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...

以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,采用Max和Burkhart分段削度模型作为基础模型,利用SAS软件中的似乎不相关回归过程得到该分段削度模型的4个参数和2个拐点参数同时估计。参数估计显著性检验(P

描述了相容性非线性联立方程组模型在树干削度和材积建模方面的应用及联立方程组模型参数估计的方法。以黑龙江省带岭林业局人工落叶松为研究对象,以Max和Burkhart分段削度模型作为基础模型,构建了3个具有不同拐点的树干削度和材积系统。削度和材积系统拥有一套参数。为了使内生变量(endogenous variables)误差同时最小化,利用SAS软件模型模块中的似乎不相关回归过程(seemingly unrelated regression,SUR)解决联立方程组模型系统的参数估计。采用确定系数、绝对误差、相对绝对误差、均方根误差、相对均方根误差等模型评价指标对不同模型系统的精度进行比较分析。结果...

利用兴安落叶松解析木数据,比较了树干去皮直径预测的3种类型模型:Grosenbaugh的比率方程式、回归模型和削度方程。Grosenbaugh的比率方程式有很大的灵活性,没有参数不需要模型拟合。总体评价和模型分段比较表明,回归模型有较小的预测误差,尤其是Cao and Pepper提出的含有带皮直径、树高、相对树高、胸径处的带皮直径和去皮直径变量的模型。由于削度模型不含有带皮直径变量,因此产生较大的去皮直径预测误差。不同类型的模型在森林经营过程中都有一定的适应性。

以黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据为例,采用Richards生长模型作为基础模型,利用S-PLUS软件中的NLME过程,分别拟合非线性树高和直径生长模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析。结果表明:当对树高-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好;当对直径-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好。把相关性结构包括一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构[ARMA(1,1)]加入到树高和直径最优混合模型中,一阶自回归结构AR(1)显著...

【目的】消光系数(k)是模拟树冠光分布的重要指标,本研究通过对比常见的获得k值的方法,筛选最优方法,对长白落叶松人工林树冠内光合有效辐射(PAR)进行动态估计。【方法】(1)将实测的PAR数据按3∶1划分为拟合数据和检验数据,利用拟合数据构建k值预估模型(方法 I)。(2)用拟合数据,采用人为设定不同梯度的k值估计树冠PAR,筛选最优的k值(方法 II)。(3)基于叶倾角数据,采用2种不同的平均叶倾角公式(方法 III-1、方法 III-2),对k值进行计算。将检验数据作为独立样本对以上3种方法估计的PAR进行独立性检验。通过对比以上3种方法对树冠内PAR的估计效果,选择最优的k值计算方法,结合气象数据对PAR进行动态估计。【结果】根据实测PAR数据计算的树冠各轮层k值存在较大差异,总体在0.1～1.5之间,且与相对着枝深度(RDINC)呈明显的指数函数或幂函数关系。同时太阳高度角(Sa)、累积叶面积最大值(MCLA)、叶面积密度(NAD)和树冠表面积(CS)对k值的垂直变化也有明显影响。因此方法I将指数函数作为基础模型,以RDINC、Sa、CLA、NAD和CS为自变量建立了k值估计模型,模型的拟合效果较好(R2=0.736,RMSE=0.124)。方法 II中,当k取0.32时对PAR的估计效果最好。利用方法 III计算的各轮层消光系数差异较小,总体在0.3～0.7之间。采用独立样本检验以上3种方法对PAR估计的效果,结果表明方法 I对PAR的估计效果较好(平均误差ME=2.88,平均误差绝对值MAE=117.4,预估精度P=91.53%),方法 II对PAR的估计效果次之(ME=-7.2,MAE=217.5,P=88.12%),方法 III对PAR最差(方法 III-1中ME=121.4,MAE=210.1,P=55.85%;方法 III-2中ME=226.4,MAE=259.0,P=42.93%)。【结论】k值在不同林木、不同轮层及不同的太阳高度情况下并不是一个固定值。本研究建立的k估计模型充分考虑了以上3个重要变量,符合客观实际,且对估计长白落叶松树冠PAR有良好的效果,研究结果为人工长白落叶松树冠内不同位置净光合速率的模拟提供了基础。

以大兴安岭松岭林业局３６株天然兴安落叶松２ ３０６个枝条数据为研究对象，采用误差变量联立方程组方法，构建兴安落叶松枝条基径、枝长和角度联立方程组模型系统，同时对比了４种参数估计方法。结果表明，似乎不相关回归过程ＳＵＲ（Ｓｅｅｍｉｎｇｌｙ ＵｎＲｅｌａｔｅｄ ＲｅｇＲｅＳＳｉｏｎ）法能够解释模型间误差相关性和降低参数估计值的标准误。该系统拟合和检验精度都表现较好，本文所建立的枝条特征联立方程组模型系统能较好地描述兴安落叶松枝条特征和冠形的变化规律。此外，利用非线性混合模型技术构建了含有林分密度变量的枝条基径、枝长和角度联立方程组模型系统。基于参数估计值的显著性以及精度的提高都表明林分密度对枝条基．．．

