青钱柳幼林地上部分生物量生长模型研究

【目的】青钱柳是我国特有的珍稀多用途树种,研究青钱柳幼树地上部分生物量生长规律,为发展叶用林提供依据。【方法】以6年生的青钱柳人工幼林为研究对象,对其生长特性及生物量的分配进行了研究,同时选取了37株样木进行地上部分生物量及相关测树因子的分析评价,从19个生物量模型中进行筛选,构建了青钱柳人工林各生物量组分及地上部分生物量与相关测树因子的预估方程。【结果】青钱柳幼林地上部分生物量(W)与胸径(D)具有高度相关性,筛选的4个模型均以胸径作为自变量,则:①干生物量模型 W=0.15 D^2.1, R²=0.982;②枝生物量模型 W=0.05 D^1.88, R²=0.864;③叶生物量模型 W=0.07 D^1.55, R²=0.802;④地上部分生物量模型 W=0.28 D^1.95, R²=0.976。【结论】不同密度下6年生青钱柳幼林生长尚未郁闭,受密度效应的影响较低,胸径、树高和单株材积的总生长量之间差异不显著,单株和林分生物量分配模式基本相似,地上部分各器官生物量分配由大到小表现为干(73%)> 枝(16%)> 叶(11%)。     

基于TLS数据的杨树削度方程建立及材积估算

【目的】削度方程可以很好地描述树干直径随树高变化的情况,基于地基激光雷达(terrestrial laser scanner, TLS)的高精度三维点云数据建立准确的削度方程并进行立木材积估算,对活立木尺度的材积估计具有重要意义。【方法】以江苏省黄海海滨国家森林公园杨树人工林为研究对象,获取4块样地的TLS点云数据,通过MATLAB 2020a软件计算点云平坦度和法向量以提取单木主干,采用圆拟合方法进行不同高度处的直径拟合,利用32株样木的数据,选取6种削度模型进行建模,得到杨树树干削度方程最优拟合模型,并进行材积估算。【结果】利用TLS数据提取的胸径能替代实测胸径,其平均误差小于0.90 cm。通过对6种模型的拟合优度检验,Schumacher and Hall模型为该地区杨树削度方程最优拟合模型,模型的决定系数R²=0.984,均方根误差为1.00 cm,相对百分误差为2.79%,平均预估误差为0.271%。利用Schumacher and Hall 削度方程最优拟合模型进行活立木材积的估算,经与二元材积方程估计结果进行对比,其相对差异为3.34%,二者在统计上无显著差异。【结论】该方法可以减少地面调查对树木造成的永久性破坏,为人工林的蓄积量调查提供有效的技术支持。     

基于GLMM的人工林红松二级枝条分布数量模拟

【目的】利用广义线性混合模型模拟人工林红松二级枝条分布数量,建立二级枝条分布数量广义线性混合模型,并选出最优模型。【方法】基于黑龙江省孟家岗林场人工林65棵红松955个一级枝上的二级枝条数量,通过传统Poisson回归方法选出模拟精度最高的基础模型,考虑树木效应与树木内枝条观测间的相关性,构建二级枝条分布数量广义线性混合模型,并利用R2、标准误差、平均绝对误差、相对平均绝对误差和Vuong检验对收敛模型进行比较。【结果】考虑树木效应的混合模型模拟精度均高于传统回归模型,最终将含有截距、lnR_DINC(R_DINC为着枝深度)、R²_DINC和C_L(冠长)4个随机效应参数以及自相关矩阵A_R(1)的广义线性混合模型选为二级枝条分布数量最优预测模型。在模型固定效应参数估计结果中,lnR_DINC、C_L和D_BH(胸径)前的系数为正值,R²_DINC、H_DR(高径比)前的系数为负值,树冠内二级枝条分布数量存在最大值。最优模型的R²为0.896 1,标准误差为5.15,平均绝对误差为3.83,相对平均绝对误差为23.25%。【结论】广义线性混合模型不仅提高了模型的拟合精度,在反映总体二级枝条分布数量变化趋势的同时,还可以反映每棵树木之间的差异。     

