共查询到20条相似文献，搜索用时 156 毫秒
1.
【目的】对Kozak方程进行修正,采用树木易测因子为预测变量,构建人工樟子松树冠外部轮廓预估模型,为研究树木生理和树木竞争提供依据,为模拟单木树冠表面积和树冠体积奠定基础。【方法】基于黑龙江省14块固定样地70株人工樟子松解析木907个最大枝条数据,以Kozak方程基本形式为基础并对其进行修正,选出构建人工樟子松树冠外部轮廓基础模型的最优模型形式。在最优模型基础上,建立分别考虑样地效应、样木效应及同时考虑样地和样木效应两水平的非线性混合效应模型。利用R软件的nlme软件包求解非线性混合效应模型参数,采用AIC、BIC、-2LL对混合效应模型中不同随机效应参数组合形式、不同随机效应矩阵、方差-协方差矩阵和方差函数进行比较,选出最优模型形式,并对人工樟子松外部轮廓随树木因子的变化规律进行探讨。以林分密度为哑变量,构建不同密度的人工樟子松树冠外部轮廓预估模型。【结果】人工樟子松树冠外部轮廓预估模型因子包含胸径(DBH)、冠长率(CR)和高径比(HD)。与基础模型相比,分别考虑样地效应、样木效应的混合模型能够显著提高模型拟合效果,外部轮廓模型差异主要来源于样木效应。以样木为单水平的混合效应模型中,a2、a6为随机参数,对角矩阵为方差-协方差矩阵形式,ARMA(1,1)为解释组内方差的矩阵,采用幂函数消除异方差的模型形式为最优模型。同时考虑样地和样木效应两水平混合模型的拟合效果较单水平混合模型有所提高。以两水平混合模型的固定效应部分模拟外部轮廓与树木因子之间的关系,在分别固定另外2个变量的情况下,树冠半径随着DBH、CR增大均逐渐增大,树冠上半部分半径随着HD增大而增大,下半部分半径随着HD增大而减小。外部轮廓拐点的变化范围为0.6250~0.9170,拐点平均位置为0.8413,随着林木在林分中被压强度增大,拐点位置向树冠基部移动。密度小于1000株·hm^-2林分中单木的冠形与1000~2000株·hm^-2和大于2000株·hm^-2林分中单木的冠形区别很大。【结论】修正后的Kozak模型满足梢头处半径为0、在整个树冠范围内存在拐点且拐点唯一的特性,能够对人工樟子松树冠外部轮廓进行合理模拟及预测。两水平非线性混合效应模型可显著提高模型拟合效果,能够在树冠外部轮廓模型中应用。 相似文献
2.
《林业科学》2021,57(5)
【目的】构建树冠最大外部轮廓非线性混合效应模型和非线性分位数回归模型,为准确预测树冠生长发育规律及预估生产力提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松人工林为研究对象,基于58株解析木数据和1 789个枝条解析数据,利用幂函数、修正Kozak方程、修正Weibull方程选取基础模型,构建华北落叶松人工林树冠外部轮廓非线性混合效应模型和非线性分位数回归模型。【结果】在幂函数、修正Kozak方程和修正Weibull方程中,幂函数拟合树冠外部轮廓效果较好,作为树冠外部轮廓基础模型;林分年龄(Age)、冠长(CL)、胸径(DBH)、树高(HT)、冠高比(CHR)、高径比(HDR)对树冠外部轮廓影响较大。在混合效应模型中,两水平混合效应模型优于单水平混合效应模型,可明显提高模型拟合精度,HDR相关的参数a6考虑样地效应,相对着枝深度(RDINC)、CHR相关的参数a4、a5考虑样木效应,模型确定系数(R2)为0.873,均方根误差(RMSE)为0.319 m,平均相对误差(MRE)为6.642 m。在分位数回归模型中,当分位数q=0.90时模型曲线最接近树冠最大外部轮廓,R2为0.672。【结论】混合效应模型拟合精度较高,可准确描述树冠最大枝条的平均趋势。分位数回归模型可确定树冠最外部轮廓,在预测条件均值之外的研究中发挥重要作用。 相似文献
3.
