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。     

基于3-PG模型的长白落叶松人工林生长和生物量模拟

【目的】模拟预测森林经营及气候变化下长白落叶松人工林林分生长及生物量变化,以期为长白落叶松人工林经营管理提供科学依据。【方法】以吉林省和龙、舒兰、通化、汪清、长春林区内15块长白落叶松人工林固定样地为对象,基于气候、土壤、林分生长等观测数据,运用3-PG模型模拟了研究区内长白落叶松的生物量及其分配,并模拟了CO_2浓度升高对生物量的影响。【结果】3-PG模型能够较好地模拟林分蓄积和干生物量的生长变化,除叶生物量外(R~2=0.39),各指标的预测值与实际值的相关性较高(R~2在0.62~0.86之间),平均相对误差和相对均方根误差均小于15%。参数敏感性分析表明:土壤肥力等级和生物量分配参数是该模型的关键参数。研究还发现长白落叶松人工林的生物量随CO_2浓度升高而增加。【结论】3-PG模型可以用于长白落叶松人工林的生长模拟。     

基于TLS的红松树冠半径提取及其外轮廓模型构建

【目的】探究基于地基激光雷达(Terrestrial Laser Scanning, TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,R_C)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15～1.00,精度均在90%左右;提取效果最差的相对冠深范围为0～0.15,精度为60.27%～75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】基于TLS...     

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...     

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。     

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。     

华北落叶松冠层光合生理特性的空间异质性

【目的】森林生产力取决于树冠的整体光合能力,而树冠不同部位的光合作用具有差异性。深入了解华北落叶松冠层内光合作用的差异,为冠层水平模拟和准确估算森林生产力提供依据。【方法】采用Li-6400便携式光合仪对山西省太岳山20年生和40年生华北落叶松不同层次和不同方位的光合生理特性进行研究。【结果】20年生华北落叶松树冠中上层与下层的净光合速率(P_n)差异显著(P<0.05),而不同方位上的P_n差异不显著; 40年生华北落叶松树冠上、中、下3个层次的P_n差异显著(P<0.05),不同方位上的P_n差异也不显著。影响20年生华北落叶松树冠P_n的主要因子是羧化效率(V_c)、胞间CO₂浓度(C_i)、蒸腾速率(T_r); 影响40年生华北落叶松树冠P_n的主要因子是V_c、气孔导度(G_s)、水汽压亏缺(p_VPD)。20年生和40年生华北落叶松树冠不同层次、不同方位叶绿素a、叶绿素b和总叶绿素含量差异不显著。【结论】冠层光合空间异质性是冠层水平模拟和估算森林生产力时必须考虑的因素,这对于从单木到林分的尺度推演和模型拟合具有重要的意义。     

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...     

基于多站扫描的点云特征参数与材积结构动态分析

【目的】采用地面激光雷达(TLS)进行多站点扫描获取立木的点云信息,提取有关点云分布的特征参数,拓展立木测树因子,建立基于特征参数的材积模型。【方法】以马褂木(Liriodendron chinense)人工林为研究对象,利用点云数据提供的立木上部直径(d)、树高(H)等因子对两期(2014、2017年)林分结构变化进行分析;设计并提取基于TLS点云的特征参数高度累计百分比,同时提取了其他与高度相关的特征参数作为一组变量;将提取的立木胸径(DBH)与特征参数作为另一组变量;最后分析特征参数、胸径与材积的相关性,通过逐步回归法分别建立基于两组变量的材积模型,并分析两期材积的动态变化。【结果】选用特征参数H₂₅与H_{t, var}(点云高度方差)拟合两期材积模型,其决定系数R²分别为0.771 1、0.742 6;利用特征参数H₂₅与胸径拟合,模型预测精度有明显的提升。以上两组材积模型预测各径阶材积变化,其模型值与实测值无显著差异,R²均高于0.9。【结论】研究提取的高度累计百分比与立木测树因子紧密相关,可以很好地反演林木的动态结构。研究建立的材积模型均有较高的精度,可用于林木材积动态变化监测,为地面激光扫描点云参与森林资源动态监测提供理论参考。     

