心向外存在极显著差异且呈现出先增加后持平或略有减小的规律性变化;相较于传统回归模型,混合效应模型均具有更低的AIC和BIC值;考虑林木和高度效应的二水平混合模型具有最小的AIC、BIC值和最大的log Lik值;R2最大、RMSE最小的模型是三水平混合模型。各混合效应模型的预估精度均在95%以上,且综合考虑林木和径向部位随机效应的两水平混合效应模型的拟合精度达到96.1%,相较传统回归模型混合效应模型能够更好的描述并预估思茅松单木木材碳密度。     

大兴安岭地表细小死可燃物含水率预测模型

以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回归法,对春季防火期和秋季防火期内的地表细小死可燃物含水率动态进行测定,构建了不同防火期、不同林型地表死可燃物含水率的预测模型,分析了相应模型的预测误差。结果表明:同林型地表可燃物含水率在春季防火期和秋季防火期差异显著;在秋季防火期,5个典型林型的地表死可燃物含水率预测平均绝对误差为0.167,平均相对误差为0.218,低于春季防火期模型和春季-秋季混合模型;秋季防火期模型对可燃物含水率预测效果最好。气象要素回归法适用于南瓮河保护区典型林型地表死可燃物含水率预测。     

内蒙古大兴安岭主要火环境因子对地表死可燃物含水率的影响

森林地表死可燃物对森林火灾具有重要影响,研究地表死可燃物含水率对林火管理具有重要意义。以内蒙古大兴安岭不同地区不同林型地表死可燃物含水率为研究对象,利用2004年秋季防火期至2017年春季防火期大兴安岭林区(根河市、鄂伦春旗、牙克石市、阿尔山市)林分下地表死可燃物含水率数据,运用SPSS软件分析主要火环境因子对地表死可燃物含水率的影响。结果表明:(1)林中气温、林中相对湿度、枯枝落叶层质量、枯枝落叶层温度以及林内灌木盖度是影响地表死可燃物含水率变化的重要因子。(2)各地区春季与秋季、春季与全年地表死可燃物含水率预测的平均绝对误差和平均相对误差差异均不显著(P>0.05),而秋季与全年的平均绝对误差和平均相对误差均极显著(P<0.01),说明秋季防火期预测模型精度优于春季防火期预测模型精度。地表死可燃物含水率预测,需要根据不同防火期的特点建立不同的预测模型,并相对应地引入更具有显著性影响的火环境因子,为林火预测预报提供更精准的参考。     

沙地樟子松不同树高-胸径模型比较分析

【目的】比较不同树高(H)–胸径(D)模型精度,确定适合章古台地区樟子松Pinus sylvestris var. mongolica的H-D模型。【方法】以Sibbesen模型为基础模型,将优势木平均高(HT)、胸高断面积(AB)和平方平均胸径(DQM)3个林分变量以不同组合加入基础模型中,分别建立了H-D的基础模型(1个)和广义模型(3个)及对应的基础混合模型(1个)和广义混合模型(3个)。对固定效应模型平均水平预测(FPA)、混合模型的总体平均响应预测(MPA)和主体响应预测(MPS)的精度进行比较。对混合模型在使用随机抽取样本木和抽取平均木(胸径接近平均值的样本)2种抽样方案计算随机参数时分析MPS精度与样本数量的关系。【结果】表征樟子松H-D关系的4种固定效应模型中,含HT和AB的广义模型拟合精度最高,Akaike信息量准则(AIC)=2 167.7,Bayesian信息量准则(BIC)=2 196.3。相同预测变量的各模型预测精度均表现为:MPSFPAMPA,仅含预测变量D的模型的3种预测精度差异最大。广义模型、广义混合模型、基础混合模型预测精度差异不大。使用验证数据检验模型精度时,每块标准地中随机抽取3株样本木计算基础混合模型随机参数时,该模型精度提升最为明显,MAE和RMSE分别降低了57.97%和57.63%;而广义混合模型精度随抽取样本木数量的增多未出现大的变化。【结论】含有林分变量优势木平均高、胸高断面积的广义模型和基础混合模型均能较好地预测沙地樟子松人工林的单木树高。此外,利用混合模型预测树高时,推荐在标准地中随机抽取3株林木测量其树高,并依此来计算随机参数。     

