基于线性混合模型的红松人工林一级枝条大小预测模拟

基于黑龙江省孟家岗林场60株人工红松955个标准枝数据,采用线性混合效应模型理论和方法,考虑树木效应,利用SAS软件中的MIXED模块拟合红松人工林一级枝条各因子(基径、枝长、着枝角度)的预测模型.结果表明： 通过选择合适的随机参数和方差协方差结构能够提高模型的拟合精度;把相关性结构包括复合对称结构CS、一阶自回归结构AR(1)及一阶自回归与滑动平均结构ARMA(1,1)加入到一级枝条大小最优混合模型中,AR(1)可显著提高枝条基径和角度混合模型的拟合精度,但3种结构均不能提高枝条角度混合模型的精度.为了描述混合模型构建过程中产生的异方差现象,把CF₁和CF₂函数加入到枝条混合模型中,CF₁函数显著提高了枝条角度混合模型的拟合效果,CF₂函数显著提高了枝条基径和长度混合模型拟合效果.模型检验结果表明：对于红松人工林一级枝条大小预测模型,混合效应模型的估计精度比传统回归模型估计精度明显提高.
     

基于线性混合效应的红松人工林枝条生物量模型

基于黑龙江省孟家岗林场60株红松解析木3643个枝条生物量的实测数据,利用全部子回归技术建立了枝条生物量模型(枝、叶和枝总生物量模型),最终选择lnw=k₁+k₂lnL_b+k₃lnD_b为枝条生物量最优基础模型.利用SAS 9.3统计软件的PROC MIXED模块建立枝条生物量混合模型,并采用AIC、BIC、对数似然值和似然比等统计指标评价不同模型的拟合效果.结果表明: 红松解析木的叶和枝总生物量混合模型以k₁、k₂、k₃作为随机效应参数的拟合效果最好,而枝生物量混合模型以k₁、k₂作为随机效应参数的拟合效果最好.最后将枝条生物量最优基础模型与最优混合模型进行模型检验.混合模型各项指标优于基础模型,能有效地提高模型的预估精度,并且通过方差协方差结构校正随机参数来反映树木之间的差异.     

基于非线性混合模型的红松人工林枝条生长

基于黑龙江省孟家岗林场36株红松人工林的枝解析数据,以单分子式和理查德方程作为枝条基径(BD)和枝长(BL)生长模型,分别考虑样地效应和样木效应,利用SAS软件的PROC NLMIXED模块构建了枝条基径和枝长生长的非线性混合模型.采用Akaike信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(-2Log likelihood)和似然比检验(LRT)等评价指标对所构建模型的精度进行比较.结果表明:当考虑样地效应时,α1、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好;当考虑样木效应影响时,α2、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好.非线性混合模型不但可反映枝生长总体平均变化趋势,还能反映个体之间的差异.无论考虑样地效应还是样木效应,非线性混合模型的拟合精度都比传统回归模型的拟合精度高,并且考虑样木效应的拟合精度高于考虑样地效应的拟合精度.     

杉木人工林生物量及其分配的动态变化

根据5个年龄(6、16、23、32和50年生)共15块1000 m2样地的调查资料,利用15株不同年龄和径阶的杉木样木数据,建立以胸径(D)为单变量的生物量回归方程.采用样木回归分析法(乔木层)和样方收获法(灌木层、草本层、地上凋落物)获取不同林龄杉木人工林的生物量,并分析了其组成、分配特征及不同林龄生物量的变化趋势.结果表明:林分总生物量除16 ～23年生因间伐略有下降外均随林龄而增加,6、16、23、32和50年生杉木人工林生物量分别为62.73、172.51、141.65、192.30、247.32 Mg·hm-2,其中活体植物占95.76％ ～98.39％;层次分配方面乔木层占绝对优势,为89.77％ ～96.55％,其随林龄的变化与总生物量一致,其次为地上凋落物,占1.61％ ～4.24％,灌木层和草本层生物量较小,分别占0.01％ ～4.26％和0.27％ ～4.07％,分别以6和23年生最大;乔木层器官分配以干所占比例最高,占54.89％ ～75.97％,根占11.91％ ～ 12.66％,均随林龄而增加,枝、叶分别占11.86％～15.19％和4.80％～13.17％,均随林龄而下降;灌木层器官分配除50年生杉木人工林枝相对生物量小于叶,23和50年生杉木人工林根相对生物量大干枝外,其大小顺序为枝＞根＞叶;草本层分配以6和23年生杉木人工林地上相对生物量最大,其他林龄相反;杉木人工林乔木层各器官、各层次及总生物量具有良好的优化增长模型,其32年生人工林总生物量与其他森林类型相比,处于中上等,是一个光合效率高、固碳潜力大的速生丰产优良造林树种.     

