基于最大熵原理的浙江毛竹胸径分布及测量不确定度评定

应用最大熵原理构造了测树因子概率分布的统一模型,这样构造的模型具有明确的解析表达式,并能克服常用方法无法解释测树因子服从某种概率分布的真正原因,从而为测树因子统计分布建模提供了一种有效方法.使用1-3阶样本矩、1-4阶样本矩与1-5阶样本矩,用所构建的概率分布统一模型分别对浙江省域毛竹胸径分布分别作了仿真试验,结果表明当采用1-4阶样本矩时,仿真效果最好,而且比通过假设检验的Weibull分布仿真结果理想:(1)图形非常相似,对实测数据都能很好的模拟;(2)最大熵法的离差平方和为0.00018,Weibull分布的为0.00045[1].由于各种系统与非系统的原因,都会影响测量结果的准确性,对所构建的模型作了不确定度评定,表明结果具有很大的可靠性,测量结果的估计:7.85100,测量结果的标准不确定度:1.82710,置信概率:0.96020.     

基于最大熵原理的多尺度毛竹胸径分布统一模型构建及应用

在生态学中,尺度问题一直是重点也是难点,多尺度胸径分布问题经常遇到且至今没有很好的解决方法,建立多尺度胸径分布统一模型是解决问题的关键;多尺度胸径分布统一模型的建立包括2方面的内容:第一,选择合适的概率分布函数,应用最大熵原理推出胸径分布统一模型,它具有明确的解析表达式,既能克服常用方法无法解释测树因子服从某种概率分布的真正原因,也能克服常用方法无法区分测树因子服从多种概率分布的不足,从而可以作为林分尺度测树因子概率分布的统一模型.第二,尺度与尺度转换,常用研究尺度问题的方法具有2个不足:(1)研究大尺度时损失了样地(林分尺度)资料的宝贵信息;(2)研究林分尺度时无法进行尺度转换.提出的联合最大熵概率密度函数可以克服常用研究尺度方法的以上2个不足,该函数的每一个组成部分都是最大熵函数;联合最大熵概率密度函数可以作为多尺度胸径分布统一模型,既可以最大限度的利用每个样地的信息,又可以进行多尺度的自由转换,从而为测树因子统计分布建模提供了一种有效方法;用森林资源连续清查样地中属于安吉的22个毛竹样地对文中提出的方法进行了验证,结果表明方法可行且对每个样地的拟合精度都很高.     

Ripley′s指数的一个新变形——G（d）

在对Ripley′s指数的物理背景进行分析的基础上提出了一个新的变形——G（d）指数。原始Ripley′s指数K（d）是一个半径为d（d为尺度）的圆的面积估计量,是有量纲的,且K（d）随着d的增大迅速增大,应用起来不太方便。Ripley′s指数的变形L（d）将K（d）换算成d的估计量,再减去d,使得L（d）在随机分布的假定下有数学期望0,这使得L（d）的应用比K（d）要方便。但L（d）还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便。提出的G（d）指数是一个比值,无量纲,数学期望也是0。文章给出了4个例子,这些例子说明,它保持了L（d）指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数。进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右。这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量。     

基于地统计学和CFI样地的浙江省森林碳空间分布研究

基于浙江省2009年CFI固定样地数据、森林资源规划设计调查林相图,利用地统计学方法对浙江省森林碳空间分布进行了模拟分析。结果表明,CFI固定样地数据用于省域范围的森林碳汇空间特征研究是合适的。数据显示,浙江森林植被平均碳密度为22.07Mg/hm2;与四川、福建、海南等地相比,平均碳密度较低。受人类活动、自然环境等因素影响,浙江省森林碳分布主要表现为:总体上森林碳密度空间变化趋势自西向东逐渐降低,与自然空间(海拔、地势等)趋势一致。基于地统计学和CFI固定样地,对省域范围的森林资源空间分布的研究,可以为省域森林碳汇管理提供依据,为我国特别是亚热带南方集体林区利用国家CFI数据进行大区域同类研究提供借鉴。     

