杉木立木材积计测研究——Ⅰ树高、形数计测模型

经过对 18块杉木样地进行每木实测 ,根据胸径 (D1.3)与树高(H)、胸径 (D1.3)与中央直径 (DH/2 )的函数关系 ,筛选出它们之间的计测模型。用模型计算的H、DH/2 和f,与伐倒木实测值比较 ,其平均误差分别为 :树高 (H) 0 .2 2 %、中央直径(DH/2 ) 1.19%、形数 (F) 0 .2 8%。     

杉木立木材积计测研究——Ⅱ立木材积计测模型研究

立木材积是胸径 (D1.3)、树高(H)和形数 (F) 3个因子之间的函数。以解析木实测D1.3、H、DH/2 的数据 ,以径阶 (D1.3)、树高 (H)为样本值1和样本值 2 ,材积 (V)为函数 ,按二元指数方程建立模型得出 :立木材积计算模型V立 =0 .0 0 0 0 96 6 836 5 7×D1.31.6 7731519×H0 .9784 8792 ;以解析木圆盘带皮、去皮材积的实测值 ,按线性模型方程得出 :V去=0 .884 374 2 2V带- 0 .0 0 0 114 94 819。经F检验 ,在α=0 .0 5时 ,它们的回归效果都是显著的。     

Sloboda树高生长模型及其在杉木人工林中的应用

简要介绍了德国著名生物统计学家Ｂ．Ｓｌｏｂｏｄａ的树高生长模型。本研究将该方程应用于杉木人工林的优势高生长模拟中，获得良好的模拟效果。分析结果认为，用Ｓｌｏｂｏｄａ树高生长方程拟合多形指数曲线，不会导致指数年龄时的树高与指数级不符的矛盾，同时能确保拐点参数的生物意义，并且用非线型二乘法解方程参数时不需要做任何特殊处理。     

广西杉木林分相对树高曲线模型研究

为减轻森林资源调查的工作量,满足蓄积量调查的精度要求,利用广西276块杉木(Cunninghamia lanceolata)林标准地资料,选用理查德函数变型的固定参数式和可变参数式建立杉木林分相对树高曲线模型,综合考虑模型拟合决定系数(R²)、均方误差(MSE)、总相对误差(TRE)、平均相对误差(MRE)、平均百分比误差(MPE)和预估精度(P)等指标,选择表现较好的模型。结果表明,最佳的杉木林分相对树高曲线模型为理查德函数变型固定参数式模型。将利用模型估算的林分蓄积量与利用二元材积表估算的林分蓄积量形成成对数据,采用配对t检验法对二者均值差异进行检验;结果显示,二者无显著差异,精度达到99.46%。利用理查德函数变型固定参数式模型建立的杉木相对树高曲线方程预估精度高,可在广西区内应用,整体区域模型函数为■,中心产区模型函数为■,一般产区模型函数为■。     

永新县杉木人工林二元立木材积模型的研究

根据全县不同立地条件的大量解析木和标准木资料，用动态模型的理论，在本省首次提出了杉木人工林二元立木动态材积模型。经适用性检验表明：该模型有精度高，稳定可靠，能充分利用样木信息，其参数能对样木信息资料所反映的客观规律出解释，该材种模型可在研究区内使用。     

贵州省杉木二元立木材积生长率模型研究

根据杉木在贵州省的生长分布情况,将其划分为中心区、一般区2个建模单元,分别各建模单元设置样地进行调查,选择各径阶平均木进行树干解析,用复利式计算各径阶、各龄阶材积生长率,选择合适的基本方程分别采用不同的拟合方法拟合二元立木材积生长率模型,通过对各项统计检验指标进行分析评价及适用性检验,确定最优模型.提出贵州杉木二元立木材积生长率模型的应用方法.     

枫香和杉木树高-胸径模型的拟合与评价

基于湖南省公益林面上固定样地调查数据,分别提取慈利县的15个固定样地调查数据中具有代表性的阔叶树种枫香和针叶树种杉木的调查数据,并选取3种模型拟合其树高-胸径模型.结果表明:一元线性模型对枫香和杉木的拟合效果最差,二项式和Chapman-Richards模型拟合效果较好.研究结论可为该地区杉木和枫香经营提供参考.     

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。     

杉木人工林二元立木材积动态模型的研究

通过对多种二元立木材积方程的拟合和比较，以动态模型Ｖ＝ａＤｂ＋ｃ（Ｄ＋２．３Ｈ）Ｈｄ＋ｅ（Ｄ＋２．３Ｈ）拟合杉木人工林二元立木材积效果最佳。     

广西杉木立木材积模型优化筛选研究

为实现杉木林蓄积量调查与估测的精准量化,基于林业数表编制作业获取的标准立地245株杉木树高、冠幅、胸径和带皮材积等林业资源调查数据,采用非线性估计法建立11种一元立木材积模型,通过求解模型参数并进行优异比较,渐进拟合出最优的胸径-树高-冠幅三元材积模型。结果表明：1)无论树高、胸径还是冠幅,11种单因子变量估测立木材积的曲线模型均以幂函数的检验参数最优。2)基于模型确定系数判定拟合模型优劣呈现三元>二元>一元。其中,包含树高、胸径和冠幅三元非线性最优材积模型确定系数0.988,总相对误差0.087%,总系统误差0.57%,模型预估精度99.40%。3)胸径-树高-冠幅三元材积模型充分集成了林分结构参数信息,其高精度低误差特点对林业数表编制、森林蓄积量监测具有重要参考价值。     

