【目的】采用非线性分位数回归方法构建樟子松树干削度方程,并对比分析9个分位数(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型和传统的非线性回归削度方程的预测精度。【方法】以七台河市林业局金沙林场154株人工樟子松干形数据为研究对象,选取简单削度方程、分段削度方程和可变指数削度方程,利用非线性回归和非线性分位数回归方法构建樟子松树干削度方程。采用确定系数(R~2)、平均误差(MAB)、相对误差(MPB)、均方根误差(RMSE)为统计指标对构建的削度方程进行对比分析。【结果】(1)在9个分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)下的各削度方程都可以收敛,分位数回归方法可以灵活预测各分位点树干曲线的变化。(2)与非线性回归相比,基于中位数(τ=0.5)时的各削度方程在拟合过程中表现最好,其中以可变指数削度方程表现最优。(3)检验结果也表明:相对于非线性回归的各削度方程,基于中位数(τ=0.5)的简单削度模型的MAB和MPB均下降26.7%,RMSE下降19.9%;基于中位数(τ=0.5)的分段削度方程和可变指数方程预测能力较强。(4)中位数回归的各削度方程在树干大部分的预测能力都优于相应的非线性削度方程。【结论】分位数回归方法是一种稳健的建模方式,基于中位数(τ=0.5)的可变指数削度方程的预测精度最高,适合该区域樟子松树干干形的预测。

【目的】采用非线性分位数回归法构建落叶松树干削度方程,比较分析不同分位数(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)及其组合分位数的拟合及检验结果,以提高模型预测精度。【方法】基于大兴安岭落叶松干形数据,采用Koenker和Bassett提出的分位数回归法,利用SAS软件的NLP拟合基于各分位数的Max-Burkhart分段削度方程,选取确定系数(R2)、平均误差(MAB)、均方根误差(RMSE)、相对误差(MPB)和预估精度(P%)对削度方程进行对比分析。【结果】1) Max-Burkhart分段削度方程在9个不同分位点(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)均能收敛,说明分位数回归可以提供许多不同分位数的估计结果,进而可预测任意分位点处干形的变化趋势; 2)基本模型和分位点处(τ=0. 4、0. 5、0. 6)的分位数模型拟合结果相近,分位数组合(3、5、7、9)可提高模型拟合效果,其中基于3个分位数组合(τ=0. 3、0. 5、0. 7)、5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)、7个分位数组合(τ=0. 1、0. 2、0. 4、0. 5、0. 6、0. 8、0. 9)、9个分位数组合(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)在分位数组合相同时分别表现最优; 3)模型检验表明,大多数分位数回归组合的检验统计量都优于基本模型和各分位数模型,相对于基本模型,5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)模型的MPB、MAB、RMSE分别降低13. 9%、13. 9%、13%。【结论】分位数回归能够提高模型预测精度,基于5个分位数组合的Max-Burkhart分段削度方程在拟合及检验统计量等方面表现较好,适合于大兴安岭落叶松树干削度预测。

以黑龙江省七台河市林业局金沙林场114株人工兴安落叶松树干干形数据为例,利用非线性混合模型技术拟合Max-Burkhart分段削度方程。结果表明:当利用SAS软件的PROC NLMIXED模块对Max-Burkhart模型进行拟合时,引入随机参数b1、b2、b3时模型拟合最好;随机参数b1与冠长率和冠长呈负相关,与树冠高度呈正相关;随机参数b2与冠长率和冠长呈正相关,与树冠高度呈负相关;随机参数b3与冠长率、冠长、树冠高度没有显示出相关性。利用随机参数b1、b2、b3与树冠特征的相关性构建了含有冠长率、冠长和树冠高度变量的3个模型,并且所有模型的参数估计值都是显著的,这充分说明冠长率、冠长和树...