基于森林资源清查、卫星影像数据与随机协同模拟尺度转换方法的森林碳制图

当前,全球变暖对地球生态系统的影响正引起世界的广泛关注.为减缓其影响进程,让决策者获得准确的碳源/碳汇空间分布信息与动态至关重要.目前面临的重大挑战是如何准确估计森林碳的空间分布和分析估计结果的不确定性.本研究基于森林资源连续清查样地数据和遥感影像数据发展了一个森林碳制图的一般方法.基于序列高斯协同模拟算法,结合样地数据与卫星影像数据进行模拟,将森林碳汇分布图的尺度从30 m×30 m转换到900m×900m(区域、国家和全球森林碳制图单位大小).以临安市为例,利用全市2004年森林资源清查样地数据和同年度Landsat TM影像数据,进行研究区森林碳(地上部分)模拟和尺度转换.结果显示,方法准确重现了森林碳空间分布和变异规律,在分布上模拟结果与地面样地属性具有较好的一致性,在数量上模拟结果的总体平均值较地面样地的总体平均值低约24.9%;模拟还提供了其估计结果的不确定性, 包括估计值的方差和估计值大于一定阈值的概率,这些可用于不确定性传播模型的模拟分析,进而实现对森林碳估计结果的评价.     

Ripley′s指数的一个新变形——G(d)

在对Ripley′s指数的物理背景进行分析的基础上提出了一个新的变形——G(d)指数。原始Ripley′s指数K(d)是一个半径为d（d为尺度）的圆的面积估计量,是有量纲的,且K(d)随着d的增大迅速增大,应用起来不太方便。Ripley′s指数的变形L(d)将K(d)换算成d的估计量,再减去d,使得L(d)在随机分布的假定下有数学期望0,这使得L(d)的应用比K(d)要方便。但L(d)还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便。提出的G(d)指数是一个比值,无量纲,数学期望也是0。文章给出了4个例子,这些例子说明,它保持了L(d)指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数。进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右。这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量。     

生物量统一模型构建及非线性偏最小二乘辩识——以毛竹为例

树种生物量数据是研究许多林业与生态问题的基础,如何准确估算树种的生物量十分重要,建立生物量模型是生物量估测的主要手段.鉴于常用估算生物量模型具有多样性、经验性、在实际应用中有很大限制等特点,提出利用Chebyshev正交多项式系构建生物量估算统一模型的新思路,这种构建模型的方法有完备的理论基础、统一的模型结构,其实质是一种进行变量区间变换,缩小变量定义域的数值插值方法,模型阶数越高,插入的点越多,估算结果越符合实际,这与树木的树干解析与树木生长原理是相一致的;鉴于常用最小二乘具有的一些缺陷,用适应范围更广的偏最小二乘对统一模型进行参数辩识;指出毛竹生物量的研究与其它树种生物量的研究不同,根据毛竹自身的生长特征,把其生物量的研究分成2个阶段;最后估算了毛竹第1阶段的生物量,结果表明拟合精度很高:当提取55个主成分时,SPRESS,h达到最小,其值为31.4390,R2=0.9987,离差平方和为0.2518,比传统方法估计误差5.623提高了一个数量级.     

Ripley''s指数的一个新变形——G(d)

在对Ripley's指数的物理背景进行分析的基础上提出了一个新的变形--G(d)指数.原始Ripley's指数K(d)是一个半径为d(d为尺度)的圆的面积估计量,是有量纲的,且K(d)随着d的增大迅速增大,应用起来不太方便.Ripley's指数的变形L(d)将K(d)换算成d的估计量,再减去d,使得L(d)在随机分布的假定下有数学期望0,这使得L(d)的应用比K(d)要方便.但L(d)还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便.提出的G(d)指数是一个比值,无量纲,数学期望也是0.文章给出了4个例子,这些例子说明,它保持了L(d)指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数.进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右.这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量.