包含哑变量的黑龙江省落叶松人工林碳储量预测模型系统

利用2005—2010年两期黑龙江省落叶松人工林固定监测样地数据,分析黑龙江省落叶松人工林各林分变量因子之间的关系,建立地位级指数曲线模型和林分密度指数模型,采用两步最小二乘的方法建立预测包含林分平均断面积和林分碳储量的联立方程组,将以上所构建的模型统称为黑龙江省落叶松人工林碳储量预测模型系统.同时将龄组和区域作为哑变量加入到预测模型中.结果表明: 模型系统中除地位级指数曲线模型之外,剩余模型的确定系数(R²)均大于0.98,均方根误差均小于4,而加入哑变量的模型R²有所增加,均方根误差均小于3,说明模型稳定性较好,预估参数较为精确.各模型的平均相对误差均小于2%,大部分模型平均相对误差绝对值小于15%,模型精度均在95%以上,研究结果可以对黑龙江省不同区域和龄组的落叶松人工林林分平均树高进行精确拟合.根据地位级指数曲线模型和联立方程组的拟合参数进行分析,当调查样地在同一区域时,林分年龄越大,林分平均树高、林分平均断面积和林分碳储量越大,符合实际生长规律;而在林分年龄相同、区域不同时,不同区域林分平均树高由大到小的排列顺序为: 平原地区、小兴安岭南坡地区、张广才岭东坡地区、完达山地区、张广才岭西坡地区、小兴安岭北坡地区.不同区域林分断面积和林分碳储量由多到少的排列顺序为: 张广才岭东坡地区、小兴安岭北坡地区、张广才岭西坡地区、小兴安岭南坡地区、完达山地区、平原地区.     

基于气象因子的白桦天然林单木直径生长模型

基于大、小兴安岭地区212块白桦天然林固定样地复测数据和区域内及周边共30个气象站点数据,构建了基于气象因子的单木生长模型.在此基础上,通过分析大、小兴安岭地区林分因子及气象因子的差异,采用哑变量方法构建了含区域效应的单木直径生长模型.结果表明: 生长季最低温度(T_{g min})和生长季降雨量(P_{g m})是影响两地区白桦胸径生长量的主要气象因素.T_{g min}和P_{g m}与胸径生长量均呈正相关关系,但T_{g min}对胸径生长量的影响程度存在明显的区域差异.引入T_{g min}和P_{g m}的单木生长模型比仅含林分因子的单木生长模型的调整后确定系数(R_a²)提高了11%(R_a²=0.56),说明气象因子可以很好地解释该地区白桦生长情况;采用哑变量法构建的含区域效应的胸径生长模型将R_a²提高了18%(R_a²=0.59),且有效解决了模型参数区域不相容的问题.模型检验结果表明,含区域效应的哑变量单木胸径生长模型对大、小兴安岭地区白桦胸径生长量的预估效果最好,平均偏差、平均绝对偏差、平均相对偏差和平均相对偏差绝对值分别为0.0086、0.4476、5.8%和20.0%.基于气象因子的哑变量单木胸径生长模型可以很好地描述大、小兴安岭地区白桦的胸径生长过程.     

基于线性分位数混合效应的辽东山区红松冠幅模型

冠幅是反映单木生长状态及构建林木生长收获模型的重要变量。本研究以辽东山区大边沟林场10～55年生红松人工林为对象,基于66块固定样地的2763株红松的每木检尺数据,选取冠幅基础模型,采用再参数化的方法引入单木竞争指标(R_d),利用哑变量的方法引入了林分密度、林层变量,构建不同分位点(0.50、0.90、0.93、0.95、0.96、0.99)的冠幅分位数回归模型,并与传统方法进行比较,选取模拟林分最大冠幅的最优分位点。为反映林分中单木冠幅在林木个体之间的差异,建立了基于样地水平的最优分位点的线性混合效应分位数回归冠幅模型,分析各变量对单木冠幅的影响。结果表明: 基于F统计检验,不同林分密度和林层的冠幅模型具有显著差异,在基础模型中引入林层、林分密度和竞争后,模型R_a²提高0.0104,均方根误差降低0.0115,均方误差降低为7.4%;与最小二乘法比较,分位数回归模型能够较好地模拟林分状态下的单木最大冠幅,并选出0.96分位点和0.93分位点作为上林层和下林层的分位数回归模型的最优分位点。引入混合效应的线性分位数回归模型的赤池信息准则、贝叶斯信息准则、HQ信息准则等评价指标优于传统分位数回归,参数标准误显著降低,混合效应的引入很好地解释了样地之间的差异。就上林层和下林层而言,林分密度越大,最大冠幅越小;相对直径越大,最大冠幅越大,其中林分密度对下林层的冠幅影响大于上林层,当林分密度足够大时,冠幅随着胸径的增大先增大后降低。本研究构建的基于混合效应的分位数回归模型能有效提高模型的拟合优度,今后可通过调控林分密度、适度抚育间伐等措施,实现对辽东山区红松人工林的科学营建和可持续发展。     

