基于混合效应模型和分位数回归的长白落叶松枝下高模型构建

枝下高是反映树冠特征的重要指标,准确预测枝下高对森林的经营管理和提高林分生产具有重要意义。本研究采用非线性回归构建枝下高广义基础模型,再进一步扩展到混合效应模型和分位数回归模型,通过“留一法”检验对模型的预测能力进行评价和比较。此外,使用4种抽样设计和不同抽样大小对枝下高模型进行校正,选择最佳的模型校正方案。结果表明：基于包含树高、胸径、林分每公顷断面积和优势木平均高的枝下高广义模型、扩展后的混合效应模型以及三分位数组合模型的预测精度均显著提高,混合效应模型略优于三分位数组合模型,最佳抽样校正方案为抽5株平均木。因此,推荐在实践应用中使用混合效应模型,抽5株样地平均木校正预测枝下高。     

乌兰布和沙漠灌木种群空间格局研究

应用地统计学中半方差函数,研究了内蒙古乌兰布和沙漠主要4种灌木种群的空间格局。在巴彦高勒镇西南设置一个1 000 m×1 000 m的样方,将样方划分为1 600个25 m×25 m的格子,记录各格子内出现的物种及其平均冠幅。运用地统计软件GS+for Windows计算样地各灌木种群的各向同性半方差函数的参数,并绘制其克立格(Kriging)图。从各向同性的半方差模型的参数来看,柽柳（Tamarix chinensis）属于聚集性分布的球型模型,其空间结构比率高,这表明在这一地区柽柳的冠幅分布变化较小,25 m的抽样步长合适;而白刺（Nitraria tangtorum）属于聚集性分布的指数模型,其空间结构比率比较低。本研究成果为沙漠地区植被的抽样调查提供了基础。     

红松人工林林木果实产量预估模型

以黑龙江省佳木斯市孟家岗林场红松人工林为研究对象,基于在12块固定样地中测定的579株红松单株结实量数据,采用Logistic回归模型及非线性回归模型构建了红松单木果实产量预测模型。首先,根据各样木的结实情况,采用SAS9.22统计软件建立了人工红松单株木结实与否的Logistic概率模型,并作为判断林木是否结实的基础模型。然后,通过分析红松人工林单木结实量与林木各调查因子的关系,构建了单株木果实产量的非线性预测模型。结果表明,文中建立的Logistic模型判断红松结实的正确率在65%以上。通过分析拟合效果,选择y=a(D2CW)b作为红松人工林果实产量预估的最优模型,其预估精度为77%,残差分布均匀,模型的拟合效果较好。最后采用2号样地实测的果实产量数据对两个模型同时进行了检验,结果表明该样地结实量的预估精度为92.78%。本研究为人工红松果实产量的预测提供了可行的方法。     

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。     

东北林区4个天然针叶树种单木生物量模型误差结构及可加性模型

基于276株实测生物量数据,构建了东北林区红松、臭冷杉、红皮云杉和兴安落叶松4个天然针叶树种总量及各分项生物量一元、二元可加性生物量模型.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),而模型参数估计采用非线性似乎不相关回归模型方法.结果表明: 经似然分析法判断,4个天然树种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.各树种可加性生物量模型的调整后确定系数R_a²为0.85～0.99,平均相对误差为-7.7%～5.5%,平均相对误差绝对值<30.5%.增加树高可以显著提高各树种可加性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.所建立的可加性生物量模型的预测精度为77.0%～99.7%(平均92.3%),可以很好地预估东北林区天然红松、臭冷杉、红皮云杉和兴安落叶松的生物量.
     

帽儿山天然次生林10种主要阔叶树冠径与胸径关系研究

根据帽儿山天然次生林30块标准地每木检尺的实测数据,建立帽儿山天然次生林10种主要阔叶树冠径与胸径以及胸径和冠径与胸径比值（cd/D）之间的关系,并且简要论述冠径与胸径比值在树木空间、断面积和林分密度和间伐强度的应用。研究表明：胸径在10~30 cm之间,相关系数（R²）在0.8以上时,冠径与胸径关系近似一条直线。通过对不同树种的不同大小树木(cd/D)比值的分析,得出随着胸径的增加的比值是逐渐减小的,并且减小的趋势随着胸径的增加趋于平稳,最后趋于一个常数。     

