包含哑变量的黑龙江省落叶松人工林碳储量预测模型系统

利用2005—2010年两期黑龙江省落叶松人工林固定监测样地数据,分析黑龙江省落叶松人工林各林分变量因子之间的关系,建立地位级指数曲线模型和林分密度指数模型,采用两步最小二乘的方法建立预测包含林分平均断面积和林分碳储量的联立方程组,将以上所构建的模型统称为黑龙江省落叶松人工林碳储量预测模型系统.同时将龄组和区域作为哑变量加入到预测模型中.结果表明: 模型系统中除地位级指数曲线模型之外,剩余模型的确定系数(R²)均大于0.98,均方根误差均小于4,而加入哑变量的模型R²有所增加,均方根误差均小于3,说明模型稳定性较好,预估参数较为精确.各模型的平均相对误差均小于2%,大部分模型平均相对误差绝对值小于15%,模型精度均在95%以上,研究结果可以对黑龙江省不同区域和龄组的落叶松人工林林分平均树高进行精确拟合.根据地位级指数曲线模型和联立方程组的拟合参数进行分析,当调查样地在同一区域时,林分年龄越大,林分平均树高、林分平均断面积和林分碳储量越大,符合实际生长规律;而在林分年龄相同、区域不同时,不同区域林分平均树高由大到小的排列顺序为: 平原地区、小兴安岭南坡地区、张广才岭东坡地区、完达山地区、张广才岭西坡地区、小兴安岭北坡地区.不同区域林分断面积和林分碳储量由多到少的排列顺序为: 张广才岭东坡地区、小兴安岭北坡地区、张广才岭西坡地区、小兴安岭南坡地区、完达山地区、平原地区.     

杉木生态林林分间伐空间结构优化模型

采用乘除法对全混交度、林层指数、W_V_Hegyi竞争指数、角尺度、开敞度5个林分空间结构参数进行多目标规划,确定林分空间结构优化目标函数,以林分空间结构和非空间结构为约束条件,在采用综合灰色关联度分析法确定林分空间结构约束条件优先次序的基础上,构建杉木生态林林分间伐空间结构优化模型,并将该模型用于确定样地中最该采伐的林木。结果表明:杉木生态林林分空间结构优化目标函数值与相关的空间结构指数的灰色综合关联度排序依次为全混交度(0.7016)林层指数(0.7008)角尺度(0.6578)开敞度(0.5960)W_V_Hegyi竞争指数(0.5785),因此在进行林木单株间伐前考虑林分空间结构约束条件时,首先要考虑林分的混交度,其次是林层指数;将构建的模型用于研究样地(20 m×30 m)确定的最优间伐木为14株,间伐强度为14.1%,间伐后描述林分非空间结构的径阶数和树种数均未减少,保持原有的径阶个数和树种个数;间伐后林分全混交度提高2.71%,林分树种空间隔离程度得到提高;林分林层指数提高10.91%,林分垂直分层结构有较大幅度的改善;林分W_V_Hegyi竞争指数降低8.64%,林分中林木所受的竞争压力减小;林分|角尺度-0.5︱降低8.25%,林分空间分布格局更加趋向于随机分布;开敞度增加了11.98%,林分的透光条件有一定程度的改善,林分空间结构优化模型目标函数Q(g)值提高了12.18%。林分空间结构整体上趋向优化。     

黑龙江省东部地区红松人工中幼龄林生物量研究

运用非线性联立方程组建模理论建立红松立木相容性生物量模型,然后利用模型计算出人工红松各个样地林木各器官和样地总生物量。以林分年龄、林分平均胸径、林分密度等因素为制约条件,讨论分析林分生物量在林木各器官之间的分配规律,并且探究林分年龄、林木大小和林分密度的变化对林分生物量的影响。结果表明:幼龄红松人工林林分生物量与平均胸径成正相关关系;林分密度对林分生物量影响较大,并且随着密度的增大而增大,且最适合的林分密度范围是1 000~1 400株·ha-1;红松人工幼、中龄林林分生物量各器官分配规律相同,表现为树干树根树枝树叶,地上生物量占林分生物量79%左右;林分地上和地下生物量大概呈3.8∶1的比例。     

林分生长量估测模型的研究

本文用ARIMA（2,2,0）序列模拟了林分的平均生长过程,给出了落叶松（LarixolgensisHenry）人工林林分在树高、胸径、材积三个指标上平均总生长量的2阶求和自回归滑动平均模型,经模型残量的自相关检验及预测效果检验,估测效果良好．     

闽北天然阔叶林生长模型的研制及应用

以闽北地区无人为干预的天然阔叶林为对象建立林分生长模型并提出预估方法。当森林经理调查获得小班各林分因子后,应用作者研制的林分生长模型及预估方法,可以对无人为干预的天然阔叶林小班森林资源数据进行连续预估和动态更新。还以最大密度林分株数和平均胸径存在的幂函数关系为依据,提出了林分相对密度指标,并从理论上推导出一个自然稀疏模型,为掌握林分密度动态和应用生长模型、实现无人为干扰林分的动态预估提供了一条切实可行的途径。     

