基于抚育间伐效应的长白落叶松人工林单木直径生长模型

【目的】分析抚育间伐对长白落叶松人工林单木胸径(D)生长的影响规律并对其进行模拟。【方法】基于黑龙江省孟家岗林场与江山娇林场10块固定样地复测数据,建立了基于抚育间伐效应的与树木距离无关的长白落叶松单木胸径5年生长量预估模型,量化了抚育间伐对林木直径生长的影响。长白落叶松单木直径生长模型为基于样地效应的单水平线性混合效应模型,根据赤池信息准则(AIC)和贝叶斯信息准则(BIC)等统计指标和似然比检验对模型进行比较和筛选,并采用独立样本数据对模型进行检验。【结果】当地位指数一定且林分年龄较小时,抚育间伐强度越大,林木直径生长量越大; 当林分年龄较大时,抚育间伐对林木直径生长影响不明显。同一林分中,林木直径生长量随林木径阶增大呈增大趋势。长白落叶松单木直径生长模型中显著自变量为:林木前期胸径的二次方(D²)、胸径的自然对数(ln D)、林分中大于对象木的所有林木断面积之和(B)、地位指数(I)、抚育间伐年龄(T_i)和间伐强度(P_i)。落叶松单木直径生长最优混合效应模型的AIC、BIC和均方根误差均小于一般线性模型。独立样本数据检验最优线性混合效应模型和一般线性模型的拟合效率分别为0.678 和0.624。【结论】基于抚育间伐效应的落叶松直径生长的最优线性混合效应模型优于一般线性模型。模型能够较好地量化抚育间伐对落叶松人工林单木直径生长的影响。     

基于WebGIS的农户耕地管理与施肥决策支持系统的构建

以双城市中兴村为例,利用遥感数据、农户调查信息及土壤采样点数据,结合专家施肥知识模型和Java语言,在WebGIS平台上开发并建立农户耕地管理与施肥决策支持系统。本系统实现了农户耕地资源可视化的管理,决策者可以通过网络平台了解耕地管理和土壤肥力状况;实现了合理施肥指导,农户可以通过该系统了解地块信息并获得专家推荐施肥指导。该项研究对信息化农业的推进,对提高农民收益和保护生态环境有着重要意义。图5,参13。     

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。     

基于两水平非线性混合效应模型的长白落叶松削度方程构建

【目的】以长白落叶松(Larix olgensis)人工林干形指标为主要数据,利用非线性混合效应模型构建长白落叶松削度方程,研究不同的二次抽样方案对混合效应模型预估精度的影响。【方法】在不同类型的削度方程中选择拟合效果最好的Kozak方程作为基础模型,通过再参数化的方法引入树冠特征变量,分析树冠大小对干形的影响;在包含树冠变量的模型基础上,结合混合效应模型考虑样地、样木效应对于干形的影响,建立长白落叶松削度方程;采用2种抽样方案(方案Ⅰ,不限定抽样位置;方案Ⅱ,抽样位置限定在相对高0.1以下)对混合效应模型进行精度检验。【结果】树冠变量中冠长率与干形关系最为密切,将冠长率引入模型后,提升了模型的拟合精度,且模型参数在5%显著性水平上均显著。通过似然比检验,样地效应和样木效应极显著提升了模型拟合效果(P<0.01),并使用指数函数和一阶连续自回归结构[CAR(1)]来解决削度方程中普遍存在的异方差和自相关问题,最终的混合效应模型调整后决定系数( R_{\mathrm{a}}^2)为0.994 1,均方根误差(RMSE)为0.623 1,拟合效果优于基础模型( R_{\mathrm{a}}^2提高了0.4%,RMSE减小了24.6%)。当使用不同的抽样方案进行预测时,方案Ⅰ表现出最高的预测精度,抽样数量为5时,平均绝对误差(MAE)为0.470 0,平均绝对误差百分比(MAPE)为4.62%;而方案Ⅱ不同抽样数量之间的预测效果差别不大(MAE的变化范围为0.520 3~0.536 6,MAPE的变化范围为5.14%~5.22%),但仍优于基础模型。【结论】将冠长率引入模型后,模型对干形的模拟更贴合实际中的林木生长情况;包含样地效应、样木效应的两水平混合效应模型可以很好地模拟长白落叶松的干形变化,为精准估计长白落叶松各材种和立木材积提供了依据。     