千烟洲人工林主要树种地上生物量的估算

利用不同参数和函数,模拟了千烟洲人工林主要树种马尾松、湿地松和杉木的枝条、叶生物量和总生物量及单株各器官生物量,选择最佳函数计算生物量在各树种不同器官中的分配,估算不同林型的地上生物量.结果表明,不同树种的枝条基径(d)和枝条生物量(BW)、叶生物量(LW)之间,当d³为自变量时,相关系数最高,湿地松利用线性函数、马尾松和杉木利用幂函数模拟效果最佳;单木总生物量以利用D²H(胸径²×树高)为自变量的幂函数模拟相关系数最高;3个树种叶和枝生物量各有不同的最佳自变量和函数类型,但同一树种的叶、枝生物量最佳拟合方程的自变量和函数类型一致.马尾松林、湿地松林和杉木林的地上生物量分别为83.6、72.1和59 t·hm^-2,其中树干生物量所占比重最大,叶生物量最小.根据前人的研究结果推算3种林分地下生物量分别为10.44、9.42和11.48 t·hm^-2,其固碳量分别为47.94、45.14和37.52 t·hm^-2.     

基于混合模型的红松人工林枝条动态研究

采用孟家岗林场79株人工红松4 987个枝条的枝解析数据,分别构建了人工红松枝条基径、枝长线性混合效应模型和枝条基径、枝长生长混合效应模型。利用SAS9.22统计软件对模型参数进行求解,并通过AIC、BIC及LRT对收敛的非线性模型之间的差异性进行显著性检验。结果表明:对于基径和枝长的线性混合效应模型,模型中所有参数的t检验均显著,参数的标准误差比较小,模型的稳定性很好。对于基径生长的非线性混合效应模型,在不考虑样地效应的条件下,对于模型参数b1和b3的组合,无论是AIC还是BIC都比较小。当考虑到样地效应的过程中,同样是参数b1和b3的组合形式取得最小的AIC和BIC,因此在考虑到样地效应时,这种参数的随机效应组合形式是最优模型。对于人工红松枝条枝长生长的非线性混合效应模型,当没有考虑样地效应时,通过比较不同参数的随机组合的随机效应,可以得知,当参数b1和b3组合的过程中,无论是AIC还是BIC都比较小。当考虑到样地效应的过程中,参数b3和b4的组合形式取得最小的AIC和BIC,因此在考虑到样地效应时,这种参数的随机效应组合形式是最优模型。     

基于混合效应的大别山地区杉木树高-胸径模型比较

基于安徽省大别山区马鬃岭林场杉木人工林30块样地1087组数据,选用7个常用树高-胸径(H-D)模型(线性模型、Chapman-Richards模型、Logistic模型等),采用最小二乘法拟合并选出最优基础模型(式11,只含D变量的Chapman-Richards模型),然后基于该模型构建含林分变量优势木平均高度、密度的H-D模型(式12),同时考虑样地水平的随机效应,分别基于式11、12构建混合模型(式13、14),并用幂函数、指数函数消除误差异方差,利用决定系数(R²)、均方根误差(RMSE)、平均绝对误差(MAE)和平均相对误差绝对值(MAPE)等指标来评价模型的拟合与预测能力,最终获取最优树高预测模型.结果表明:含林分变量的模型的拟合精度(式12,R²=0.863、RMSE=1.381、MAE=0.971)优于基础模型(式11,R²=0.827、RMSE=1.554、MAE=0.101).对于误差方差,幂函数、指数函数均能较好地消除异方差,但幂函数相对最好.混合模型的拟合与预测能力均优于式11、12,但混合模型(式13、14)之间的拟合与预测精度相差不大.基于混合效应的H-D模型(式13)能够较好地描述不同林分间H-D关系的差异,实际运用中可选用该模型来预测杉木树高,具有较高的预测精度.     

