基于线性混合效应的红松人工林枝条生物量模型

基于黑龙江省孟家岗林场60株红松解析木3643个枝条生物量的实测数据,利用全部子回归技术建立了枝条生物量模型(枝、叶和枝总生物量模型),最终选择lnw=k₁+k₂lnL_b+k₃lnD_b为枝条生物量最优基础模型.利用SAS 9.3统计软件的PROC MIXED模块建立枝条生物量混合模型,并采用AIC、BIC、对数似然值和似然比等统计指标评价不同模型的拟合效果.结果表明: 红松解析木的叶和枝总生物量混合模型以k₁、k₂、k₃作为随机效应参数的拟合效果最好,而枝生物量混合模型以k₁、k₂作为随机效应参数的拟合效果最好.最后将枝条生物量最优基础模型与最优混合模型进行模型检验.混合模型各项指标优于基础模型,能有效地提高模型的预估精度,并且通过方差协方差结构校正随机参数来反映树木之间的差异.     

杉木人工林生物量及其分配的动态变化

根据5个年龄(6、16、23、32和50年生)共15块1000 m2样地的调查资料,利用15株不同年龄和径阶的杉木样木数据,建立以胸径(D)为单变量的生物量回归方程.采用样木回归分析法(乔木层)和样方收获法(灌木层、草本层、地上凋落物)获取不同林龄杉木人工林的生物量,并分析了其组成、分配特征及不同林龄生物量的变化趋势.结果表明:林分总生物量除16 ～23年生因间伐略有下降外均随林龄而增加,6、16、23、32和50年生杉木人工林生物量分别为62.73、172.51、141.65、192.30、247.32 Mg·hm-2,其中活体植物占95.76％ ～98.39％;层次分配方面乔木层占绝对优势,为89.77％ ～96.55％,其随林龄的变化与总生物量一致,其次为地上凋落物,占1.61％ ～4.24％,灌木层和草本层生物量较小,分别占0.01％ ～4.26％和0.27％ ～4.07％,分别以6和23年生最大;乔木层器官分配以干所占比例最高,占54.89％ ～75.97％,根占11.91％ ～ 12.66％,均随林龄而增加,枝、叶分别占11.86％～15.19％和4.80％～13.17％,均随林龄而下降;灌木层器官分配除50年生杉木人工林枝相对生物量小于叶,23和50年生杉木人工林根相对生物量大干枝外,其大小顺序为枝＞根＞叶;草本层分配以6和23年生杉木人工林地上相对生物量最大,其他林龄相反;杉木人工林乔木层各器官、各层次及总生物量具有良好的优化增长模型,其32年生人工林总生物量与其他森林类型相比,处于中上等,是一个光合效率高、固碳潜力大的速生丰产优良造林树种.     

杉木人工林生物量与养分积累动态

基于中国科学院会同森林生态实验站30多年的定位观测数据,结合文献资料,分析了杉木人工林生物量和养分积累及其分配格局随时间的变化过程,以及不同轮伐期和收获强度对养分输入/输出的影响.结果表明:林龄是影响杉木人工林生物量和养分积累的主要因子,不同器官的生物量和养分贮量差异显著,二者对生物量与养分积累变异的解释量分别为37.1%和40.3%.随林龄增长,杉木人工林生物量和养分向树干分配比例增大,而向树叶分配比例减小;生物量和养分积累速率分别在17a和13a时达到最大值,即养分积累先于生物量积累达到最大值;在3～20a,杉木人工林生产单位干物质所需的营养元素量随着林龄增大持续快速下降,20a之后渐趋平稳,即养分的利用效率随林龄增大而增大.不同收获预案分析显示,延长轮伐期、降低利用强度可以减少养分输出.若仅收获树干,轮伐期从28a延长至56a,收获的生物量减少31.57%,但林分N、P、K、Ca、Mg输出分别减少42.02%、58.93%、27.70%、31.07%和45.26%.     

