人工长白落叶松立木叶面积预估模型

叶面积影响着树木干物质的生产,进而影响树木乃至整个林分的生长,而叶面积准确估计对分析树木和林分生长具有重要作用.本研究基于黑龙江省长白落叶松人工林中76株解析木数据,分别建立枝条层面和单木层面的叶面积预估模型.结果表明: 考虑样木层次随机效应的最优枝条叶面积混合效应模型包含lnBD(BD为枝条基径)、lnRDINC(RDINC为相对着枝深度)和lnCR(CR为冠长率)3个随机效应参数,具体形式为:lnBLA=β₁+(β₂+b₂)lnBD+(β₃+b₃)lnRDINC+β₄lnDBH+β₅lnHT/DBH+(β₆+b₆)lnCR,其中:β_i和b_i分别是模型的固定效应参数和随机效应参数;DBH为树木胸高处直径;HT/DBH为树高与胸径的比值.模型的修正决定系数(R_a²)为0.90,均方根误差(RMSE)为0.5477,平均偏差(ME)为-0.03,平均绝对偏差(MAE)为0.24,预测精度(P)为91%,枝条叶面积预估模型的预估效果较好.以枝条叶面积预估模型为基础,计算树冠叶面积并建立树冠叶面积预估模型,最终形式为:lnCLA=γ₀+γ₁lnDBH+γ₂CR,其中,γ_i为模型参数.似然比检验结果(P>0.05)说明该模型不用考虑样地层次的随机效应.本研究所建立的立木树冠叶面积预估模型的决定系数(R²)为0.87,RMSE为0.3847,拟合效果好,可以很好地预测人工长白落叶松立木树冠叶面积,为以后叶面积分布和光合作用的研究提供了理论基础.     

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.
     

基于局域统计量的黑龙江省多尺度森林碳储量空间分布变化

基于黑龙江省一类样地和生态公益林监测样地(共4163块)数据,应用局域Moran I及局域统计量(局域均值及局域标准差)检验4个尺度(25、50、100和150 km)下黑龙江省森林碳储量的空间分布模式、空间变异和空间相关性,并研究了2005和2010年森林碳储量的变化.结果表明: 黑龙江省森林碳储量空间分布存在显著空间正相关,森林碳储量均为相似的变化,而且都不是空间随机发生的;研究区森林碳储量受周围环境因子影响,空间分布存在异质性,且变异较大.2005—2010年,年均森林碳储量空间分布变化存在较大差异,呈增长趋势.局域统计量是描述森林碳储量随着空间和时间变化的有效方法,可以通过ArcGIS使结果可视化.     

基于贝叶斯似乎不相关回归方法的天然蒙古栎生物量模型构建

以胸径和树高作为自变量,基于多元似然分析、似乎不相关回归等方法研建了黑龙江省天然蒙古栎可加性生物量模型系统。结果表明: 树高显著提高了树干生物量模型的效果,决定系数(R²)从0.953提高到0.988,均方根误差(RMSE)减小14 kg,对树枝、树叶和树根生物量的影响并不显著。单变量(仅含胸径)和双变量(胸径、树高)幂函数形式的生物量模型系统的误差结构均为相乘型,表明对数转换后的线性模型形式更合适。树干、树枝、树叶、树根生物量模型的R²分别为0.953～0.988、0.982～0.983、0.916～0.917、0.951～0.952,RMSE分别为13.42～27.03、6.84～7.00、1.95～1.97、9.71～9.84 kg。与广义最小二乘法(FGLS)相比,贝叶斯估计产生了相似的模型拟合效果,却提供了不同变异大小的参数估计值。FGLS各参数标准误为0.054～0.211,而使用Jeffreys不变先验的两种贝叶斯估计方法(DMC和Gibbs1)产生相似的参数变异(标准差为0.055～0.221);使用均值向量为0、方差为1000且协方差为0的多元正态先验(Gibbs2)和使用来自栎属树种生物量模型历史研究汇总的先验(Gibbs3)产生了更大的变异(标准差为0.080～0.278),使用自身数据获取的先验(Gibbs4)估计得到的各参数变异小于其他方法(标准差为0.004～0.013)。当使用Gibbs4法建立模型时,两类模型不仅能提供最窄的95%预测区间,还能产生更小的预估偏差,树干、树枝、树叶、树根和总生物量在单变量模型中的平均绝对偏差百分比(MAPE)分别为19.8%、24.7%、24.6%、29.0%和13.1%,树干和总生物量在双变量模型中的MAPE分别减小到10.5%和9.8%,其他组织MAPE未改变,表明Gibbs4法能提供更准确的生物量预测值。与传统回归方法相比,准确的先验信息使贝叶斯统计在估计稳定性和不确定性减小方面具有优势。     

樟子松人工林树冠表面积及体积预估模型的研究

基于樟子松(Pinus sylvestris var. mongolica)人工林6块固定标准地30株枝解析数据,在分析树冠表面积和树冠体积与林分变量和林木变量的基础上,利用幂函数建立了树冠表面积（CSA）和树冠体积(CV)的预估模型,同时还对林木材积生长量与CSA和CV进行了相关分析。研究结果表明：樟子松人工林树冠表面积和树冠体积随着林木胸径、树高和冠长的增大而增大,林木材积生长量与树冠表面积和树冠体积均明显呈线性关系。不同林分条件的樟子松人工林CSA和CV随林分年龄和胸径的增大而增大,CSA随林分密度的增大而减小,而CV与林分密度相关不紧密。林分树冠表面积和树冠体积预估模型的检验结果表明,两个模型的平均相对误差都在±8%之内,预估精度均大于91%,说明所建模型可以很好地预估樟子松人工林不同林分条件下的林木树冠表面积和树冠体积。     