【目的】基于樟子松和兴安落叶松干形数据，比较分析最小二乘法（ONLS）、分位数回归（QR）、混合效应模型的固定效应法（FIXED）以及广义加性模型（GAM）对树干不同位置直径和树干总材积的预测精度，为树木干形和材积精准预测提供参考。【方法】以大兴安岭漠河林业局不同林分条件下的187株樟子松和283株兴安落叶松为研究对象，拟合林业上常用的33个削度方程，选出精度较高的削度方程作为ONLS、QR和FIXED的基础模型。基于描述干形的常用变量，同时考虑变量转换，如平方和开根号等变量转换构建GAM。应用R软件对4种建模方法进行拟合，选取平均误差（ME）、均方根误差（RMSE）、百分比均方根误差（RMSE%）和确定系数（R~2）对比分析4种建模方法，采用留一交叉检验法对不同建模方法进行检验，比较各方法预测树干不同位置直径和树干总材积的精度。为更直观展示各建模方法效果，分别从2种树种中随机抽取2株不同大小树木进行树干模拟。【结果】1）基于Kozak(2004)模型的ONLS、QR和FIXED以及构建的GAM拟合结果表明，4种建模方法均能较好拟合樟子松和兴安落叶松干形数据；2）留一交叉检验结果显示，GAM对樟子松和兴安落叶松树干直径的预测精度优于ONLS、QR和FIXED;3) GAM预测2种树种材积时与估计直径一致，即GAM预测精度优于其他建模方法；相较ONLS，樟子松和兴安落叶松GAM材积预测的RMSE分别下降5.6%和11.3%;4) 2种树种不同大小树木树干模拟发现，对于大树树干，ONLS、QR、FIXED和GAM模拟效果相似，且均能较好模拟樟子松和兴安落叶松树干干形；对于小树树干，ONLS、QR、FIXED和GAM模拟效果差异较大，其中GAM能较好模拟樟子松和兴安落叶松树干干形。【结论】GAM预测树干不同位置直径和树干总材积时精度最高。当以预测为主要目的时，GAM通过简单编程能够实现对樟子松和兴安落叶松树干直径和材积的估计，可作为一种精度较高的树干干形预测方法。

【目的】立木材积方程在森林生产力、生物量和碳储量等林业问题方面都有着广泛的应用。因此,提高立木材积的预测精度一直是林业模型研究者的重要任务。本研究以大兴安岭樟子松为研究对象,构建含有不同形率的二元和三元材积方程,并对比检验其预测效果,旨在把传统立木材积的预测精度提高到一个新的水平。【方法】利用15个树干不同形率,基于传统的一元和二元立木材积方程分别建立二元和三元立木材积方程,并与传统的一元和二元材积方程比较。通过对各模型进行拟合选出最优形率模型,具体选用统计软件S-PLUS中的广义非线性模块(GNLS)进行拟合。并利用幂函数、指数函数以及常数加幂函数校正在拟合过程中各立木材积模型表现的异方差现象。选择确定系数(R2)、均方根误差(RMSE)、平均误差绝对值(MAB)和相对误差绝对值(MPB)4个指标对模型进行评价。最终采用分径阶比较法比较不同径阶范围内4种方程的预测精度。【结果】基于相对树高70%处形率的二元模型拟合效果最好,基于相对树高50%处形率的三元模型拟合效果最好。模型检验结果表明:基于传统的一元模型,加入形率后模型的RMSE、MAB、MPB分别降低了33.7%、30.7%、29.9%;基于传统的二元模型,加入形率后的模型RMSE、MAB、MPB分别降低了70.5%、70.9%、71.2%。不同径阶的检验表明:对于小径阶和中等径阶的树木,模型的检验精度顺序为模型(13)>模型(2)>模型(12)>模型(1);对于大径阶的树木,模型的检验精度顺序为模型(13)>模型(12)>模型(2)>模型(1)。【结论】形率因子是干形的重要指标。在传统立木材积模型中引入形率因子可以提高材积的预测精度,因此,对于樟子松立木材积的估算,尤其是中大径阶林分,推荐使用带有形率的三元立木材积模型。