《林业科学》2019,(11)
【目的】在多树种多层次针阔混交林中,基于贝叶斯混合效应模型法构建树高与胸径关系的混合效应模型,以提高预测模型参数稳定性,为揭示混交林多树种生长规律、资源分配差异及森林质量精准提升提供科学依据。【方法】以河北省塞罕坝机械林场华北落叶松和白桦针阔混交林为研究对象,基于112块标准地(30 m×30 m)调查数据,选取6个包含不同林分因子的理论方程作为构建混交林不同树种树高与胸径关系的基础模型,选择出拟合精度较高的模型,分别采用两水平非线性混合效应模型法和贝叶斯混合效应模型法构建立包含哑变量的多树种树高与胸径关系模型。【结果】包含林分优势高和林分断面积组合变量的Richards方程拟合效果最好,模型确定系数(R~2)、均方根误差(RMSE)和绝对误差(Bias)分别为0849 5、2378 6和0365 4;贝叶斯混合效应模型法拟合精度略高于传统非线性混合效应模型法:基于传统非线性混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0930 4和0103 4,白桦树高与胸径关系模型的RMSE和Bias分别为0982 7和0112 6;基于贝叶斯混合效应模型法的华北落叶松树高与胸径关系模型的RMSE和Bias分别为0910 5和0096 8,白桦树高与胸径关系模型的RMSE和Bias分别为0963 3和0100 2。【结论】基于贝叶斯混合效应模型法构建的非线性混合效应模型,充分考虑混交林多树种树高与胸径关系模型参数的不确定性,模型预测效果更具可靠性和稳定性。 相似文献
4.
基于非线性混合模型的针阔混交林树高与胸径关系 总被引：4，自引：0，他引：4
《林业科学》2016,(1)
[目的]建立多树种、多层次混交林的树高-胸径生长关系非线性混合效应模型,为研究混交林多树种生长规律提供参考依据。[方法]以河北省塞罕坝国家森林公园华北落叶松-白桦针阔混交林为研究对象,基于87块标准地(20 m×30 m)的4 953株华北落叶松和3 608株白桦单木数据,选取13个具有代表性且具有生物学意义的树高-胸径模型进行拟合,从中筛选出拟合优度较高的模型作为构建混合效应模型的基础模型,并在混合效应模型中加入哑变量以解决样地内不同树种带来的差异。[结果]1)在13个树高-胸径候选模型中,模型13的确定系数最大(R2=0.915 7),绝对误差(Bias=1.200 6)、均方根误差(RMSE=0.129 1)最小,其拟合效果较好。2)以模型13为基础模型建立华北落叶松-白桦混交林树高-胸径关系混合效应模型,华北落叶松混合模型确定系数(R2)为0.926 4,AIC值为319.7,均方根误差(RMSE)值1.070 8,绝对误差(Bias)为0.084 1;白桦混合模型确定系数(R2)为0.918 7,AIC值为297.6,均方根误差(RMSE)为1.102 2,绝对误差(Bias)为0.070 5,表明模型拟合效果较好。3)利用所构建的混合效应模型,以2 cm为一个径阶对华北落叶松和白桦树高进行预测,其树高预测结果与测量值分布一致,表明包含树种哑变量混合效应模型中的参数充分反映出相同径级树高的变异趋势,提高了混交林树高-胸径模型预估精度。[结论]包含哑变量的混合效应生长模型可解决混交林中样地间及样地内树种对树高-胸径生长关系的影响,提高模型精度及适用性,为该地区提高针阔混交林经营水平及经营效果提供科学支撑。 相似文献
5.
《中南林业科技大学学报(自然科学版)》2015,(9)
以福建杉木Cunninghamia lanceolata人工林为研究对象,基于15块样地的33株标准木的解析数据,探讨了树冠平均表面积、最大表面积、平均体积、最大体积4个复合指标的预测模型。结果表明:4个树冠复合指标与胸径、树高、冠长、冠幅之间呈显著相关,相应的增加变量可提高模型的拟合精度,但当模型变量增加到2个以上时,模型精度提高不大。模型检验结果表明,以冠幅和冠长为变量的树冠表面积模型为最优;树冠体积以冠幅、冠长和树高为变量的模型为最优。模型的预估精度P均大于70.3%,说明模型可以较好地预估杉木人工林的树冠表面积和体积。 相似文献
6.