基于ICESat-GLAS波形数据估测森林郁闭度

为探究GLAS波形数据在估测森林郁闭度方面的潜力,以吉林省汪清林业局经营区为研究区,利用高斯低通滤波器对GLAS波形数据进行平滑滤波,从平滑后的GLAS波形数据中提取比值能量参数(I)和差值能量参数(e_c),针对不同森林类型分别建立森林郁闭度单变量模型和多变量模型。研究结果表明:利用参数I建立的单变量模型优于利用参数e_c建立的单变量模型; 而利用参数I和e_c建立的多变量模型明显优于单变量模型。对阔叶林来说,森林郁闭度模型的决定系数(R²_adj)和均方根误差(RMSE)分别为0.72和0.07,模型验证的R²_adj为0.74,RMSE为0.06; 而对于针叶林,模型的R²_adj为0.80,RMSE为0.10,模型验证的R²_adj为0.76,RMSE为0.11; 混交林模型的精度在阔叶林和针叶林之间,模型的R²_adj为0.75,RMSE为0.09,模型验证的R²_adj和RMSE分别为0.71和0.07。因此,GLAS波形数据在估测森林郁闭度方面具有一定的潜力,将参数I和e_c联合能够提高GLAS波形数据估测森林郁闭度的精度。     

基于TLS的红松树冠半径提取及其外轮廓模型构建

【目的】探究基于地基激光雷达(Terrestrial Laser Scanning, TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,R_C)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15～1.00,精度均在90%左右;提取效果最差的相对冠深范围为0～0.15,精度为60.27%～75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】基于TLS...     

Cd诱导土壤ALP的Hormesis效应:土地利用变化的驱动机制

【目的】土地利用变化引起土壤对环境胁迫的潜力发生改变,以土壤碱性磷酸酶(ALP)为例,研究土壤酶的Hormesis效应,揭示其与土地利用变化的关系。【方法】采集洪泽湖河湖交汇区湿地光滩、芦苇、柳树和杨树人工林,以及农田5种土地利用类型下的土壤,研究自然演替和人为土地利用改变下Cd诱导ALP的Hormesis效应及其差异,解析土地利用改变的影响。【结果】光滩和芦苇两种自然覆被下,Cd诱导ALP 的Hormesis效应最大刺激率(y_max)分别为8.81%和5.84%,诱导ALP表达Hormesis效应的Cd剂量范围(D₁-D₂)分别是0.39~3.02和0.22~3.77 mg/kg,剂量区间(Q_i)为7.74和17.14,ALP应对Cd胁迫的潜能(R)为11.34和7.85。相比较而言,农田人为土地利用改变下 y_max为5.22%,D₁-D₂为0.09~1.03 mg/kg,Q_i为11.44,R为3.02。【结论】芦苇围垦为农田使得y_max、Q_i和R均明显下降,这可能导致土壤对Cd胁迫伤害的补偿潜力下降。进一步分析表明,洪泽湖河湖交汇区不同土地利用下土壤质地、全氮以及溶解性有机碳含量对ALP的Hormesis效应表达产生了重要影响。     

基于TLS辅助的长白落叶松一级枝条生物量模型构建

【目的】探究利用地基激光雷达(terrestrial laser scanning, TLS)点云数据估测枝条生物量的可行性,构建预测长白落叶松(黄花落叶松)枝条生物量的最优模型。【方法】以利用孟家岗林场26株长白落叶松点云数据提取出的733个一级枝条的特征因子[枝长(L_BL)、弦长(L_BCL)、基径(d_B)、着枝角度(A_B)、弓高(H_BAH)、枝条基部断面积(S_BAB)、相对着枝深度(d_RDINC)]和对应的实测数据为数据源,分别建立枝条水平上的一级枝条生物量基础模型,通过对比基础模型之间的差异来分析利用TLS数据建立枝条生物量模型的可行性。最后利用TLS数据分别对比基础模型、混合效应模型和随机森林模型的预测效果。【结果】基础模型中最终选定的自变量为S_BAB和L_BCL。利用TLS数据建立的枝条生物量基础模型具有更好的预测精度。对比3种模型预测能力结果显示,随机森林模型无论在训练集还是测试集...     

