基于节子分析技术构建落叶松人工林树冠基部高动态模型

【目的】基于节子分析技术构建落叶松人工林树冠基部高动态预测模型,分析落叶松树冠衰退规律及其影响因素,为制定合理的经营措施提供理论依据。【方法】以2007年设立的8块落叶松人工林标准地获取的40株解析木数据为基础数据,采用节子分析技术,得到树冠基部高随年龄的动态变化数据,应用传统线性模型、理查德和逻辑斯蒂非线性模型构建落叶松树冠基部高动态模型。【结果】传统线性模型、理查德和逻辑斯蒂非线性模型可较好拟合树冠基部高动态变化过程,模型参数均具有统计意义(P0.01),以理查德方程为基础模型构建的树冠基部高模型拟合效果最好,加入权重因子可消除异方差,降低估计参数标准误,提高预测精度,模型的确定系数(R~2)为0.904,绝对误差(Bias)和均方根误差(RMSE)分别为0.002和1.251,最优落叶松树冠基部高模型形式为HCB=(3.146+0.036CCF+0.225Bas+0.788HT-0.481CL)(1-e~(-0.086 t))~(4.278)。【结论】树冠基部高动态变化过程与林分发育规律一致,符合"S"形生长曲线,可通过树冠竞争因子(CCF)、林分断面积(Bas)、调查当年的树高(HT)和冠长(CL)解释,解释率达90.4%。树高、树冠竞争因子和林分断面积增大会导致树冠基部高上升,加速落叶松树冠衰退。竞争对树冠的影响较敏感,落叶松人工林10～41年间,树冠竞争因子大(187.33)的林分冠长率从75%下降到36%,而树冠竞争因子小(105.82)的林分冠长率从75%下降到40%;落叶松人工林树冠基部高平均每年上升0.66 m。本研究构建的树冠基部高动态模型可较好模拟落叶松人工林树冠基部高动态变化过程,利用单木和林分变量能够解释落叶松人工林树冠衰退趋势。通过检验验证,基于节子分析技术获取的树冠基部高数据构建的动态模型精度较高,可作为一种获取长期树冠动态变化数据的有效手段。     

MAXIMUM DENSITY LINE AND MODEL OF SELF-THINNINGFOR PLANTATION

INTRODUCTIoNTIle3/2powerlawofsellLthinnlngpro-posedbyYodaelal(l963)wasconsideredasthegeneralmodelwhichdescribedtherela-tionshipoftreesizcandmaximumpopulationdcnsity'fortl1e.plai1tpopulationundergoingself-thinning.Furtherresearch,however,re-vealedtheoreticalinconsistenciesandempiri-calinaccuracy'ofthelaw(Sprugel1984,Zeidc1()85,l987;Wellerl987).Theseresearchcrsconsideredtl1elaM'isathilure.Sincetl1en-asecondtideofsuppoltingappeared,theyinter-pretedandreflitcdtl1eopposingopinions(Osa`vaand…     

人工林三维可视化经营技术初探

从4个方面对人工林三维可视化经营技术进展情况进行了论述.     

落叶松人工林整枝研究

根据落叶松人工林不同林龄的10块样地50棵树的节子数据和19块样地95棵树的圆盘数据,建立树高曲线模型、有效冠高的预估模型、林龄与死枝高度的曲线模型,各模型的判定系数均大于0.8,检验精度均大于95%。根据节子高度中的最低节子高度的平均值确定落叶松人工林的整枝起始高度（h1）,用林龄与死枝高度的曲线模型计算该高度上的枝条死亡的时间（t1）为起始整枝时间,t1=14 a。整枝的间隔时间随着林龄的增加先增大,当林龄达在40 a时开始减小。整枝强度也是随林龄的增加先增大,当林龄达到40 a时开始下降,说明林龄在35~40 a是该落叶松人工林生长最旺盛的时期,在这段时期可以考虑该落叶松人工林的主伐问题。当林龄达到47 a后,整枝强度降到1m以下。     

基于大比例尺航片的针叶树种冠幅的提取

基于凉水国家级自然保护区2009年拍摄的1：2000航空像片和同期森林资源二类调查的固定样地数据,采用子像元分类方法分别提取出红松、落叶松和云冷杉的专题影像图。在此基础上,将栅格专题影像图转换为矢量图形,采用目视解译的方法提取上层针叶林的树冠信息。通过将针叶树冠形似为圆形提取出各树种的冠幅,用固定样地实测数据进行对比分析和精度评价,并建立航片上提取冠幅与实测冠幅之间的一元线性回归模型。结果表明：红松、落叶松和云冷杉冠幅的提取精度分别达到83．50％、84．35％和82．26％,其预测精度分别达到83．60％、81．46％和83．57％。     