【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603株白桦为研究对象,首先,选取10种常用冠幅-胸径模型作为备选模型分别拟合华北落叶松和白桦数据,从中选出AIC和BIC最小的模型作为基础模型;然后,在基础模型中进一步添加与冠幅相关系数大的变量作为协变量构建修正模型;最后,在修正模型基础上分别构建华北落叶松和白桦冠幅的非线性最小二乘模型、单水平非线性混合效应模型、加性模型和组级贝叶斯模型。【结果】4种华北落叶松冠幅模型中,加性模型的预测精度最高(R2＿mean=0.704 3,RMSE＿mean=0.512 7),4种白桦冠幅模型中,非线性混合效应模型的预测精度最高(R2＿mean=0.664 3,RMSE＿mean=0.794 4)。在变量方面,华北落叶松和白桦冠幅均随其胸径递增,华北落叶松冠幅随其树高缓慢递增、枝下高递减,白桦冠幅随其冠长率先减小后增大,并受林分密度... 相似文献
7.
长白落叶松人工林树冠形状的模拟 总被引：17，自引：3，他引：17
以长白山地区 2 6a生长白落叶松人工林为研究对象 ,采用枝解析的方法 ,测定了 2 5株林木 (直径 10 5～2 4 9cm)的树冠变量 ,并建立了预测树冠外侧形状的冠形模型。基于枝条着枝深度 (DINC)和林木变量所建立的树冠形状模型包括 :基径、枝长、着枝角度和弦长等预估模型。对于大小相同树木的主要枝条来讲 ,这些树冠变量是随着DINC的增加而增大 ;而林木的胸径 (DBH)和树高 (HT)变量很好地反映了不同大小树木的冠形变化。冠形预测模型预测效果良好 ,充分体现了树冠结构的变化趋势 :树冠形状在树冠的中上部呈抛物线体 ,而在树冠的下部则为近圆柱体。文中所建模型 ,可以合理地描述长白落叶松人工林的树冠形状及其变化规律。 相似文献
8.
《中南林业科技大学学报(自然科学版)》2020,(11)
【目的】建立华北暖温带华北落叶松与白桦针阔混交林树高与胸径关系的非线性混合效应模型,为研究针阔混交林中不同树种相互作用及其生长发育规律提供科学依据。【方法】以河北省塞罕坝机械林场的华北落叶松与白桦针阔混交林为研究对象,基于83块30 m×30 m的标准地调查数据,首先选取5个具有生物学意义的非线性树高与胸径关系基础模型进行拟合,确定最优基础模型;其次通过相关分析确定影响树高生长的主要因子;最后基于最优基础模型和主要因子建立包含哑变量的华北落叶松与白桦针阔混交林树高与胸径关系预测模型。【结果】在5个候选非线性树高与胸径关系模型中,Richard模型具有最好的拟合结果,其模型确定系数(R2=0.918 6)最大,均方根误差(RMSE=2.405 8)及绝对误差(Bias=0.194 5)最小;通过相关分析确定海拔和林分断面积与树高生长均在P 0.01水平上呈现显著性;基于基础模型构建了包含哑变量及主要影响因子的不同树种树高与胸径关系混合效应模型,当随机效应参数作用在林分断面积上时,模型预测精度较高。【结论】基于主要影响因子和包含哑变量的非线性混合效应树高与胸径关系预测模型,能够有效解决混交林中树种及主要因子对树高与胸径关系的影响,提高了预测模型的适用性及预测精度,为混交林森林质量精准提升提供科学依据。 相似文献
9.
[目的]研究林木树冠形态对外界环境适应的可塑性机理。[方法]以小兴安岭地区的长白落叶松为研究对象，利用详细的树冠半径调查数据，研究长白落叶松的树冠偏冠现象，分析树冠偏冠与林木大小和竞争之间的关系。[结果]在单木水平上，不同林龄样地中林木的树冠变异系数的平均值均大于20%，大部分林木的树冠半径变异系数较大，只有不到1/5的林木的树冠半径变异系数小于15%。不同林龄样地中长白落叶松偏冠距离的平均值在0.35～0.51 m之间，各样地中林木偏冠距离的最大值均在1.2 m以上，其中成熟林中林木偏冠距离的最大值达到1.73 m。树冠的偏冠方向没有特定的方向偏向，是均匀分布的。在幼龄林中，林木的偏冠距离与胸径、冠长、平均树冠半径呈显著正相关，树冠偏冠距离随树木增大而增大。在中龄林和近熟林中，偏冠指数与胸径、树高和平均树冠半径呈显著负相关，与高径比呈显著正相关，树冠偏冠程度随树木增大而减小。在成熟林中，偏冠程度与林木大小的相关性不显著。在幼龄林、中龄林、近熟林中，树冠偏冠与竞争压力呈显著正相关，在成熟林中树冠偏冠与竞争压力的相关性不显著。基于树冠中心坐标计算的林分平均竞争指数均小于基于树干坐标计算的... 相似文献
10.
