异速生长模型的误差结构和误差函数

【目的】基于异速生长模型,构建兴安落叶松和樟子松立木材积模型,分析材积模型的误差结构和误差函数。【方法】采用Ballantyne(2013)提出的似然分析法判断兴安落叶松和樟子松立木材积模型的误差结构。为了对比,利用S-PLUS软件的广义非线性GNLS模块拟合非线性模型。针对模型拟合产生的异方差现象,采用误差方差函数(固定方差、指数函数、幂函数和常数加幂函数)消除异方差。采用确定系数(R2)、均方根误差(RMSE)、绝对误差(Bias)和平均相对误差(MRE)对立木材积模型精度进行综合比较分析。【结果】1)经似然分析法判断,兴安落叶松和樟子松立木材积模型的误差结构是相乘的。2)为了描述立木材积模型构建过程中产生的异方差现象,将固定方差、指数函数、幂函数和常数加幂函数加入到立木材积模型中,所有方差函数都能降低材积模型的异方差性。幂函数消除兴安落叶松材积模型的异方差效果最好,常数加幂函数消除樟子松材积模型的异方差效果最好。3)非线性(相加误差结构)及线性(相乘误差结构)拟合和检验统计量的比较表明,对于两树种,相加和相乘立木材积模型拟合评价指标非常接近,具有相加误差结构的立木材积模型的拟合和检验精度略高于相乘误差结构的立木材积模型。【结论】兴安落叶松和樟子松立木材积模型的误差结构是相乘的。根据非线性及线性模型的拟合和检验评价指标对比发现,对数转换的线性模型并没有表现出绝对优势,而非线性回归却略优于对数转换的线性回归。本文并没有给出绝对和一致的结论,如果模型的预测是最重要的,建议对比非线性和对数转换的线性模型,选择精度较高的误差结构。针对兴安落叶松和樟子松立木材积模型的详细对比分析,建议选择非线性回归分析,即相加的误差结构。     

北京杨树相容性立木材积系列模型研建

以北京市最重要的阔叶树种杨树(Populus)为研究对象,利用1 678株样木的材积测量数据,通过采用哑变量模型和误差变量联立方程组方法,建立了毛白杨(P.tomentosa)、速生杨(P.×euramericana)和加拿大杨(P.×canadensis)3个树种(组)的相容性二元立木材积方程、胸径和地径一元立木材积方程、树高胸径回归模型及地径胸径回归模型,并分析了不同树种之间的差异。结果表明:二元立木材积方程的平均预估误差均在2%以内,胸径一元材积方程和地径一元材积方程的平均预估误差也大都在3%以内,达到了立木材积表的编制精度要求。所建模型可为北京市杨树林的蓄积量估计提供准确的计量依据。     

不同区域落叶松二元立木材积表的检验及差异分析

【目的】准确评估不同区域落叶松立木材积表是否存在偏差,并掌握不同区域材积表之间的差异大小,为修订和完善我国二元立木材积表提供依据。【方法】基于最新采集的东北、华北、西北和西南4大区域480株落叶松样木实测材积数据,首先利用回归方程的适应性检验方法分析不同区域落叶松立木材积表是否存在偏差,然后利用混合模型方法分析不同区域二元立木材积方程之间是否存在差异及其差异大小,最后利用哑变量模型方法建立含区域特定参数的立木材积方程。【结果】对部颁标准的4个落叶松二元立木材积表进行检验发现,3个材积表的估计误差均超出了±3%的允许范围,存在明显的系统偏差,最大偏差可达到12%左右。对不同区域二元立木材积方程之间的差异显著性检验发现,其材积估计值从大到小依次为东北、西北、西南、华北,东北与华北之间差异极显著(P0.01),西北与华北之间差异显著(0.01≤P0.05),西南与东北之间差异稍显著(0.05≤P0.10),其他两两之间的差异不显著。通过建立含区域特定参数的立木材积方程,发现3种建模方案(全国1个总体、2个总体和4个总体)之间的差异并不大;全国建立1个通用性落叶松立木材积方程与4个区域分别建立4个材积方程相比较,不同区域材积估计值的最大误差仅为3%左右。【结论】原部颁标准的二元立木材积表大多数可能已经存在明显偏差,建议对全部二元立木材积表进行一次系统检验,在此基础上对已存在明显偏差的材积表进行更新或修订。不同区域的二元立木材积表差异不大,建议由国务院林业主管部门统筹考虑,明确各主要树种二元立木材积表编制的总体范围,并逐步建立全国林业数表体系,促进林业数表编制的标准化。     

