小兴安岭天然林不同树种的树高曲线模型

选用10种树高曲线模型作为候选模型,以决定系数(R~2)、残差平方和(S_(se))和均方差(M_(se))作为模型优劣的评价指标,对小兴安岭天然林中的云杉(Picea asperata)、红松(Pinus koraiensis)、水曲柳(Fraxinus mandschurica)、椴树(Tilia tuan)4种树种的树高曲线模型进行优选。结果表明:云杉、红松和椴树的最优模型均为Logistic模型,水曲柳的最优模型为抛物线模型;云杉和红松两种针叶树种,最优模型的优势不明显,水曲柳和椴树两种阔叶树种最优模型的优势较明显;比较R~2的大小,得出较适合小兴安岭云杉和红松两种针叶树种的树高曲线模型(R~20.8),对小兴安岭阔叶树种的适用程度不具有普遍性,对椴树的适用性好(R~2最大达0.94),对水曲柳的适用性较差(R~20.8)。对水曲柳的树高进行分段研究得出:水曲柳在树高低于9 m时,树高曲线模型较适宜(R~20.8),其中抛物线模型为最优模型;树高较高时,没有适用的树高曲线模型。     

长白山云冷杉针阔混交林幼树树高--胸径模型

采用长白山林区2013年调查的12块1 hm2固定样地中5个树种的幼树树高--胸径数据,用35个树高曲线经验模型进行模拟、筛选。结果表明,Curtis于1967年提出的三次多项式h=a0+a1d+a2d2+a3d3能够很好地拟合5个树种幼树的树高--胸径模型,决定系数(R2)最高可达0.786 5。用独立样本数据对该模型进行检验,结果表明,模型的表现能力良好,能够适用于本地区的云冷杉针阔混交林的幼树树高--胸径模拟。以空间代替时间的方法分析5个树种的幼树树高生长规律,发现色木幼树树高较大;红松和冷杉幼树树高生长类似;云杉幼树树高初期较小,而后期生长很快。本文提出的幼树树高模型可为抚育经营提供参考。      

金沟岭林场云冷杉天然次生林空间结构

以构建Voronoi多边形和建立TIN三角网空间连接确认空间结构单元,采用混交度、大小比数、聚集指数、竞争指数和空间密度指数,分析汪清县金沟岭林场典型云冷杉天然次生林的结构特征。结果表明:云冷杉最常见的结构单元为1株中心与5株相邻木;林分平均混交度为0.71,树种隔离程度较高,属强度混交状态;林分平均胸径大小比数为0.513,林木处于中等竞争,林分大小分化适中;主要树种的竞争强度由大到小排序为冷杉、红松和云杉,冷杉作为优势树种竞争力强,生长活力一般;林分平均聚集指数为1.059,空间密度指数为0.521,林分整体处于随机向均匀分布过渡的状态;椴树、枫桦、红松、冷杉和云杉作为中心木,其周围的邻近木处于随机分布状态,其他树种单元处于均匀分布。     

吉林省汪清林业局云冷杉天然林结构特征研究

以云冷杉天然林为研究对象,利用固定标准地1986—2011年间13次调查数据,对其树种组成、直径结构、年龄结构、立木空间结构以及对林分结构有重要影响的天然更新等进行研究。结果表明:针阔混交比稳定在5∶5,林分株数径阶分布曲线呈倒“J”型,林分属于成过熟林。平均混交度为083,即不同树种呈现强度混交结构状态,群落结构非常复杂。根据林层划分条件,乔木层可分为上林层(树高≥17 m)、中林层(12 m＜树高＜17 m)和下林层(树高≤12 m)。历年更新调查的结果显示:平均更新幼苗株数为4 328株/hm2,能够满足更新需要,但1988—2011年更新苗株数呈减少趋势;更新树种主要为冷杉、红松和云杉。      

