以单木生长模型模拟林分生长

本文讨论林分表法预估林分生长的核心,以单木模型计算树木生长量、转移概率和未来直径分布。结合其它一些林分调查因子的生长方程编制,模拟兴安落叶松(Larix gmenilii)天然林的生长程序(UIMN BAS)。该程序可模拟林分在自然状态和间伐后的生长过程,为定量间伐提供选择依据。     

基于单木水平和林分水平的油松兼容性生长模型

以油松林分为研究对象,基于北京市一类连续清查数据161块油松林分2期固定样地,建立单木水平和林分水平模型,利用组合预测法把油松单木水平模型和林分水平模型组合起来,用最优加权法计算单木水平和林分水平的权重系数,最后用3项数学指标M_AD、R_MSE、R²评估模型的预测效果。结果表明,所建的单木水平、林分水平和组合水平模型的预测效果均较好,经过分析比较,组合预测法预测油松断面积、蓄积量生长模型的精度高于单木水平和林分水平预测的精度。组合预测法所建立的模型结合了单木水平、林分水平模型的优点,提高了油松林分生长预测模型的兼容性,保障了油松林分生长模型预测结果的一致性,也可以用来预测下一期油松林分断面积、蓄积量生长规律。     

湖北省马尾松人工林林分生长过程表的编制

根据３６０块标准地１９３株解析木资料，采用Ｃｈａｐｍａｎ－Ｒｉｃｈａｒｄｓ函数和二次项方程分别模拟平均树高和平均胸径的生长过程，运用迭代法分指数编制了湖北省马尾松人工林林分生长过程表。经预测检验，精度很高，可应用于湖北省马尾松人工林的经营。     

马尾松人工林单木生长神经网络模型研究

以马尾松人工林间伐试验林为研究对象，用林分内单木相对直径、林分年龄、地位指数和单株地积作为输入变量，以单木直径生长量作为输出变量，构建了4：S：1的BP神经网络模型。用间伐试验林的单木生长数据对网络模型进行训练，得适宜的网络结构为2：3：1，网络对象名取为DMnet。网络模型理论值与实际值比较的结果，各密度级的平均训练精度为90．10％～97．73％。与常规模型的拟舍精度83％～93％相比，神经网络模型取得了较好的拟合效果。网络模型的仿真结果显示，随相对直径和单株地积的增大，单木胸径定期生长量逐浙增大，其变化细节与林木在林分中所处的空间位置相符合，说明所建的单木生长神经网络模型能有效地描述林木生长随相对直径和林分密度指数的变化规律。模型可供同类条件的林分在进行经营设计时进行有关的分析、计算、模拟、预测等使用。     

马尾松人工林直径分布神经网络模型研究

该文首先以相对直径为输入变量,以累积频率为输出变量,构建了1∶S∶1的林分直径分布BP神经网络模型. 用1块具有代表性、26年生、全林伐倒测定每木胸径、树高生长过程的马尾松人工林标准地直径分布数据,作为马尾松人工林的期望分布,对所建模型进行训练、用定性与定量相结合的方法,选出既符合林分直径分布规律,又具有较高拟合准确度的网络模型结构为1∶2∶1,网络对象名为FRdnet2 该模型的总体累积频率拟合准确度达99.5%,径阶累积频率拟合准确度最低93%、最高99.9%、平均99%,径阶频率拟合准确度最低82%、最高99%、平均95%. 神经网络建模技术的拟合准确度好,可作为有效的林分直径分布模拟技术.      

不同密度杉木人工林林分生长和林分结构差异研究

探究不同密度杉木人工林林分结构与生长的差异,为杉木人工林的可持续经营提供科学依据。以清远市11年生3个不同密度(2 100、3 100、4 100株·hm^-2)杉木人工纯林为研究对象,每个密度设置6个固定标准样地(20 m×20 m),选取大小比数、角尺度、直径结构、树高结构以及树冠结构5个参数探究林分结构特征,选取林分平均胸径、平均树高、蓄积和林木单株材积等指标探究林分生长特征,通过方差分析探讨林分密度对杉木人工林林分结构和生长的影响。结果表明,1)林分生长指数受林分密度影响差异显著(P<0.05),4 100株·hm^-2杉木人工林的平均胸径、树高、单株材积显著低于其他2种密度林分,3 100株·hm^-2杉木人工林的蓄积显著高于其他2个密度林分。2)林分直径结构和树高结构在较高的林分密度下,小径级的林木较多,其分布曲线呈现为截尾正态分布。3)3 100株·hm^-2的平均冠幅显著大于其他2种林分,4 100株·hm^-2的平均树冠表面积以及树冠体积显著小于其他2种林分,3种...     