长白落叶松人工林心材变化规律

依据黑龙江省孟家岗林场49株人工落叶松1179个圆盘和轮盘数据,分析了心材半径的纵向变化规律.结果表明: 心材半径随树高增高而逐渐减小,与树干外形基本一致,其中去皮半径(XR)、胸径(DBH)及形成层年龄(CA)与心材半径之间关系较显著,利用逐步回归分析建立落叶松心材半径(HR)和面积(HA)模型:HR=b₁+b₂XR²+b₃CA+b₄XR, HA=b₁+b₂DBH·XR+b₃CA+b₄DBH·XR².应用AIC、BIC、对数似然值以及似然比检验等模型评价指标,对利用样地、样木效应拟合的心材半径和面积模型进行比较.当考虑样木效应拟合心材半径和面积模型时,将b₁、b₂、b₃作为混合参数得出的模型最好.混合模型的预测精度高于基本模型.在应用上,总体心材半径和面积可以通过混合模型来预测.采用Beta回归模型模拟了心材比例,模型中各参数均显著,决定系数较高,模型模拟效果较好.     

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.     

长白落叶松冠层光合作用的空间异质性

以2014年黑龙江省帽儿山林场14年生人工长白落叶松为研究对象,对比分析了各项光合指标、环境因子及光合生理参数在冠层内的空间差异性,并探讨了净光合速率(P_n)与其他指标的关系.结果表明: 在树冠垂直方向,上层P_n、气孔导度(g_s)和蒸腾速率(T_r)显著高于中层和下层,胞间CO₂浓度(C_i)表现为下层>中层>上层;光合有效辐射(PAR)从上层外部到下层内部呈显著降低趋势,水汽压差(VPD)和叶片温度(T_l)表现为上层显著高于中层和下层,相对湿度(RH)则无显著差异;最大净光合速率(P_{n max})、暗呼吸速率(R_d)、光补偿点(LCP)和光饱和点(LSP)均表现为上层>中层>下层,下层比上层分别降低32.7%、55.8%、80.2%和51.6%,表观量子效率(AQY)表现为下层>中层>上层,下层分别是中层和上层的1.2和1.3倍.水平方向,光合指标和环境因子的差异性主要体现在树冠上层,P_n、g_s、T_r、PAR和VPD表现为树冠外部显著高于树冠内部,而C_i和RH差异不显著;P_{n max}、R_d、LCP和LSP表现为外部>内部,内部比外部分别降低0.4%、37.7%、42.0%和16.4%,而AQY在内部比外部高0.7%.C_i是限制P_n的主要生理因子,PAR是影响P_n的主要环境因子,尤其在弱光区域PAR对P_n的影响十分明显.因此,在模拟和预估树木冠层光合作用时,考虑空间异质性有一定的必要性.     

基于抚育间伐效应的长白落叶松人工林两阶段枯死模型

1972和1974年分别在黑龙江省江山娇林场及孟家岗林场设置10块长白落叶松人工林固定样地(8块抚育间伐样地、2块对照样地),采用连年复测数据,分析抚育间伐对人工长白落叶松样地枯死与单木枯死的影响.基于二分类变量Logistic回归,建立了样地枯死及样地内单木枯死概率的两阶段模型(Ⅰ:抚育间伐后样地水平枯死概率模型;Ⅱ:枯死样地中单木水平枯死概率模型),采用广义估计方程(GEE)方法对模型参数进行估计.根据敏感度和特异度曲线相交点确定枯死概率最优临界点.结果表明: 样地数据按照抚育间伐次数分为4组分别建模(模型1～模型4).在模型1中,地位指数、林分年龄的自然对数、抚育间伐年龄及强度为显著自变量;模型2～模型4采用主成分分析法建模,主成分包含林分年龄、每公顷株数、平均胸径及抚育间伐因子,说明抚育间伐因子对样地枯死概率有显著影响.抚育间伐对枯死样地中单木枯死概率无显著影响,单木枯死概率模型中显著性自变量为林分初植密度、年龄、林木胸径的倒数及林分中大于对象木的所有林木断面积之和.样地枯死概率模型及单木枯死概率模型Hosmer和Lemeshow拟合优度检验均不显著,模型AUC均在0.91以上,估计正确率均超过80%,说明模型拟合效果较好.