落叶松人工林树皮厚度预测模型

【目的】建立落叶松人工林树皮因子及任意高度处树皮厚度的预测模型,以期更加准确地对树皮厚度进行预测,为实际木材生产和森林经营提供更加准确的指导。【方法】基于2015年黑龙江省佳木斯市孟家岗林场49株人工落叶松的1 186个圆盘数据,利用SAS 9.4软件中的MIXED模块构建落叶松人工林树皮厚度(树皮因子、任意高度处树皮厚度)的线性混合效应预测模型。模型评价指标选用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、-2倍的对数似然值(-2LL)及似然比检验(LRT)。【结果】对于树皮因子模型,基于树木效应时含b₁、b₂、b₄随机参数组合的树皮因子模型为最优混合模型;基于样地效应时含b₁、b₂随机参数组合的模型是最优混合效应模型。对于任意高度处树皮厚度模型,基于树木效应时含b₁、b₂的组合为最优混合模型;基于样地效应时含b₀、b₂、b₃组合的为最优模型。所有最优模型在具有无结构(UN)方差-协方差矩阵时拟合效果最好。【结论】不论是树皮因子还是树皮厚度模型,树木效应对模型的影响最大;混合效应模型的预估精度与传统回归模型相比有明显提高。     

长三角小流域AnnAGNPS模型参数敏感性及适用性评价

【目的】研究年度农业非点源污染模型(Annualized agricultural non-point source pollutant loading model,AnnAGNPS)在沛桥河小流域的参数敏感性与适用性,为长三角地区的流域综合管理工作提供数据支撑和科学依据。【方法】以长江中下游水阳江水系沛桥河小流域为研究区,采用差分灵敏度分析(differential sensitivity analysis,DSA)方法进行参数敏感性分析,通过相关系数(R²)、效率系数(E)以及相对误差(E_R)来综合评价模型的适用性。【结果】对研究区径流、总氮与总磷输出模拟最敏感的参数是径流曲线数(CN),对泥沙输出模拟敏感性程度最高的参数是CN、土壤可蚀性因子(K)、水土保持因子(P)与作物管理因子(C),且均呈正相关影响特征。验证期(2015—2018年)汛期与非汛期径流、泥沙、总氮与总磷的相关系数(R²)、效率系数(E)均大于0.80,相对误差(E_R)的绝对值均小于12%;模型对径流与泥沙汛期的模拟精度均高于非汛期,而对总氮与总磷负荷非汛期的模拟精度略高于汛期。【结论】校准后的AnnAGNPS模型应用于沛桥河小流域的模拟效果较好,可用于辅助长三角低山丘陵区农业小流域非点源污染与水土流失管理决策。     