【目的】基于节子分析技术构建落叶松人工林树冠基部高动态预测模型,分析落叶松树冠衰退规律及其影响因素,为制定合理的经营措施提供理论依据。【方法】以2007年设立的8块落叶松人工林标准地获取的40株解析木数据为基础数据,采用节子分析技术,得到树冠基部高随年龄的动态变化数据,应用传统线性模型、理查德和逻辑斯蒂非线性模型构建落叶松树冠基部高动态模型。【结果】传统线性模型、理查德和逻辑斯蒂非线性模型可较好拟合树冠基部高动态变化过程,模型参数均具有统计意义(P0.01),以理查德方程为基础模型构建的树冠基部高模型拟合效果最好,加入权重因子可消除异方差,降低估计参数标准误,提高预测精度,模型的确定系数(R~2)为0.904,绝对误差(Bias)和均方根误差(RMSE)分别为0.002和1.251,最优落叶松树冠基部高模型形式为HCB=(3.146+0.036CCF+0.225Bas+0.788HT-0.481CL)(1-e~(-0.086 t))~(4.278)。【结论】树冠基部高动态变化过程与林分发育规律一致,符合"S"形生长曲线,可通过树冠竞争因子(CCF)、林分断面积(Bas)、调查当年的树高(HT)和冠长(CL)解释,解释率达90.4%。树高、树冠竞争因子和林分断面积增大会导致树冠基部高上升,加速落叶松树冠衰退。竞争对树冠的影响较敏感,落叶松人工林10～41年间,树冠竞争因子大(187.33)的林分冠长率从75%下降到36%,而树冠竞争因子小(105.82)的林分冠长率从75%下降到40%;落叶松人工林树冠基部高平均每年上升0.66 m。本研究构建的树冠基部高动态模型可较好模拟落叶松人工林树冠基部高动态变化过程,利用单木和林分变量能够解释落叶松人工林树冠衰退趋势。通过检验验证,基于节子分析技术获取的树冠基部高数据构建的动态模型精度较高,可作为一种获取长期树冠动态变化数据的有效手段。 相似文献
11.
落叶松树皮厚度变化规律的研究 总被引：2，自引：0，他引：2
以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,研究胸径处树皮厚度（BT）与胸径（D）、树高（H）、树冠宽度（CD）、冠长率（CR）、冠长（CL）和相对高度（RH）的关系。用多元逐步回归的方法建立落叶松人工林树皮厚度模型。结果表明,人工落叶松树皮厚度最优模型为BT=0.4221＋0.0583D-0.046H。模型检验（F=32.46,P〈0.0001）及拟合统计量（R2=0.5155,RMSE=0.1507）都表明该模型较好的描述落叶松树皮厚度的变化。这对于合理的经营和管理落叶松人工林具有重要的理论和实际指导意义。 相似文献
12.
花榈木人工林主要测树因子回归模型的研究 总被引：1，自引：0，他引：1
根据花榈木人工林样木的胸径、树高、冠幅、冠长测定数据,应用多方程选优法建立以胸径为辅助因子的树高、冠幅、绝对幅长、相对冠长以及树冠系数等因子的回归预估模型,旨在为生产应用提供定量依据。研究表明:主要测树因子间存在不同程度的线性或非线性关系,视测树因子而定。以相关系数来看,胸径与主要测树因子相关紧密程度从大到小依次为:冠幅、树高、绝对冠长、树冠系数和相对冠长。 相似文献
13.
基于2层次线性混合模型的落叶松木材密度模拟 总被引：1，自引：0，他引：1
以黑龙江省七台河市林业局金沙林场9株人工落叶松432个样品密度数据为例,利用逐步回归技术构建落叶松木材密度模型:WD=β1+β2RN+β3RN2+β4h。利用S-PLUS软件中的LME过程,分别考虑单水平和多水平效应,拟合线性木材密度混合效应模型。结果表明:基于单水平和多水平效应的混合模型拟合精度高于传统的基本模型,并且考虑单水平树高效应和2层次效应时的混合模型精度高于考虑单水平样木效应影响的混合模型。模型检验结果表明:混合效应模型不但能反映总体平均木材密度变化趋势,还能反映分组之间的差异。 相似文献
14.
