排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
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. 相似文献
1