【目的】以林木易测因子为预测变量,构建黑龙江省人工落叶松树冠最大外部轮廓及内部轮廓(未着叶部分)的预估模型,为进一步估计人工落叶松树冠表面积、树冠体积和树冠生物量提供依据。【方法】基于佳木斯市孟家岗林场49株解析木的枝解析数据,树冠外部轮廓模型采用分段回归技术,构建带有约束条件并满足生物学意义的连续性分段曲线模型,即在梢头处树冠半径为"0",在整个树冠内外部轮廓的拐点的存在是唯一的,且在拐点处树冠半径达到最大值;内部轮廓直接采用线性模型进行模拟。分析模型参数与林木变量之间的相关性,将关系密切的树木变量或变

【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】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。

将一块15 m×20 m的48年生兴安落叶松人工林的林木全部收获,采用分层聚类分析法将林木分化等级划分为优势木、中等木和被压木,并采用解析木法量化分析不同分化等级林木心材和边材的周向和轴向变异及其与林木特征性状之间的关系。结果表明:林木分化等级、方位和圆盘高度对树干心材半径(heartwood radius,HR)、边材宽度(sapwood width,SW)的变异影响显著(P<0.001)。胸高处HR和SW及其绝对变异量均随林木分化程度的加剧而增大。林木心材与边材比在周向变化不一,其最大值以北向频率最高(17.65%),最小值则以南向频率最高(17.68%),反映了微生境的差异。随相对高度的...

利用Granier热扩散植物液流技术(TDP),于2012年5—9月连续对大兴安岭北部兴安落叶松蒸腾进行测定,结合同步观测的环境因子,分析兴安落叶松树干液流规律及其与环境因子的关系。结果表明:1)兴安落叶松蒸腾速率具有明显的昼夜变化规律,晴天和阴天均为单峰曲线,雨天为双峰曲线,且晴天和阴天的蒸腾速率高于雨天。夜间液流通量占整日液流通量的百分比为晴天(5.91%)>雨天(4.88%)>阴天(2.57%),在高温无雨情况下,液流通量呈现随高温无雨日数的增加而逐渐降低的趋势。2)6—8月兴安落叶松蒸腾量占观测期总耗水量的80%,液流密度日峰值较高,其中7月最高达23.62cm3/(cm2·h),5月...

以长白山地区 2 6a生长白落叶松人工林为研究对象 ,采用枝解析的方法 ,测定了 2 5株林木 (直径 10 5～2 4 9cm)的树冠变量 ,并建立了预测树冠外侧形状的冠形模型。基于枝条着枝深度 (DINC)和林木变量所建立的树冠形状模型包括 :基径、枝长、着枝角度和弦长等预估模型。对于大小相同树木的主要枝条来讲 ,这些树冠变量是随着DINC的增加而增大 ;而林木的胸径 (DBH)和树高 (HT)变量很好地反映了不同大小树木的冠形变化。冠形预测模型预测效果良好 ,充分体现了树冠结构的变化趋势 :树冠形状在树冠的中上部呈抛物线体 ,而在树冠的下部则为近圆柱体。文中所建模型 ,可以合理地描述...

基于连续1年的兴安落叶松树干液流密度和环境因子(光照、空气温度、空气湿度、土壤温度和土壤湿度)的测定结果,探讨不同时间尺度下树干液流密度与环境因子的关系差异。在月时间尺度上,土壤温度和土壤湿度显著影响树干液流密度变化,土壤温度单位增加引起树干液流上升0.084～0.123L·cm-2month-1;在天时间尺度上,显著影响因子有土壤温度、光照和空气温度,其中土壤温度为最主要的影响因子,单位增加会导致树干液流上升1.9～2.7mL·cm-2d-1;在小时时间尺度上,主要影响因子在不同季节不同,但最主要因子多是直接影响地上叶片生理指标如光照和空气湿度,二者单位上升平均分别引起树干液流上升1.239...

【目的】应用BP神经网络模型预测华北落叶松树冠体积与表面积，探索华北落叶松树冠体积与表面积估算模型的最优形式，为未来的预测模式提供新思路。【方法】以山西省庞泉沟自然保护区的华北落叶松林为研究对象，通过从6块（60 m×60 m）固定样地得到的678个观测数据，运用BP神经网络，分别对华北落叶松树冠体积与表面积建立模型，通过对模型的训练，得到基于BP神经网络的华北落叶松树冠体积和表面积估算模型。【结果】基于BP神经网络的华北落叶松树冠体积与表面积模型的最优结构模型的输入层节点数∶隐层节点数∶输出层节点数=6∶9∶1。其中树冠体积的决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）分别为0.948、5.40 m³、18.40；表面积的R²、MAE和RMSE分别为0.957、3.33 m²、 14.41。基于BP神经网络的华北落叶松树冠体积与表面积模型的性能与输入因子的数量呈正相关，最优模型的输入因子数为6个，分别为冠幅、树高、胸径、最大冠幅高度、第一活枝长（在垂直于树干方向上的投影长度）和冠基高。【结论】输入变量包含树干尺寸和树冠构型特征相关信息，模型能较好地实现华北落叶松树冠体积和表面积的预测。