基于线性混合模型的落叶松人工林节子大小预测模型 总被引：4，自引：0，他引：4
以黑龙江省东北部落叶松人工林为研究对象,应用19块标准地中95株解析木(每块标准地选取5株)的节子剖析数据,采用线性混合效应模型理论建立落叶松节子各因子(节子直径、着生角度、长度)的预估模型。结果表明:节子直径、着生角度和长度都随着树木胸径的增大而增大;节子直径随着着生高度的增大先增大后减小;节子角度随着着生高度的增大而逐渐减小;节子长度随着直径的增大而增大。与固定效应模型相比,考虑混合效应所建立的节子大小预测模型其参数估计更为准确,残差分布更加均匀,模型拟合精度明显得到提高(R2约提高了0.3)。独立样本的检验结果表明:各模型的预估精度均在90%以上,说明所建模型可以很好地描述落叶松人工林节子变化规律。 相似文献
15.
【目的】基于机载激光雷达数据建立结构稳定的林分地上生物量预测模型,考虑最小二乘、混合效应和贝叶斯等参数估计方法对最优生物量预测模型选择进行探讨,为生物量建模方法研究、生物量估测提供科学依据,为冬奥核心区实现“双碳”目标和生物量模型计算提供技术支撑。【方法】基于崇礼冬奥核心区2种森林类型(华北落叶松和白桦)62块实测样地及对应的激光雷达数据,通过变量筛选分别建立最小二乘、混合效应和贝叶斯生物量模型,应用确定系数(R2)、均方根误差(RMSE)、残差、总体相对误差(TRE)评价模型,采用留一交叉法验证模型精度。【结果】筛选出相关性较高的激光雷达变量共20个,最终进入模型的自变量3个。拟合效果最好的是Logistic混合效应模型(RMSE=22.99 t·hm-2,R2=0.768,TRE=6.08%),分树种建立模型后华北落叶松模型拟合效果提升(RMSE=22.92 t·hm-2,R2=0.795,TRE=7.45%),白桦模型预测精度提高(RMSE=23.34 t·hm... 相似文献
16.
基于楠木(Phoebe zhennan)人工林5块同定标准地25株枝解析数据,进行楠木人工林树冠体积与叶面积指数预估模型研究,研究结果表明:楠木人工林树冠体积和叶面积指数随着林木胸径、树高、冠幅和冠高的增大而增大;在分析树冠体积和叶面积指数与林木变量的基础上,利用SPSS统计软件建立了树冠体积(V)和叶面积指数(LAI)的预估模型:所建立的楠木人工林树冠体积的预估模型为:V=0.2750L2.253H10.770(L为冠幅,m;H1为冠高,m),叶面积指数的预估模型为:LAI=0.7845+0.5481H1-0.0288H12+0.0007H13;对预估模型进行检验,结果表明,两个模型的预估精度均大于88%,说明所建模型可以较好地预估楠木人工林树冠体积和叶面积指数. 相似文献
17.
黔中喀斯特次生林主要经营树种冠形特征及模型拟合 总被引：1，自引：0，他引：1
《西部林业科学》2017,(4)
经营树种冠层结构调整是次生林经营的重要内容,而树冠结构不同往往表现在冠形特征差异,因此,研究冠形特征并进行模型拟合,对森林经营具有重要的理论和实践意义。以黔中喀斯特次生林封山造林、封山抚育、封山改良3种经营类型为研究对象,针对柳杉、猴樟、厚朴、喜树和光皮桦5个经营树种,使用1 221株实测数据,拟合冠幅、冠长、伸展度、冠长率、圆满度、投影比6个冠形指标与林木胸径和树高因子间关系。研究表明:(1)树种的实测因子与树冠结构特征多呈极显著正相关关系,建立实测林木因子(易获取因子)与树冠结构特征间的回归预估模型可行;(2)建立了黔中喀斯特次生林5种经营目标树的CW∝DBH、CL∝H的最优预估方程,树冠圆满度的拟合度要优于其投影比、树冠伸展度和冠长率;(3)柳杉、猴樟、厚朴、喜树和光皮桦的冠幅拟合解释量依次为0.62、0.69、0.77、0.59、0.77,冠长解释量依次为0.88、0.90、0.78、0.89、0.64。各拟合最优模型的胸径使用范围分别为1.6~18.3cm、0.5~8.5cm、1.8~6.5cm、0.8~13.0cm、0.7~25.8cm,树高适用范围分别为2.0~10.9m、1.5~8.2m、2.6~6.6m、1.5~12.1m、1.6~14.5m。因此,基于胸径、树高对各经营树种的冠幅、冠长预估模型适用于早期,中后期经营还需重建中后期的模型。 相似文献
18.