东北落叶松相容性立木材积和地上生物量方程研建

以东北落叶松立木材积和地上生物量数据为例,通过改进模型的结构形式,采用误差变量联立方程组的方法,研究建立了相容的立木材积方程、地上生物量方程及生物量转换函数。结果表明:与常用的非线性模型相比,在材积方程和生物量方程中增加截距常数,能显著改进模型的拟合效果;建立的一元相容性方程,地上生物量和立木材积的预估误差均不超过5%;二元相容性方程,地上生物量的预估误差约为4%,立木材积的预估误差则小于3%。     

杉木相容性立木材积表系列模型研建

以我国南方地区最重要的针叶树种杉木(Cunninghamia lanceolata)为研究对象,采用误差变量联立方程组方法,建立了相容性二元立木材积方程、胸径和地径一元立木材积方程、树高胸径回归模型及地径胸径回归模型。利用3种树高模型和2种地径模型组合了4个相容性立木材积表系列模型联立方程组,通过6项指标进行综合评价,结果表明由最简单的树高模型和地径模型构成的相容性系列材积模型就能取得良好效果,其二元材积表、胸径一元材积表和地径一元材积表的平均预估误差分别为1.31%、3.66%和7.39%,可用于不同目的的杉木林蓄积量估计。     

杉木相容性立木材积表系列模型研建

以我国南方地区最重要的针叶树种杉木（Cunninghamia lanceolata）为研究对象,采用误差变量联立方程组方法,建立了相容性二元立木材积方程、胸径和地径一元立木材积方程、树高胸径回归模型及地径胸径回归模型。利用3种树高模型和2种地径模型组合了4个相容性立木材积表系列模型联立方程组,通过6项指标进行综合评价,结果表明由最简单的树高模型和地径模型构成的相容性系列材积模型就能取得良好效果,其二元材积表、胸径一元材积表和地径一元材积表的平均预估误差分别为1.31%、3.66%和7.39%,可用于不同目的的杉木林蓄积量估计。     

甘肃省山杏山杨相容性一二元材积模型研建

为建立适用于甘肃省的立木材积模型,获取更为准确的材积表,以甘肃省山杏、山杨为研究对象,采用电子经纬仪进行无损立木精测获取数据,并通过误差变量联立方程组方法,建立了两个树种的二元立木材积方程、一元立木材积方程以及树高-胸径回归模型,为准确估计相应树种的森林蓄积量提供了科学依据。利用经典的二元材积模型山本和藏式及指数树高模型进行联立得到相容性立木材积方程,通过6项指标对所得模型进行综合评价,结果表明:二元材积模型、一元材积模型都能取得良好效果,其中山杏二元材积表、胸径一元材积表的平均预估误差分别为2.12%,2.58%;山杨二元材积表、胸径一元材积表的平均预估误差分别为1.57%,2.01%;所建相容性一二元材积模型可用于甘肃省山杏山杨蓄积量估计。     

兴安落叶松材积模型中的异方差研究

为进一步提高兴安落叶松材积模型估计精度,文章选择V=aDbHc为材积模型形式,对模型的异方差性进行了研究。文章分别使用了图示法及戈德菲尔特-夸检验方法证实模型中存在较强的异方差性,并分别以因变量,自变量及模型本身构造权函数,以加权回归估计和普通非线性回归估计方法结果进行对比分析。研究结果表明:加权回归估计优于普通非线性回归估计;在构造的众多权函数中,以权函数1/D2H为最优;并进一步证实不同的模型有不同的最优权函数形式。     

用分段建模方法建立东北落叶松立木材积和生物量方程

以东北落叶松(Larix spp.)立木材积和地上生物量数据为例,通过采用误差变量联立方程组和分段建模方法,研究建立了相容的立木材积方程、地上生物量方程及生物量转换函数.结果表明:采用误差变量联立方程组能确保立木材积与地上生物量之间估计结果的相容性,而分段建模方法能有效解决常用模型在小径阶存在的系统偏估问题;本文所建立的分段一元模型,地上生物量和立木材积的总体预估误差均不超过5％;分段二元模型,地上生物量的预估误差基本在4％以内,立木材积的预估误差则小于3％.     

