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。