基于非线性混合模型的落叶松树干削度模型

以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,采用Max和Burkhart分段削度模型作为基础模型,利用SAS软件中的似乎不相关回归过程得到该分段削度模型的4个参数和2个拐点参数同时估计。参数估计显著性检验(P<0.000 1)以及模型检验(F=31 392.30,P<0.000 1)都证明该分段模型能较好地描述落叶松树干干形变化。然后以该分段模型为基础模型,采用非线性混合模型的方法,建立落叶松人工林树干削度混合效应模型。结果表明:当考虑样地效应影响时,b1,b2同时作为混合参数时模型拟合最好;当考虑树木效应影响时,b2,b4同时作为混合参数时模型拟合最好。无论考虑样地效应影响还是考虑树木效应影响,混合模型的拟合精度都比基本模型的拟合精度高,并且考虑树木效应影响要比考虑样地效应影响的精度更高。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。     

两水平非线性混合模型对杉木林优势高生长量研究

利用两水平非线性混合模型对杉木(Cunninghamia lanceolata)优势高进行分析。概述了两水平非线性混合模型并简单介绍了该模型的参数估计方法;选用了5种常见的Richards和Logistic 形式模型作为构建混合模型的基础模型,利用建模数据分别对这些基础模型各自衍生出的19种混合模型进行计算及比较,结果表明:这5种基础模型对应的最佳混合模型分别为模型(3-1) 模型(3-5);最后把这些最佳混合模型及传统的回归模型两两进行比较,结果表明:二水平非线性混合模型拟合效果比传统的回归模型拟合效果要好,并且基础模型4对应的二水平混合模型(式3-4)拟合效果最好。     

塞罕坝华北落叶松人工林树冠外部轮廓模型

【目的】构建树冠最大外部轮廓非线性混合效应模型和非线性分位数回归模型,为准确预测树冠生长发育规律及预估生产力提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松人工林为研究对象,基于58株解析木数据和1 789个枝条解析数据,利用幂函数、修正Kozak方程、修正Weibull方程选取基础模型,构建华北落叶松人工林树冠外部轮廓非线性混合效应模型和非线性分位数回归模型。【结果】在幂函数、修正Kozak方程和修正Weibull方程中,幂函数拟合树冠外部轮廓效果较好,作为树冠外部轮廓基础模型;林分年龄(Age)、冠长(CL)、胸径(DBH)、树高(HT)、冠高比(CHR)、高径比(HDR)对树冠外部轮廓影响较大。在混合效应模型中,两水平混合效应模型优于单水平混合效应模型,可明显提高模型拟合精度,HDR相关的参数a6考虑样地效应,相对着枝深度(RDINC)、CHR相关的参数a4、a5考虑样木效应,模型确定系数(R2)为0.873,均方根误差(RMSE)为0.319 m,平均相对误差(MRE)为6.642 m。在分位数回归模型中,当分位数q=0.90时模型曲线最接近树冠最大外部轮廓,R2为0.672。【结论】混合效应模型拟合精度较高,可准确描述树冠最大枝条的平均趋势。分位数回归模型可确定树冠最外部轮廓,在预测条件均值之外的研究中发挥重要作用。     

基于混合效应模型的杉木单木冠幅预测模型

以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型.由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型.从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型.除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响.通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价.结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进.本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型.     

非线性混合效应模型参数估计方法分析

非线性混合效应模型是针对回归函数依赖于固定效应和随机效应的非线性关系而建立的.一阶线性化算法(FO)和条件一阶线性化算法(FOCE)为2种计算非线性混合效应模型参数的常用线性化算法.本文基于FOCE算法,提出一种改进的随机效应参数计算方法,并利用树高生长数据和模拟数据对3种算法进行分析和比较.结果表明:改进的FOCE算法得到的随机效应参数更能反映个体间的随机差异,并且拟合效果更好.     

