采用单一的非线性方程拟合生物量模型常会导致小径阶林木的估计有偏。以东北地区落叶松和栎类的地上生物量数据为例,提出采用哑变量方法改进立木生物量估计模型的预估效果,并建立了2个树种的一元和二元立木生物量模型。结果表明:哑变量方法能解决小径阶林木的偏估问题,同时能在一定程度上改善对整个模型的预估效果;所建模型能同时适用于胸径

精确地估算林木生物量对于了解大尺度森林生物量、碳储量及其动态变化具有重要意义。以甘肃省、湖北省、辽宁省3个区域共计161株日本落叶松Larix kaempferi单木各器官组分(树干、树皮、树叶、树枝、树根)生物量数据为例,基于似乎不相关回归和哑变量的方法,建立了适合不同区域、不同器官组分的日本落叶松单木通用性生物量方程。结果表明:与普通模型相比,构建的3个哑变量生物量通用模型不仅解决了不同器官组分的相容性,还提高了生物量估测精度,复相关系数增加了0.28%～0.44%,均方根误差减少了0.40%～6.61%,绝对偏差减少了1.63%～6.61%。单独引入1个哑变量时,区域哑变量构建的生物量通用模型预估精度高于发育阶段作为哑变量构建的生物量通用模型;而同时引入2个哑变量时,预估精度分别高于单独引入1个哑变量的生物量通用模型,表明同时考虑区域和发育阶段构建的日本落叶松生物量模型为最佳模型。因此,考虑将区域和发育阶段同时作为哑变量并应用似乎不相关法来构建单木生物量模型,可以解决大尺度生物量模型的通用性和不同组分的相容性问题。表5参33

以东北落叶松(Larix spp.)立木材积和地上生物量数据为例,通过采用误差变量联立方程组和分段建模方法,研究建立了相容的立木材积方程、地上生物量方程及生物量转换函数。结果表明:采用误差变量联立方程组能确保立木材积与地上生物量之间估计结果的相容性,而分段建模方法能有效解决常用模型在小径阶存在的系统偏估问题;本文所建立的分段一元模型,地上生物量和立木材积的总体预估误差均不超过5%;分段二元模型,地上生物量的预估误差基本在4%以内,立木材积的预估误差则小于3%。

【目的】研究北亚热带高山区和暖温带中山区日本落叶松的生长过程,并建立其生长模型,为精确掌握日本落叶松生长过程、科学经营日本落叶松人工林提供参考。【方法】应用北亚热带高山区和暖温带中山区96株日本落叶松解析木数据,根据区域特征引入哑变量的概念,综合运用Excel 2003、ForStat 2.1及SPSS 16.0等软件进行数据处理和生长模型的拟合,分别建立含有哑变量的日本落叶松胸径、树高和材积生长模型。【结果】2个区域日本落叶松的胸径、树高和材积生长情况没有明显差异。含有哑变量的Richards方程对日本落叶松胸径、树高生长拟合效果最好,R2分别达到了0.996 6和0.995 5,均方误差为...

本文以北沟林场华北落叶松为研究对象,利用统计学软件SPSS来拟合生物量模型,通过60株解析木的测量数据建立各器官的模型系统。模型系统共包括4部分,分别是:总量生物量模型、树干生物量模型、树枝生物量模型和树叶生物量模型。结果表明:建立的华北落叶松各器官生物量模型预估精度达到98%以上。筛选出总量及各部分生物量模型分别是:总生物量W总=-0.300+0.025D2H,树干生物量W干=-0.536+0.017D2H,树枝生物量W枝=0.054+0.006D2H,树叶生物量W叶=0.182+0.002D2H。各器官生物量残差的散点呈均匀分布,残差分布直方图分布近似正态,证明数学模型具有统计学上的意义。

在国家级森林资源监测中增加森林生物量估计已成为必然趋势,而地下生物量是森林生物量的重要组成部分。以东北落叶松和南方马尾松地下生物量数据为例,对地下生物量模型的两种常用建模方案进行对比分析,指出了存在的弊端,并提出通过利用度量误差模型,建立相容性地上、地下生物量模型和根茎比模型的方法。结果表明:利用度量误差模型方法,能有效解决一套数据、两种结果的问题,确保各个模型估计结果的协调一致性和参数的稳健性;在地下生物量实测样本只是地上生物量实测样本的子样本时,合适的做法是利用子样本建立根茎比模型,再结合利用大样本建立的地上生物量模型来联合估计地下生物量;林木根茎比的大小主要与直径相关,并随林木直径的增大...

[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量A_(GB)和总生物量T_(GB))。使用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优A_(GB)和T_(GB)模型R~2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优A_(GB)模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm~(-2)、0.085%,对于T_(GB)则分别低0.059 t·hm~(-2)、0.081%。(2)A_(GB)和T_(GB)与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,A_(GB)的R~2提高了0.41%,而RMSE和r RMSE降低了6.85%;T_(GB)的R~2提高了0.63%,误差统计量降低了6.79%。(3)A_(GB)和T_(GB)的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。

基于60株辽东山区日本落叶松样木生物量的实测数据,分析不同林龄条件下立木各部分生物量的变化情况,并应用度量误差方法建立立木相容性生物量模型。结果表明:树叶、树枝、树皮生物量占总生物量的比值随林龄增长呈下降趋势,干材占总生物量的比值随林龄增长呈上升趋势。在筛选出总生物量与各分量最优独立模型的基础上,应用三级控制的方法建立生物量相容性模型,并采用加权回归方法消除总量和各分量模型的异方差。建立的总量、地上部分、树干、干材、树皮生物量模型,其R2均大于0.9;树根、树冠、树叶和树枝生物量的R2略低,介于0.7 0.9之间。通过独立样本对模型的相容性和预测精度进行检验,各分量预测值所占总生物量的百分比之...

