基于广义非线性混合效应的华北落叶松天然次生林枝下高模型

【目的】立木枝下高模型的构建是森林经营的核心内容,利用非线性混合效应模型方法构建华北落叶松枝下高模型,可为森林生长与收获研究提供理论依据。【方法】基于112块华北落叶松天然次生林样地单木数据,从7个备选的枝下高-树高模型中选出一个最优基础模型; 分析9个不同单木或林分因子及其因子之间的组合对枝下高的影响,将影响显著的因子作为模型预测变量以提高模型精度。在此基础上,考虑区组以及嵌套在区组里的样地对枝下高的影响,即构建嵌套两水平的非线性混合效应枝下高模型。【结果】Logistic模型预测精度较高并且模型参数可解释,因此选为基础模型。除树高之外,立木胸径、样地内所有大于对象木胸径的立木断面积总和、平均冠幅和林分密度与枝下高相关显著,故作为模型预测变量。与传统模型相比,所构建的两水平嵌套非线性混合效应模型对应的决定系数提高了53.26%,均方根误差降低了24.73%,因此明显提高了模型预测精度。【结论】区组和嵌套在区组里的样地对立木枝下高随机干扰较大,当考虑这些随机效应对枝下高的影响时能明显提高模型的预测精度。     

华北落叶松人工林直径分布预测模型构建

【目的】基于不同直径分布预测模型(Weibull分布模型、Gamma分布模型、Lognormal分布模型),构建包含华北落叶松林分因子的直径分布线性混合效应模型,有助于分析直径分布对林分因子动态变化的响应。【方法】利用塞罕坝华北落叶松人工林标准地调查数据,应用最大似然估计法(Maximum Likelihood Estimation, MLE)估计模型参数,通过K-S(Kolmogorov-Smirnov)检验、C-V(Cramer-von Mises)检验、A-D(Anderson-Darling)检验对模型适用性进行检验,基于最优模型构建华北落叶松人工林直径分布线性混合效应模型。【结果】塞罕坝华北落叶松人工林直径分布最优模型为Weibull分布;基于最优模型,构建了包含优势高、断面积、对数密度的线性混合效应模型,当3个参数随机效应方差-协方差结构和误差项结构均为对角矩阵结构[UN(1)]时,模型的拟合效果最好。包含位置、尺度、形状3参数随机效应项模型的决定系数R²分别为0.895、0.888、0.801,均方误差(MSE)分别为5.365、1.724、1.151,均方根误差(RMSE)分别为2.316、1.313、1.073,拟合结果均较好。【结论】线性混合效应模型具有较好的预测直径分布能力,可为精准预测华北落叶松人工林直径分布提供理论依据和技术参数。     

基于哑变量回归和混合效应的杉树树高-胸径模型

为了精确预测杉树人工林的潜在生产力,以江西省青原山杉树人工林为研究对象,基于最小二乘法构建杉树树高-胸径的基础模型,在此基础上分别加入地形因子的哑变量和地形因子的混合效应,构建基于哑变量回归和混合效应的杉树树高-胸径模型,并利用决定系数和均方根误差评价模型的拟合效果,比较2种模型的精度。结果表明:杉树树高-胸径的关系随坡度、坡向的不同存在一定的差异;线性混合效应的回归预测模型精度高于哑变量回归模型和基础模型的,其中基础模型的决定系数、均方根误差分别为0.604、 2.595,哑变量回归模型的决定系数、均方根误差分别为0.652、 2.443,混合效应模型的决定系数、均方根误差分别为0.659、 2.364;与基础模型相比,基于线性混合效应的杉树树高-胸径模型的精度更高,决定系数增大了5.4%,均方根误差减小了8.9%。     