长白山云冷杉针阔混交林3种常见树种径向生长对气候变化的响应

【目的】气候因子影响树木生长发育，对树木径向生长与气候因子之间的关系进行分析，以探究长白山地区云冷杉针阔混交林森林生态系统对气候变化的响应，为该地区天然林经营管理提供科学依据。【方法】本研究于2019年在吉林省汪清县云冷杉针阔混交林中对常见针叶树臭冷杉、鱼鳞云杉和红松进行样芯的采集，用树木年轮学方法建立标准年表，进而分析比较不同树种生长与气候因子的关系。【结果】该地区树木标准年表的平均敏感度和信噪比分别为0.16～0.27、6.14～19.98，其中臭冷杉包含更多的气候信息，其平均敏感度、标准差、信噪比和样本总体代表性等统计量均高于鱼鳞云杉和红松。上年9月平均气温及上年、当年7月最低气温与臭冷杉、鱼鳞云杉和红松径向生长均呈显著正相关（P <0.05），这表明同一区域不同树种径向生长对气候的响应具有一定的相似性。3种树种径向生长对气候变化的响应也存在差异，臭冷杉径向生长受气温和降水的共同作用，鱼鳞云杉和红松径向生长主要受气温限制。升温突变（1985年）后，臭冷杉、鱼鳞云杉和红松径向生长与气温相关性增强但与降水量相关性减弱，且升温后树木径向生长有显著上升趋势。【结论】不同树种径向生长...     

长白山天然林不同树种树高曲线对比研究

以Weibull方程为基础模型,使用1680株标准木数据,分别为长白山主要的7个树种建立了树高曲线方程。研究发现,针叶树种的树高曲线具有较高的精度,决定系数R^2均在0．8以上,而阔叶树的精度较低,尤其椴树Tilia amurensis和榆树Ulmus pumila的R^2低于0．5。对比针阔叶树的树高曲线发现,在胸径较小时,阔叶树的树高普遍较高,而在胸径较大时．针叶树的树高较大。从相邻径阶的树高之差来看,针叶树的径阶树高生长量普遍较大。由于相同径阶的林木．径阶树高生长量越大,其材积生长量越大。因此,在林分调整采伐时,应尽量保留径阶树高生长量较大的林木。单纯从木材收获的角度出发,在长白山地区,相同径阶下主要针叶树种的采伐顺序应为臭冷杉Abies nephrolepis．红松Pinus koraiensis和红皮云杉Picea koraiensis。     

长白山3个主要针叶树种材积方程的研究

基于长白山区933株云杉、冷杉和红松数解析木的胸径、树高、各区分段断面积和长度等数据,建立3个树种的最优材积公式。使用7个一元材积方程、19个二元材积方程,以及由二元推导一元的材积方程,分别模拟了每株树的材积,与采用中央断面求积法计算的每株解析木实际材积进行对比。再综合对比各方程的残差、MD和均方根差RMSE,确定3个树种的最优材积方程。得到其最优一元材积方程,适用于中国东北部的长白山地区;二元材积方程适用于更大地域范围,适合在胸径和树高数据都有的情况下使用;由二元推导的一元材积公式,适用于区域内无一元材积方程且没有树高数据的地区。     

杨桦次生林林下人工更新树种的选择

以红松、云杉和樟子松为杨桦次生林林下人工更新树种,以树高生长量、存活率及林下物种多样性为研究指标,利用单因素方差分析的方法,对比不同更新树种间各指标的差异。结果表明:2013、2014年,树高生长量最大的是樟子松,分别为15.99cm和9.20cm,云杉次之,红松最低,不同树种之间树高年生长量的差异均达到显著水平(p0.05)。云杉和红松的树高生长量逐年增多,增量为3.63cm、1.43cm,樟子松的生长量虽逐年降低,但总体优于云杉和红松。树种的存活率表现为云杉樟子松红松,2013—2014年,各树种的树高存活率均有所降低,其中樟子松降低的幅度最大,降低10%,红松降低的幅度最小,为4%。     

西藏林芝云杉树高曲线模型研究

以西藏林芝地区米林县南伊沟的林芝云杉为研究对象,采用样地调查的方法,选取260株样木数据进行建模,对6种林芝云杉树高曲线模型进行拟合,另外选取40株样木用于模型检验。结果表明,本研究区域林芝云杉的最优树高曲线模型为Gompertz模型,该模型的决定系数高,各项误差评价指标值小。多项式模型、双曲线模型拟合效果较好。林芝云杉的胸径与树高存在紧密的联系,在林业工作中可利用林木的胸径值与树高值拟合出树高曲线模型,减轻树高测量工作,提高精度,并为林木材积、生物量等研究提供支持。     

用优势树全高和胸径的关系评价红松林的立地质量

柞树红松林，鱼鳞云杉红松林，云冷杉红松林，椴树红松林，枫桦红松林和春榆，水曲柳红松林是小兴安岭南坡红松天然林中常见的６个立地类型。不同立地类型红松优势树高，胸径和年龄三者之间关系分析的结果表明年龄在决定红松优势树高，胸径和年龄三者之间关系分析的结果表明年龄在决定红松优势树高上的意义不大，而优势树高与胸径的相关性密切，符合Ｒｉｃｈａｒｄｓ方程。采用优势树在一定胸径（４０ｃｍ）时的高度值表达立地指数，     

