二元材积模型的调整

<正> 二元材积模型表示空间一回归曲面,它与空间散点分布趋势的配合不能完全吻合。本文通过对胸径和树高两个变量分别加入“调整参数”,并根据最小二乘法原理,以迭代法求解“调整参数”的方法,适当调整了模型曲面的空间位置和形状,使其与空间各散点的配合更趋协调与吻合,从而提高了二元材积模型的拟合精度。     

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。     

三种回归分析方法在Landsat-5影像森林碳密度反演中的比较

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法(逐步回归、偏最小二乘回归及非线性回归)分别建立森林碳密度的最优遥感估算模型。结果表明:1参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;2三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm2,变化范围介于0.00~38.28 t/hm2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。     

基于Landsat5 TM遥感影像估算江山市公益林生物量

本研究基于Landsat5 TM遥感影像数据和样地调查数据,利用多元逐步回归、偏最小二乘回归和随机森林回归3种方法,建立江山市公益林生物量估算模型,分析和比较3种模型的精度结果,探究随机森林回归模型在估算生物量方面的应用,为提高估算森林生物量的精度提供参考。结果表明,多元逐步回归模型的预测精度为58.31%、均方根误差为31.02 t/hm2,偏最小二乘回归模型分别为60.84%、30.72 t/hm2,随机森林回归模型为70.02%,22.18 t/hm2。由此可得,随机森林回归模型的预测精度优于其他2种模型,随机森林算法能提高估算森林生物量的精度。     

材积方程中异方差的检验和校正

本文提出了通过检验剩余绝对值和自变量的等级相关系数,检验材积方程模型异方差性的方法。用加权最小二乘法估计异方差的材积方程参数,有效地克服了村积的异方差性,提高了材积方程的适用精度。     

柞树根径立木材积表的编制

根据树木根径、立木材积的相关关系 ,对 4 19株柞树的根径和立木材积进行回归分析 ,建立了回归方程选优后采用加权最小二乘法估算了材积方程的参数 ,确定了最合理模型 ,进而编制了柞树的根径立木材积表 ,为正确估测盗伐量、误伐量提供了理论上的依据     

马尾松毛虫发生量的非线性似乎不相关分析

根据非线性似乎不相关回归原理,建立仙居县1983—2009年马尾松毛虫虫口密度、有虫面积和有虫株率的非线性似乎不相关回归模型,结果表明:虫口密度、有虫面积和有虫株率的非线性似乎不相关模型的拟合精度高于普通最小二乘法的拟合精度;用非线性似乎不相关模型预测未参与建模的2010—2011年4代马尾松毛虫的虫口密度、有虫面积和有虫株率,预测的平均相对误差分别为18.25%,18.17%和14.35%。     

利用加权最小二乘法求解材积方程的参数

林业生产中经常用到的立本材积表是建立在回归方程的基础上的。一般的程序是首先选择以胸经、树高等因子或者它们的某种组合形式为自变量而以其相应材积为因变量的适宜材积方程,然后通过样本数据利用最小二乘法求解出材积方程式的参数。求出材积方程后,以此为基础编制成材积表或者直接利用材积方程来预报材积。这个问题是一个利用回归方程进行预报的问题。实际上,关于回归关系的显著性检验、预报置信区间的确定等问题都是从理论上较为完备的线性同归模型出发的。我们知道,线性同归模型是要求预先满足一些假定条件的。主要的假     

基于ALOS数据的云南松林蓄积量遥感估测方法

基于ALOS数据和样地实测数据为数据源,云南省宜良县为研究区,以提高森林蓄积量遥感估测模型精度为目的,从遥感、GIS、郁闭度等方面选取与森林蓄积量相关性较高的因子作为自变量。采用逐步回归法、主成分分析法、偏最小二乘法3种模型估测宜良县的云南松林蓄积量。从3种模型的拟合效果和估测精度比较结果表明:偏最小二乘法精度最高,调整决定系数为0.754,预测精度为82.77%,与主成分分析等传统线性估测模型相比精度有较大改善。     

