共查询到17条相似文献,搜索用时 218 毫秒
1.
应用2015年调查的黑龙江省江山娇实验林场48块杂种落叶松人工林样地的4129株样木数据,分析了冠幅(CW)与胸径(DBH)的相关关系,选出较好的冠幅—胸径线性关系模型作为基础模型;经过再参数化分析,选入对冠幅影响较大的单木因子和林分因子构建冠幅的通用线性模型;再采用混合效应模型的方法建立精确的冠幅预测模型。结果表明:冠幅与胸径呈较好的线性相关,冠长率(CR)、高径比(HDR)和林分断面积(BAS)对冠幅的影响最大,最终构建了样地水平的线性混合效应模型为杂种落叶松人工林单木冠幅预测模型。模型的修正决定系数Ra2为0.6567,比基础模型(Ra2为0.5701)增加了15.19%;均方根误差(RMSE)和赤池信息准则与基础模型相比,均减少了10%以上;模型采用留一交叉验证法进行检验,其平均绝对偏差(MAE)为0.3491 m、平均相对偏差绝对值(MAPE)为18.36%,拟合效率(EF)为0.6164。考虑该模型的实用性,基于留一法,利用随机抽样,对比分析了不同样本量(2,3,4,…,30株树)对随机效应校正下的模型预测效果,结果表明每个样地随机调查5株树的冠幅,即可达到较好的预测效果。 相似文献
2.
长白落叶松?水曲柳混交林冠幅预测模型 总被引:1,自引:1,他引:0
3.
《西北林学院学报》2017,(3)
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(20m×30m)的348株解析木数据,建立包含样地间及样地内随机效应的胸径—年龄非线性混合效应模型,并在混合效应模型中加入哑变量来解决样地内不同树种带来的差异。结果表明,华北落叶松单木胸径非线性混合效应模型确定系数(R2)、-2log Likelihood值、信息准则(Alcaikes information criterion,AIC)值、贝叶斯信息(Bayesion informatian criterion,BIC)值分别为0.85、898.1、880.2、855.4;白桦单木胸径非线性混合效应模型确定系数(R2)、-2log Likelihood值、AIC值、BIC值分别为:0.81、500.9、482.6、465.7。白桦和华北落叶松最大年生长量分别为0.44cm和0.41cm,年龄和竞争指数与胸径生长量呈负相关关系,胸径和林分优势高与胸径生长量呈正相关关系,其中林分优势高与华北落叶松—白桦混交林径向生长量相关性较低。包含哑变量的混合效应生长模型解决了混交林中样地间及样地内树种对胸径生长的影响,提高了模型精度及适用性,为该地区针阔混交林经营水平及经营效果的提高提供依据。 相似文献
4.
5.
基于混合效应模型的新疆天山云杉单木胸径预测模型构建 总被引:1,自引:1,他引:0
【目的】建立新疆天山云杉单木胸径生长模型,以期对天山云杉胸径生长进行预测,为天山云杉经营管理提供理论依据。【方法】以天山云杉为研究对象,基于新疆自治区一类清查数据中70块天山纯林复测样地,样地中测得活立木共计1 914株,随机选取1 531组数据作为训练数据,383组数据作为检验数据。对比分析传统单木胸径模型和混合效应模型在云杉单木胸径模型的应用,在运用R语言的nlme模块构建混合效应模型时考虑密度水平效应、样地效应以及嵌套两水平效应,并用平均绝对误差(E)、均方根误差(RMSE)、平均预估误差(MPE)、总相对误差(TRE)、调整决定系数(R_(adj)~2)来检验模型的拟合效果。【结果】混合效应模型(R_(adj)~2=0.762)优于传统胸径模型(R_(adj)~2=0.505)。混合效应模型中,基于嵌套两水平混合效应模型最好,其平均绝对误差(E)、均方根误差(RMSE)、平均预估误差(MPE)、总相对误差(TRE)、调整决定系数(R_(adj)~2)值分别为0.589 cm、0.804 cm、0.966%、-0.042%、0.899。混合效应模型拟合效果由高到低依次为:嵌套两水平混合效应模型(R_(adj)~2=0.899)样地混合效应模型(R_(adj)~2=0.766)密度水平混合效应模型(R_(adj)~2=0.762)。幂函数能有效消除异方差结构的影响,一阶自回归矩阵AR(1)可以有效消除数据的时间相关效应。【结论】研究求得的天山云杉单木胸径生长混合效应模型可作为新疆天山云杉单木胸径预测的主要模型,其中嵌套密度水平效应和样地效应的混合效应模型对单木胸径的预测效果最好(R_(adj)~2=0.899),此研究表明混合效应模型是新疆天山云杉单木胸径预测的有效方法,为大面积新疆天山云杉单木胸径预测提供理论基础及新的方法。 相似文献
6.