基于非参数方法的落叶松树干削度方程

【目的】基于非参数理论,研究构建大兴安岭兴安落叶松(Larix gmelinii)非参数可加性树干削度方程,并与传统的Max and Burkhart 参数削度方程进行对比。【方法】利用树高、胸径、不同高度处直径、不同部位高度等变量及其变形构建非参数可加性削度方程。采用 7种光滑样条函数:薄板回归样条函数(TP)、 Duchon 样条函数(DS)、三次回归样条函数(CR)、P-样条函数(PS)、高斯过程平滑样条函数(GP)、B-样条函数(BS)和局部回归光滑函数(LO),基于R软件mgcv包的Gamm函数对非参数模型进行拟合。【结果】使用相对直径(d/D)作为因变量,胸径的平方(D²)、树高(H)、相对树高的算术平方根($\sqrt{h/H}$)作为自变量, 构建兴安落叶松最佳非参数可加性树干削度方程。拟合结果表明:基于CR和LO样条函数的可加性削度方程具有较小的R²(决定系数)和较大的赤池信息量准则(AIC)值,且CR和LO的残差图重心线略呈中间高、两头低的趋势。其他基于5种光滑样条函数的可加性削度方程表现出相似的拟合结果。可加性模型除了使用LO样条函数外,其他样条函数都优于Max and Burkhart参数削度方程的拟合结果。总体检验结果表明,除了CR样条函数模型外,其他各非参数模型(TP、 DS、 PS、GP 和BS)与拟合结果基本一致,即都优于Max and Burkhart参数削度模型的预测精度。基于树干不同高度直径预测的误差对比表明,除了CR模型外,非参数模型(TP、 DS、 PS、GP 和BS)在大多数树干高度处直径预测的平均误差和绝对平均误差都小于Max and Burkhart参数模型预测值。【结论】非参数模型(TP、 DS、PS、 GP和BS)在拟合统计量、残差分布图、总体和树干不同高度处直径的预测精度都表现出一致性,并优于林业上通常使用的Max and Burkhart参数削度方程。当模型以预测为目的时,所构建的非参数可加性削度方程可用于大兴安岭兴安落叶松干形和材积预测。     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

基于广义代数差分法的杉木人工林地位指数模型

【目的】地位指数法是森林立地质量评价常用的一种方法。采用广义代数差分法建立适用于杉木人工林的动态地位指数模型。【方法】利用福建省将乐县国有林场杉木人工林的24个固定样地连续观测数据和20株杉木优势木树干解析数据,基于Bertalanffy-Richards模型、Lundqvist-Kolf模型和Hossfeld模型3个经典的生长方程,以广义代数差分法对杉木人工林构建了6个动态地位指数模型。模型比较时综合考虑了统计学和生物学特征,通过统计分析和图形分析筛选出最佳的模型。【结果】构建的6个动态地位指数模型都具有良好的拟合优度,调整后的决定系数都在0.9左右。基于Hossfeld 生长方程,选择a=b₁+X和b=b₂/X作为与立地有关的参数推导的模型确定为最佳模型,推荐采用该模型对将乐县国有林场人工杉木林进行优势树高生长预测和立地质量分类。【结论】广义代数差分法建立的动态地位指数模型具有较好预测性能,说明广义代数差分法在推导地位指数模型时是准确而有效的。在选择最优生长模型时不仅要考虑统计分析,还应该进行图形分析,从而选出满足统计学以及生物学特征的模型。     

基于极化定向角补偿的思茅松林地上生物量反演

目的 极化合成孔径雷达在森林遥感监测中得到了广泛的应用。由于法拉第旋转和地物结构特性,电磁波极化定向角发生偏移,导致散射特征在机理上存在模糊性。本研究主要分析极化定向角偏移对体散射分量和地上生物量反演的影响。方法 以ALOS PALSAR全极化星载合成孔径雷达(SAR)数据为数据源,基于L波段散射特征,考虑地面与树干之间的二面角散射贡献,研究提出了一种扩展极化水云模型;基于Yamaguchi四分量分解参数和扩展极化水云模型估测思茅松林地上生物量。结果 通过酉变换来补偿极化定向角偏移后,体散射分量高估得到修正,极化定向角补偿后的体散射与实测地上生物量的回归模型较未补偿前效果更好(决定系数R²从0.214提升到0.332)。采用Yamaguchi四分量和扩展极化水云模型的地上生物量估测值和实测值有较强的相关性(R²= 0.644)和较低的均方根误差(23.11 t/hm²)。结论 SAR数据在极化分解前应进行极化定向角补偿,以减少体散射高估和二面角散射低估的问题,提高地上生物量反演精度。半经验极化扩展水云模型具有很好的估测森林地上生物量的潜力。     