文章把分位数回归理论和相关结构函数Copula结合起来,介绍了分位数回归和相关结构函数Copula,给出了阿基米德Copula和Copula分位数回归曲线的定义,推导出了阿基米德Copu-la分位数回归曲线。最后,通过模拟研究表明Copula分位数回归估计方法的精确性。

应用热扩散式树干茎流计（ＴＤＰ）对辽宁省章古台樟子松人工固沙林生长季期间树干液流速率进行了连续５年的测定，结合同步观测的降水、林冠截留量、林内蒸发散量和土壤水分含量，利用水量平衡的方法，推算了现阶段樟子松应有的合理密度。结果表明：４月上中旬沙地樟子松液流启动，１０月中下旬液流基本结束，生长季（４—１０月）各月平均液流速率分别为２．５８、４．７８、５．１９、５．０１、４．８４、４．３０、１．９３ ｃｍ·ｈ－１，以６月份的最高，其次依次为７、８、５、９月份，４、１０两月平均液流速率较低。通过推算，径阶１４、１６、１８、２０ ｃｍ的樟子松纯林的合理密度分别应为６８８、５３１、４２２、３４４株·ｈｍ－．．．

对于随机效应面板数据的分位数回归研究的难点在于如何处理截面内存在的相关性,文章借助分位数回归与ALD分布之间的关系,提出了带有Copula相关结构的分位数回归的极大似然估计法,其中Copula函数可用来表示短面板中的截面内相关性。通过数值优化算法迭代求解目标函数可得参数估计值,蒙特卡洛模拟结果显示该方法的均方误差更小,因此更为精确可靠。

对于随机效应面板数据的分位数回归研究的难点在于如何处理截面内存在的相关性,文章借助分位数回归与ALD分布之间的关系,提出了带有Copula相关结构的分位数回归的极大似然估计法,其中Copula函数可用来表示短面板中的截面内相关性。通过数值优化算法迭代求解目标函数可得参数估计值,蒙特卡洛模拟结果显示该方法的均方误差更小,因此更为精确可靠。

文章将Copula分位数回归应用于面板数据,提出了一类面板数据非线性分位数回归模型,非线性分位数函数的具体形式由Copula函数类型所决定,借助最优化算法迭代求解可得到模型中未知参数的估计值。以Frank Copula分位数回归曲线为例,使用不同参数值生成随机数据对模型的估计效果进行检验,结果显示Frank Copula分位数回归曲线能更好地拟合数据的非线性相关关系。

对于分位数回归中的变量选择问题,文章将Elastic Net惩罚与分位数回归相结合。对参数估计模型进行变形后,建立了贝叶斯分层模型,使各参数的全条件后验分布都是熟知的分布形式,可以采用Gibbs抽样产生收敛速度较快的马尔科夫链来估计回归系数。数值模拟结果表明,该方法在参数估计和预测方面均能达到良好的效果,与现有的四种变量选择方法相比具有较明显的优势。

以东北林业大学帽儿山实验林场樟子松人工林为研究对象,采用树干解析、枝解析的方法,分别于2002和2003年在老山施业区选择不同年龄、不同立地和不同密度的樟子松人工林有代表性的林分设置固定标准地15块(2002年设置7块,2003年设置8块),共获取解析样木53株,实测2298个一级枝活枝条变量因子(包括总着枝深度、方位角、着枝角度、基径、枝长、弦长、弓高)数据资料。基于理论或经验生长方程,建立樟子松人工林树冠结构静态模型及树冠动态生长模型。采用VC++6.0语言为开发平台,结合OpenGL开放式图形库,将生长模型与形态结构模型结合,建立樟子松人工林树冠动态三维图形可视化模拟系统,实现基于实测数...