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。     

基于贝叶斯方法的蒙古栎林单木树高-胸径模型

【目的】贝叶斯统计法在提高参数稳定性上有较大的优势,但在森林生长模型中的应用并不多见。研究贝叶斯方法在树高-胸径模型中的应用,改进模型参数的估计方法,为蒙古栎天然林树高生长预测提供支持。【方法】以蒙古栎天然异龄林为对象,基于197块蒙古栎天然异龄林固定样地数据,采用传统极大似然法、贝叶斯法估计树高-胸径基础模型,以及极大似然法与层次贝叶斯法估计树高-胸径混合效应模型。随机抽取80%的样地数据用于建立模型,剩余的20%用于检验模型,基于基础模型与混合效应模型,利用经典概率统计法(极大似然估计)、有先验信息的贝叶斯统计法和层次贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过绝对平均误差(MAE)、相对平均误差(RME)、均方根误差(RMSE)、相对均方根误差(RMSE%)、决定系数(R²)、赤池信息准则(AIC)和偏差信息准则(DIC)指标来确定。【结果】对于基础模型,有先验信息的贝叶斯统计参数可信区间集中。对于混合模型,层次贝叶斯法估计的固定效应参数可信区间较传统方法更为集中,但随机效应参数可信区间相较极大似然法的置信区间更为扩散。使用层次贝叶斯混合效应模型的拟合效果最好,其决定系数R²为0.946。MAE、RMSE和RMSE%指标显示,层次贝叶斯法估计的模型精度最高,其次为极大似然估计的混合效应模型,贝叶斯法估计的基础模型以及极大似然估计的基础模型精度较低。【结论】层次贝叶斯统计法在拟合树高-胸径模型方面具有明显的优势,拟合效果最好,模型预估精度最高。此外,层次贝叶斯法能够以之前建立的模型结果作为先验信息而建立新的模型,是森林经营单位更新模型的可选方法之一。     

赣中天然闽楠单木冠幅预测模型的研究

【目的】探讨竞争指标和建模方法对天然闽楠(Phoebe bournei)单木冠幅预测模型的影响,以期为精准预测天然闽楠单木的冠幅提供参考。【方法】以江西省赣中25块闽楠天然次生林典型样地中的1 011株闽楠为研究对象,采用普通最小二乘法(OLS模型)、仅考虑样地水平的混合效应模型、增强回归树和随机森林4种建模方法建立单木冠幅模型,分别添加林分每公顷断面积、大于对象木的断面积之和、林分密度指数和简单竞争指数4种竞争指标,分析竞争指标对冠幅模型的影响,采用决定系数(R²)、均方根误差(RMSE)、平均相对误差绝对值(RMA)和平均绝对误差(MAE)确定最佳模型。【结果】不添加竞争指标时,模型的预测能力表现为:混合效应模型>OLS模型>增强回归树>随机森林;添加竞争指标时,最优模型表现为:混合效应模型>OLS模型>随机森林>增强回归树。OLS模型中添加大于对象木的断面积之和竞争指标时预测能力最佳;增强回归树中添加固定半径为7 m的简单竞争指数时预测能力最佳;随机森林中添加林分每公顷断面积竞争指标时预测能力最佳;混合效应模型不添加竞争指标时预测能力最佳(RMSE为0.846 0,RMA为0.211 1,MAE为0.650 1),并且都优于其他模型。【结论】研究结果可对天然闽楠单木冠幅生长进行精准预测,并为提高闽楠天然次生林的林分质量提供理论依据。     

基于哑变量的湖南栎类天然林林分断面积生长模型

【目的】建立含林分类型或立地类型哑变量的栎类林分断面积生长模型,为湖南栎类天然林林分断面积生长收获和预估提供理论支持。【方法】以湖南省5个区域51块栎类天然混交林样地为研究对象,选取6个具有生物学意义的理论生长方程,构建含年龄、平均优势高及林分密度指标的林分断面积生长模型,比较不同理论生长方程与密度指标对栎类天然林断面积模型拟合效果的影响,从中筛选出拟合优度较高的模型作为构建哑变量模型的基础模型; 考虑混交林立地类型的差异与优势树种的聚集分布,划分林分类型与立地类型,并分别作为哑变量加入基础模型参数及其组合中,比较林分类型哑变量模型、立地类型哑变量模型与基础模型模拟效果的差异。【结果】以株树密度作为密度指标的断面积生长模型决定系数(R²)在0.47～0.51之间,P值均小于93%,以林分密度指数作为密度指标的断面积生长模型决定系数(R²)在0.85～0.92之间,P值均大于95%,说明密度指数模拟效果优于株树密度模拟效果,其中含年龄、平均优势高与林分密度指数的Schumacher模型决定系数最大(R²=0.924 2),模拟效果最优。以Schumacher模型作为基础模型,构建含林分类型或立地类型的哑变量的模型,基础模型、林分类型模型、立地类型模型的决定系数分别为0.924 2、0.979 8、0.997 6,以立地类型作哑变量的模型要优于基础模型与林分类型模型。【结论】含哑变量模型可以有效解决天然混交林优势树种分布与立地类型差异对断面积预估的影响,提高建模的精度与模型的适用性。     