基于非线性混合模型的红松人工林枝条生长

基于黑龙江省孟家岗林场36株红松人工林的枝解析数据,以单分子式和理查德方程作为枝条基径(BD)和枝长(BL)生长模型,分别考虑样地效应和样木效应,利用SAS软件的PROC NLMIXED模块构建了枝条基径和枝长生长的非线性混合模型.采用Akaike信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值(-2Log likelihood)和似然比检验(LRT)等评价指标对所构建模型的精度进行比较.结果表明:当考虑样地效应时,α1、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好;当考虑样木效应影响时,α2、α3和β1、β3分别作为随机参数时基径和枝长生长模型拟合效果最好.非线性混合模型不但可反映枝生长总体平均变化趋势,还能反映个体之间的差异.无论考虑样地效应还是样木效应,非线性混合模型的拟合精度都比传统回归模型的拟合精度高,并且考虑样木效应的拟合精度高于考虑样地效应的拟合精度.     

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。     

基于线性混合模型的红松人工林一级枝条大小预测模拟

基于黑龙江省孟家岗林场60株人工红松955个标准枝数据,采用线性混合效应模型理论和方法,考虑树木效应,利用SAS软件中的MIXED模块拟合红松人工林一级枝条各因子(基径、枝长、着枝角度)的预测模型.结果表明： 通过选择合适的随机参数和方差协方差结构能够提高模型的拟合精度;把相关性结构包括复合对称结构CS、一阶自回归结构AR(1)及一阶自回归与滑动平均结构ARMA(1,1)加入到一级枝条大小最优混合模型中,AR(1)可显著提高枝条基径和角度混合模型的拟合精度,但3种结构均不能提高枝条角度混合模型的精度.为了描述混合模型构建过程中产生的异方差现象,把CF₁和CF₂函数加入到枝条混合模型中,CF₁函数显著提高了枝条角度混合模型的拟合效果,CF₂函数显著提高了枝条基径和长度混合模型拟合效果.模型检验结果表明：对于红松人工林一级枝条大小预测模型,混合效应模型的估计精度比传统回归模型估计精度明显提高.
     

基于经验模型和机理模型的杉木人工林生物量估测对比研究

为了揭示间伐干扰下杉木人工林生物量的变化规律,研究利用江西省吉水县石阳林场的36块杉木人工林样地的实测数据和研究区气候数据,通过基于经验的引入地位指数(SI)的生物量生长方程组和基于机理的3-PG模型,模拟并预估林分生物量,分析在间伐和非间伐的情况下,不同立地的林分其生物量0-50a的变化。结果表明:(1)构建了生物量生长方程组,并在参数a、b、c中引入地位指数SI,发现改进后的模型对于基础模型拟合精度更高,且对数似然比检验表明,改进效果显著(P<0.05)。(2)通过对3-PG模型预测精度验证发现,预估值和实测值之间有很高的一致性,各因子的决定系数(R²)在0.65-0.96之间,其中,胸径和树高的R²均高于0.92;各因子的平均相对误差(MRE)不超过26%。(3)通过比较经验模型和机理模型的生物量预测发现,经验模型的预测误差MRE为16.50%,机理模型为23.52%,经验模型预估精度更高。进一步对未来预测对比分析表明,机理模型预估值高于经验模型。(4)两个模型模拟的杉木人工林生物量规律一致,即随着林龄的增加,杉木人工林林分总生物量均表现出先快速增加,后逐渐平稳的趋势;并且间伐不会改变这种趋势,但间伐林分在间伐后的生物量生长速率高于无间伐林分。此外,由于SI对经验模型影响显著,改进模型拟合效果更好,更具有生态学意义。参数化后的3-PG模型模预估精度较高,能够为江西杉木人工林生长规律研究提供依据。虽然经验模型和机理模型在对研究区杉木人工林生物量的预估上均具有较好的表现,但各具特点和局限性。经验模型参数较易获得,且经验模型预测生物量、林分胸高断面积和林分平均树高的R²、MRE均优于机理模型;但模型对于建模数据内的评价效果较好,对于建模数据外的应用具有局限性,即经验模型更适合模拟生长期间的某一阶段的林分生物量。机理模型虽然需要的参数较多,但是考虑了生态学原理,弥补了经验模型的不足,可较好解释和模拟环境因子对树木生长的影响,对校正数据之外生长阶段的林分生物量预测更有优势。     