帽儿山天然次生林主要树种冠长率模型

对黑龙江省帽儿山实验林场天然次生林内的10个主要阔叶树种建立冠长率模型。采用2007年设置的30块固定标准地中获取的4237株样木,使用其中的3628株建立冠长率模型。从大小、竞争和立地3个角度来解释冠长率,利用Logistic方程的形式来构造冠长率模型,并且使用多重决定系数来评价3个方面因子所解释变量的百分比。模型拟合结果表明:变量解释的百分比从12.8813%(色木)到42.1168%(白桦),而对于帽儿山次生林区分布最多的树种紫椴的解释变量百分比是17.4032%。对所建立的冠长率模型进行检验,获得较高的预估精度和较低的各种误差百分比。     

广义Schumacher生长方程的推导及其应用

基于树木生长的生物学假设,通过提出衰减方程,导出了广义Schumacher生长方程,并将其分成两种生长类型LI-A型(P>1)及LI-B型(0相似文献   

基于大比例尺航片的树种结构空间分布分析

以凉水自然保护区2008年拍摄的198张航空像片和2009年森林资源"二类清查"为数据源,根据光束法区域网平差原理,采用全数字摄影测量工作站VirtuoZo NT系统对航空像片提取生成比例尺为1∶10 000的数字高程模型(DEM)。同时,在GIS软件的支持下获取坡度、坡向等地形因子信息并根据小班的树种结构,分析树种结构与海拔、坡度和坡向之间的空间分布格局。     

基于Possion回归混合效应模型的长白落叶松一级枝数量模拟

利用广义线性混合模型对长白落叶松一级枝条数量进行研究,以黑龙江省佳木斯市孟家岗林场长白落叶松人工林为研究对象,基于7块标准地49株枝解析样木的596个一级枝条测定数据,利用SAS 9.3软件中的PROC GLIMMIX模块,建立了基于Poisson分布的一级枝条数量的最优基础模型。在此基础上考虑树木效应,构建每半米段一级枝条数量的广义线性混合模型,并利用AIC、BIC、-2log likelihood以及LRT检验对收敛模型的拟合优度进行比较。结果表明:任意参数组合的混合效应模型的拟合效果均好于传统模型,最终将含有DINC、LnRDINC、RDINC2这3个随机效应参数的模型作为长白落叶松每半米段一级枝条数量分布的最优混合效应模型。模型拟合结果显示,LnRDINC、CL的参数估计值为正值,DINC、RDINC2、HT/DBH、DBH的参数估计值为负值,每半米段一级枝条分布数量在树冠范围内存在峰值,模型的确定系数R2为0.669,拟合的平均绝对误差为2.250,均方根误差为3.012。从总体上看,所建立的一级枝条分布数量混合模型不但可以反映总体枝条数量的变化趋势,还可以反映树木之间的个体差异,说明广义线性混合模型确实可以提高模型的模拟精度。所得出的混合模型可以很好地预估该研究区内人工长白落叶松每半米段一级枝条数量的分布情况,为定量研究长白落叶松树冠构筑型和三维可视化模拟提供了基础。      

应用Hooke&Jeeves算法对长白落叶松人工林多目标经营的优化

根据长白落叶松人工林单木生长模型,运用HookeJeeves求解算法确定了林分初植密度为3 300株/hm~2时,以不同立地的林分木材价值和碳储量同时最大为经营目标的最优经营模式,并分析经营目标对优化结果的影响以及经济参数的敏感性。结果表明:林分初植密度为3 300株/hm~2时,各立地条件下林分最优间伐次数为3次。地位指数16、18、20 m的林分多目标优化的轮伐期分别为50、46、43 a;木材平均产量分别为7.897、9.429、11.070 m~3·hm~(-2)·a~(-1)。随着碳储量权重的增大,碳储量对经营目标最为敏感。在相同立地条件下,随着贴现率的增大,轮伐期延长,净收入、净现值和碳储量减少,木材产量增加。对于相同贴现率,立地质量越好,木材产量、净现值、年均净收入和碳储量越大,轮伐期越短。年均净收入和净现值受木材价格的影响较大,且与木材价格呈现正相关关系,而木材产量和碳储量受木材价格的影响不大。碳储量、净现值、木材产量和年均净收入对营林成本不敏感,木材价格提高或者营林成本降低均能缩短轮伐期。