【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

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。

杉木(Cunninghamia lanceolata)是我国重要乡土针叶用材树种,第八次全国森林资源清查显示杉木人工林面积和蓄积现已达到全国人工林优势树种的首位。因此,在森林资源调查中需要准确的评估和预测杉木人工林的蓄积量。削度方程在精确预测树干直径和材积有着非常重要的作用。目前国内缺乏对基础模型的系统性比较分析,尤其少见针对杉木的可变指数削度方程的构建,可变密度可变指数削度方程的构建。故本文以江西年珠林场密度试验林为研究对象,拟利用混合效应模型建立针对杉木的可变密度可变指数削度方程和材积预测模型。主要研

【目的】为准确预估单木冠长，在再参数化的基础上构建基于混合效应的单木冠长模型，为华北落叶松区域经营、生产、科研提供理论依据及模型参考。【方法】以山西省五台山和庞泉沟地区116块样地2 745株华北落叶松次生林为例，建立单木冠长模型，从9个冠长-胸径候选模型中选取最优基础模型；除胸径外还考虑其他6个林木、林分因子对冠长的影响，通过逐步回归分析选择影响最为显著的因子构建冠长再参数化模型；最后引入样地随机效应，构建含混合效应的华北落叶松次生林单木冠长模型，选用3个常用异方差消除函数中最优者消除混合效应模型的异方差性。【结果】9个候选模型尤以Logistic形式的冠长-胸径模型拟合精度最优，效果最好（R2=0.569 9,RMSE=3.812 7,MAE=3.022 3）；其他6个林木、林分因子中高径比（HDR）和公顷株数（N）对冠长的影响最为显著，将显著性因子高径比（HDR）和公顷株数（N）纳入最优基础模型构建再参数化模型，模型确定系数（R2）从0.569 9提升到0.700 5，提升了22.9%，均方根误差（RMSE）从3.812 7降低至3.181 6，下降了16.6%，平均绝对误差（MAE）从3.022 3降低至2.410 7，下降了20.2%；在再参数化方法的基础上构建混合效应的单木冠长模型，引入样地水平作为随机效应因子作用在固定参数a上，混合效应模型确定系数（R2）从0.700 5提升至0.813 6，提升了16.1%，均方根误差（RMSE）从3.181 6降低至2.512 0，下降了21.0%，平均绝对误差（MAE）从2.410 7降低至1.837 3，下降了23.8%；选用指数方差函数能够有效地消除模型异方差性，残差分布范围更小，分布更均匀。【结论】在再参数化基础上构建混合效应模型能更加准确地预估林木冠长，为华北落叶松次生林区域性的森林经营活动提供科学依据。

以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型。由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型。从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型。除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响。通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评...

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】利用固定间隔期复测数据,运用不同方法建立杂种落叶松人工幼龄林单木枯损模型,为确定杂种落叶松合理的经营措施和推广应用提供依据。【方法】基于2003—2015年黑龙江省江山娇实验林场48块样地的复测数据,通过Logistic模型,利用全子集法和最大似然估计构建杂种落叶松单木枯损模型。使用列联表分析和分类率-阈值散点图,确定枯损模型预估时的最佳阈值。引入随机参数,构建样地水平广义线性混合模型。模型估计方法为自适应积分最大似然估计,模型筛选指标为Akaike信息标准(AIC)、贝叶斯信息标准(BIC)以及-2倍对数似然值。通过计算绝对平均偏差(Bias),绘制ROC曲线以及模型预估枯损率与实际枯损率直方图对两种模型的预测结果进行评价比较。【结果】包含单木(林木胸径,DBH;胸径平方,DBH2)、林分(林分断面积,BA)、竞争(大于对象木树木断面积之和变形,BALD)3个水平变量组合的单木枯损模型拟合效果最佳。杂种落叶松枯损主要发生在小径阶且相对竞争较大时。单木枯损概率随DBH增加逐渐减小,随BALD、BA增加而逐渐增加。最佳阈值有效提高了模型预估效果,方差-协方差结构为无结构矩阵(UN)时,四参数混合模型的拟合结果最佳,其预估的林分枯损率更接近实际林分枯损率。【结论】混合模型能够更有效地描述和预估杂种落叶松的单木枯损。阈值分析是提高二分类模型预测准确性的有效方法。杂种落叶松作为速生树种,幼龄时期应适时进行抚育间伐以减少枯损发生的概率。