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。     

利用RS和GIS的森林蓄积量偏最小二乘估测研究

在运用RS、GIS可提取的因子为自变量的森林蓄积量遥感估测中 ,本文提出运用偏最小二乘 (PLS)估计的数学模型。它能使蓄积量估测模型的稳健性增强 ,能够很好地克服传统的基于最小二乘 (OLS)估计建立起来的模型无法真正克服样地少、各自变量之间相关性强及对蓄积量的解释性不强等问题 ,并应用于福建漳浦地区。结果表明 :该方法有较高的预报精度 ,同时可大大降低成本。     

基于卫星图像的立木材积表编制编程实现

介绍了以编程实现编制卫星图像立木材积表的过程,着重介绍了使用最小二乘法计算经验模型中参数的算法及部分代码,并以北京市密云县雾灵山的落叶松为例,利用软件建立了胸径和冠幅的一元回归模型：D1.3=3.301 4＋6.312 2Ck,并据此编制了一元卫星图像立木材积表。     

基于遥感技术的宜良县云南松蓄积量反演

以云南省宜良森林二类调查数据为样本,基于Google Earth Engine云平台Landsat 8 OLI影像,结合植被因子、纹理特征以及K-T变化为自变量,构建了多元线性回归和随机森林的建模方法,建立了森林蓄积量反演模型.以宜良县云南松为研究对象,运用Landsat8 OLI遥感影像数据结合地面角规控制样地调查数...     

大兴安岭不同区域落叶松相容性材积方程及异方差研究

[目的]对不同区域立木相容性材积方程以及不同异方差校正方法进行详细对比分析,建立相容性材积方程预估大兴安岭不同区域落叶松的立木材积。[方法]以大兴安岭3个不同区域的落叶松为研究对象,采用误差变量联立方程组的方法构建不同区域立木相容性材积方程。采用非线性额外平方和的方法(F检验)进行区域性检验。使用多种权函数分别对3个区域存在异方差的材积方程进行加权回归。[结果]表明:任何2个区域的立木材积方程都有显著不同(P0.000 1),区域1和区域3的材积相差较大,区域2与区域1和区域3的材积相差较小。不同区域立木材积方程的错误应用会导致较大的预测误差。在参数稳定性和评价指标方面,加权估计会优于普通最小二乘估计。基于平均相对误差(MRE)和总相对误差(TRE),区域1(-0.11、0.97)、区域2(0.04、0.08)和区域3(1.04、0.93)的最优权函数分别为1/F(x)、1/D4.99、1/D3.38。[结论]立木材积方程是森林调查和林分生长与收获模型的主要组成部分,本文所构建3个区域的相容联立方程组模型预测误差均不超过±3%。建立相容性立木材积方程时应考虑其异方差的影响。最优权函数没有统一的形式。为尽可能得到稳定的参数估计,在加权回归估计过程中应选用多种权函数进行对比分析。     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

利用度量误差模型方法建立海南省桉树、木麻黄、马占相思重量与材积相容性模型

利用海南省按树、木麻黄、马占相思实测数据,采用度量误差模型方法,研究建立树干去皮材积与重量相容性联立方程,并对使用普通非线性回归方法和度量误差模型方法得到的重量估计结果进行对比分析。结果表明：对于带有度量误差的重量模型,使用度量误差模型方法进行估计效果更好;所建立的树干去皮材积与重量相容性联立方程拟合效果均较好,且二元明显优于一元,采用一元材积的重量模型预估精度达到96％以上,采用二元材积的重模型预估精度达到98％以上。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

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。     

沙松人工林一元和二元立木材积表的编制

编表材料来源于黑龙江省东南部5个林业局标准地的解析木，采用非线性回归模型迭代法拟合材积方程的参数，对方程进行残差分析和参数估计，在此基础上对材积表进一步进行误差估计和精度检验。