基于不同预测变量的天然椴树可加性地上生物量模型构建

森林生物量是森林生态系统的最基本数量特征,生物量数据是研究许多林业问题和生态问题的基础,因此,准确测定生物量对于计算碳储量以及研究气候变化、森林健康、森林生产力、养分循环等十分重要.目前,测算森林生物量常用的方法为生物量模型估算法.本研究基于小兴安岭地区和张广才岭地区97株实测生物量数据,建立了3个天然椴树立木可加性生物量模型系统(基于胸径的一元可加性生物量模型系统、基于胸径和树高的二元可加性生物量模型系统、基于最优变量的最优可加性生物量模型系统),采用非线性似乎不相关回归法进行参数估计,用加权方法解决模型的异方差问题,并采用“刀切法”进行模型检验.结果表明: 3种可加性生物量模型系统均能较好地对椴树各部分生物量进行拟合和预测(调整后确定系数R_a²>0.84,平均预测误差百分比MPE<8.5%,平均绝对误差MAE<16.3 kg,平均百分标准误差MPSE<28.5%),其中,树干和地上生物量的拟合效果优于树叶、树枝和树冠;在引入树高和树冠因子后,提高了模型的拟合效果和预测能力(R_a²提高0.01～0.04,MAE降低0.01～4.55 kg),缩小了预测值置信区间的范围,树干、树叶和地上生物量提高较多,树枝和树冠提高较少.总体来看,最优生物量模型系统效果最好,其次为二元生物量模型系统,再次是一元生物量模型系统,添加树高和树冠因子进行生物量模型的构建十分必要.     

帽儿山阔叶混交林天然更新幼苗幼树地径-树高模型

基于黑龙江省东北林业大学帽儿山实验林场48块天然阔叶林幼苗幼树调查数据,在8个备选模型中为主要更新树种选择最佳地径(D₀)-树高(H)模型作为基本模型,通过再参数化在基础模型中引入林分因子,并建立样地水平混合效应模型,最后分别对基础模型和混合效应模型进行独立样本检验.结果表明:各树种幼苗幼树的地径-树高关系存在明显的正相关,幂函数或包含幂函数的模型能较好地拟合幼苗幼树地径和树高的关系;基础模型中引入林分因子[林分优势高(H_T)、林分平均胸径(D_g)、林分胸高断面积(BA)]能提高模型的拟合效果,各树种剩余均方根误差(RMSE)下降1.3%～7.4%(平均3.8%),但调整后的决定系数(R_a²)仅仅提高0.1%～1.1%(平均0.6%),赤池信息准则(AIC)下降3.2%～35.2%(平均下降11.4%).对春榆、椴树、水曲柳等10个树种建立混合效应模型,混合效应模型的R_a²比基础模型有所提高,增幅为0.5%～3.5%(平均增加2.2%);RMSE和AIC比基础模型的小,RMSE下降的幅度很大,为3.9%～20.3%,平均下降13.9%,AIC减少4.0%～44.4%(平均减少22.3%).模型检验结果显示,相对于基础模型,混合效应模型的平均绝对误差(MAE)减小0.0001～0.46 m,平均减小0.08 m;平均预测误差百分比(MPSE)降幅较大,为0.1%～6.2%,平均降幅2.0%.说明混合效应模型既能提高模型的拟合效果,又能提高模型的预测能力.本研究构建的阔叶混交林主要更新树种幼苗幼树地径-树高模型为天然阔叶林结构分析和林分生长预测提供了参考.     