俄罗斯大果沙棘人工林生物量遥感评估与分析

以2011年的Landsat TM为主要遥感数据,借助于RS和GIS技术完成对俄罗斯大果沙棘人工林生物量进行估侧。结果表明：植被指数和生物量的一元线性回归分析模型中,比值植被指数（RVI）和归一化植被指数（NDVI）与俄罗斯大果沙棘具有较高的相关性,相关系数（R²）分别为0.908 6和0.868 5;基于植被指数和生物量的多元线性回归分析模型中,相关系数（R²）为0.909,经过模型检验,多元回归遥感植被指数模型的精度要高于一元遥感植被指数的精度,但是基于遥感指数模型预测生物量值比理论生物量值偏高。     

嵌套式回归建立树木生物量模型

 该文介绍了一种建立树木生物量模型的简单快速方法——嵌套式回归。基本原理是以枝轴为基本单位, 逐级拟合。过程是把枝条分解成枝轴, 从枝轴到枝条, 再到单株, 拟合不同层次或尺度的生物量模型。建立枝轴生物量方程, 估计各级枝轴生物量, 将枝轴生物量(实测值或模拟值)总和起来便得到枝条生物量。由于样本单元之间有包含关系, 实际测定的样本很小, 具有快速实用的特点。检验结果显示, 模型预测值和实测值具有较高的一致性。     

基于混合效应模型的人工红松节子属性

基于黑龙江省孟家岗林场60株人工红松1534个节子数据,利用SAS软件中的NLMIXED和GLIMMIX模块构建人工红松节子属性因子(基径、健全节长度、死亡年龄、角度)的混合效应预测模型.采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(-2LL)和似然比检验(LRT)评价指标对所构建模型的精度进行比较.结果表明:考虑树木效应的混合模型模拟精度均高于传统回归模型.含有b_1、b_2随机参数组合的节子基径模型是最优混合效应模型;含有b_1、b_3随机参数组合的节子健全节长度模型是最优混合效应模型;含有节子基径随机参数的广义线性混合模型为节子死亡年龄的最优模型;含有截距、节子基径、健全节长度3种随机效应参数组合的广义线性混合模型为节子角度的最优模型.混合效应模型比传统回归模型更能有效地描述节子属性.红松是东北主要的用材树种,利用节子属性预测模型结合合理的整枝方案可以提高木材质量.     

基于不同预测变量的天然椴树可加性地上生物量模型构建

森林生物量是森林生态系统的最基本数量特征,生物量数据是研究许多林业问题和生态问题的基础,因此,准确测定生物量对于计算碳储量以及研究气候变化、森林健康、森林生产力、养分循环等十分重要.目前,测算森林生物量常用的方法为生物量模型估算法.本研究基于小兴安岭地区和张广才岭地区97株实测生物量数据,建立了3个天然椴树立木可加性生物量模型系统(基于胸径的一元可加性生物量模型系统、基于胸径和树高的二元可加性生物量模型系统、基于最优变量的最优可加性生物量模型系统),采用非线性似乎不相关回归法进行参数估计,用加权方法解决模型的异方差问题,并采用“刀切法”进行模型检验.结果表明: 3种可加性生物量模型系统均能较好地对椴树各部分生物量进行拟合和预测(调整后确定系数R_a²>0.84,平均预测误差百分比MPE<8.5%,平均绝对误差MAE<16.3 kg,平均百分标准误差MPSE<28.5%),其中,树干和地上生物量的拟合效果优于树叶、树枝和树冠;在引入树高和树冠因子后,提高了模型的拟合效果和预测能力(R_a²提高0.01～0.04,MAE降低0.01～4.55 kg),缩小了预测值置信区间的范围,树干、树叶和地上生物量提高较多,树枝和树冠提高较少.总体来看,最优生物量模型系统效果最好,其次为二元生物量模型系统,再次是一元生物量模型系统,添加树高和树冠因子进行生物量模型的构建十分必要.     