红松树高-胸径的非线性混合效应模型研究

以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R2a)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R2a在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01m之间;广义模型的R2a在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R2a在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65m之间;广义模型的R2a在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。      

利用两水平非线性混合效应模型建立温州地区天然阔叶树树高曲线

以永嘉县四海山林场7 块天然阔叶林样地中602株林木为例,首先选用6种常用的树高曲线方程模拟该阔叶林主要树种的树高曲线,根据决定系数、均方根误差、平均相对误差3个统计量以及残差图检验,确定1个用于构建混合效应模型的基础模型。然后确定树种间的差异和样地间的差异作为随机效应,构建两水平的非线性混合效应模型,并利用AIC、BIC等指标评价不同混合模型的效果。结果表明,在树种水平和样地水平均同时考虑2个参数的随机效应时,模拟温州地区天然阔叶树树高曲线混合效应模型拟合效果最好,能够显著提高模型的拟合精度、大幅度减小模型误差;混合效应模型随机参数的方差协方差表明,天然阔叶树的树高曲线的变化主要受树种的影响,其次是样地的影响。     

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。     

加格达奇3种森林类型树高-胸径的曲线拟合

基于加格达奇落叶松、樟子松、红松落叶松混合林共400个样本的树高、胸径实测数据,选用11个曲线模型,对模型参数求解,分析树高-胸径的相关性;并采用总误差、平均相对误差、误差及均方根误差这4项值验证拟合精度,探求3种树种的最优拟合模型。结果表明:树高和胸径相关性显著,基于11个模型的树高-胸径曲线拟合参数表明,幂函数模型为最优拟合模型,树高-胸径的关系符合异速生长规律。数据拟合精度的4项误差指标值表明,总体拟合效果理想,精度较高。     

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。      

适于FVS的杉木单木模型构建

以福建省将乐国有林场杉木(Cunninghamia lanceolata)人工林标准地和解析木数据为依托,使用R语言,构建杉木单木胸径-树高模型、冠幅模型、胸径生长量模型(大树、小树)、树高生长量方程(大树)以及材积模型,并计算树皮因子。通过赤池信息准则(AIC)、贝叶斯信息准则(BIC)和对数似然值,结合R2值选择最优模型,并对所建模型进行精度检验。结果表明:各模型的预估精度最高的为树皮因子模型,精度达到99.01%,预估精度最低的模型为直径生长量模型,精度为83.54%,其余模型精度均达到95%以上;经t检验,所有模型估计值与实际值差异不显著,模型均可用于森林植被模拟系统。     

基于联立方程组的人工樟子松枝下高模型构建

目的基于黑龙江省帽儿山实验林场、横头山林场、孟家岗林场的61块樟子松人工林固定样地的5211株样木调查数据,构建了树高模型与枝下高模型的联立方程组。方法首先,从8种常用的标准树高曲线,选出拟合效果较好的2个模型作为树高曲线的备选模型。再以5个枝下高预估模型作为基础模型,通过引入林木及林分变量(林木大小,竞争因子,立地条件)采用最优子集回归法筛选出3个变量少且拟合效果较好的模型作为枝下高备选模型。将树高曲线备选模型与枝下高备选模型分别两两联立,建立树高与枝下高联立方程组模型,采用似乎不相关回归(SUR)对模型参数进行求解。最后,对联立方程组进行评价。结果树高(H)和枝下高(HCB)与林分断面积(G)和优势木平均高(H₀)呈正相关。最优的联立方程组预估树高时调整后相关系数(R_a2)为0.9520,均方根误差(RMSE)为1.17m;预估枝下高时的R_a2为0.9066,RMSE为1.36m,并且模型的各项检验指标数值较小。结论整体来看,联立方程组的拟合效果较好,预估精度较高,同时联立方程组解决了树高与枝下高的内在相关性问题。本文所建立的含林分因子的树高模型与枝下高模型联立方程组可以很好地预估不同林分条件下樟子松人工林的树高和枝下高,为进一步研究樟子松树冠结构和动态提供了基础。      

思茅松标准树高曲线的研究

以H＝1．3＋aD/(b D)为基础,将模型中引入优势木的树高,建立思茅松天然次生林标准树高曲线H=1.3 (a0 a1Hd)D/(b D),该式能拓宽树高曲线的应用范围,受不同立地条件的影响小,能正确反映不同立地条件下树高随胸径的变化规律,应用方便,同时具有较好的生物学意义,即：胸径D1．3＝0时,树高H＝1．3。