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。     

气候变化对落叶松人工林生物量生长的影响模拟

【目的】研究气候变化对落叶松人工林生物量及其生长的影响，为落叶松人工林碳估测和适应性经营决策提供依据。【方法】利用华北和东北地区第6～8次森林资源连续清查落叶松人工纯林固定样地数据，基于理论生长方程建立林分生物量生长模型。并将不同种落叶松作为哑变量，建立了气候敏感的林分生物量生长模型，气候因子为年湿热指数(AHM)。模拟未来气候不变、两种温室气体代表性浓度路径(RCPs)(包括RCP 4.5和RCP 8.5)3种气候变化情景下的林分生物量及其连年生长量，采用两种RCP气候情景与当前情景生物量估计结果的相对差值量化气候变化对林分生物量及其生长的影响。【结果】林分生物量的基础模型、含哑变量的模型、含气候变量和哑变量生长模型的决定系数R²分别为0.938 2、0.947 0和0.950 7,采用哑变量和考虑气候因子能够明显改善模型表现。模型模拟结果表明，与当前情景比较，各树种的林分生物量及其连年生长量在RCP 4.5和RCP 8.5气候变化情景下既有增加也有减少的趋势。对于林分生物量，RCP 4.5和RCP 8.5情景下的相对差值的均值区间分别为-3.02%～2.69%...     

基于BP神经网络的长白落叶松人工林林分平均高预测

【目的】研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法。【方法】以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观测数据,运用BP神经网络建模技术建立了林分平均树高生长模型。输入因子首先加入年龄,然后依次加入立地因子及林木竞争因子,分析立地因子及林木竞争因子对树高的影响。基于Matlab R2016b中的Sigmoid函数和线性函数为神经元的传递函数,分别采用贝叶斯正则化算法和Levenberg-Marquatdt算法(简称L-M算法)对网络进行训练,对比分析了贝叶斯正则化算法和L-M算法作为训练函数的差异。【结果】与L-M训练算法相比,贝叶斯正则化训练算法具有更好的泛化能力。模型中依次加入年龄、立地因子、林木竞争因子后,树高的拟合精度呈现出相同的上升趋势。采用贝叶斯正则化训练算法,当年龄作为输入因子时,决定系数R²为0.521 0,均方根误差(RMSE)为2.091 7,平均绝对误差(MAE)为1.627 6。加入立地因子后,决定系数R²提高至0.573 6,提高了10.10%,均方根误差(RMSE)为1.973 6,降低了5.65%,平均绝对误差(MAE)为1.579 7,降低了2.94%; 在此基础上,加入林木竞争因子后,决定系数R²为0.845 5,增长了47.40%, 均方根误差(RMSE)为1.187 9,下降了39.81%,平均绝对误差(MAE)为0.968 5,下降了38.69%。【结论】利用贝叶斯正则化BP神经网络可以准确地预测长白落叶松人工林的平均高。立地因子及林木竞争因子能够较好地提升林木生长预测的精度,且林木竞争因子对树高的影响明显大于立地因子。     

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。     

基于气候因子的杉木单木胸径生长模型构建

【目的】为准确预测湖南杉木的生长及制定经营管理措施,构建了考虑气候因子的杉木单木胸径生长混合效应模型。【方法】基于湖南省第七、八次全国森林资源连续清查中73块样地的3 638株杉木数据,运用多元逐步回归的方法,考虑林木大小、竞争、立地和其他林分因子以及气候因子对杉木胸径生长的影响,分别以5年胸径增长量(D₂-D₁)、5年胸径增长量的自然对数[ln(D₂-D₁+1)]、5年胸径平方增长量的自然对数[ln(D₂²-D₁²+1)]、胸径平方增长量(D₂²-D₁²)为因变量构建模型,选择最优基础模型。在最优模型的基础上,引入样地随机效应,构建单水平线性混合效应模型,并引入3种常用的异方差函数和3种常用的自相关结构来消除模型的异方差和自相关,最后采用十折交叉验证的方法对模型的预估效果进行检验。【结果】与其他3种因变量相比,因变量为ln(...     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

林分空间结构优化栅格间伐模型

[目的]构建林分空间结构优化栅格间伐模型,以期获得高效、便捷的间伐方案.[方法]在随机间伐模型的基础上,提出将林地栅格化处理的栅格间伐法,并使用随机间伐法对栅格间伐法进行检验,最后以金盆山次生林为例验证模型的适用性.[结果]间伐模拟前,次生林空间结构整体表现不够理想,在角尺度、开敞度和竞争指数方面有待提高;恢复年限33...     

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...