基于修正Kozak方程的人工樟子松树冠轮廓预估模型

【目的】对Kozak方程进行修正,采用树木易测因子为预测变量,构建人工樟子松树冠外部轮廓预估模型,为研究树木生理和树木竞争提供依据,为模拟单木树冠表面积和树冠体积奠定基础。【方法】基于黑龙江省14块固定样地70株人工樟子松解析木907个最大枝条数据,以Kozak方程基本形式为基础并对其进行修正,选出构建人工樟子松树冠外部轮廓基础模型的最优模型形式。在最优模型基础上,建立分别考虑样地效应、样木效应及同时考虑样地和样木效应两水平的非线性混合效应模型。利用R软件的nlme软件包求解非线性混合效应模型参数,采用AIC、BIC、-2LL对混合效应模型中不同随机效应参数组合形式、不同随机效应矩阵、方差-协方差矩阵和方差函数进行比较,选出最优模型形式,并对人工樟子松外部轮廓随树木因子的变化规律进行探讨。以林分密度为哑变量,构建不同密度的人工樟子松树冠外部轮廓预估模型。【结果】人工樟子松树冠外部轮廓预估模型因子包含胸径(DBH)、冠长率(CR)和高径比(HD)。与基础模型相比,分别考虑样地效应、样木效应的混合模型能够显著提高模型拟合效果,外部轮廓模型差异主要来源于样木效应。以样木为单水平的混合效应模型中,a2、a6为随机参数,对角矩阵为方差-协方差矩阵形式,ARMA(1,1)为解释组内方差的矩阵,采用幂函数消除异方差的模型形式为最优模型。同时考虑样地和样木效应两水平混合模型的拟合效果较单水平混合模型有所提高。以两水平混合模型的固定效应部分模拟外部轮廓与树木因子之间的关系,在分别固定另外2个变量的情况下,树冠半径随着DBH、CR增大均逐渐增大,树冠上半部分半径随着HD增大而增大,下半部分半径随着HD增大而减小。外部轮廓拐点的变化范围为0.6250~0.9170,拐点平均位置为0.8413,随着林木在林分中被压强度增大,拐点位置向树冠基部移动。密度小于1000株·hm^-2林分中单木的冠形与1000~2000株·hm^-2和大于2000株·hm^-2林分中单木的冠形区别很大。【结论】修正后的Kozak模型满足梢头处半径为0、在整个树冠范围内存在拐点且拐点唯一的特性,能够对人工樟子松树冠外部轮廓进行合理模拟及预测。两水平非线性混合效应模型可显著提高模型拟合效果,能够在树冠外部轮廓模型中应用。     

基于纵向数据非线性混合模型的杉木林优势木平均高研究

以江西省大岗山实验局不同初植密度的杉木林为研究对象,选择修改的Richards模型形式,考虑样地效应,采用SAS软件进行非线性混合效应模型的模拟,利用AIC和BIC值评价模型模拟效果。在此基础上考虑优势木平均高连续观测数据的时间序列相关性,并把初植密度以哑变量形式考虑进去,再进行混合模型的模拟。最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。研究结果表明,修改的Richards形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高,增加随机效应参数个数能够提高模型的估计精度。一阶自回归误差结构矩阵模型在解释优势木平均高的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好的表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及不同初植密度的混合模型模拟精度比传统的非线性回归方法模拟精度高。     

基于非线性混合模型的杉木优势木平均高

从理论上介绍一阶线性化算法和一阶条件期望线性化算法求解非线性混合效应模型参数,并利用这2种算法分别对杉木优势木平均高进行拟合(选用常用的Logistic模型作为基础模型,把区组作为随机效应因子)。结果表明:2种算法对杉木优势木平均高进行拟合时精度都很高。通过对2种线性化算法进一步比较可得,在分析单木水平非线性混合效应优势木平均高模型时,2种算法拟合效果非常接近,因此在实际应用中可以选择其中任意一种算法对杉木优势木平均高进行拟合。     

基于混合模型的落叶松微纤丝角模型

以黑龙江省七台河市林业局金沙林场9株人工落叶松2 790个样品数据为例,选择6个常用方程进行非线性回归分析,把拟合精度最高的修正Logistic模型作为微纤丝角基础模型y=b1/[1+ exp(b2x)]+b3,然后,利用S-PLUS软件中的NLME过程,拟合非线性微纤丝角模型.采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析.结果表明:当对微纤丝角-年龄关系进行拟合时,b1,b2,b3同时作为混合参数时模型拟合效果最好.把相关性结构包括复合对称结构(CS)、一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构[ARMA(1,1)]加入到微纤丝角最优混合模型中,一阶自回归与移动平均模型[ ARMA(1,1)]显著提高了微纤丝角混合模型的拟合精度.模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度.因此,混合模型在应用上不仅能反映总体微纤丝角预测,而且能通过方差协方差结构和误差相关性结构校正随机参数来反映个体微纤丝角差异.     

用Mixed和Nlmixed过程建立混合生长模型

本文用5块不同密度样地的树高生长资料,根据线性和非线性混合模型理论,利用SAS的Mixed过程和Nlmixed过程,分别拟合线性混合模型和非线性混合树高生长模型。根据预测值和固定效应同时绘制出不同密度下的高生长曲线和平均高生长曲线,充分显示了混合模型的优势,即它可以同时反映总体的平均变化趋势和个体之间的差异。     

油桐属2个物种的光合特性

采用美国Licor公司生产的Li6400XT便携式光合作用测定系统对三年桐（Vernicia fordii）和千年桐（Vernicia montana）2个油桐物种的光合特性进行了研究。试验结果表明：千年桐的光合速率日变化呈单峰型,无“午休”现象,三年桐净光合速率日变化曲线为双峰型,出现“午休”现象。千年桐日平均净光合速率最高,达到5．67~mol／（m^2·s）,物质积累能力较强,三年桐的日平均净光合速率较小,仅为千年桐的55．6％,物质积累能力最弱;在模拟光辐射条件下测定2个物种的光响应曲线,千年桐最大净光合速率较高,三年桐较低,分别为24．24和17．23~mol／（m^2·s）。三年桐光补偿点较低,利用弱光的能力较千年桐强,千年桐光补偿点较高,利用弱光能力较三年桐弱。千年桐的光饱和点较高,利用强光的能力较三年桐强,三年桐光饱和点较低,利用强光的能力较千年桐弱。     

杨树杂交的两种新技术

介绍了杨树杂交的两种新技术:室外大树侧倒法和室外切枝扦插法.新技术具有高效、经济、安全等优点,在杨树杂交育种以及其他易生根乔木杂交育种中具有应用价值.     