椴树胸径 根径和立木材积相关关系的研究

通过利用椴树（ＴａｌｉａＳＰ．）的胸径和立木材积、根径和立木材积间的相关性，运用回归分析的方法建立了回归方程，经过选择，确定了各自的合理模型，为了克服材积方程异方差性的影响，采用加权最小二乘法估计了模型的参数，找到了胸径和立木材积、根径和立木材积的最佳模型，提高了材积方程的适用精度。     

基于树高和树冠因子的立木材积模型研究

[目的]由于激光雷达技术已经能准确测定立木树高及相关树冠因子,应用该技术建立基于树高和树冠因子的立木材积模型,为激光技术在森林蓄积估计中提供技术支撑.[方法]利用云杉、冷杉、栎树、桦树4个树种组的3 010株实测样木数据,分析了立木材积与胸径、树高、树冠因子之间的相关关系;并通过对数回归方法构建了基于树高和树冠因子的立木材积模型,用确定系数R²和平均预估误差MPE等6项指标对模型进行评价.[结果]表明,立木材积与单一因子之间的相关,以胸径最为紧密,其次是树高,再次是冠长和冠幅.基于树高和树冠因子的立木材积模型中,以树高和冠幅作为解释变量的二元模型效果较好,再增加冠长因子的三元模型改进不大.云杉、冷杉、栎树、桦树4个树种组基于树高冠幅的立木材积模型,其R²分别为0.81、0.80、0.76和0.77,MPE分别为4.7%、5.3%、5.4%和5.3%,模型预估精度均能达到95%左右.[结论]本文对材积与林木因子之间相关关系的定量分析,建立了云杉、冷杉、栎树、桦树4个树种的立木材积模型,模型预估精度高.为激光雷达技术定量估测森林参数提供了依据.     

新疆云杉一体化立木生物量模型系统研建

[目的]研究建立地上生物量与地下生物量、立木材积之间相容,以及地上生物量与各分量之间可加的一体化生物量模型系统,为准确估计森林生物量提供定量依据。[方法]以新疆自治区的云杉(Picea spp.)为研究对象,基于230株和78株样木的实测地上生物量、树干材积和地下生物量数据,综合利用误差变量联立方程组方法和哑变量建模方法,研究建立集地上生物量、树干材积和地下生物量为一体,兼具相容性和可加性的二元和一元生物量模型系统,并分析一元模型是否受地域的影响。[结果]所建云杉一元和二元一体化生物量模型系统,地上生物量方程的平均预估误差在7%以下,干、皮、枝、叶各分项生物量方程的平均预估误差在10%左右,地下生物量方程的平均预估误差在15%以下,均达到了相关技术规定的预估精度要求。除了干材和树皮生物量的估计效果不如二元模型外,一元模型对其它各项生物量的估计均要优于二元模型。比例控制法和代数控制法均能解决地上生物量与干、皮、枝、叶各分项生物量之间的可加性问题,且两种方法得出的模型预估结果无显著差异。[结论]将哑变量引入误差变量联立方程组,不仅能解决地上生物量和地下生物量样本单元数不相等时如何联合建模的问题,还能同时解决地上生物量与地下生物量和立木材积之间的相容性问题及地上生物量与各分量之间的可加性问题,方法切实可行;对地上生物量、地下生物量及立木材积的估计,含区域因子的哑变量模型均要优于总体平均模型。     

基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析

[目的]通过对不同生物量和碳储量的估计方法进行对比分析,为确定在国家森林资源清查中生物量和碳储量的具体估计方法提供依据。[方法]以广东省2012年森林资源清查的100个杉木林和80个马尾松林的实测样地资料为基础,利用近年来我国建立的主要树种立木生物量模型,对改进IPCC法、生物量模型法和转换因子连续函数法(即方精云法)3种方法按一元和二元模型共6种方案进行了对比;同时,基于改进IPCC法一元和二元模型的生物量估计值,用平均含碳系数法、组分含碳系数法和固定含碳系数(0.5或0.47)法分别对碳储量进行估计。[结果]用二元生物量模型法得到的杉木林和马尾松林样地的总生物量分别为320 Mg和331 Mg,一元生物量模型法的结果分别相差0.9%和6.2%;改进IPCC法的估计结果,采用二元和一元模型时杉木林分别相差-3.6%和-11.9%,马尾松林分别相差-8.5%和-19.6%;而方精云法的估计结果,采用二元和一元模型时杉木林分别相差6.65倍和6.60倍,马尾松林分别相差-14.3%和-18.0%。平均含碳系数法和组分含碳系数法的碳储量估计结果,杉木林仅相差0.2%,马尾松林相差约0.4%;固定含碳系数法的估计结果因树种而异,对杉木林要低估0.6%5.4%,对马尾松林要低估3.3%9.1%。[结论]对生物量的估计,采用生物量模型法准确性最高,而林木水平的生物量模型其预估精度要高于林分水平的模型;IPCC法是基于材积源的通用方法,将其中的缺省参数改进为可变参数模型,可大大提高方法的适应性;方精云法只是基于IPCC法所建立的林分水平模型在大尺度上的一种具体应用方法,其精度要低于林木水平的生物量模型法,不适于中小尺度应用。对碳储量的估计,采用平均含碳系数法与组分含碳系数法差异很小,但采用固定含碳系数法则误差较大。     

