黑龙江省气象因子插值优化及与落叶松NPP相关性分析

【目的】通过比较不同插值方法模拟黑龙江省气象因子,利用最佳插值结果,探寻落叶松样地气象因子与森林植被净初级生产力(NPP)的关系,为黑龙江省落叶松林的生产经营和管理提供科学参考。【方法】以黑龙江省2010年生长季(5—9月)气象因子(日平均气温、日降水量)及1 521块落叶松林固定样地数据为数据源,分别使用反距离加权(IDW)、普通克里金(OK)、多元线性回归(MLR)和混合插值法(包括回归反距离加权(RIDW)和回归克里金(RK))5种插值方法对生长季月均气温和月均降水量进行插值及比较,以最佳插值方法得到黑龙江省2010年生长季月均气温和月均降水量空间分布。根据东北地区树种生物量异速模型估算落叶松样地单位面积森林地上生物量(AGB)和净初级生产力,并与样地气象因子进行相关性分析。【结果】5种插值方法中RK的生长季月均气温和月均降水量均方根误差(RMSE)分别为0.420和10.110,均优于其他插值方法。生长季月均气温由南至北降低的同时落叶松NPP随之降低,月均降水量自西向东增大,落叶松NPP随之升高。生长季月均气温、月均降水与NPP的Pearson相关系数分别为0.221和0.241,二者P值都小于0.01,呈极显著相关。【结论】考虑地形因子和多元回归模型结果残差的RK方法可以更好地模拟黑龙江省生长季月均气温和月均降水量。生长季落叶松NPP在经、纬度方向上分布趋势与气温、降水量相同,且落叶松NPP与生长季月均气温和月均降水量均有一定相关性,其中与降水量相关性更为明显。     

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。     

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。     

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。     

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。     

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...