沙地樟子松不同树高-胸径模型比较分析 总被引:1,自引:0,他引:1
【目的】比较不同树高(H)–胸径(D)模型精度,确定适合章古台地区樟子松Pinus sylvestris var. mongolica的H-D模型。【方法】以Sibbesen模型为基础模型,将优势木平均高(HT)、胸高断面积(AB)和平方平均胸径(DQM)3个林分变量以不同组合加入基础模型中,分别建立了H-D的基础模型(1个)和广义模型(3个)及对应的基础混合模型(1个)和广义混合模型(3个)。对固定效应模型平均水平预测(FPA)、混合模型的总体平均响应预测(MPA)和主体响应预测(MPS)的精度进行比较。对混合模型在使用随机抽取样本木和抽取平均木(胸径接近平均值的样本)2种抽样方案计算随机参数时分析MPS精度与样本数量的关系。【结果】表征樟子松H-D关系的4种固定效应模型中,含HT和AB的广义模型拟合精度最高,Akaike信息量准则(AIC)=2 167.7,Bayesian信息量准则(BIC)=2 196.3。相同预测变量的各模型预测精度均表现为:MPSFPAMPA,仅含预测变量D的模型的3种预测精度差异最大。广义模型、广义混合模型、基础混合模型预测精度差异不大。使用验证数据检验模型精度时,每块标准地中随机抽取3株样本木计算基础混合模型随机参数时,该模型精度提升最为明显,MAE和RMSE分别降低了57.97%和57.63%;而广义混合模型精度随抽取样本木数量的增多未出现大的变化。【结论】含有林分变量优势木平均高、胸高断面积的广义模型和基础混合模型均能较好地预测沙地樟子松人工林的单木树高。此外,利用混合模型预测树高时,推荐在标准地中随机抽取3株林木测量其树高,并依此来计算随机参数。 相似文献
7.
8.
树高和胸径作为重要的林分因子,二者的异速生长关系是林分生长与收获预估的基础。以北京市古石峪61块油松(Pinus tabuliformis)天然林样地为研究对象,样地按郁闭度CD≥0.6(类型Ⅰ)、0.5≤CD<0.6(类型Ⅱ)、0.4≤CD<0.5(类型Ⅲ)、0.3≤CD<0.4(类型Ⅳ)和CD<0.3(类型Ⅴ)划分5个等级类型,采用非线性混合模型方法,从26种常用树高曲线中选择拟合精度最高的作为基础模型,以类型和样地作为随机效应,分别基于单水平和嵌套二水平,考虑异方差构建最优的油松天然林树高曲线。采用AIC、BIC和负2倍的对数似然值对不同模型的精度进行比较,并用平均绝对误差、剩余均方根误差和调整后的决定系数对模型进行检验。结果表明,混合参数个数不同,模型预测精度不同;考虑异方差结构的嵌套2水平非线性混合模型预测精度高,调整后的决定系数达0.924 4,剩余均方根误差为0.842 1,可以准确地反映油松树高与胸径的关系,但与以样地作为随机效应的单水平样模型的差异不显著。 相似文献
9.
基于混合模型的油松林分蓄积量预测模型的建立 总被引:2,自引:0,他引:2
【目的】建立预估精度高的林分蓄积量混合模型,为北京地区不同初期密度油松林分提供个性化模型方程,为森林经营和采伐利用提供重要理论依据。【方法】以北京地区76块油松连续清查样地为研究对象,按初期的油松林分密度(ID)将油松样地分为Ⅰ(ID400株/hm~2)、Ⅱ(400≤ID800株/hm~2)、Ⅲ(800≤ID1 200株/hm~2)、Ⅳ(1 200≤ID1 600株/hm~2)、Ⅴ(ID≥1 600株/hm~2)5个水平,选用以断面积和优势木平均高为自变量的线性模型构建油松蓄积量基础模型,在基础模型上分别考虑油松林分的密度水平效应、样地效应和嵌套两水平效应,用R语言的nlme模块建立油松混合效应模型,并用平均绝对误差||、均方根误差RMSE、决定系数R~2 3个评价指标检验模型的拟合效果。【结果】拟合嵌套两水平混合模型决定系数R~2为0.998 2,高于密度水平效应和样地效应2个单水平混合模型,且||和RMSE均小于2个单水平混合模型;嵌套两水平混合模型的、RMSE分别为0.069 8和0.100 6,比基础模型降低了78.86%和82.39%。指数函数异方差结构和[ARMA(1,1)]时间序列相关性结构加入混合模型后,模型拟合精度均有一定提高。【结论】单水平和嵌套两水平混合模型拟合精度均高于基础模型,嵌套两水平混合效应模型拟合精度优于基础模型和单水平混合模型,指数函数能够消除数据间的异方差,[ARMA(1,1)]结构能够较好地表达样地间的误差相关性。 相似文献
10.
11.
长白落叶松等几个树种冠幅预测模型的研究 总被引:6,自引:3,他引:6
以20块落叶松云冷杉林为对象,采用多元逐步回归方法,研究其组成树种的单株木冠幅预测模型.因变量为单株木冠幅,自变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度.共测定了3 099株树木,全部参加了建模.最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型.结果表明:胸径和林分密度是所有树种中影响冠幅的重要因子;模型的调整决定系数在0.34~0.75之间;绝对误差在-0.000 114~0.054 m之间;相对误差在-0.054 43%~3.440%之间;均方根误差在0.360~0.510 m之间,相对均方根误差在27.4%~37.4%之间. 相似文献
12.