基于离体测量估计长白落叶松原位最大净光合速率的方法

以黑龙江省帽儿山林场15年生长白落叶松人工林为研究对象,通过对针叶进行原位及离体测量获取其原位最大净光合速率(SP_{n max})及离体最大净光合速率(AP_{n max}),分析AP_{n max}随离体时间(t_a)的变化规律,建立SP_{n max}与AP_{n max} 和t_a的函数关系,并分析了林木大小及环境因子对AP_{n max}下降过程的影响,构建了长白落叶松SP_{n max}预估模型.结果表明: 在不恢复水分供应的条件下,针叶AP_{n max}随t_a的增加而降低,且水汽压亏缺(VPD)和叶片温度(T_leaf)越高,AP_{n max}的下降速度越快、幅度越大.以VPD和t_a为自变量的线性预估模型对SP_{n max}的拟合效果最好(R_a²为0.774,RMSE为20.73),模型的预估精度随着t_a的增加而降低,t_a超过 20 min后,模型预估精度稳定在97%左右.本文采用离体测量方法通过建立回归模型估计长白落叶松的SP_{n max},不仅具有较好的预估能力和相对稳定的估计精度,同时大大提高了SP_{n max}的测定效率,具有较高的应用价值.     

乌兰布和沙漠天然白刺适应性群团抽样技术的研究

以乌兰布和沙漠地区天然白刺为具体研究对象,对不同抽样方法获取的数据进行了分析.研究结果表明,当适应性标准大于等于占位单元平均数时,适应性群团抽样比简单随机抽样更有效,并且可以保证估计精度;初始抽样比例越大,总体均值估计值和抽样相对效率越稳定.在该研究区域采用二阶适应性群团抽样,可以达到估计精度,但与简单随机抽样和适应性群团抽样相比效率偏低.     

基于抚育间伐效应的落叶松人工林直径分布动态模拟

基于黑龙江省孟家岗林场长白落叶松人工林5块固定样地(其中1块为对照样地,4块为抚育间伐样地,断面积强度为3.7%~49.7%)1974—2014年(林龄为19～59 a)复测的31次胸径数据,采用三参数Weibull分布函数拟合5块样地各年份直径分布,研究了直径分布曲线随林龄的动态变化规律,并分析了抚育间伐对林分直径分布曲线及Weibull分布参数的动态影响.构建了基于抚育间伐效应的Weibull分布参数预测的联立方程组模型,分别采用三阶段最小二乘法及度量误差法估计了模型的参数.结果表明: 未间伐林分(对照)直径分布曲线随林龄增加由“高峰狭窄”(林木直径分布集中)状态逐渐向“低峰宽广”(林木直径分布分散)状态过渡;抚育间伐后,林木直径分布曲线均较抚育间伐前右偏加剧,峰度变高,径阶变窄,对称性下降;间伐强度越大,伐除的中小径阶树木越多,直径分布曲线较间伐前左侧截尾明显,峰度增高,径阶分布范围变小.低强度抚育间伐使得参数a值变大,b值变小,对参数c的影响不明显;高强度抚育间伐使得参数a的增量变大,b值变小,参数c值变小.参数预测联立方程组模型的拟合结果表明,参数b的预测模型拟合效果最好,R²>0.98;参数c预测模型拟合效果稍差,但R²>0.91;三阶段最小二乘法拟合结果与度量误差联立方程组方法区别不大,两种方法检验结果均较好,模型精度都>97%,拟合效率均>0.92.所建立的模型能够较好地模拟抚育间伐效应下落叶松人工林直径分布动态变化,为科学合理经营森林提供了依据.     

樟子松人工林一级枝条基径和枝长模型的研究

以东北林业大学帽儿山实验林场樟子松人工林为研究对象,采用枝解析的方法,于2002年、2003年测定了53株林木（年龄17～38a,直径8．61～21．5cm,树高7．48～18．24m）的树冠变量,建立了基于总着枝深度（DINC）和树冠内一级枝条基径（BD）、枝长（BL）的预估模型。对于大小相同树木的一级枝条,这些树冠变量随着DINC的增加而增大,而林木的胸径（DBH）、树高（HT）变量又很好地反映了不同大小树木的基径和枝长的变化。采用独立检验样本对构建的树冠内一级枝条基径和枝长模型进行了拟合统计量和精度检验,结果表明：模型预测效果良好,精度均达到95％以上。构建的一级枝条基径和枝长模型为进一步合理地描述樟子松人工林树冠的形状及其变化以及三维可视化经营提供依据。     

樟子松人工林一级枝条基径和枝长模型的研究

以东北林业大学帽儿山实验林场樟子松人工林为研究对象,采用枝解析的方法,于2002年、2003年测定了53株林木（年龄17~38 a,直径8.61~21.5 cm,树高7.48~18.24 m）的树冠变量,建立了基于总着枝深度（DINC）和树冠内一级枝条基径（BD）、枝长（BL）的预估模型。对于大小相同树木的一级枝条, 这些树冠变量随着DINC的增加而增大,而林木的胸径（DBH）、树高（HT）变量又很好地反映了不同大小树木的基径和枝长的变化。采用独立检验样本对构建的树冠内一级枝条基径和枝长模型进行了拟合统计量和精度检验,结果表明：模型预测效果良好,精度均达到95%以上。构建的一级枝条基径和枝长模型为进一步合理地描述樟子松人工林树冠的形状及其变化以及三维可视化经营提供依据。