人工长白落叶松冠层光合作用-光响应曲线最优模型

以黑龙江省帽儿山林场15年生人工长白落叶松为研究对象,采用直角双曲线模型(RH)、非直角双曲线模型(NRH)、指数模型(EM)、修正直角双曲线模型(MRH)和修正指数模型(MEM)分别对4种不同光响应特征的光合作用-光响应曲线(光抑制型光响应曲线,PLC_i;光饱和型光响应曲线,PLC_s;未饱和型光响应曲线,PLC_u;弱光环境下植被的光响应曲线,PLC_w)进行拟合,计算出光饱和时的最大净光合速率(P_{n max})、暗呼吸速率(R_d)、光补偿点(LCP)、光饱和点(LSP)及表观量子效率(AQY)等重要的光合生理指标,综合对比5个候选模型对不同响应曲线的拟合优度和对光合生理指标的估计精度.结果表明: MEM模型仅适用于拟合光抑制型曲线,MRH对光抑制型曲线和光饱和型曲线的拟合效果最好(R_a²分别为0.9986和0.9978),NRH最适合拟合未饱和型曲线和弱光环境型曲线(R_a²分别为0.9996和0.9963).在所有类型曲线中,MRH模型估计P_{n max}时,平均相对误差绝对值(MAPE)最低(0.1%R_d表现出更准确的估计(MAPE分别为1.8%、0.1%和3.9%);RH模型对光抑制型曲线的LCP及光饱和型曲线的R_d有更好的估计效果(MAPE分别为1.0%和2.7%);EM模型适用于估计弱光环境型曲线的LCP(MAPE为0.2%).MRH在保证较好的模型拟合效果及光合生理指标估计精度以外,还在拟合不同类型曲线时表现出极高的稳定性,因此,本文选择MRH模型作为拟合人工长白落叶松冠层光合作用-光响应曲线的最优模型.     

长白落叶松含碳率分析及含碳量异速生长模型

森林碳储量约占陆地碳储量的45%,准确评估森林碳储量对于森林的科学经营管理及规划具有重要意义。基于2015—2018年黑龙江省佳木斯市孟家岗、尚志帽儿山、小九林场以及东京、林口林业局的77棵人工长白落叶松的解析木数据,分析5种树木成分(即干材、树皮、树枝、树叶和树根)的含碳量分配及含碳率变化,构建了长白落叶松总量及各分项的一元及二元可加性含碳量模型,模型参数估计采用非线性似乎不相关回归模型方法,并采用“刀切法”对模型进行检验,评价其预测能力。结果表明:各分项加权平均含碳率差异显著,树枝(49.3%)>树皮(48.7%)>树叶(48.5%)>干材(48.2%)>树根(47.1%)。地上含碳量约占总含碳量的80%,地下含碳量约占20%。可加性含碳量模型的调整后确定系数R_a²大于0.89,平均绝对误差(MAE)小于4.1 kg,绝大多数模型的平均绝对误差百分比(MAE%)小于30%。引入树高变量,可以有效地提高大部分含碳量模型的拟合效果和预测能力。其中,总量、地上、干材和树皮含碳量模型拟合效果较好,树枝、树叶、树根和树冠含碳量模型拟合效果相对较差。     

基于分位数回归的长白落叶松人工林最大密度线

基于东北地区378块固定样地和415块临时样地的调查数据和Reineke方程,利用线性分位数回归技术建立了不同分位点(τ=0.90、0.95、0.99)下的长白落叶松人工林最大林分密度与林木平均胸径的关系模型,选出拟合长白落叶松人工林最大密度线的最优模型. 利用人为选取最大的拟合数据,采用最小二乘(OLS)和最大似然(ML)回归同时建立最大密度线模型. 采用极值统计理论的广义Pareto模型推算现实林分特定径阶的极限最大株数,进一步建立极限密度线模型. 将线性分位数回归模型与其他方法进行对比.结果表明: 在全部径阶范围内选取5个最大数据点拟合的方法能够得到现实林分的最大密度线,选取的样点过多会使模拟结果偏离最大密度线,且ML法要优于OLS法. 分位点为0.99的线性分位数回归模型能够取得与ML接近的拟合结果,但分位数回归模型参数的估计结果更稳定. 人为选取拟合数据具有一定的人为性,最终选取分位点为0.99的分位数回归模型为拟合最大密度线的最优模型,参数估计结果为k=11.790、β=-1.586,极限密度线模型的参数估计结果为k=11.820、β=-1.594. 所确定的极限密度线位置略高于最大密度线,但二者差异不明显. 由固定样地数据的验证结果可知,所建立的最大林分密度线及极限密度线能够对现实林分的最大密度及极限密度进行预测,为长白落叶松人工林的合理经营提供依据.     