杉木人工林生物量估算模型的选择

采用11种形式的生物量模型,分别对杉木幼龄林（7年生）、中龄林(16年生)、成熟林(28年生)和不分林龄的单木各器官和全株生物量进行拟合,共得到生物量估算模型308个.结果表明: 11种生物量模型均能较好地模拟杉木单木生物量,其中幂函数模型的拟合效果最优,其次为指数模型,然后为多项式模型;共选出估算杉木幼龄林、中龄林和成熟林各器官和全株生物量的最优模型21个（包括18个器官模型、3个全株模型）,不分林龄的杉木单木各生物量的最优模型7个（包括6个器官模型、1个全株模型）,均为幂函数模型;不同林龄的杉木单木生物量最优模型的通用性较差,而不分龄林的杉木单木生物量最优模型具有一定的通用性,精度较高,可用于估算不同林龄的杉木单木生物量.应用福建邵武杉木单木生物量模型对江西28年生的杉木成熟林单木各生物量的预测结果显示,不分林龄的大样本生物量模型精度较高,可在较大范围内应用,而区域小样本模型仅限于在区域小范围内应用.     

基于生态信息诊断框架的杉木人工林生物量生态预测研究

森林生物量会直接影响森林生态系统服务的评估。如何运用景感生态学,准确预测区域尺度下森林生物量的时空演变趋势,是关乎国家重大方针政策制定和生态产业体系建设的关键性战略课题。本研究目的是构建一套生态信息诊断框架,优化趋善化模型(3PG2模型)结构,解决由于模型结构设计所导致在森林景感营造过程中生态预测的不确定性。以杉木林分布广泛的福建南靖县为研究区域,选择合适的阈值范围和空间统计分析识别出模拟生物量的不确定性区域,构建包含Geogdetector软件、遗传技术和计算机程序3个部分组成的生态信息诊断框架,使用Geogdetector软件阐明多重因素交互作用对模型模拟的影响及机理,采用遗传技术优化模型结构以提升模拟精度,运用计算机程序和3PG2模型准确预测区域尺度杉木林生物量的时空演变趋势。结果表明:林龄是导致3PG2模型生物量模拟结果不确定性的主导因素。通过景感生态学(谜码数据和趋善化模型)构建的生态信息诊断框架可以准确预测森林生物量,实现区域尺度上的可持续森林管理。     

利用混合模型分析地域对国内马尾松生物量的影响

开展全国森林生物量监测和评估,建立适合较大区域范围的通用性立木生物量模型是一项重要的基础工作,而分析森林生物量受不同地域的影响并保证不同尺度范围森林生物量估计值的可靠性,是必须面临的问题。以南方马尾松(Pinus massoniana)地上生物量数据为例,介绍了如何利用混合模型理论来分析地域对马尾松地上生物量的影响以及利用混合模型构建全国通用性立木生物量模型,为得到不同区域尺度范围内可靠的森林生物量评价和估计提供了有效途径。结果表明,混合模型不仅提高了模型的精度和通用性,并且模型中每个参数都有特定的数学含义,通过这些参数很容易分析出随机因子对生物量的影响程度。因此混合模型方法具有较大的灵活性和适应性,可推广到其它通用性模型(如材积方程)的建立。     

福建含笑—杉木混交林的效益及机理分析

对7年生福建含笑－杉木[Michelia fujianensis Q.F.Zheng-Cunninghamia lanceolata(Lamb.)Hook.]混交林的生长效果、改土效益、水源涵养功能以及混交机理的分析研究表明,该混交林种间关系协调,林分空间分布格局合理,能调节林分小气候,改善土壤肥力状况,充分利用营养空间,增强水源涵养功能,促进林分生长。福建含笑与杉木混交林是改造杉木低产林、防止地力衰退及扩大珍贵阔叶树种植范围的有效途径之一。     