基于不同立地质量的杉木生物量遥感估测

[目的]研究不同立地质量对杉木生物量遥感估测精度的影响,为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。[方法]以2007年建德市森林资源二类调查数据和TM影像为研究材料,采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级,比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型,并进行精度检验。[结果]表明:(1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.69以上,最高0.855。(2)利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为87.78%,分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。[结论]研究结果为森林生物量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

湿地松样本量大小对性状遗传力估算的影响

[目的]在保证遗传力估算精确度较高的前提下,探讨对已有湿地松测定群体遗传力评估最经济有效的调查取样数量(样本量),为遗传选择提供最佳的遗传参数和选择策略。[方法]以61个湿地松22年生半同胞家系的胸径、树高等生长性状和木材基本密度、弹性模量等材性性状测定值为试验数据,利用ASReml-R软件混合线性模型的限制性极大似然估计法(REML)估算各性状在不同参试样本量下的遗传力及其标准误。通过比较分析在不同样本量下各性状遗传力及其标准误估算值的收敛性,讨论样本量对性状遗传力估算的影响,进而确定各性状遗传力评估所需的最少样本量。[结果]对于61个湿地松自由授粉家系测定林,当测定的家系数少于39个或者随机测量的单株数小于600株时,估算的遗传力极不稳定,标准误偏大,随着样本容量或家系容量的增加其精度与准确性逐渐增加;遗传力较低的性状其遗传力估计所需样本量普遍大于遗传力较高的性状。[结论]对本研究的测定群体而言,要获得精确度较高的遗传力估算值,所需测定的湿地松家系数应该大于39个或者随机测量的单株数大于600株;由于材性性状遗传力相对较高,其需要测定的样本量可相对少一些。本文为大型用材树种遗传力估算提供了一个具有参考价值的实例研究,结果及相应的研究方法对于类似遗传测定群体遗传参数估算具有参考意义。     

楸树无性系早期生长变异和优选

[目的]为评价和选育优良楸树(Catalpa bungei C. A. Mey)无性系。[方法]本研究利用32个楸树无性系7年的生长测定数据,以分析其生长规律及早期生长过程。对各无性系的单株材积生长进行Logistic拟合回归分析。在此基础上,分析不同指标间的相关性并对32个无性系进行聚类分析。[结果]楸树无性系在不同年份(1 a除外)胸径、树高、单株材积差异极显著,说明楸树无性系间变异丰富。楸树单株材积变异系数最大(7.84%～35.56%),胸径次之(11.89%～17.29%),树高最低(6.91%～10.87%),无性系单株材积改良潜力较大。同时生长后期单株材积(0.75)和胸径(0.82)保持较高的重复力,意味楸树单株材积受遗传控制较强。利用无性系单株材积生长平均值,拟合了楸树无性系单株材积生长曲线的Logistic模型,估算的生长参数在无性系间具有较大差异。楸树无性系7年生单株材积平均年生长量呈"S"型曲线生长趋势,而连年生长量先上升后下降,在第5年达到高峰,截止到本次调查时还未达到数量成熟。相关性分析显示:楸树无性系单株材积生长量与最大生长速率(MGR)、线性生长速率(LGR)、线性生长量(LGI)极显著正相关。聚类分析结果表明:供试的32个楸树无性系分为4大类,其中第I类的楸树单株材积生长总量较大,且具有较强的后期生长潜力。[结论]不同楸树无性系的遗传变异丰富, 1-1、22-07、19-01、16-05、16-01、16-07等6个无性系生长潜力较高,可作为楸树的优良无性系进行推广。     

基于BP神经网络的天然云冷杉针阔混交林标准树高-胸径模型

[目的]以吉林省汪清林业局金沟岭林场12块天然云冷杉针阔混交林样地为对象,基于12 953对实测树高-胸径数据,结合林分优势高分树种(组)建立基于BP神经网络的标准树高模型。[方法]在确定隐层节点数后经过反复训练得到各树种(组)的适宜模型结构,使用相同的建模数据(8块样地)求解两个传统的树高方程,再利用未参与建模的4块样地分别验证模型。[结果]表明:落叶松、云杉的适宜模型结构(输入层节点数:隐藏层节点数:输出层节点数)为2:5:1;红松、中阔(白桦、大青杨、榆树和杂木)的适宜模型结构为2:4:1;冷杉的适宜模型结构为2:8:1;慢阔(色木、水曲柳、黄檗、紫椴和枫桦)的适宜模型结构为2:7:1。[结论]与传统方法相比,BP模型不依赖现存函数,不需要筛选模型形式,而且BP模型各树种R~2高于传统模型,平均绝对误差、均方根误差均小于传统模型,其拟合精度和预测效果均优于传统方程,可以有效地预测树高。     

