北方天然次生林主要阔叶树种树冠建模及应用

选择黑龙江省帽儿山林场天然次生林内176株10个阔叶树种的解析木,共收集了3 401个枝条的详细数据,建立了一种树冠轮廓模型。分析发现,树冠的形状随着枝深度变化,在树冠上部、中部逐渐扩展,在下部收缩,每个树种呈现不同的曲线形式,天然次生林主要阔叶树种树冠模型可分为上中层和下层两部分建模,上中层模型为hRPCA=a0+a1/ln(RB)+a2/ln(RB)2+a3/ln(RB)3,下层轮廓模型因种不同而有不同,即hRPCB,白桦=b0+b1·(exp(b2)·ln(RB)-1)/b3;hRPCB,黄菠萝=b0+b1·ln(RB)+b2·ln(RB)2;hRPCB,其他=b0+b1·ln(RB)+b2·ln(RB)2+b3·ln(RB)3。经过验证,所建立的树冠轮廓模型拟合和检验效果较好,相关系数都在0.97以上。     

长白落叶松人工林多目标经营模式研究

【目的】我国林业目前处于提高森林资源质量和转变发展方式的关键阶段,林分水平的经营决策对科学制订森林经营规程、提高森林质量具有重要意义。利用模拟-优化系统,探究不同林分条件下的最佳经营模式,可为提高黄花落叶松(Larix olgensis)(俗名长白落叶松)人工林多目标经营水平提供理论基础和实施方案。【方法】以标准长白落叶松人工幼龄林为研究对象,利用多属性效用函数和妥协性分析构建包括净现值、大径材产量和林木碳储量的多目标经营模型,链接林分生长模型与粒子群优化算法,优化不同经营方程并提出经营模式。【结果】在不同造林密度(2 500和3 300株/hm²)及不同地位指数(16～22 m)下两种多目标方程(MOF₁和MOF₂)估算的林分主伐年龄为54～96 a,净现值为38 047.8～109 194.9元/hm²,大径材年均产量为1.8～4.4 m³/(hm²·a),轮伐期内年均林木碳储量为59.7～103.1 t/(hm²·a)。随着林木...     

基于极值理论的落叶松人工林自稀疏线估计

为研究林分自稀疏线,应用极值统计方法,从现实林分数据出发,通过设计一个阈值,采用广义Pareto模型拟合阈值超出值并进行外推,获得了林分在各个给定径阶下的极限最大株数。利用最大株数与直径关系进行回归分析,得到林分自稀疏线。应用该方法分析了黑龙江省1 511块落叶松人工林固定样地数据,得到黑龙江省落叶松人工林林分自稀疏线,结果与Reineke公式估算结果相一致。     

黑龙江省长白落叶松人工林单木生长模型

【目的】利用单水平线性混合模型构建了黑龙江长白落叶松人工林单木直径生长模型,为准确预测黑龙江省落叶松人工林的生长及合理经营提供理论依据。【方法】基于黑龙江省148块固定样地数据,运用逐步回归法,依次引入林木初始大小因子、竞争和立地因子,建立并评估了5种不同因变量(5年间隔期末胸高直径d₅,直径增长量d₅-d₀,5年直径增长量的自然对数ln(d₅-d₀+1),直径平方增长量的自然对数ln(d²₅-d²₀+1),直径平方增长量d²₅-d²₀)的黑龙江省长白落叶松人工林传统单木生长模型,同时基于最优传统模型采用哑变量方法构建了与距离无关的单木直径生长模型,并在哑变量模型的基础上把样地作为随机效应因子,运用单水平线性混合模型的方法构建了单木直径生长模型,并利用独立检验样本数据对基础模型、哑变量模型和混合模型进行检验。【结果】对于每一种因变量的单木生长模型,依次加入林木初始大小、竞争因子和立地因子后,模型精度均有显著提高; 因变量为ln(d₅-d₀+1)的模型为最优单木直径生长模型。影响黑龙江省落叶松人工林单木直径生长的主要因素有林木初始大小(ln d₀)、地位指数、林分每公顷断面积和大于对象木断面积和。哑变量模型在保证预估精度的同时体现了两个区域间的差异。混合效应预估模型的R²、均方误差(MSE)和均方根误差(RMSE)分别为0.978 3、0.713 7和0.844 8 cm。与传统模型相比,混合效应模型的相对平均均方误差和均方根误差较传统模型减少了0.300 6和0.162 3 cm,决定系数R²几乎相当。在模型检验中,混合效应模型呈现较好的拟合效果。【结论】基于线性混合效应的黑龙江省长白落叶松人工林的单木直径生长模型较传统模型预测精度更高。     