谈森林的二种生态效益

本详细论述了森林在保护生态环境、防灾、防雪方面的作用,从而提出只有加大森林面积,才能更好的发挥森林的生态效益。     

两个鱼钩的故事

“做生意就是做人!”当年他靠着朋友加诚信身闯商海,今日把诚信作为企业发展的生命线,贯穿于企业经营的全过程。不老神诚信于社会,诚信于消费者,诚信于员工。因此,也赢得了员工诚信于不老神,消费者诚信于不老神,社会诚信于不老神。     

两种混交度的比较分析

混交度是描述混交林中树种混交程度的重要空间结构指数。由于传统混交度仅以对象木与最近邻木之间的树种异同为基础,并不考虑最近邻木之间的树种差异,不能完全反映树种的空间隔离程度。本文在传统混交度的基础上,提出一种新的混交度即树种多样性混交度。通过比较,树种多样性混交度更能反映树种相互隔离程度,是一个较好的林分空间结构指数。     

木材用透明涂料耐光性能的研究

以木材涂饰用水性双组分聚氨酯和丙烯酸清漆制备的游离膜为试材,利用氙光衰减仪进行辐射试验,研究游离膜的材色变化规律,并进行耐光性能评价.结果表明:聚氨酯和丙烯酸漆膜受光辐射均会发生变色,并且聚氨酯漆膜的光变色度更甚,主要表现在聚氨酯漆膜的色品指数显著增大,说明聚氨酯漆膜易发生黄化.     

2种木材蓝变菌的生物学特性

对2种木材蓝变菌松球壳孢(Sphaetopsis sapinea)和可可球二孢(Botryodiplodia theobromae)的生物学特性进行试验研究。结果表明:2种蓝变菌菌株适宜温度均为30℃;适应的酸碱度范围均为5.0~9.0;两者都属于喜光菌;松球壳孢生长最适碳源为蔗糖,最适氮源为蛋白胨;可可球二孢生长最适碳源为葡萄糖,最适氮源为酵母浸膏。     

河岸农田防护林“两大效益”调查研究

河岸农田防护林不仅能有效控制洪水和风沙危害,增加土壤肥力,调节气候,而且能提高作物产量,防护林带还可作为速生丰产林进行开发利用,经济效益突出,生态、经济“两大效益”十分可观。     

两种除草剂对空心莲子草的防除效果比较

空心莲子草是世界性恶性杂草。研究用使它隆乳油2g/L和Round up 15mL/L喷施空心莲子草进行防除效果比较试验。结果表明:喷药后7d,空心莲子草受害的形态和防除快速效果看,Round up防除效果优于使它隆乳油的,药后30天,从根系生理指标测定看,除Round up处理的根系硝酸还原酶活性明显高于使它隆乳油处理的外,二者对根系其他生理指标的影响无明显差异;从第二年空心莲子草复发情况看,Round up处理的区域空心莲子草无复发,而使它隆乳油处理的杂草有3%～5%左右的复发。Round up防除空心莲子草的效果优于使它隆乳油。     

浙江刚竹属二新种

1白壳竹(新种)别称:白壳笋(浙江富阳)图1 秆直立,高5～8m,径2～4 cm,节间长14～22 cm;新秆鲜绿色,无毛,渐被白粉,节下有白粉环;节显著隆起,初呈紫色,秆环高于箨环;每节2分枝,分枝开展.秆箨箨鞘无毛,淡黄绿色或淡黄褐色至淡褐色,有时具不明显的淡绿色细脉纹,有稀疏的紫褐色斑点(粗秆之箨或秆上部之箨通常有较密集的紫褐色斑),边缘黄色至褐色,无缘毛,箨耳及鞘口燧毛缺如;箨舌甚发达,隆起,高3～7 mm,深紫色,先端拱形或有拱突,具1～3 mm长的紫色纤毛(小秆之箨箨舌或下部之箨箨舌通常较小,先端仅有白色短纤毛);箨片剑形或带状,绿色,边缘淡黄色,先端带紫色,平直,反折.每小枝具叶4～5枚;叶鞘无毛,叶耳不发育,鞘口偶有1～2根燧毛;叶舌伸出,长2 mm,紫色,先端微呈拱形;叶片带状披针形,长9 ～12 cm,宽1.6～2.0 cm,背面无毛;次脉4～5对.花未见.笋期3月末至4月中旬.