基于MaxEnt模型的毛红椿适生区预测

[目的]了解环境因子对毛红椿适生区分布的影响,为其资源保护、引种及其人工林的发展提供参考。[方法]基于MaxEnt模型能利用现存不完整、小样本、离散型分布数据构建物种适生区预测模型,用受试者工作曲线线下面积(AUC)检验预测模型的精度,面积越大精度越高等优点,本研究应用毛红椿在云南的分布数据及1个地型因子和6个气候因子,来构建其适生区分布模型。[结果]毛红椿适生区分布MaxEnt模型平均训练AUC和平均测试AUC分别为0.891、0.885,说明对毛红椿适生区的预测是可靠的;降水量变异系数和最干季度降水量是决定毛红椿适生区分布的主要因子,年均气温变化范围、最冷季度平均气温、最湿季度降水量、最冷季度降水量是次要因子。在当代和未来(2050S、2070S)气候变暖条件下(RCP2.6情景),云南省和全国适生区面积计算结果直观、定量的反应了全球变暖对毛红椿适生区变迁的影响。[结论]预测云南省及全国的毛红椿适生区随全球变暖而小幅萎缩。     

香椿无性系苗期生长及早期选择研究

[目的]对香椿无性系的苗期生长进行分析,筛选优良香椿无性系,奠定遗传改良的基础。[方法]以49个香椿无性系为对象,分别于2015、2016、2017年测量其1、2、3 a生株高、胸径,计算材积,对表型性状及其增长量进行方差分析和遗传参数估算,采用独立淘汰法筛选排名前20%的无性系为优良,对中选无性系进行遗传增益等参数估算,并将试验地不同年份特征气象因子与无性系表型性状进行相关分析。[结果]株高、胸径及材积的生长连续3 a在无性系间存在显著差异,且生长性状的遗传变异系数、表型变异系数逐年减小,而变异幅度、重复力逐年增大;3 a生时,株高、胸径及材积的无性系重复力分别为0.55、0.50、0.67,重复力高。2015—2017年,49个香椿无性系之间胸径、材积增长量分别呈显著、极显著差异,3 a生材积与材积、胸径增长量呈高度正相关关系。以3 a生香椿无性系材积及其增长量为2组指标,独立筛选出优良无性系10个,中选无性系群体平均材积大于0.010 4 m~3·株~(-1),增长量大于0.009 7 m~3·株~(-1)。3 a生材积的遗传增益为17.38%,中选香椿无性系的稳定性系数b值均大于1,对年份环境敏感。气象因子-表型性状相关性分析显示,材积与年总降水量、日均降水量有显著正相关关系。[结论]参试香椿无性系间材积差异极显著,选择潜力大;中选的优良香椿无性系遗传增益超过15%,但其在不同年份差异大且稳定性差,这可能与年份降水量有关。     

干旱处理对毛竹光响应的影响:基于4种模型比较分析

[目的]采用4种模型对干旱处理下毛竹叶片光响应曲线进行拟合比较,分析各模型的优缺点,以选出适合毛竹光响应曲线拟合的最佳模型,并量化干旱处理对毛竹光合光响应的影响。[方法]主要采用Li-6400便携式光合仪测定干旱处理下毛竹的光响应曲线,并通过4种模型对其进行拟合。[结果]研究表明:(1)在干旱和对照处理下各模型的决定系数R~2均大于0.995,说明拟合精度较高。综合各参数可以看出,直角双曲线修正模型拟合效果最佳,相对误差RE平均值为0.07,而指数模型参数拟合效果最差,RE平均值为0.767;(2)通过直角双曲线修正模型拟合各光合参数,在干旱环境下,暗呼吸速率R_d、光补偿点LCP和水分利用效率WUE较高,分别为对照环境的1.57倍、1.66倍和1.06倍,而净光合速率P_(nmax)、光饱和点LSP和表观量子效率AQY分别比对照环境降低3.6%、17.6%和4.8%。[结论]从整体拟合效果来看,这4种模型拟合顺序为:直角双曲线修正模型直角双曲线模型非直角双曲线模型指数模型。通过在干旱和对照间毛竹各光合参数的比较发现,毛竹对干旱环境有一定的适应能力。