森林健康评价及其多尺度转换方法

【目的】森林生态系统具有明显的层级结构,如何将样本点或样本区健康评价结果推广到区域尺度上是一个亟待解决的关键问题。为此,本研究尝试采用统计学方法实现森林健康评价结果在单木、林分和区域尺度间的转换,为森林健康经营提供理论依据和技术支撑。【方法】以大兴安岭地区盘古林场51块样地和森林资源二类调查数据为基础,采用熵值-AHP法构造单木尺度健康评价模型,并汇总得到林分尺度健康评价结果,即平均值(H_m)、标准差(H_sd)、变异系数(H_cv)、偏度(H_pd)和峰度(H_fd),进而采用度量误差模型建立林分尺度健康综合评价模型。最后,借助所建模型和森林资源二类调查数据以及DEM数据进行区域尺度森林健康得分空间分布制图,并分析其空间分布规律。【结果】所建林分尺度健康综合评价模型的预估精度相对较高,H_m、H_sd、H_cv、H_pd和H_fd预测模型的确定系数R²分别达到0.464 3、0.305 6、0.909 6、0.298 1和0.448 5,能够基本满足森林健康评价的需求;单木、林分和区域尺度评价结果均表明该地区森林整体处于亚健康水平,其中林分因子(树高、优势高、树种数量、株树密度、断面积和单位蓄积)与地形因子(海拔、坡度、坡位)共同影响林分健康得分及其分布情况;盘古林场森林健康得分平均值(H_m)为0.623 4,整体处于亚健康水平;各评价指标均具有明显的空间分布趋势,其中H_m、H_cv、H_pd和H_fd较大的区域主要集中在林场北部且靠近居民点和交通便利的地区,而在南部偏远地区则普遍较低,但H_sd的空间分布格局则完全相反,表明适当的森林经营有助于提升森林的健康水平。【结论】统计学方法能够实现森林健康评价结果从单木、林分到区域尺度的有效转换。     

黄龙山林区白皮松天然次生林生长规律研究

【目的】为实现陕西省白皮松天然次生林的合理经营,建立符合其生长规律的模型,为科学抚育较大树龄的天然次生林提供决策依据。【方法】以陕西省黄龙山林区白皮松天然次生林为研究对象,选择标准木进行树干解析,采用人工神经网络(ANN)和3种常见的理论函数建立了胸径、树高、材积生长模型,并绘制生长曲线图对林区内白皮松天然次生林生长规律进行分析。【结果】①采用人工神经网络建模技术构建的胸径生长量模型、树高生长量模型、材积生长量模型优于3种传统模型。②所建神经网络模型在拟合生长缓慢的白皮松生长过程方面具有较好的应用推广能力。③白皮松胸径速生期为30~60 a,胸径连年生长量在120 a达到最大值;20~30 a为树高生长的速生期,树高连年生长量在30 a达到最大值;白皮松材积生长速生期为110~130 a,材积连年生长量在130 a达到最大值。在135 a时,黄龙山林区白皮松还未达到数量成熟龄。【结论】所建神经网络模型能为黄龙山林区白皮松古树研究奠定基础,生长规律的研究可以为不同阶段白皮松经营提供参考。     

基于机器学习算法的樟子松立木材积预测

【目的】 通过非线性和多种机器学习算法构建并对比不同的立木材积模型,为樟子松(Pinus sylvestris var. mongolica)立木材积的精准预测提供理论依据。【方法】 以大兴安岭图强林业局184株樟子松伐倒木数据为基础,建立非线性二元材积模型(NLR),并通过十折交叉检验和袋外数据(OOB)误差检验的方法得到3种最优机器学习算法,包括:反向神经网络(BP)、ε-支持向量回归(ε-SVR)和随机森林(RF)。对比分析不同模型间的差异,得到最优立木材积模型。【结果】 机器学习算法在立木材积的拟合和预测中均优于传统二元材积模型,具体拟合结果排序为RF>BP>ε-SVR> NLR。其中RF的决定系数(R²)比传统模型的提高了2.00%,均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)分别降低了22.90%、22.93%、36.34%,且与真实值相比平均相对误差(MRB)的绝对值更低,证明了RF在立木材积预测中的优越性。【结论】 机器学习算法作为一种新兴的建模方法可以有效地提高立木材积的预测精度,为森林资源的精准调查和经营管理提供新的解决方案。