采用福建省将乐国有林场979组马尾松调查数据,利用R-软件的nls-模块对24种常见树高曲线拟合,并选取精度最高的作为基础模型,通过对基础模型添加变量改进模型,并用调整决定系数adj-R2、误差Bias、均方根误差RMSE对模型精度进行检验。结果表明,模型-13在添加了林分优势木高(Ht)、林分平均胸径(D)、地径(Dd)、林分平均树高(H)、林分每公顷断面积(SBA)林分变量之后,Bias、RMSE减小,adj-R2明显增大,因此,标准树高曲线H=1.3+(a1+a1Ht+a2SBA)+(b+b1 D+b2Dd)/D+(c+c1SBA)能较好地模拟当地马尾松的树高与胸径的关系。 相似文献
19.
基于非线性混合模型的落叶松树干削度模型 总被引：4，自引：0，他引：4
以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,采用Max和Burkhart分段削度模型作为基础模型,利用SAS软件中的似乎不相关回归过程得到该分段削度模型的4个参数和2个拐点参数同时估计。参数估计显著性检验(P<0.000 1)以及模型检验(F=31 392.30,P<0.000 1)都证明该分段模型能较好地描述落叶松树干干形变化。然后以该分段模型为基础模型,采用非线性混合模型的方法,建立落叶松人工林树干削度混合效应模型。结果表明:当考虑样地效应影响时,b1,b2同时作为混合参数时模型拟合最好;当考虑树木效应影响时,b2,b4同时作为混合参数时模型拟合最好。无论考虑样地效应影响还是考虑树木效应影响,混合模型的拟合精度都比基本模型的拟合精度高,并且考虑树木效应影响要比考虑样地效应影响的精度更高。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。 相似文献
20.
《林业科学》2021,(10)
【目的】基于东北地区落叶松人工林森林资源连续清查固定样地数据,探讨生物量转换与扩展因子(BCEF)的最优模型形式,建立落叶松人工林BCEF空间自回归模型,为生物量精准估算提供模型支撑和依据。【方法】选择多种模型形式建立BCEF普通回归模型,从中选择拟合效果最好的模型,运用空间误差模型(SEM)和空间滞后模型(SLM) 2种空间自回归方法重新拟合模型,采用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)对模型进行评价,使用莫兰指数(MI)检验各变量和BCEF模型残差的空间自相关性。【结果】1) BCEF存在明显的空间自相关性,空间距离较小时,同一省内的落叶松人工林BCEF属性相似,随着空间距离增大,各省之间的BCEF属性差异逐渐体现出来,最终趋向随机分布; 2)在普通回归模型中,异速生长模型、对数模型和双曲线模型拟合效果较好,不同自变量对应的最优模型形式不同;林分平方平均直径(Dg)是解释能力最高的变量,以Dg为自变量的有效模型的R~2在0.945～0.958之间;其次是林分平均高和蓄积量,其有效模型的R~2在0.60以上;林分平均年龄的解释能力略低,其有效模型的R~2仅0.50左右;林分断面积(BA)和密度(N)对BCEF的解释能力较差,R~2均不超过0.50;以Dg为自变量的普通回归模型的残差存在明显空间自相关性; 3)以Dg为自变量的双曲线空间自回归模型最优,且SEM优于SLM,与对应普通回归模型相比,SEM的R~2提高3%,RMSE和rRMSE分别降低33%和35%,模型残差的MI不超过0.02,可较好消除空间自相关性。【结论】双曲线是BCEF最稳定的模型形式,Dg是解释BCEF的最优变量,建议采用以Dg为预测变量的双曲线函数空间误差模型估算BCEF。 相似文献