小陇山油松林乔木层生物量相容性线性模型

以甘肃小陇山的油松林分为对象,应用图形分析、相关分析和回归分析法,建立了基于森林资源调查资料的林分生物量相容性线性模型.结果表明,小陇山油松林分各组分生物量(W)与林分活立木蓄积量(V)、与林分平均胸径-平均树高-林分密度(-D2-Hρ)均存在极其显著的线性相关关系.采用代数和法,建立了W=a bV、W=a b(-D2-Hρ)2种形式的林分乔木层生物量相容性线性模型,以95%的可靠性估计,2种形式模型的预估精度均在95%以上.理论上证明了W=a 6V这种建立在林分水平上的生物量线性估计模型可直接推广应用到区域尺度.     

三种林分生物量估算方法的比较

区域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.本文以吉林省落叶松人工林固定样地为例,采用非线性似乎不相关回归法构建2种林分生物量模型,即基于林分变量的林分生物量模型(模型系统Ⅰ)和基于生物量换算系数的林分生物量模型(模型系统Ⅱ),给出落叶松人工林固定生物量换算系数值,并比较了3种林分生物量估算方法的预估精度.结果表明: 所建立的2种林分生物量模型中,总生物量和树干生物量模型拟合和预测效果较好,其R_a²>0.95,且均方根误差(RMSE)、平均预测误差(MPE)和平均绝对误差(MAE)都较小.树叶和树枝生物量模型拟合和预测效果相对较差,其模型的R_a²<0.95.模型系统Ⅰ和模型系统Ⅱ的预测精度均优于固定生物量换算系数法.基于生物量换算系数的林分生物量模型属于材积源生物量法,其本质与基于林分变量的林分生物量模型不同,但二者的预测效果相当.固定生物量换算系数的预测能力较差,将生物量与蓄积量之比假定为恒定常数是不恰当的.此外,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.     

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.     

帽儿山阔叶混交林天然更新幼苗幼树地径-树高模型

基于黑龙江省东北林业大学帽儿山实验林场48块天然阔叶林幼苗幼树调查数据,在8个备选模型中为主要更新树种选择最佳地径(D₀)-树高(H)模型作为基本模型,通过再参数化在基础模型中引入林分因子,并建立样地水平混合效应模型,最后分别对基础模型和混合效应模型进行独立样本检验.结果表明:各树种幼苗幼树的地径-树高关系存在明显的正相关,幂函数或包含幂函数的模型能较好地拟合幼苗幼树地径和树高的关系;基础模型中引入林分因子[林分优势高(H_T)、林分平均胸径(D_g)、林分胸高断面积(BA)]能提高模型的拟合效果,各树种剩余均方根误差(RMSE)下降1.3%～7.4%(平均3.8%),但调整后的决定系数(R_a²)仅仅提高0.1%～1.1%(平均0.6%),赤池信息准则(AIC)下降3.2%～35.2%(平均下降11.4%).对春榆、椴树、水曲柳等10个树种建立混合效应模型,混合效应模型的R_a²比基础模型有所提高,增幅为0.5%～3.5%(平均增加2.2%);RMSE和AIC比基础模型的小,RMSE下降的幅度很大,为3.9%～20.3%,平均下降13.9%,AIC减少4.0%～44.4%(平均减少22.3%).模型检验结果显示,相对于基础模型,混合效应模型的平均绝对误差(MAE)减小0.0001～0.46 m,平均减小0.08 m;平均预测误差百分比(MPSE)降幅较大,为0.1%～6.2%,平均降幅2.0%.说明混合效应模型既能提高模型的拟合效果,又能提高模型的预测能力.本研究构建的阔叶混交林主要更新树种幼苗幼树地径-树高模型为天然阔叶林结构分析和林分生长预测提供了参考.     

大兴安岭典型林分地表死可燃物含水率动态变化及预测模型

对春季和秋季大兴安岭地区西林吉林业局山杨-白桦混交林、落叶松林、樟子松林、落叶松-白桦混交林、白桦林5种典型林分不同坡位地表细小死可燃物含水率动态进行研究,构建了不同季节防火期、不同林分地表死可燃物含水率的预测模型,并分析了其预测误差.结果表明: 相同林分地表可燃物含水率在春季和秋季差异显著;在相同季节相同林分下不同坡位可燃物含水率存在差异.采用Nelson模型对地表死可燃物含水率预测的平均绝对误差(MAE)的平均值为0.13,略低于Simard模型(0.14),明显低于气象要素回归模型(0.25).Nelson和Simard模型的预测效果好于气象要素回归模型.秋季模型对地表死可燃物含水率的预测精度好于春季模型和春季秋季混合模型.