采用林分平均高和密度估计人工林蓄积量

采用2015年广西森林资源连续清查第9次复查中人工林样地调查数据,按树种组(杉木、松树、桉树)建立林分每公顷蓄积量与林分平均高、林分密度(郁闭度、每公顷林木株数)二元非线性模型(不变参数和可变参数),用确定系数(R~2)和平均预估误差(MPE)等6个指标对模型进行评价和检验。结果显示:全部12个模型的总相对误差(TRE)、平均系统误差(MSE)均小于15%,MPE均小于10%,表明采用林分平均高和密度估计林分单位面积蓄积量可取得较好的效果,但可变参数模型的参数的变动系数太大,不宜采用;3个树种组中,不论是不变参数模型还是可变参数模型,以平均高和每公顷林木株数构建的模型的R~2均大于由平均高和郁闭度构建的相应模型的R~2,而剩余标准差(SEE)、MPE则相反,说明每公顷林木株数对林分每公顷蓄积量变动的解释能力优于郁闭度。综合考虑6个统计指标和参数的稳定性,3个树种组的每公顷蓄积量的最优估计模型均为由每公顷林木株数、平均高构建的不变参数模型。     

基于机载激光雷达数据估计林分蓄积量及平均高和断面积

基于东北林区191个红松林(Pinus koraiensis)样地的机载激光雷达数据和地面实测数据,首先,通过多元线性回归和非线性回归估计方法,确定林分蓄积量及平均高、断面积的基础回归模型;然后,利用误差变量联立方程组方法,建立基于激光雷达变量的林分蓄积量与平均高、断面积的模型系统。结果显示:建立的多元线性、多元和二元非线性林分蓄积量回归模型,其确定系数R~2分别为0.858,0.846和0.821,平均预估误差MPE分别为2.57%,2.66%和2.85%,平均百分标准误差MPSE分别为26.35%,16.35%和17.88%;利用模型系统对林分平均高、断面积和蓄积量进行估计,其R~2分别为0.597,0.750和0.822,MPE分别为1.90%,2.52%和2.84%,MPSE分别为10.85%,15.28%和17.73%。结果表明:基于机载激光雷达数据估计林分蓄积量、平均高等主要森林参数,非线性模型优于线性模型,而且基于点云高度变量(中位数)和强度变量(75%分位数)的二元非线性模型就能达到比较理想的预估效果;误差变量联立方程组方法,是建立林分蓄积量与平均高、断面积回归模型系统的一种可行方法;所建立的东北红松林平均高、断面积和蓄积量联立模型,其预估精度达到森林资源调查相关技术规定要求,可以在实践中推广应用。     

黑龙江人工落叶松林分蓄积量生物量和碳储量建模

林分水平的计量数表是开展森林资源二类调查必不可少的度量衡。利用黑龙江省国家森林资源清查的53个人工落叶松(Larix spp.)样地实测数据,结合已经颁布实施的《落叶松立木生物量模型及碳计量参数》行业标准,建立了林分水平的基于断面积和平均高的蓄积量、生物量和碳储量模型。结果表明:所建模型的确定系数(R2)在0.91以上,平均预估误差(MPE)在4%左右,可以满足森林资源二类调查的精度要求;提出的建模方法,也适用于建立其它地区或其它树种的林分蓄积量、生物量和碳储量模型。     

北京市主要森林类型蓄积量生物量碳储量模型研建

林分水平的蓄积量、生物量和碳储量模型,是开展森林资源规划设计调查的计量基础。基于北京市2016年森林资源连续清查的1 425个乔木林样地数据,分别利用非线性独立回归估计、误差变量联立方程组和含哑变量的误差变量联立方程组方法,建立了油松林、侧柏林、栎树林、桦木林、榆树林、刺槐林、杨树林、其他硬阔林、其他软阔林、乔木经济林等10种主要森林类型的林分蓄积量、生物量和碳储量模型。结果显示:10种主要森林类型的蓄积量、生物量和碳储量模型的确定系数(R~2)都在0.93以上,总体相对误差(TRE)和平均系统误差(ASE)都在±3%以内且多数趋近于0,平均预估误差(MPE)都在5%以内,平均百分标准误差(MPSE)都在15%以内。结果表明:不同森林类型的蓄积量主要取决于林分断面积和平均高,生物量主要取决于蓄积量和林分平均高;含哑变量的非线性误差变量联立方程组方法,是建立林分水平三储量(森林蓄积量、生物量和碳储量)模型系统的可行方法;所建北京市10种主要森林类型的蓄积量、生物量和碳储量模型,其预估精度达到相关技术规定要求,可以在实践中推广试用;为进一步提高模型的准确度,可采用基于二元模型计算的蓄积量和生物量样地数据对所建模型进行修正。     