长白落叶松-水曲柳混交林不同混交方式单木冠长预测模型

【目的】为了准确预估长白落叶松-水曲柳4种不同行间混交方式(行间混交比例分别为1∶1、2∶2、3∶3、5∶5)的单木冠长,采用联立方程组模型分别构建了长白落叶松和水曲柳的冠长模型。【方法】基于黑龙江省尚志国有林场管理局的长白落叶松-水曲柳混交林54块标准地的样木数据,从3种非线性的基础冠长模型中选取最优冠长模型,以单分子式模型为树高曲线的基础模型,并将混交比例(Z_i)和树木在混交带内位置(K)作为哑变量,加入其他树木变量、林分变量和竞争因子,分别构建长白落叶松和水曲柳的冠长模型;基于最优冠长模型和树高曲线模型建立联立方程组模型,采用非线性似乎不相关回归(NSUR)的方法进行参数估计,并对所构建的模型进行评价。【结果】长白落叶松冠长与高径比呈负相关,与林木树高和林分优势高之比呈正相关;水曲柳冠长与高径比呈负相关,与林木胸径和林分优势木胸径之比呈正相关;长白落叶松树高与长白落叶松优势木平均高呈正相关,水曲柳树高与水曲柳优势木平均高呈正相关。联立方程组预估长白落叶松冠长和树高的调整后决定系数 ( R_{\mathrm{a}}^2 )分别为0.478 1和0.821 6,联立方程组预估水曲柳冠长和树高的 R_{\mathrm{a}}^2 分别为0.395 8和0.752 9。【结论】构建冠长和树高联立方程组模型不仅具有较好的拟合效果及预测精度,还解决了冠长与树高之间内在相关性的问题。因此,本研究所构建的冠长模型可以很好地预测东北地区混交林内长白落叶松和水曲柳的冠长,为进一步研究混交林树木树冠结构提供依据。     

基于林分及地形因子的落叶松人工林林分生物量模型构建

【目的】落叶松在我国东北地区广泛分布，是重要的造林和用材树种，具有生长速度快、耐寒等优点。为了准确地估算落叶松人工林林分生物量，构建了落叶松林分可加性生物量模型。【方法】以落叶松人工林为研究对象，基于黑龙江省的304块人工落叶松固定样地数据，采用非线性似乎不相关回归的方法建立了可加性生物量模型系统，使用留一交叉验证法对建立的模型进行检验。【结果】林分断面积和林分平均高对树干、树枝、树叶和树根生物量模型有显著影响，林龄和海拔也显著影响林分树干、树叶、树根生物量；坡率和坡向对树枝生物量有显著影响。树叶生物量与林分平均高、林龄和海拔呈显著负相关，树干与树根生物量则与之呈显著正相关，树枝生物量与林分平均高呈显著正相关。在所建立的可加性生物量模型中，调整后决定系数(R_adj²)均在0.94以上，均方根误差(RMSE)较小。检验指标平均误差(MPE)和平均误差百分比(MPE%)均接近0，拟合指数(I_F)均大于0.93，平均绝对误差(MAE)较小，且平均绝对误差百分比(MAE%)均小于11%。【结论】建立的落叶松人工林可加性生物量模型...