大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型

准确预测森林细小死可燃物含水率对提高森林和草原火险预测精度具有重要的科学意义。以大兴安岭林区兴安落叶松-白桦(Larix gmelinii-Betula platyphylla)混交林、兴安落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica)和草甸细小死可燃物为研究对象,确定影响林内t时刻可燃物含水率变化率的影响因子(林外t-1时刻的气温变化率、相对湿度变化率和累计降水量变化率),根据统计回归理论建立细小死可燃物含水率变化率模型,进而构建大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型。结果表明:兴安落叶松-白桦林混交林、兴安落叶松林、蒙古栎林和草甸细小死可燃物含水率预测模型准确率分别为91.1%、90.0%、91.0%和81.0%(相对误差不超过5%),可燃物含水率预测模型预测效果良好,模型具有较好的实用性,可为大兴安岭林区的森林火险预警提供理论和技术支持。     

基于非线性混合模型的油松天然林树高曲线研究

树高和胸径作为重要的林分因子,二者的异速生长关系是林分生长与收获预估的基础。以北京市古石峪61块油松（Pinus tabuliformis）天然林样地为研究对象,样地按郁闭度CD≥0.6（类型Ⅰ）、0.5≤CD＜0.6（类型Ⅱ）、0.4≤CD＜0.5（类型Ⅲ）、0.3≤CD＜0.4（类型Ⅳ）和CD＜0.3（类型Ⅴ）划分5个等级类型,采用非线性混合模型方法,从26种常用树高曲线中选择拟合精度最高的作为基础模型,以类型和样地作为随机效应,分别基于单水平和嵌套二水平,考虑异方差构建最优的油松天然林树高曲线。采用AIC、BIC和负2倍的对数似然值对不同模型的精度进行比较,并用平均绝对误差、剩余均方根误差和调整后的决定系数对模型进行检验。结果表明,混合参数个数不同,模型预测精度不同;考虑异方差结构的嵌套2水平非线性混合模型预测精度高,调整后的决定系数达0.924 4,剩余均方根误差为0.842 1,可以准确地反映油松树高与胸径的关系,但与以样地作为随机效应的单水平样模型的差异不显著。     

长白落叶松人工林单木冠幅模型

以黑龙江省伊春市朗乡林业局的49块样地共2 499棵长白落叶松为研究对象,基于区组和样地嵌套二水平构建非线性混合效应冠幅模型。从10种常用的冠幅—胸径模型中选出一种最好的作为建模的基础模型,从其他林分因子中选取与冠幅相关性较高的作为协变量参与建模。结果表明:与基础模型相比,混合模型的赤池信息准则(AIC)、贝叶斯准则(BIC)、负二倍的最大似然值(-2LL)和剩余均方根误差(RMSE)值均降低,调整决定系数(Radj2)提高,冠幅预测值的残差分布和密度分布相对更集中,说明模型的预测精度和拟合能力均有所提高。研究发现,以逻辑斯蒂模型作为基础模型,将树高、冠长率和高径比作为协变量,考虑区组和样地嵌套二水平的混合模型有利于提高冠幅模型的预测精度,从而有助于更好地模拟长白落叶松的冠幅胸径关系。     

兴安落叶松针叶床层火蔓延的模拟

以黑龙江省帽儿山地区典型森林类型兴安落叶松林地表可燃物为研究对象,分析不同可燃物含水率、可燃物载量、风速和坡度与火蔓延速度之间的关系,共进行4(可燃物载量)×4(可燃物含水率)×3(风速)×3(坡度)=144组点烧试验,并建立适用于兴安落叶松针叶林的火蔓延模型。结果表明:在试验设定范围内,可燃物床层在火蔓延过程中80%为阴燃,火蔓延速度在75%区间内不超过6 m·h^-1,最大值为93.02 m·h^-1、最小值为0.41 m·h^-1;可燃物载量对火蔓延速度影响不显著,3个显著变量对火蔓延速度的影响由大到小的顺序为:风速、可燃物含水率、坡度;4个因子交互作用对火蔓延速度的相对贡献为:可燃物含水率×坡度×风速27.73%、风速17.22%、可燃物含水率×坡度×风速×载量13.01%、可燃物含水率×风速11.01%、坡度×风速9.21%;火蔓延速度预测模型的标准估计误差值为8.56,验证误差值为12.93。因此,在森林火行为预报工作中,应注意可燃物的特征、所处的地理位置及其环境因素。     

