为了减少野外直接测定树干干重的工作量以及克服树干直径较大野外无法直接测量其干重的困难,常采用材积密度法获得树干的干重,而平均密度的估算则是材积密度法的关键。该文根据最小二乘原理,利用间接平差模型,通过选取树干(去皮)和树皮的密度为参数和只选取树干(去皮)的密度为参数,估算木材平均密度的最或然值,并进行精度评定。研究结果表明,只选树干(去皮)的密度为参数的间接平差法,估算密度与实测密度的差值在0.01 g/cm~3左右,精度较高,是一种简单而又实用的方法。

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350～2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500～2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。

本文根据人工林红松木材生长轮密度变异特点 ,采用时间序列分析法 ,建立了人工林红松木材生长轮密度的动态模型 ,对木材生长轮密度进行近期预测 ,预测结果良好。此研究结果实现了木材生长轮内的材质预测 ,为人工林红松的定向培育提供理论依据

【目的】通过建模来研究高山松单木木材碳密度在纵向(从树干基部到树梢)和径向(从木材髓心向外)的变化规律。【方法】对云南省香格里拉市10株高山松样木进行树干解析,测定不同树高位置和部位的高山松木材碳密度,使用单因素方差分析法分析高山松单木木材碳密度变化规律;采用非线性混合效应模型技术,以纵向的树高效应和径向的部位效应作为随机效应,构建高山松单木木材碳密度混合效应模型。【结果】高山松单木木材碳密度在纵向和径向的变异均极显著,且高山松木材碳密度呈现从树干基部到树梢逐渐增加、从木材髓心向外逐渐减小的变化趋势;与基

本文报道了橡胶树 3个无性系生长轮宽度、木材基本密度和热水浸提物含量变异规律 ,并就橡胶树木材材质改良与资源开发利用进行了讨论。木材基本密度无性系间差异不显著 ,无性系内株间差异显著。PR10 7无性系株内木材基本密度径向上为“递增、稳定”的模式 ,过熟期内木材密度降低 ;纵向上为递增到最大值后减少。株内木材密度变化范围为 0 4 70g·cm- 3～ 0 6 0 5g·cm- 3,变异系数为 3 0 %～ 8 2 %。林分内株间木材基本密度变化范围为 0 4 2 1g·cm- 3～ 0 5 80g·cm- 3,变异系数为 5 16 %～ 7 0 5 %。橡胶木浸提物含量较高 ,株内...

以黑龙江省七台河市林业局金沙林场9株人工落叶松432个样品密度数据为例,利用逐步回归技术构建落叶松木材密度模型:WD=β1+β2RN+β3RN2+β4h。利用S-PLUS软件中的LME过程,分别考虑单水平和多水平效应,拟合线性木材密度混合效应模型。结果表明:基于单水平和多水平效应的混合模型拟合精度高于传统的基本模型,并且考虑单水平树高效应和2层次效应时的混合模型精度高于考虑单水平样木效应影响的混合模型。模型检验结果表明:混合效应模型不但能反映总体平均木材密度变化趋势,还能反映分组之间的差异。

以5年生火炬松为研究对象,采用DA7200近红外光谱成分分析仪扫描火炬松木芯,利用近红外光谱数据,结合偏最小二乘法建立5年生火炬松木材基本密度近红外快速预测模型.比较分析不同预处理模型评价的相关参数,得到一阶导数与平滑算法结合的最佳预处理方法,校正集相关系数达到0.925 2,校正集均方根误差为0.005 7 g·cm~(-3),交互验证集相关系数达到0.796 2,交互验证集均方根误差为0.009 5 g·cm~(-3),外部验证集预测值与实测值具有较高的相关性(R=0.805 7),预测均方根误差为0.013 9 g·cm~(-3).本研究建立的模型能满足对5年生火炬松木材基本密度的快速预测.

