共查询到20条相似文献,搜索用时 0 毫秒
1.
树皮是树木形体的重要组成部分之一.在木材产量计算过程中,树皮率是一项重要的参与因子. 本文以28株落叶松人工林解析木信息为材料,建立落叶松人工林树皮率动态模型. 1 模型建立的理论分析在树木的生长过程中,随着胸径的生 相似文献
2.
西南桦人工林树皮厚度模型模拟 总被引:1,自引:0,他引:1
《林业科学》2017,(7)
【目的】开展西南桦人工林树皮厚度模型模拟,为估算西南桦材积、出材量以及树皮蓄积量奠定基础。【方法】通过树干解析获取各区分段的带皮直径、去皮直径和树皮厚度等信息,按照约75%和25%的比例随机分为建模和检验数据集。选取13个模型,运用最小二乘法进行拟合,并对模型参数进行显著性检验(显著性水平0.05)。对于参数检验显著的模型,依据偏差、绝对偏差、均方误差和决定系数4个统计指标,应用相对排序法评价模型拟合优度。采用配对t检验方法检验模型的有效性,剔除预估值和实测值差异显著的模型,进一步诊断保留模型的共线性以及异方差性,最终筛选出适于拟合西南桦人工林树皮厚度的模型。【结果】模型参数显著性检验结果表明,在13个模型中,模型(2)和(5)有参数与零差异不显著(P≥0.05),其余模型的所有参数均显著(P0.05)。依据统计指标对11个模型进行综合排序,模型(3)和(4)拟合胸高处树皮厚度的效果相近,优于模型(1);模型(7)对于任意高度处树皮厚度的拟合效果优于模型(6);模型(8)拟合相对树皮厚度的效果优于模型(9);模型(11)和(13)对去皮直径的拟合效果优于模型(10)和(12)。t检验结果表明,模型(9)、(12)和(13)的预估值与实测值差异显著,予以剔除。剩余8个模型中,模型(4)存在较弱共线性,其他模型均不存在共线性问题。由残差图分析和怀特检验可知,模型(1)、(3)和(4)不存在异方差性,模型(6)、(7)、(8)、(10)和(11)均存在明显的异方差性,通过变量变换其异方差性得到较好修正。【结论】拟合西南桦胸高处树皮厚度、任意高度处树皮厚度、相对树皮厚度和去皮直径4个树皮因子,宜分别选用模型(3)、(7)、(8)和(11)。林业调查工作中胸径容易测定,且人工林年龄数据容易获取,任意高度处直径可用林分速测镜快速测定,这些模型的应用简单可行。树皮厚度除受年龄、树高、胸径等林木因子影响外,还可能受立地因子影响,未来需综合考虑以提高模型拟合精度。 相似文献
3.
4.
落叶松人工林树皮材积式的建立张向忠,王文勋,于晓宏,刘国泉(河北塞罕坝机械林杨,068466)商品木材,是以去皮材积为基础的,树皮材积方程是编制商品材收获表的依据。为此,我们收集资料,对落叶松人工林树皮材积与胸径和树高之间的关系进行了探讨。1样木的来... 相似文献
5.
华北落叶松人工林树皮材积与胸径关系的研究张向忠,王文勋,于晓宏,刘国泉(塞罕坝机械林场调查队围场县068466)关键词树皮材积;胸径;相关关系塞罕坝机械林场已营造了3.6万公顷落叶松人工林,成为华北地区用材林基地,而商品木材是以去皮材积为基础的,树皮... 相似文献
6.
7.
8.
9.
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). 相似文献
10.
11.
长白落叶松人工林密度效应模型的研究 总被引:7,自引:0,他引:7
以188夫临时样地资料为主,经过筛选采用改进平行线法对密度效应模型进行了拟合,并对模型的精度进行了检验。结果表明,预估精度平均在90%以上,符表度要求。 相似文献
12.
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。 相似文献
13.
落叶松人工林整枝研究 总被引:2,自引:0,他引:2
根据落叶松人工林不同林龄的10块样地50棵树的节子数据和19块样地95棵树的圆盘数据,建立树高曲线模型、有效冠高的预估模型、林龄与死枝高度的曲线模型,各模型的判定系数均大于0.8,检验精度均大于95%。根据节子高度中的最低节子高度的平均值确定落叶松人工林的整枝起始高度(h1),用林龄与死枝高度的曲线模型计算该高度上的枝条死亡的时间(t1)为起始整枝时间,t1=14 a。整枝的间隔时间随着林龄的增加先增大,当林龄达在40 a时开始减小。整枝强度也是随林龄的增加先增大,当林龄达到40 a时开始下降,说明林龄在35~40 a是该落叶松人工林生长最旺盛的时期,在这段时期可以考虑该落叶松人工林的主伐问题。当林龄达到47 a后,整枝强度降到1m以下。 相似文献
14.