林分保留密度的人工神经网络模型研究

为探索人工神经网络在林分保留密度研究中的应用效果,以马尾松人工林为对象,481块标准地资料为基础数据,用MATLAB的正切“S”形函数tansig为神经元的作用函数,以年龄和密度的标准化、归一化数据为训练样本,构建和训练林分保留密度的人工神经网络模型,并与幂函数进行对比研究.结果表明,密度与年龄的关系用幂函数(y=axb)描述,拟合精度为91.29%;用人工神经网络描述,拟合精度为94.27%.可见,人工神经网络能比常规方法更好地模拟林分密度随年龄的变化规律,特别能有效地模拟经营活动下的复杂过程.     

马尾松人工林生长动态观测与密度决策的支持模型研究

应用系统工程的方法研究马尾松人工林生长动态预测与密度决策的支持模型，该模型由一系列生长模型组成，可动态预测林分生长过程以及筛选优化合理经营密度，从而使林分始终处于较优蓉间状态，达到速，生，丰产，优质，高效的目标。模型用模外２０块样地资料圣马尾松人工林单木生长模型进行Ｆ检验和ｕ检验，两种结果表明，模型的预测精度较高，可在生产中应用。     

杉木人工林林分生长模拟

应用生理森林过程生长模型(3-PG)对杉木试验林的生长进行模拟,选择胸径、树高、干生物量和蓄积量的连年生长量等4个指标,对模型模拟值和实测值进行比较分析。结果表明,模型模拟值与实测值呈极显著的正相关关系(P<0.001),模拟值能解释观测值90%以上的变化;模型模拟的平均精度在85%以上。     

一二代不同林龄马尾松林分材积生长过程及林分结构比较

采用配对样地法,以不同栽植代数(一、二代)、不同发育阶段(8、15、20年)的马尾松人工林为对象,对一、二代不同林龄马尾松林分单株材积生长过程及林分结构进行比较分析.结果表明:连栽后,一、二代幼龄、中龄林分平均木单株材积平均生长和连年生长在整个生长过程总体表现为二代要好于一代,马尾松连栽并未导致林分平均木单株材积生长出现下降趋势,一、二代林分株数百分比径阶分布随林龄不同而不同,同代林分林木株数百分比径阶分布在不同林龄阶段也不同,连栽并未影响林分结构.     

基于人工神经网络的林分直径分布预测

以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10～30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。     

马尾松人工林与距离有关的单木模型研究

为使单森竞争指标与林分密度具有兼容性,以更好地实现马尾松人工林的生长预测,就２３块马尾松人工林固定样地资料,用Ｈｅｇｙｉ的简单竞争指数作 龄级和密度级确定竞争木株数,用回归分析方法组建模型,对与距离有关的单木模型进行了研究,精度分析表明,单森生长速率拟合精度８０￣９６％,单木生长状态预测精度平均在９７％以上,林分断面积预测精度在９５％以上,说明单木模型预测精度高,使用效果好,建议进行广泛的研究和应     

施肥对马尾松人工幼林生长的影响

为了探明施肥对马尾松人工林生长的影响,在桂西北干热河谷地区选择马尾松人工幼林建立固定样地,采用生物有机无机复混肥不同肥施量进行连续5年4个处理(即A 1.0 kg/株、B1.5 kg/株、C2.0 kg/株,以及CK不施肥)的肥效试验。当林分生长至9年生时,其生长量显示如下规律:(1)胸径生长量为C(11.40 cm)>B(11.10 cm)>A(10.87 cm)>CK(10.80 cm);(2)树高生长量为C(9.87 m)>B(9.43 m)>A(9.23 m)>CK(9.20 m);(3)林分蓄积量为C(79.35 m3/hm2)>B(72.45 m3/hm2)>A(68.34 m3/hm2)>CK(67.33 m3/hm2)。从总体上看,马尾松人工幼林生长量显示出施肥比不施肥提高1.5%～17.9%,其中,施肥量2.0 kg/株处理对林木生长的效果显著。     