【目的】以黑龙江省尚志市90株迎春5号杨树解析木数据为基础，构建迎春5号杨树边材、心材、树皮和树干密度的混合效应beta回归模型。【方法】采用相关性分析和最优子集法筛选beta回归基础模型的变量；利用负二倍的对数似然值、赤池信息准则、贝叶斯信息准则、调整确定系数（R_a~2）、似然比检验对收敛模型进行拟合优度的评价，利用留一交叉验证法对模型进行检验，指标为平均绝对误差（MAE）和平均绝对误差百分比；结合两种抽样方式（方案Ⅰ：不限定相对高度；方案Ⅱ：限定相对高度在0.1以下）对模型进行校正。【结果】边材、心材、树皮和树干密度不仅受到相对高度的影响，还分别与胸径平均生长量、年龄、胸径大小密切相关，基于林木因子建立的混合效应beta回归模型的R_a~2分别为0.53、0.52、0.52、0.63,MAE

【目的】准确预测林木的生存和枯损是森林生长收获模型系统中十分重要的组成部分。构建基于混合效应模型和生存分析方法相结合的林木生存模型,能够提高林木枯损模型的精度。【方法】以吉林省汪清林业局20块落叶松云冷杉林样地数据为例,基于生存分析方法中常用的6个时间参数分布回归模型(指数分布、Weibull分布、对数正态分布、对数Logistic分布、Gompertz分布及Gamma分布),把林分因子和立地因子作为协变量加入到模型中去,构建林木生存模型。并在此基础上考虑样地的随机效应,并与传统模型的模拟效果进行比较。【结果】研究结果表明,随着单木初始胸径的增加,其枯损的风险降低,生存率提高;随着单木大于对象木断面积值的增加,其枯损的风险增加,生存率降低;随着林分密度的增加,林木枯损的概率增加,生存率降低;立地因子对林木的生存没有显著影响;6个参数分布回归模型中,Weibull分布的模拟精度最高。与固定效应模型相比,Weibull分布模型在考虑样地水平随机效应后,模型的模拟精度获得明显的提高,并且达到极显著程度。【结论】在森林经营中,要提高林木的生存率,需采取科学合理的经营方法和经营时间,避免使林分的密度过大。

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。

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.

以黑龙江省七台河市林业局金沙林场9株人工落叶松6825对早、晚材管胞长度样品数据为例,选择6个常用方程进行非线性回归分析,把拟合精度最高的Richards模型作为早、晚材管胞长度基础模型y=β1[1-exp(-β2x)]β3+ε。基于Richards模型,利用非线性混合模型技术构建落叶松早、晚材管胞长度混合效应模型yij=(β1+b1i){1-exp[-(β2+b2i)t]}β3+b3i+εij。结果表明:当对早材管胞长度进行拟合时,b1i、b2i、b3i同时作为随机参数时早材管胞长度模型拟合最好;当对晚材管胞长度进行拟合时,b1i、b2i、b3i同时作为随机参数时晚材管胞长度模型拟合最好;一...

为了精确拟合南京地区马尾松林木胸径、树高与材积的相关关系,基于28块20 m×20 m的方形样地的531株马尾松样木数据,分别采用山本式材积模型和多元非线性混合效应模型拟合了马尾松胸径、树高与材积的相关关系。结果显示:山本式材积模型的相关指数为0.964 92,估计值的标准误为0.004 0,总相对偏差、平均相对误差、平均预估误差和平均相对误差绝对值均小于3%,多元非线性混合效应模型的相关指数为0.99997,估计值的标准误为0.000 049 85,总相对偏差、平均相对误差、平均预估误差和平均相对误差绝对值均小于0.3%,表明两个材积模型有很高的拟合优度和精度,适应性检验结果显示,山本式二元...