基于奇异设计矩阵的岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。     

典型阔叶红松林林隙对幼苗建立的影响

林隙干扰是阔叶红松林林分结构维持和发展的重要驱动力,然而大多研究只考虑林隙对幼苗建立初期和末期总体的数量变化,忽视了此阶段中曾经出现而又死亡的动态过程.本文以9hm2凉水典型阔叶红松林动态监测样地915个2 m×2 m小样方内的多年生幼苗(H≥30 cm,DBH1 cm)为研究对象,基于2006,2008,2010和2012年4次调查数据,分析了幼苗的新增、死亡、高生长及其动态,探讨了林隙与非林隙下幼苗的建立过程.结果表明,样地内共有幼苗42种,其中林隙对11种幼苗的建立具有显著的促进作用.在林隙内稠李、枫桦、裂叶榆、龙牙楤木、珍珠梅、山槐和红皮云杉的幼苗新增显著高于非林隙,而稠李、裂叶榆、龙牙楤木、珍珠梅和山槐幼苗的死亡数量显著高于非林隙;林隙对冷杉、春榆、红皮云杉、花楸和山槐幼苗的高生长具有促进作用.2008年新增并在以后调查中死亡的幼苗有31种,其中5种幼苗的密度变化在林隙内显著高于非林隙;而2010年新增在2012年调查时死亡的幼苗中只有水曲柳在林隙内显著高于非林隙.本研究还发现,阔叶红松林幼苗的建立不仅对不同的林冠条件有偏好,还与地形因子及其他生物因子密切相关.     

基于凉水地区航空相片的主要针叶树种材积表编制

以2008年黑龙江省凉水国家级自然保护区航空相片及2009年森林资源连续清查数据为数据源,通过内定向、相对定向、绝对定向生成立体像对,并利用VirtuoZo NT软件中IGS数字化测图,对35个固定样地的3个针叶树种(红松、冷杉、云杉)提取树高与冠幅,并将提取数据与实测数据进行精度分析。结果表明:提取的树高和冠幅值具有一定的精度,其中树高平均精度为76%,冠幅的平均精度80%。基于以上提取结果,根据树高、冠幅和材积三者之间的关系,分别建立了3个树种的航空相片一元材积表和二元材积表。经检测,树高和冠幅因子与材积具有很好的相关关系。     

黑龙江省红松和长白落叶松人工林树冠外部轮廓模拟

【目的】红松和长白落叶松是黑龙江省主要的造林树种,构建两个针叶树树冠外部轮廓预估模型,为进一步科学合理地经营人工林提供参考。【方法】采用黑龙江省红松和长白落叶松人工林中各50株解析木的枝条解析数据,以分段抛物线方程、修正Kozak和Weibull方程为基础模型,构建以样木为单一水平树冠外部轮廓的非线性混合效应模型,并对两树种的树冠轮廓进行比较。【结果】两树种树冠外部轮廓的分段抛物线预估模型包含的变量均为D_BH(胸径)、C_L(冠长)、C_R(冠长率)、H_D(高径比),修正Kozak和Weibull预估模型包含的变量为D_BH、C_R、H_D。加入混合效应后,各模型的拟合效果较基础模型均有所提高。修正Weibull方程对红松和长白落叶松的拟合效果最好,但与分段抛物线和Kozak方程之间的差别不是很大。对于红松,分段抛物线方程预估的树冠半径在靠近树冠基部要低于修正的Kozak方程和修正的Weibull方程; 对于长白落叶松,各模型之间的拟合效果差别较小。【结论】分段抛物线方程、修正Kozak和Weibull方程均能够对黑龙江省红松和长白落叶松人工林树冠外部轮廓进行比较准确的模拟。修正Kozak方程和Weibull方程包含的树木变量较少,参数估计相对简单,容易通过积分计算树冠体积及表面积。     

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。     

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。