自建模型间外推对森林可燃物含水率预测精度的影响

通过对2010年春、秋季大兴安岭地区盘古林场樟子松林、兴安落叶松林、白桦林林下细小可燃物含水率的连续观测并构建外推模型。结果表明:春季模型的外推效果好于秋季,模型的平均绝对误差降低了6.6%,平均相对误差降低了62.46%,白桦林的外推精度最高,破坏性取样的外推效果最好(平均相对误差349.83%);秋季樟子松林的外推精度最高,非破坏林荫下的外推精度最好(平均绝对误差较非破坏林空和破坏分别降低了13.7%和47.44%,平均相对误差分别降低了34.86%和83.30%)。模型外推虽不能减少误差,但有助于提高利用少量或仅有的几套含水率模型进行更大地区模型预测精度的工作加强关于模型参数和方程类型等的研究,以提高外推预测可燃物含水率的准确性。     

2022 年 8 期目录

  目的  建立基于气候因子的兴安落叶松天然林单木直径生长模型用于预测胸径生长,为内蒙古大兴安岭地区兴安落叶松天然林经营管理提供理论依据。  方法  基于内蒙古大兴安岭地区2013、2018年森林资源连续清查数据中的187块兴安落叶松天然林固定样地及样地位置对应的气候数据,运用逐步回归法建立考虑气候因子的传统单木直径生长模型,并在此基础上,加入样地效应构建兴安落叶松单木直径生长混合效应模型。最后,利用独立检验样本数据对基础模型和混合效应模型进行检验。  结果  年平均气温MAT、生长季平均降雨量P_gm是影响该地区兴安落叶松胸径生长量的主要气候因素,二者与胸径生长量均呈正相关。其余显著影响胸径生长量的因子包括初期胸径的倒数（1/DBH）、大于对象木的断面积和（BAL）、每公顷株数（NT）,3个变量都与胸径生长量呈负相关。胸径混合效应模型的决定系数（R2）为0.760 4,平均绝对误差（MAE）和均方根误差（RMSE）分别为0.386 6和0.486 3 cm2。与基础模型相比,混合效应模型的R2提高了0.321 7,MAE和RMSE减少了0.230 6 和0.267 4 cm2。在模型检验中,混合效应模型也呈现出了较好的拟合效果。  结论  基于气候因子的单木直径生长混合效应模型可以较好地描述内蒙古大兴安岭地区的兴安落叶松胸径生长过程。      

基于遥感的塔河林业局森林可燃物类型划分

应用监督分类法中的最大似然法(Maximum Likelihood Classification)以及遥感图像对塔河林业局森林可燃物类型划分的结果为:天然落叶松林、人工落叶松林、樟子松林、针阔混交林、阔叶林、难利用地等几种类型,并绘制了可燃物类型分布图,经分类精度检验,总体分类精度为72.90%。同时,对不同可燃物类型的特点进行了分析。     

基于Possion回归混合效应模型的长白落叶松一级枝数量模拟

利用广义线性混合模型对长白落叶松一级枝条数量进行研究,以黑龙江省佳木斯市孟家岗林场长白落叶松人工林为研究对象,基于7块标准地49株枝解析样木的596个一级枝条测定数据,利用SAS 9.3软件中的PROC GLIMMIX模块,建立了基于Poisson分布的一级枝条数量的最优基础模型。在此基础上考虑树木效应,构建每半米段一级枝条数量的广义线性混合模型,并利用AIC、BIC、-2log likelihood以及LRT检验对收敛模型的拟合优度进行比较。结果表明:任意参数组合的混合效应模型的拟合效果均好于传统模型,最终将含有DINC、LnRDINC、RDINC2这3个随机效应参数的模型作为长白落叶松每半米段一级枝条数量分布的最优混合效应模型。模型拟合结果显示,LnRDINC、CL的参数估计值为正值,DINC、RDINC2、HT/DBH、DBH的参数估计值为负值,每半米段一级枝条分布数量在树冠范围内存在峰值,模型的确定系数R2为0.669,拟合的平均绝对误差为2.250,均方根误差为3.012。从总体上看,所建立的一级枝条分布数量混合模型不但可以反映总体枝条数量的变化趋势,还可以反映树木之间的个体差异,说明广义线性混合模型确实可以提高模型的模拟精度。所得出的混合模型可以很好地预估该研究区内人工长白落叶松每半米段一级枝条数量的分布情况,为定量研究长白落叶松树冠构筑型和三维可视化模拟提供了基础。