杉木人工林剔除林下植被对凋落层养分循环的短期影响

通过湖南会同杉木人工林3个试验地点的林下植被去除试验,研究了林下植被剔除对凋落物分解的影响.结果表明:杉木人工林未分解凋落层、半分解层和已分解层的凋落物现存量分别为(123.7±46.3)、(204.2±79.1)和(187.1±94.8)g·m-2,相应的C浓度为(447.51±16.75)、(418.89±35.75)和(376.11±47.33) g· kg-1,N浓度为(4.87±1.24)、(6.4±2.38)和(4.66±2.64)g·kg-1,P浓度为(0.14±0.01)、(0.16±0.03)和(0.16±0.02)g·kg-1.在试验点DL87和MS90中,林下植被剔除对半分解层凋落物的现存量和养分储量有显著影响,且不同试验地点的结果不一致,DL87的C、N、P储量降低55％以上,而MS90则上升约1倍,但对未分解层和已分解层的现存量和养分储量基本没有影响.林下植被剔除对凋落物分解早期阶段没有显著影响,处理150 d后则有明显的抑制效应,剔除组分解速率下降了20.8％.因此,林下植被对凋落物养分循环的短期效应受其所处环境条件和作用时间的影响.     

Analysis of DIGE data using a linear mixed model allowing for protein-specific dye effects

Differential in-gel electrophoresis (DIGE) experiments allow three protein samples to be run per gel. The three samples are labeled with the spectrally resolvable fluorescent dyes, Cy2, Cy3, and Cy5, respectively. Here, we show that protein-specific dye effects exist, and we present a linear mixed model for analysis of DIGE data which takes dye effects into account. A Java implementation of the model, called DIGEanalyzer, is freely available at http://bioinfo.thep.lu.se/digeanalyzer.html. Three DIGE experiments from our laboratory, with 173, 64, and 24 gels, respectively, were used to quantify and verify the dye effects. DeCyder 5.0 and 6.5 were used for spot detection and matching. The fractions of proteins with a statistically significant (0.001 level) dye effect were 19, 34, and 23%, respectively. The fractions of proteins with a dye effect above 1.4-fold change were 1, 4, and 6%, respectively. The median magnitude of the dye effect was 1.07-fold change for Cy5 versus Cy3 and 1.16-fold change for Cy3 versus Cy2. The maximal dye effect was a seven-fold change. The dye effects of spots corresponding to the same protein tend to be similar within each of the three experiments, and to a smaller degree across experiments.     

An estimation method for the semiparametric mixed effects model

A semiparametric mixed effects regression model is proposed for the analysis of clustered or longitudinal data with continuous, ordinal, or binary outcome. The common assumption of Gaussian random effects is relaxed by using a predictive recursion method (Newton and Zhang, 1999) to provide a nonparametric smooth density estimate. A new strategy is introduced to accelerate the algorithm. Parameter estimates are obtained by maximizing the marginal profile likelihood by Powell's conjugate direction search method. Monte Carlo results are presented to show that the method can improve the mean squared error of the fixed effects estimators when the random effects distribution is not Gaussian. The usefulness of visualizing the random effects density itself is illustrated in the analysis of data from the Wisconsin Sleep Survey. The proposed estimation procedure is computationally feasible for quite large data sets.     

间伐对杉木不同根序细根形态、生物量和氮含量的影响

以25年生的杉木人工林为对象,研究了间伐对杉木1～5级根的生物量、形态和氮含量的影响.结果表明: 随着根序的增加,杉木细根的生物量、直径和组织密度(RTD)显著增加,而比根长(SRL)、根长密度(RLD)和根数(RN)显著降低.间伐显著提高了1～2级根的生物量、RLD和RN,以及1级和3～5级根的RTD,而对细根的SRL和氮含量无影响;1级和3～4级根的直径显著减小;表层(0～10 cm)土壤中的2级根直径明显小于亚表层(10～20 cm)土壤,而1～3级根的RLD和1～2级根的RN和氮含量均大于亚表层土壤.
间伐和土层的相互作用仅使1～2级根的直径减小.杉木细根的变化主要与间伐后的植被生长及更新密切相关.
     

Diagnosis of random-effect model misspecification in generalized linear mixed models for binary response

Summary .  Generalized linear mixed models (GLMMs) are widely used in the analysis of clustered data. However, the validity of likelihood-based inference in such analyses can be greatly affected by the assumed model for the random effects. We propose a diagnostic method for random-effect model misspecification in GLMMs for clustered binary response. We provide a theoretical justification of the proposed method and investigate its finite sample performance via simulation. The proposed method is applied to data from a longitudinal respiratory infection study.