兼容性立木生物量非线性模型研究

1　引　言资源和环境问题,是人类社会面临的严峻挑战。森林作为一种再生资源和重要的环境资源,不仅可持续提供社会发展所必不可少的林产品,而且在全球环境保护方面占有独一无二的地位。因此,在当今森林资源监测中,森林生物量作为重要监测项目已在全球范围内得到普遍承认,并被国际林联(ＩＵＦＲＯ)在《国际森林资源监测大纲》中列为最主要的监测项目之一[1]。由于生物量测定的难度大,对于区域性的生物量清查,最切实可行的方法是将其作为清查项目兼容于已有的森林资源监测体系中。就我国情况而言,首先应建立能与立木材积模型兼容且生物总量与…     

基于贝叶斯似乎不相关回归方法的天然蒙古栎生物量模型构建

以胸径和树高作为自变量,基于多元似然分析、似乎不相关回归等方法研建了黑龙江省天然蒙古栎可加性生物量模型系统。结果表明: 树高显著提高了树干生物量模型的效果,决定系数(R²)从0.953提高到0.988,均方根误差(RMSE)减小14 kg,对树枝、树叶和树根生物量的影响并不显著。单变量(仅含胸径)和双变量(胸径、树高)幂函数形式的生物量模型系统的误差结构均为相乘型,表明对数转换后的线性模型形式更合适。树干、树枝、树叶、树根生物量模型的R²分别为0.953～0.988、0.982～0.983、0.916～0.917、0.951～0.952,RMSE分别为13.42～27.03、6.84～7.00、1.95～1.97、9.71～9.84 kg。与广义最小二乘法(FGLS)相比,贝叶斯估计产生了相似的模型拟合效果,却提供了不同变异大小的参数估计值。FGLS各参数标准误为0.054～0.211,而使用Jeffreys不变先验的两种贝叶斯估计方法(DMC和Gibbs1)产生相似的参数变异(标准差为0.055～0.221);使用均值向量为0、方差为1000且协方差为0的多元正态先验(Gibbs2)和使用来自栎属树种生物量模型历史研究汇总的先验(Gibbs3)产生了更大的变异(标准差为0.080～0.278),使用自身数据获取的先验(Gibbs4)估计得到的各参数变异小于其他方法(标准差为0.004～0.013)。当使用Gibbs4法建立模型时,两类模型不仅能提供最窄的95%预测区间,还能产生更小的预估偏差,树干、树枝、树叶、树根和总生物量在单变量模型中的平均绝对偏差百分比(MAPE)分别为19.8%、24.7%、24.6%、29.0%和13.1%,树干和总生物量在双变量模型中的MAPE分别减小到10.5%和9.8%,其他组织MAPE未改变,表明Gibbs4法能提供更准确的生物量预测值。与传统回归方法相比,准确的先验信息使贝叶斯统计在估计稳定性和不确定性减小方面具有优势。     