广东省杉木树种二元立木材积可变参数模型研究

采用155株建模样本,利用现代建模理论和方法,以山本式固定参数模型和可变参数模型建立了广东省杉木树种的二元立木材积模型。模型自检及64株检验样木验证表明,固定参数模型和可变参数模型精度均符合建模要求,能满足生产需要,但后者具有更优的适用性能。     

基于连清样地数据的全国杉木人工林平均木树高-胸径模型

目的 基于我国森林资源连续清查（简称“连清”）样地数据,分省区研建全国杉木人工林平均木树高-胸径的最优基础模型,以期为全国各省区杉木人工林的树高预测提供基础模型。 方法 研究范围为杉木人工林分布的15个省份,数据来自第六次、第七次连清样地数据的树高调查表,总样本数为23 239个。选取18种基础生长方程作为候选模型,分别拟合各省区杉木平均木树高与胸径的关系,根据模型的决定系数（R2）、平均绝对误差(MAE)、平均相对误差（MRE）、均方根误差(RMSE)和平均预估误差（MPE）,并结合模型残差分布图,确定各省区最优模型,同时采用5折法验证各省区最优模型的预测能力,最终决定各省区最优树高-胸径模型。 结果 15个省区的杉木最优树高-胸径模型并不相同,四川、云南、重庆、陕西、浙江、江西、湖南、广西的最优模型为模型18（Mitscherlich方程）,江苏、安徽、河南和福建的最优模型为模型16（Hossfeld方程）,广东、湖北、贵州的最优模型分别为模型10（双曲线方程）、模型11（Logistic方程）和模型13（Gompertz方程）,R2分布在0.602～0.807之间,MAE分布在0.94～1.53 m之间,MRE分布在−2.93%～−4.72%之间,RMSE分布在1.23～2.00 m之间,MPE分布在0.50%～2.77%之间。模型拟合效果较好,满足精度要求,且参数具有生物学意义,可作为全国各省区杉木人工林平均木树高-胸径基础模型。 结论 本研究构建全国杉木人工林分布的15个省区的最优树高-胸径基础模型,能较好的模拟各省区的杉木平均木树高随胸径的变化规律,可以作为全国各省区基本的杉木人工林平均木树高-胸径模型,为各省区杉木人工林的树高预测提供依据。     

安福县杉木人工林二元立木材积动态模型的研究

杉木人工林为安福县重要的森林资源,本研究根据1526株样木数据,在分析其干形变化特点的基础上,建立了符合安福县实际的杉木人工林二元立木材积动态模型。经适用性检验,该模型精度高,其参数稳定可靠,能对样木客观规律作出解释。模型适合在安福县使用。     

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。     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

杉木林分自然生长和人为控制密度生长模型研究

在会同杉木人工林林分全林整体模型的基础上,分析并建立了会同杉木人工林完满立木度林分自然生长和一般林分的自然生长的规律和模型,并采用人工神经网络方法建立了会同杉木人工林人为控制密度生长过程模型.检验结果表明,这组生长模型可以满足林业生产和科研的精度要求.     

杉木人工林以优势木树高、直径、林分密度估计蓄积的初步研究

以杉木人工林标准地优势木树高、直径及林分密度、郁闭度四因子及其不同组合为自变量,经多种形式变换后,用逐步回归方法,研究它们与林分蓄积的相关性以及数量关系,为估计林分蓄积提供依据及一些参数。结果表明,因子与林分蓄积的精度按下列顺序提高:单因子、双子及三因子。单因子以优势木树高;双因子以优势木树高与林分密度估计林分蓄积较好;三因子以优势木树高、直径与林分密度估计林分蓄积较佳。本文还研究了优势木直径与树高之相关性,亦为极高度相关,应用此数学关系式可导算出相应于各优势木直径之树高。这样,以优势木直径与林分密度,可估计出略低于三元、高于二元数学关系式精度的蓄积来,更为简便。     

杉木人工林分密度控制图等树高线、等直径线数学模型及最大密度线编制的研究

本研究以杉木人工林标准地为材料,以M=aHt~b·N~c、M=aD~b·N~c式为等树高线、等直径线数学模型。经验证,此式及其参数较充分、准确地反映了林分密度与蓄积的数量关系及变化规律。因此,求解出即可直接绘制。此法省去了以单因子选择树种以及树种不同地区、不同生长状况数学模型之困苦,不需修匀;精度高,较为简捷。林分最大密度线,应用林分密度与平均直径的规律,以大样本饱和或接近饱和密度标地为材料,用N=aD~b式求出参数;将b值代入各标地,求出最大am值。用am、b值解出各径级最大株数,并代入等直径线数学模型,得各径级最大蓄积,联结各最大蓄积点即成林分最大密度线。经验证,此方法及结果正确。