[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量A_(GB)和总生物量T_(GB))。使用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优A_(GB)和T_(GB)模型R~2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优A_(GB)模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm~(-2)、0.085%,对于T_(GB)则分别低0.059 t·hm~(-2)、0.081%。(2)A_(GB)和T_(GB)与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,A_(GB)的R~2提高了0.41%,而RMSE和r RMSE降低了6.85%;T_(GB)的R~2提高了0.63%,误差统计量降低了6.79%。(3)A_(GB)和T_(GB)的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。

[目的]构建落叶松人工林单木和林分水平的相容性生物量模型,使之既在数据采集区域内能够表征不同水平下的差异程度,又具有较强的通用性。[方法]基于64株长白落叶松人工林样木生物量实测数据和40个每木检尺样地数据,在考虑和未考虑林龄2种情形下,利用哑变量和非线性似然无关回归方法相结合,构建单木和林分水平的一元相容性生物量模型。[结果]表明:(1)地上及全株生物量模型单木水平下的R～均大于0.95,林分水平下的R～均大于0.78,(2)利用哑变量考虑林龄因素后,单木水平下各评价指标总体稳定,参数b值范围从0.905 5～2.512 5减小为1.047 0～2.202 8。林分水平下R~2提升0.201 9,参数b值范围从0.071 1～1.560 7减小为0.781 1～1.055 1;且具有更小的TRE、MPE和MSE。(3)利用对数转换的线性回归模型,全株及各组分生物量模型残差的分布趋势均平行于横轴。[结论]非线性似然无关回归和哑变量相结合的方法灵活、建模过程简单、模型稳定性好,适用于不同因素下落叶松人工林相容性生物量模型构建。林龄因素对林分模型拟合效果的改善更显著,在建模过程中,单木模型可以不考虑林龄的影响,而林分模型需要考虑林龄的影响。

以贵州省人工杉木和马尾松地上生物量数据为例,通过利用线性混合模型和哑变量模型方法,建立了适合不同树种和区域(中心区和一般区)的通用性立木生物量方程,为简化生物量建模工作提供了有效途径。结果表明,相同直径林木的地上生物量估计值随树种、区域的不同存在一定程度的差异,带随机参数的线性混合模型和带特定参数的哑变量模型比总体平均模型的精度高;线性混合模型和哑变量模型方法均同等有效,可推广应用于其它通用性模型(如材积方程)的建立。

[目的]为了解长白落叶松单木叶生物量与径向生长之间的关系。[方法]以小兴安岭地区长白落叶松为研究对象，结合管道模型理论，研究单木个体水平和单木内不同方位区间水平上的叶生物量与径向生长的关系，分析树冠分布与径向生长之间的相关性。[结果]叶生物量与胸高处和枝下高处树干直径、断面积、边材面积，近1、2、3、5年断面积生长量均呈显著正相关，使用胸高断面积作为预测因子的叶生物量模型拟合效果最好。单木株内不同方位区域的叶生物量与对应的胸径处和枝下高处的树干半径、断面积，近1、2、3、5年断面积生长量均呈显著正相关。[结论]估测单株叶生物量时，使用胸高断面积作为预测因子的预测精度最高。株内不同方位叶生物量与对应方位的树干半径、断面积及断面积生长量均呈显著正相关，树冠偏冠与髓心偏心具有一定的相关性。

基于大兴安岭北部林区19块样地内104株天然兴安落叶松实测生物量数据,建立兴安落叶松天然林地上总量和分量相容性生物量模型,分别采用权函数和联立线性方程组消除方程的异方差和度量误差。结果表明:1)含度量误差的单木生物量相容性模型能解决总量生物量模型和分量生物量模型不兼容的问题,而且模型的预估精度高于经验模型;2)所建模型参数的决定系数R2和模型偏差统计量,估计值的标准差SEE、平均估计误差MPE、平均相对偏差ME、平均相对偏差绝对值MAE分别为0.907～0.947,1.887～17.368,1.011%～2.703%,-4.937%～6.998%,5.408%～10.886%;3)对大兴安岭北...

【目的】神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。【方法】以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数(R~2)、均方根误差(RMSE)、相对均方根误差(RMSEr)和平均绝对误差(MAE)来评价模型。【结果】估计精度最高的模型是输入单元为林分平均胸径(D)-平均高(H)-林分密度指数(S)-海拔(HB)-坡向(PX)-坡位(PW)、2个隐藏层、隐单元数为40-20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数(Adj.R~2)分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSEr分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R~2分别提高了0.88%和0.99%,RMSEr分别降低了5.33%和5.46%。【结论】多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。

【目的】探讨林分乔木层生物量的估算方法，为大区域、大尺度森林生物量的估算提供理论依据。【方法】利用１９９０—２０１０年５期大兴安岭东部天然落叶松林固定样地数据，选择基于林分变量的林分生物量模型和基于林分蓄积量的林分生物量模型作为林分乔木层生物量估算的方法，利用似然分析法去判断２种模型的误差结构（相加型和相乘型），并采用聚合型可加性生物量模型建立其林分生物量模型，模型参数估计采用非线性似乎不相关回归模型方法。采用＂刀切法＂评价所建立的林分生物量模型。【结果】经似然分析法判断，２种模型的误差结构是相乘型的，对数转换的线性回归更适合用来拟合林分生物量数据；２种模型的调整后确定系数Ｒ２ａ＞０．９４，平．．．