白桦和水曲柳树干温度日变化的空间变异及其影响因子

植物温度是森林生态系统能量平衡和植被呼吸估算的重要参数.采用T型热电偶监测树皮和木材特性各异的2个阔叶树种(白桦和水曲柳)不同深度、高度和方位的树干温度(T_s),探索T_s日变化的空间变异及其影响因素.结果表明: T_s月平均日变化格局与空气温度呈相似的正弦曲线,但T_s变化滞后于空气温度,时滞从树皮表面处的0 h增加到6 cm深度处的4 h.随测定深度的增加和高度的降低,T_s日变化的峰值和日较差均逐渐减小.T_s周向差异不大,休眠季节白天南向、西向T_s日峰值略高.两树种树皮和木材的热学特性(比热容和导热系数)的差异,会通过影响树干表面与外界的热交换和树干内部热扩散而造成T_s径向变化的种间差异.白桦树皮较高的反射率削弱了太阳辐射对T_s的影响.多元逐步回归分析表明,环境因子可以很好地估测T_s日动态(R²>0.85),影响程度依次为空气温度>水汽压>净辐射>风速.估算生物量热储和树干表面CO₂通量时应考虑T_s径向、纵向和种间差异.     

不同林分起源的相容性生物量模型构建

目前为止已有不同方法构建生物量相容性模型,但不同林分起源的生物量相容性模型很少报道。针对此问题,以150株南方马尾松(Pinus masson iana)地上生物量数据为例,利用比例平差法和非线性联立方程组法建立不同起源地上生物量以及干材、干皮、树枝和树叶各分项生物量相容的通用性模型。根据分配层次不同,两种方法又各自考虑总量直接控制和分级联合控制两种方案。从直径、树高、地径、枝下高和冠幅5个林分变量中选取不同的变量构建一元、二元和三元生物量模型,并利用加权最小二乘回归法消除生物量模型中存在的异方差性。结果为:比例平差法和非线性联立方程组法都能有效保证各分项生物量总和等于总生物量,模型预测精度满足要求。总体而言,非线性联立方程组方法比比例平差方法精度高,同时两种方法中总量直接控制法比分级联合控制法预测效果好;各分项生物量模型本身作为权函数能有效消除异方差;各分项对应的三元生物量模型预测精度最高,其次是二元生物量模型,最低是一元生物量模型,但这些差异不是很大。总之,为权衡考虑模型预测精度和调查成本,建议把直径和树高作为协变量利用总量直接控制非线性联立方程组法对不同起源生物量建模。     

几个树种枝叶水浸液处理杉木6年后其生物量及分配

分别用杉木、木荷、丝栗栲,马尾松枝叶不同浓度水浸液处理杉木6年后测定其各器官的生物量及其分配,结果表明丝栗栲,马尾松,木荷水浸液处理杉木6年后,各器官的生物量有不同程度的提高,随着浓度加大其促进作用增强,在低浓度时有利于皮、枝和枯枝落叶生物量分配率,高浓度时有利于叶、根、干的生物量分配率,杉木水浸液处理杉木6年后,各器官生物量有不同程度的降低,随着浓度加大其抑制作用增加,在低浓度时有利于叶、皮、根,枝和干等各器官生物量分配率,高浓度时有利于枯枝落叶生物量分配率。     

大兴安岭东部主要林分类型乔木层生物量估算模型

大尺度森林生物量的估算方法是人们目前关注的焦点,建立林分生物量模型成为一种趋势.本研究以大兴安岭东部6个主要林分类型为研究对象,构建了其总量及各分项一元、二元可加性林分生物量模型.采用似然分析法判断总量及各分项生物量异速生长模型的误差结构(可加型或相乘型),采用非线性似乎不相关回归模型方法估计模型参数.结果表明: 经似然分析法判断,大兴安岭东部6个主要林分类型总量及各分项生物量异速生长模型的误差结构都是相乘型的,对数转换的可加性生物量可以被选用.各林分类型可加性生物量模型的调整后确定系数为0.78～0.99,平均相对误差为-2.3%～6.9%,平均相对误差绝对值6.3%～43.3%.增加林分平均高可以提高绝大多数生物量模型的拟合效果和预测能力,而且总量、地上和树干生物量模型效果较好,树根、树枝、树叶和树冠生物量模型效果较差.为了使模型参数估计更有效,所建立的生物量模型应当考虑林分总生物量及各分项生物量的可加性.本研究建立的林分总量与各分项生物量模型都能对大兴安岭东部6个主要林分类型生物量进行较好的估计.