13.
基于Possion回归混合效应模型的长白落叶松一级枝数量模拟 总被引:3,自引:3,他引:0
利用广义线性混合模型对长白落叶松一级枝条数量进行研究,以黑龙江省佳木斯市孟家岗林场长白落叶松人工林为研究对象,基于7块标准地49株枝解析样木的596个一级枝条测定数据,利用SAS 9.3软件中的PROC GLIMMIX模块,建立了基于Poisson分布的一级枝条数量的最优基础模型。在此基础上考虑树木效应,构建每半米段一级枝条数量的广义线性混合模型,并利用AIC、BIC、-2log likelihood以及LRT检验对收敛模型的拟合优度进行比较。结果表明:任意参数组合的混合效应模型的拟合效果均好于传统模型,最终将含有DINC、LnRDINC、RDINC2这3个随机效应参数的模型作为长白落叶松每半米段一级枝条数量分布的最优混合效应模型。模型拟合结果显示,LnRDINC、CL的参数估计值为正值,DINC、RDINC2、HT/DBH、DBH的参数估计值为负值,每半米段一级枝条分布数量在树冠范围内存在峰值,模型的确定系数R2为0.669,拟合的平均绝对误差为2.250,均方根误差为3.012。从总体上看,所建立的一级枝条分布数量混合模型不但可以反映总体枝条数量的变化趋势,还可以反映树木之间的个体差异,说明广义线性混合模型确实可以提高模型的模拟精度。所得出的混合模型可以很好地预估该研究区内人工长白落叶松每半米段一级枝条数量的分布情况,为定量研究长白落叶松树冠构筑型和三维可视化模拟提供了基础。 相似文献
14.
落叶松人工林树冠形状的预估 总被引:5,自引:0,他引:5
以长白落叶松(Larix algernsis Henry)人工林为研究对象,利用松江河林业局设置的8块团状枝解析标准地作为基础数据,采用树干一致性削度方程垢研究方法,建立了能预估任意部位的树冠体积(Cv(h),树冠横断面面积Ca(h)及树冠表面各Cs(h)的一致性树冠体积/冠形方程系统。由217株伐倒木树冠资料采用非线性一回归方法建立了预估全树冠方程,某一指定高度以上的树冠体积,某一指定高度处的累 相似文献
15.
在福建省顺昌县,选择50块不同林龄、密度和立地条件的杉木人工纯林为研究对象,采用修正方程法构建杉木单木冠幅模型。在冠幅-树龄潜在生长函数的基础上,以地位指数、林分密度、竞争指数和胸径作为修正变量,根据指数函数和幂函数的组合形式构建误差函数,基础函数与误差函数的乘积即为冠幅修正模型。结果表明:在16种组合的修正方程中,4项幂函数乘积组合的模型拟合效果最佳( R2=0.876);使用未参与建模的数据对模型进行检验,检验结果显著;将修正模型与一元线性回归和多元线性回归模型进行对比分析,发现无论是决定系数还是残差值,修正模型的拟合效果最优,因此,修正模型可以更好地预测杉木冠幅生长。 相似文献
16.
小兴安岭长白落叶松相容性生物量模型的构建 总被引:1,自引:0,他引:1
为了提高林木生物量的估测精度,基于长白落叶松标准地调查和标准木生物量,逐步筛选胸径、树高等林木特征因子,构建了单株木、地上部分、树干、根系、树枝、树叶生物量的独立估测模型。根据林木生物量相容性理论,以树干生物量作为控制量,利用单株木生物量中各组分之间的代数关系,通过联立独立模型求解得到单株木相容性模型。同时将样本分为4组,利用5个相对误差指标(即参数变动系数C,总相对误差Rs,平均相对误差E,平均相对误差绝对值Re,预估精度P)来综合评价模型。结果表明,建立的长白落叶松单株木相容性生物量模型结构简单、参数稳定、预估精度较高,可以较全面、客观地反映各组分之间生物量的分配关系,实现模型估计值之间的相容性,提高了林木生物量估测精度。 相似文献
17.
基于19块落叶松人工林固定标准样地的95株解析木,利用枝解析的数据计算每株解析木的有效冠高以及有效冠表面积,建立有效冠高和有效冠表面积的单木预估模型。再利用5块复测样地的数据,将有效冠表面积作为竞争因子,用多元逐步回归的方法建立落叶松人工林胸高断面积与距离无关的单木生长模型,同时与未引入有效冠表面积的生长模型进行比较。研究发现:引入有效冠表面积以后,单木生长模型的调整相关指数和精度都有所提高,说明有效冠表面积对于单木的生长具有一定影响,将其作为单木竞争指标可以提高单木模型的拟合效果。 相似文献