为实现人工林的近自然化改造,以帽儿山樟子松人工林为研究对象,以可视化模拟为手段,以林分空间结构优化为目标,以常用空间结构参数(角尺度、混交度、大小比)为切入点,按照森林演替的一般规律构建樟子松人工林的空间结构优化方案,并将其与林分三维可视化模拟模型进行耦合,建立樟子松人工林三维可视化经营模拟系统。模拟实例表明:林分的平均角尺度从0.461提高到0.487,林木分布格局由均匀分布变为随机分布;林分混交度由0.284上升到0.308,混交程度得到提高;林分大小比由0.515变为0.481,林木个体生长的优势程度得到提高;基于林分空间结构的择伐,使林分空间结构得到了显著优化。该系统可以在虚拟森林环境...

【目的】对Kozak方程进行修正,采用树木易测因子为预测变量,构建人工樟子松树冠外部轮廓预估模型,为研究树木生理和树木竞争提供依据,为模拟单木树冠表面积和树冠体积奠定基础。【方法】基于黑龙江省14块固定样地70株人工樟子松解析木907个最大枝条数据,以Kozak方程基本形式为基础并对其进行修正,选出构建人工樟子松树冠外部轮廓基础模型的最优模型形式。在最优模型基础上,建立分别考虑样地效应、样木效应及同时考虑样地和样木效应两水平的非线性混合效应模型。利用R软件的nlme软件包求解非线性混合效应模型参数,采用AIC、BIC、-2LL对混合效应模型中不同随机效应参数组合形式、不同随机效应矩阵、方差-协方差矩阵和方差函数进行比较,选出最优模型形式,并对人工樟子松外部轮廓随树木因子的变化规律进行探讨。以林分密度为哑变量,构建不同密度的人工樟子松树冠外部轮廓预估模型。【结果】人工樟子松树冠外部轮廓预估模型因子包含胸径(DBH)、冠长率(CR)和高径比(HD)。与基础模型相比,分别考虑样地效应、样木效应的混合模型能够显著提高模型拟合效果,外部轮廓模型差异主要来源于样木效应。以样木为单水平的混合效应模型中,a_2、a_6为随机参数,对角矩阵为方差-协方差矩阵形式,ARMA(1, 1)为解释组内方差的矩阵,采用幂函数消除异方差的模型形式为最优模型。同时考虑样地和样木效应两水平混合模型的拟合效果较单水平混合模型有所提高。以两水平混合模型的固定效应部分模拟外部轮廓与树木因子之间的关系,在分别固定另外2个变量的情况下,树冠半径随着DBH、CR增大均逐渐增大,树冠上半部分半径随着HD增大而增大,下半部分半径随着HD增大而减小。外部轮廓拐点的变化范围为0.625 0～0.917 0,拐点平均位置为0.841 3,随着林木在林分中被压强度增大,拐点位置向树冠基部移动。密度小于1 000株·hm~(-2)林分中单木的冠形与1 000～2 000株·hm~(-2)和大于2 000株·hm~(-2)林分中单木的冠形区别很大。【结论】修正后的Kozak模型满足梢头处半径为0、在整个树冠范围内存在拐点且拐点唯一的特性,能够对人工樟子松树冠外部轮廓进行合理模拟及预测。两水平非线性混合效应模型可显著提高模型拟合效果,能够在树冠外部轮廓模型中应用。

文章针对二元选择分位数回归模型的贝叶斯估计方法进行探索性研究。通过模拟实验比较分析了不同先验设定和不同抽样算法下贝叶斯二元选择分位数回归估计量的统计性质,以及贝叶斯方法与频率学派方法对二元选择分位数模型进行估计的优劣。结果表明,对二元选择分位数回归模型进行贝叶斯估计具有一定的优势,尤其是小样本下,估计效果更佳;而且采用Gibbs抽样得到的估计量精度更高,统计推断更准确,尤其是在高分位数下Gibbs抽样的优势更明显。