研究树皮厚度和树皮系数的变化规律从而揭示树皮的变化规律,对提高林分蓄积生长量的精度有着重要的现实意义。通过实地测量树木的直径和树皮厚度,经过相关公式计算统计分析,结果表明,树皮厚度随直径的增大而呈现增加的趋势,树皮系数随直径的增大而呈现减小的趋势。桦树和山杨总树皮系数分别为1.093和1.078,其变动系数桦树O.94%,山杨为0.81%。 相似文献
15.
长白落叶松人工林全林分生长模型的研究 总被引:1,自引:0,他引:1
林分生长模型是指描述林分生长与林分状态和立地条件关系的一个或一组数学函数。关于林分生长模型的研究,是在研制各种生长过程表(收获表)中逐渐兴起的,经历了由经验回归模型到根据林分生长规律演绎出来的理论模型,由单因子的简单模型到多因子的综合模型的发展过程。目前,林分生长模型多采用RICHARDS生长方程[2,5]。该生长方程最初用于描述动物的生长,后经多人研究证明也适用于描述植物。该方程导出时只是时间变量的简单模型,经修正加入立地因子后,变为时间——立地 相似文献
16.
利用落叶松人工林所设标准地的观测数据, 求算各标准地的威布尔分布参数a、b、c, 并将其与林分因子: 平均直径、上层平均树高、株数密度结合, 建立了Richards3种林分因子模型。经检验其精度达到96 7 % ~97 7%, 通过进一步检验表明, 密度、上层高、直径模型优于其他两种模型, 可在森林经营上应用。 相似文献
17.
以太子河林场日本落叶松人工林为研究对象,采用Logistic、Richards、Gompertz、Mitscherlich、Schumacher、修正Weibull等6种理论生长方程,建立日本落叶松人工林树高、胸径、材积的生长模型。结果表明:日本落叶松胸径生长拟合方程为D=76. 084-77. 406exp(-0. 016A),树高生长拟合方程为H=25. 663exp[31. 488exp(-0. 088A)],材积生长拟合方程V=317. 355[1-exp(-0. 002A)^(2. 262),各方程拟合效果均显著。使用未进行建模的19株日本落叶松解析木对所建立的预测模型进行t检验,模型预测值与实测值之间无显著差异(P> 0. 05),能够较好地预测林分的生长动态变化过程。 相似文献
18.
塞罕坝林场华北落叶松人工林生长模型的研究 总被引:1,自引:0,他引:1
对塞罕坝林场华北落叶松人工林标准地的平均木和优势木进行树干解析,通过11m、13m、15m地位指数级的72株平均解析木和36株优势解析木资料,对华北落叶松人工林的胸径、材积与年龄之间的生长过程利用6种数学模型进行拟合,从中选出最优模型,并对模型进行检验,得出结论:在建立生长模型时应分别不同地位指数级进行;不同的生长因子须选择不同的生长模型拟合才能达到最佳效果;通过适应性检验,各回归方程拟合良好。 相似文献
19.
本文用约1000块样地资抖,系统地研究了黑龙江省落叶松人工林的地位指数级导向曲线模型。通过林业统计分析软件Statistica6.0对各落叶松人工林数据进行拟合、分析比较,结果为:从拟合精度、曲线走向与散点分布趋势、残差分布等综合考虑,舒马切尔曲线函数比较适合落叶松人工林地位指数级导向曲线模型的拟合。 相似文献
20.
目的 建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。 方法 以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量AGB和总生物量TGB)。使用决定系数(R2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。 结果 (1)最优基础模型形式为变量直接引入,最优AGB和TGB模型R2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优AGB模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm−2、0.085%,对于TGB则分别低0.059 t·hm−2、0.081%。(2)AGB和TGB与湿热指数(AHM)相关系数较大,分别为−0.350和−0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,AGB的R2提高了0.41%,而RMSE和rRMSE降低了6.85%;TGB的R2提高了0.63%,误差统计量降低了6.79%。(3)AGB和TGB的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。 结论 当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。 相似文献