基于混合效应模型的人工红松枝下高模型研建 |
| |
作者姓名: | 燕云飞 王君杰 姜立春 |
| |
作者单位: | 东北林业大学林学院,森林生态系统可持续经营教育部重点实验室,黑龙江 哈尔滨 150040 |
| |
基金项目: | 国家自然科学基金项目(31570624),黑龙江省应用技术研究与开发计划项目(GA19C006),中央高校基本科研业务费专项(2572019CP15) |
| |
摘 要: | 目的 基于帽儿山红松人工林63块样地2 972株红松数据,利用非线性混合模型构建红松枝下高模型,为进一步研究生长与收获模型提供理论依据。 方法 本文首先使用8个常用的枝下高模型,选出最优基础模型;其次,研究林分变量或单木变量对枝下高的影响,建立含林分变量的枝下高模型;最终在基础模型和含林分变量模型的基础上,考虑样地效应对红松枝下高的影响,构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式(随机抽取、抽取最大树、抽取最小树、抽取平均树)和8种样本大小(1 ~ 8株树)对基础混合效应模型和广义混合效应模型进行抽样检验。 结果 Logistic模型拟合精度好,符合生物学意义,且模型形式简单,选为最优基础模型。除树高、胸径以外,大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性,加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时,建议抽取胸径最小的4个样本;当应用广义混合效应模型预测时,建议随机抽取4个样本。 结论 枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型,建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时,建议随机抽取4个样本。
|
关 键 词: | 红松 非线性混合模型 枝下高 人工林 混合模型校正 |
收稿时间: | 2019-09-20 |
|
| 点击此处可从《北京林业大学学报》浏览原始摘要信息 |
|
点击此处可从《北京林业大学学报》下载全文 |