【目的】木材密度不仅与木材的各种材性密切相关，而且是衡量木材质量与价值的重要指标。采用近红外光谱（Near infrared spectroscopy, NIRS）分析技术能够快速、高效地预测木材密度，避免了传统试验中繁琐的检测步骤。长短期记忆网络(Long short-term memory network, LSTM)作为循环神经网络(Recurrent neural network, RNN)的变体，不仅可以学习序列数据之间的高阶特征信息，而且克服了RNN中的长距离依赖、梯度爆炸与梯度消失等问题。将LSTM与NIRS结合，提出一种能够准确预测樟子松木材气干密度的无损检测技术，为提高NIRS模型预测木材气干密度精度提供理论依据。【方法】该研究以樟子松木材样本为研究对象，用近红外光谱仪获得106个樟子松样本的光谱数据，并在恒温（20±2℃）恒湿（65%±3%）的环境下测定样本的气干密度。通过对比多组预处理方法和特征选择方法，采用Savitzky-Golay卷积平滑（Savitzky-Golay smoothing,SGS）等方法进行预处理，采用竞争性自适应加权算法（Competitive adaptive reweighted sampling, CARS）进行波段选择，剔除NIRS数据中的高频噪声与冗余信息，提升光谱数据质量、建模速度与精度。为验证LSTM模型预测能力，将其与偏最小二乘回归(Partial least squares regression, PSLR)、卷积神经网络(Convolution neural network, CNN)等建模算法对比分析。上述3种算法被分别应用于建立樟子松木材气干密度近红外预测模型。【结果】基于上述3种建模方法建立的NIRS模型均可实现樟子松气干密度的有效预测。且LSTM模型的预测精度与回归拟合度均优于PLSR与CNN模型。其中SGS+CARS处理后的LSTM模型的预测精度最高、泛化性能最强、拟合效果最好（R2=0.959,RMSEP=0.005,RPD=5.033）。【结论】通过对樟子松木材光谱数据与气干密度的采集，建立了一种新型的基于NIRS分析技术与LSTM的木材气干密度检测方法。LSTM预测模型相较于传统的回归模型，模型的预测精度更高，回归效果更好，鲁棒性更强。该检测方法既可保证木材的完整性，又可以提高气干密度的预测精度，实现了对樟子松木材气干密度的快速无损检测，为木材近红外光谱分析提供了可参考的模型与理论依据。

为了找到一种能快捷测定子代试验林材性(木材基本密度、纤维长度)的方法,运用实测的具有正态性的火炬松木材基本密度、纤维长度以及近红外光谱建立预测模型.应用Umscrambler软件,通过比较不同光谱处理方法,选出一阶导数、平滑算法、归一化法相结合的方法为最佳近红外光谱处理方法.并用偏最小二乘法的回归分析建立校正模型,木材基本密度校正模型的决定系数为0.970 0;木材纤维长度校正模型的决定系数为0.966 4.采用外部样品对模型进行验证,得出木材基本密度校正模型的预测标准偏差为0.033 g·cm~(-3),木材纤维长度校正模型的预测标准偏差为0.216 mm,表明建立的模型效果准确可靠.用建立的模型预测火炬松子代测定林的264个样本,测得的数据呈正态分布,表明近红外预测模型可应用于林木遗传测定.

对北京地区I-2 1 4杨的纤维和导管分子长及宽度、纤维壁厚、组织比量、胞壁率与基本密度和生长轮宽度在株内不同高度上的变异模式及其之间的相关关系进行了全面的测定与分析。结果表明 :纤维长、宽及壁厚 ,导管分子长、弦径和导管比量径向变异由髓心向外迅速递增 ,而后趋于平缓 ;而导管个数、纤维与射线比量、胞壁率的径向变异由髓心向外逐渐递减 ,再趋于稳定。不同高度间的解剖参数 (胞壁率除外 )差异不显著。基本密度的径向变化是髓心处较大 ,往外先略减而后快速递增 ,然后趋于平缓。木材幼龄期为 1 0～ 1 2a,幼龄材比成熟材的基本密度低 ,纤维和导管分子均短与窄、壁薄 ,纤维和射线比量大、导管个数多、...