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。     

基于空间结构的杉木枝下高可视化模拟研究

【目的】定量研究林分空间结构对杉木枝下高的影响,构建基于空间结构的枝下高模型,结合杉木生长模型,应用三维可视化技术,实现杉木枝下高可视化模拟。【方法】利用湖南省黄丰桥国有林场6块杉木人工林临时样地的调查数据,选择5个常用枝下高基础模型,分析水平空间结构参数(P_H)、垂直空间结构参数(P_V)和空间结构单元平均距离(d_DIS)及其组合对枝下高的影响,构建综合指标较好且变量少的枝下高模型。基于林分三维模型实时生成方法,建立一种枝干可控的杉木三维模型;结合单木胸径连年生长量模型、树高-曲线模型和冠幅面积估计模型,模拟林木的生长状态。【结果】Logistic模型综合指标较好且模型参数可解释,可选为基础模型;3个空间结构参数中垂直空间结构影响较为显著,将P_V加入到Logistic模型中,改善了枝下高模型的拟合效果,决定系数(R²)从0.717提升到0.741,估计值的标准差从1.407 m减小到1.321 m,并使各项模型检验误差指标有所减小;构建的杉木三维模型可以动态调节枝干,实现了杉木枝下高模拟。【结论】构建的枝下高模型可以应用于林木年龄和部分林分信息未知的杉木林中,体现了林木间的相互竞争影响;结合枝干可控的杉木三维模型,模拟杉木生长过程,形象直观地表现了杉木枝下高的变化,为进一步研究林分生长动态可视化模拟和森林经营可视化模拟提供支持。     

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。     

水曲柳幼苗水力结构和光合生理对光强梯度变化的耦合响应

【目的】 研究水曲柳(Fraxinus mandschurica)幼苗对不同光照强度的响应及适应机理,为育苗造林和林下天然更新研究提供参考。【方法】 以2年生盆栽水曲柳幼苗为材料进行不同光照处理,1年后测定幼苗在4种强度日光处理(相对光强100%、60%、30%和15%)下的生长、光合生理和水力性状等指标。【结果】 遮阴处理显著影响了水曲柳幼苗的生长、光合和水分生理特性。与60%和30%相对光强处理相比,100%相对光强下水曲柳具有更高的气孔导度(G_s)、净光合速率(P_n)、根系水力导度(K_root)、地上部分水力导度(K_shoot)和整株水力导度(K_plant)。随光照强度的减弱,水曲柳的生长速率显著降低,根生物量占比(R_MR)减少,最大净光合速率(P_n,max)、光补偿点(L_CP)和光饱和点(L_SP)降低,而茎、叶生物量占比(S_MR、L_MR)以及表观量子效率(A_QY)增加;枝条木质部解剖结构在不同光照处理下存在显著差异,相对光强100%处理时的导管密度显著高于相对光强30%和60%处理,而导管直径显著低于30%和60%处理。【结论】 水曲柳幼苗通过调节形态、光合和水分生理特性来适应一定程度的弱光环境,但总体上对光强有较高的需求。水曲柳的光合和水力性状随光照强度的改变都具有较大的可塑性,二者对光照强度梯度变化的响应存在显著耦合关系。这些性状的可塑性响应有利于提高水曲柳幼苗在异质性光环境下的生存适合度,对于其更新阶段在林下不同光照条件下的生存有重要意义。     

海南岛东北部木麻黄立木生物量建模

【目的】木麻黄是海南岛沿海主要的造林防护树种,量化估测木麻黄林生物量有利于明确木麻黄的碳汇贡献能力。【方法】以海南岛东林场木麻黄林为研究对象,选取了44株标准木,并获得其生物量实测数据。基于筛选的41株木麻黄样木生物量数据,分别选出地上和地下生物量最优独立模型,依据非线性度量误差模型的理论和求解方法,以及地上、地下生物量与材积变量之间的转换关系,建立了木麻黄地上生物量和地下生物量相容性模型,并采用加权回归消除各模型的异方差。【结果】地上、地下生物量最优独立模型为以胸径D为自变量的一元方程,立木材积的最优独立模型为以胸径D和树高H为自变量的二元独立模型; 非线性度量误差联立方程组能够很好地解决生物量相容性的问题,地上、地下生物量和立木材积的决定系数R²均大于0.95,并很好地改进了单株预测精度(平均百分标准误差E_MPSE均小于10%)和控制了平均预估误差; 同时,得出生物量转换因子(E_BCEF)和根茎比(R)的二元方程。【结论】此次建立的木麻黄生物量非线性联立方程组可用于大范围尺度估算木麻黄防护林的生物量及其碳储能力。     