河北省主要树种单木和林分生长率模型研建

利用第六次至第九次全国森林资源清查河北省2001,2006,2011,2016年4个年度的固定样地调查数据,采用非线性回归估计方法,建立了18个树种组的单木胸径生长率和材积生长率模型,以及12个树种组的林分材积生长率模型。结果表明,单木生长率模型的平均预估误差(MPE)基本都在3%以内,而平均百分标准误差(MPSE)、胸径生长率模型大都在10%以内,材积生长率模型大都在20%左右;林分生长率模型的平均预估误差(MPE)基本都在5%以内,平均百分标准误差(MPSE)大都在25%以内。所建模型可为河北省开展森林资源年度更新提供技术支撑。     

基于林分蓄积量的二类小班调查和系统抽样数据的融合

林分蓄积量是衡量立地生产量的一个重要指标。通过系统样地调查和二类调查数据均可得到林分蓄积量。那么该如何做到二类调查数据到系统样地的融合?本文利用贝叶斯法构建了基于2004年和2009的二类调查数据的林分蓄积量模型,然后通过该模型预测2011—2013年的林分蓄积量,并与这2年的系统样地数据建立融合模型,研究得到融合模型效果较好(R~2=0.6498)。     

基于生长模型的林地“一张图”林分因子更新研究

林地"一张图"是森林资源管理体系的重要平台,运用林分生长模型对林地"一张图"林分因子更新具有现实意义。基于昆明市第4次森林资源二类调查数据,建立了24个树种(组)林分生长模型,通过模型链接实现林分平均树高、平均胸径、每公顷株数、每公顷蓄积和平均蓄积生长量的过程动态模拟。树高生长模型拟合优度R~2介于0.21～0.64之间,胸径生长模型拟合优度R~2介于0.37～0.78之间,蓄积生长模型拟合优度R~2介于0.44～0.92之间;林分生长模型反演昆明市有林地蓄积量预测值与观测值相差37万m~3,云南省蓄积平均生长率反演昆明市有林地蓄积量预测值与观测值相差291万m~3。建立的24个树种(组)林分生长模型,能满足林地"一张图"林分因子更新要求,能动态掌握森林资源消长变化,可为林业政策的制定提供依据。     

一类调查与二类调查森林蓄积量数据对接方案分析研究

我国一类调查(森林资源连续清查)与二类调查(森林资源规划设计调查)两种监测体系因调查目的及方法不同，因此监测获取的森林资源数据存在不一致。鉴于此，以保定市为例，开展一类调查与二类调查森林蓄积量数据对接方案分析研究。采用非线性指数模型分树种组构建小班蓄积量预估模型，通过模型反演更新调整保定市内所有小班蓄积量信息，从而获取保定市各县(市、区)森林蓄积量信息；采取平差调整法实现保定市一类调查与二类调查蓄积量监测值对接。研究结果显示：1)分树种组研建的小班蓄积量预估模型评价指标均表现较好，表明模型具有较好的预估能力；2)相比二类调查而言，采用小班蓄积量预估模型监测获取的保定市森林单位蓄积量(34.98 m³/hm²)与一类调查蓄积量监测值对比，其精度为91.06%,较大程度上降低了相对误差，表明了小班蓄积量预估模型监测值的可靠性；3)对模型预估值进一步进行平差调整后，最终实现了一类调查与二类调查蓄积量监测成果对接，表明了研究方案的可行性。可见，研究的技术方案可为各省级行政区历年小班蓄积量监测数据对接更新及今后实现“一套数，一张图”提供技术方法参考。     

阴山中段主要乔木树种生物量预测模型研究

以阴山中段(大青山自然保护区)主要乔木类型:白桦(Betula platyphlla)天然林、油松(Pinus Tabulaeformis)人工林和华北落叶松(Larix principis rupprechtii Mayr)人工林为研究对象,通过标准地主要林分因子调查和生物生物量测定,运用生物量建模时常用的10种数学模型对生物量与蓄积量进行回归拟合研究,以确定二者之间的相关关系,进而建立各树种生物量与蓄积量间的回归预测模型,拟建立基于二类调查数据基础上的森林生物量估算与预测模型。结果表明:白桦天然林和华北落叶松人工林以Power模型拟合的效果最佳;油松人工林以Cubic模型拟合效果最佳。各估测模型均符合检验精度要求。同时,利用内蒙古林业勘察设计一院调查队2006年国家二类调查数据,对大青山自然保护区(呼和浩特部分)进行森林生物量估算。     

基于林分平均直径的二类小班调查和系统抽样数据的融合

林分平均直径是评价立地生产力的一个重要指标。通过系统样地调查和二类调查数据均可得到林分平均直径。那么该如何做到二类调查数据到系统样地的融合?利用贝叶斯法构建了基于2004年和2009的二类调查数据的林分平均直径模型,然后通过该模型预测2011、2013年的林分平均直径,并与这两年的系统样地数据建立融合模型,研究得到融合模型效果较好(R~2=0.5861)。