Elman动态递归神经网络在树木生长预测中的应用

该文充分考虑树木生长所特有的动态性、随机性和非线性,以及Elman动态递归模型的结构特点,获取北京山区油松解析木生长数据,分别建立了Elman型树木胸径生长和树高生长的神经网络动态模型.研究表明,Elman动态递归模型对非线性问题建模具有很好的拟和性和仿真性,其中,用于胸径生长建模时,其拟和精度达到99.45%,仿真精度达到99.42%;用于树高生长建模时,拟和精度达到 97.30%,仿真精度达到97.29%,而且其拟和和仿真曲线均为“S”形,符合树木生长规律.进一步对Elman动态模型和常规BP静态模型比较发现,Elman模型具有更好的拟和性、预测性和稳定性.      

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

广东主要乡土阔叶树种单木生物量生长模型

【目的】选择广东主要乡土阔叶树种樟树Cinnamomum camphora、木荷Schima superba和枫香Liquidambarformosana为研究对象,建立3个树种的单木生物量生长模型,快速精确计量和监测森林碳汇造林项目的碳储量变化。【方法】每个树种按10个径阶均匀分配伐倒90株样木(共270株),以样木的生物量数据为单木生物量,以立木年龄为自变量,分别建立不同起源(天然林和人工林) 3个树种的地上和地下4种方程生物量生长模型,并选择最优模型通过联立方程组总量控制法解决地上各组分(干材、树皮、树枝、树叶)的生长模型相容性问题。【结果】天然林和人工林起源条件下,相同树种在同一生物量生长模型形式下生物量增长的上限值和最大增速年龄均有差异。各方程在相同起源和树种条件下所得的生物量上限和拐点年龄差异明显。估计地上生物量时,各树种最优方程形式不同。选择Logistic方程对3个树种地上各组分生物量联立方程组建立相容性生长模型,3个树种干材生物量方程的R_(adj)~2为0.560～0.768,平均预估误差(MPE)为3.05%～6.73%;树皮生物量方程的R_(adj)~2为0.552～0.866,MPE为2.02%～6.27%;树枝生物量方程的R_(adj)~2为0.309～0.706,MPE为3.01%～14.33%;树叶生物量方程的R_(adj)~2为0.495～0.767,MPE为4.16%～7.14%。【结论】比较4种模型的参数及评价指标可知,地上生物量生长最优模型为Logistic方程,地下生物量生长最优模型为Schumacher方程。地上各组分生物量在立木生长的周期中占地上总生物量的比例随着年龄的增长而不断变化。选择Logistic方程对3个树种地上各组分生物量联立方程组建立相容性生长模型,干材和树皮的生物量方程拟合效果相对于树枝和树叶更好。该模型主要适用于在已知年龄的人工碳汇造林的生物量估计;结合含碳系数,可预估未来一定时期内的碳储量及碳汇量。     

马尾松近自然改造初期的混交度与分布格局

近自然森林经营被广泛认为是优化森林结构进而实现森林多功能的有效途径。以中国林科院热带林业实验中心（简称热林中心）伏波林场内1993年春季杉木采伐迹地更新造林的马尾松人工纯林为研究对象,按照补植树种的不同,进行4种不同模式的近自然化改造设计和作业,并从林分混角度、林木空间分布格局2个方面对改造效果进行分析。结果表明:近自然化改造后的林分,混交度有了明显的提升,林木空间分布格局从最开始的均匀分布逐渐过渡为聚集分布或随机分布。因此,近自然化改造有利于优化林分空间结构,从而为森林多功能的发挥提供了前提基础。     

马尾松人工林经营密度模型研究

采用人工神经网络的建模技术建立了林分蓄积与立木密度、林分年龄和地位指数间的全林分生长模型,并以所建全林分生长模型为基础构造目标函数,采用改进单纯形法对建立的目标函数进行搜索寻优,以找到最佳的经营密度及对应的间伐时间。结果表明,拟合结果符合林分生长规律,可以用BP神经网络建模技术建立相应的全林分生长模型;用改进单纯形法对目标函数进行优化,不仅可以求得最优的保留密度,而且可以求得对应的间伐时间。     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。