海洋生物的分布具有不均匀性,从而造成底拖网调查数据显著偏斜。对于该类型调查数据,国外学者提出了统计模型法加以处理;而在中国,通常采用调查设计法加以处理。本研究利用2005年东海区渔业资源底拖网调查资料,分析了刺鲳的资源密度空间分布特征,引用Δ-分布模型法估算了刺鲳的平均资源密度,并与调查设计法估算结果进行比较分析。结果表明,东海区刺鲳各季节的资源密度空间分布具有明显的右偏性,非零值资源密度的自然对数转换服从正态分布;利用Δ-分布模型法估算的春、夏、秋、冬季的平均资源密度均高于调查设计法的估算,依次高出30.8%、33.3%、67.7%、14.0%;通过本研究发现,调查设计法估算的资源密度均值偏...

【目的】木材密度是林木重要的经济性状,在广东湿地松第2轮遗传改良中被列为目标性状之一。本研究比较了针刺仪与传统体积法在评价湿地松木材密度上的效果,分析了湿地松材性与生长性状的遗传变异规律,为选育速生优质的湿地松种质提供理论与方法。【方法】以广东省台山市18年生的32个湿地松自由授粉家系为材料,在测定林中对活立木木材阻力与去皮直径进行快速测定;并在同一株树上利用生长锥钻取木芯,以体积法测量木材基本密度。利用Asreml统计软件对研究性状间的相关性、性状的遗传力、选择效率等进行估算。【结果】1)单株木材阻力与木材密度在单株水平上呈表型正相关(0.659),为此建立了利用木材阻力原值预测木材密度的线性回归方程(模型R~2=0.393)。2)木材密度与木材阻力的遗传相关性更强(0.738),二者在家系水平受到中等程度的遗传控制;木材阻力的家系平均遗传力(0.618)高于木材密度的家系平均遗传力(0.410)。利用木材阻力值进行家系水平的间接选择,其间接选择效率为91%。表明可以利用针刺仪法进行湿地松木材密度的间接选择。3)为了消除针刺仪刺入木材过程中由于摩擦引起的阻力值上升趋势,在数据分析前,对阻力值做了校正。校正阻力值的遗传力,其与木材密度的表型与遗传相关无明显提高。4)湿地松的去皮直径遗传力在家系水平为0.596,去皮直径与木材密度和木材阻力无显著的遗传相关性,但表型相关达到显著水平,分别为0.272和0.493。这暗示着,改良湿地松生长性状,不会降低木材的密度。【结论】针刺仪法具有快速、无损、相对准确的优点,可用于湿地松活立木木材密度的间接评价与去皮直径的测定,在湿地松材性与生长性状的遗传改良中可发挥重要作用。在根据木材材性或生长性状选择湿地松优良个体中,为获得较可靠的选择效果,宜采用家系选择+家系内单株选择的合并选择方法。

入世后汽车产业是受冲击最大的产业。但是这种冲击到底有多大,以及在入世后的各年份中,这种冲击又是如何分布的?尽管有不少学者已做了一些定性分析,但是更重要的应是能够确定每年的安全状况的定量估算。本文首先对入世后的汽车产业发展环境进行了分析,然后对入世后汽车产业发展的关键指标数据进行了预测,最后应用DEA模型对入世后汽车产业安全度进行了估算,得出了合理的估算结果。

以抛物线型密度效应模型为前提 ,针对人工用材林生长系统的特点 ,用最优控制方法建模 ,以动态规划方法求解 ,导出最优密度控制模型。模型具有幂次数可变、适应性较强、疏伐间隔期可变和实际应用较方便等特点。模型在贵州马尾松人工用材林中的应用结果表明 ,模型计算结果符合人工用材林生长规律 ,并与实地试验吻合。表 2参 1