杉木三维模型各方向枝下高分布研究

【目的】通过分析实测枝下高分布方向与空间竞争强度的关系,解决基于传统林学研究调查数据所构建的林木三维模型对不同方向枝下高分布差异难以直观表达,林木三维模型多态性表现不足的问题。【方法】以江西省新余市分宜县亚热带林业实验中心山下林场8块杉木临时样地为数据源,以已有枝下高模型为理论基础,将空间分析方法缓冲区构建与林分空间结构单元构建结合,构建对林木造成直接影响的水平空间结构参数与垂直空间结构参数,分析空间结构参数与枝下高相关性,并以此计算各方向空间竞争强度,建立空间竞争强度与实测枝下高的分布关系,再按照枝下高模型求解剩余方向枝下高,最终按照实测数据与分析计算结果加载分枝、主干模型,构建林木三维模型。【结果】所选模型变量包括林木属性与空间结构参数,原始模型决定系数为0.720,消除树高影响的调整后实测枝下高与水平空间结构参数相关系数为0.410、与垂直空间结构参数相关系数为0.782,且均呈正相关;将各自相关系数为权重计算对应方向空间竞争强度,将最小竞争强度方向空间结构参数代入模型,拟合结果决定系数为0.790,相比原始模型拟合精度有所提高;将实测枝下高分配到竞争强度最小的方向,根据模型可对其他方向枝下高进行估算。【结论】以杉木为例,通过空间竞争强度判别枝下高分布,在提高已有数据利用率、减小外业工作强度的基础上,可直观表现林木不同方向枝下高分布的差异性,增强了林木三维模型的多态性表达。     

基于TLS数据的杨树削度方程建立及材积估算

【目的】削度方程可以很好地描述树干直径随树高变化的情况,基于地基激光雷达(terrestrial laser scanner, TLS)的高精度三维点云数据建立准确的削度方程并进行立木材积估算,对活立木尺度的材积估计具有重要意义。【方法】以江苏省黄海海滨国家森林公园杨树人工林为研究对象,获取4块样地的TLS点云数据,通过MATLAB 2020a软件计算点云平坦度和法向量以提取单木主干,采用圆拟合方法进行不同高度处的直径拟合,利用32株样木的数据,选取6种削度模型进行建模,得到杨树树干削度方程最优拟合模型,并进行材积估算。【结果】利用TLS数据提取的胸径能替代实测胸径,其平均误差小于0.90 cm。通过对6种模型的拟合优度检验,Schumacher and Hall模型为该地区杨树削度方程最优拟合模型,模型的决定系数R²=0.984,均方根误差为1.00 cm,相对百分误差为2.79%,平均预估误差为0.271%。利用Schumacher and Hall 削度方程最优拟合模型进行活立木材积的估算,经与二元材积方程估计结果进行对比,其相对差异为3.34%,二者在统计上无显著差异。【结论】该方法可以减少地面调查对树木造成的永久性破坏,为人工林的蓄积量调查提供有效的技术支持。     

基于多机器学习模型的逐小时PM2.5浓度预测对比

【目的】比较分析XGBoost模型、LightGBM模型、随机森林模型(RF)、K最近邻模型(KNN)、长短期记忆神经网络(LSTM)、决策树模型(DT)共6个PM_2.5浓度预测模型,以准确、及时预测环境PM_2.5浓度。【方法】基于重庆市合川区2020年全年空气质量监测数据和气象数据,通过最大相关最小冗余算法(MRMR)进行数据降维选择最优特征子集,作为模型的输入,逐一进行PM_2.5浓度预测;考虑到不同季节PM_2.5浓度差异较大,故分季节预测了PM_2.5浓度;为了探究各模型预测性能,计算了各模型运行时间和内存占用,并基于PM_2.5与特征变量的相关性和特征变量的重要性探讨了模型预测性能季节性差异原因。【结果】模型总体预测精度从高到低排序为 XGBoost、RF、LightGBM、LSTM、KNN、DT模型;预测性能方面,6个模型均表现为秋冬季节预测精度高于春夏季节;LightGBM模型可在保证模型精度的情况下,大幅减少模型训练时间和内存占用;特征重要性显示PM₁₀浓度、气温和气压的重要性高,O₃浓度、风向和NO₂浓度重要性相对较弱。【结论】采取MRMR方法进行数据降维选取的最优特征子集能较好地预测PM_2.5浓度;相比较而言,XGBoost、RF、LightGBM、LSTM模型在PM_2.5浓度预测上具有较优性能,其中综合性能较好的为LightGBM模型。