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。