基于不同可加性方法的黑龙江省红松人工林林分生物量模型

大尺度估算森林生物量一直是人们关注的焦点,而构建林分水平的生物量模型是一种估算森林乔木层生物量的方法。本研究基于聚合法1、聚合法2、平差法、分解法构建红松人工林林分生物量模型,并对比分析4种可加性方法的预测精度,为黑龙江省红松人工林的生物量预测提供科学依据。各模型均使用权函数来消除各模型的异方差,并以留一交叉验证法(LOOCV)作为各模型的检验方法。结果表明: 平差法的整体预测能力略优于聚合法1、聚合法2和分解法,预测精度排序为平差法>聚合法1>聚合法2>分解法;分别对比不同林分断面积的预测能力时,4种可加性方法的预测精度不一致。当红松人工林的林分断面积分布于0～10或50～60 m²·hm^-2区间时,建议采用分解法的参数估计值,而林分断面积分布于其他区间时,建议采用平差法的参数估计值。     

人工长白落叶松幼龄林树冠比叶重

比叶重(LMA)是构建生态系统过程模型的重要参数之一,准确预测树冠比叶重的动态变化对提高模型精度有重要意义。本研究以黑龙江省尚志市帽儿山林场人工长白山落叶松为对象,分别在生长季针叶不同发育时期对树冠内不同垂直位置的针叶比叶重进行测量,分析针叶比叶重在树冠垂直方向及针叶不同发育时期的变化规律,探讨导致其时间和空间差异的主要因子,建立长白落叶松幼龄林比叶重动态预估模型。结果表明: 比叶重在树冠垂直方向表现为随着相对着枝深度(RDINC)的增加而减小,完全展叶后比叶重在垂直方向的变化幅度明显高于展叶初期。比叶重在不同发育时期表现为随发育进程先增大后趋于稳定,该趋势随着树冠深度的增加而逐渐减弱。分别以RDINC和年度积日(DOY)为单一变量预测比叶重时,模型的调整后决定系数(R_a²)低于0.6,当同时以RDINC和DOY为自变量构建比叶重预估模型时,R_a²提高0.19,且模型检验效果良好(ME=0.54 g·m^-2, MAE=5.74 g·m^-2)。研究表明长白落叶松比叶重在树冠不同轮层和不同针叶发育期间均存在显著差异,以RDINC和DOY为自变量构建的比叶重预测模型可以很好描述长白落叶松比叶重的空间及生长季针叶发育期变化,为阐明树冠发育机理提供理论依据,为提高生态过程模型精度奠定基础。     

大兴安岭东部主要林分类型乔木层生物量估算模型

大尺度森林生物量的估算方法是人们目前关注的焦点,建立林分生物量模型成为一种趋势.本研究以大兴安岭东部6个主要林分类型为研究对象,构建了其总量及各分项一元、二元可加性林分生物量模型.采用似然分析法判断总量及各分项生物量异速生长模型的误差结构(可加型或相乘型),采用非线性似乎不相关回归模型方法估计模型参数.结果表明: 经似然分析法判断,大兴安岭东部6个主要林分类型总量及各分项生物量异速生长模型的误差结构都是相乘型的,对数转换的可加性生物量可以被选用.各林分类型可加性生物量模型的调整后确定系数为0.78～0.99,平均相对误差为-2.3%～6.9%,平均相对误差绝对值6.3%～43.3%.增加林分平均高可以提高绝大多数生物量模型的拟合效果和预测能力,而且总量、地上和树干生物量模型效果较好,树根、树枝、树叶和树冠生物量模型效果较差.为了使模型参数估计更有效,所建立的生物量模型应当考虑林分总生物量及各分项生物量的可加性.本研究建立的林分总量与各分项生物量模型都能对大兴安岭东部6个主要林分类型生物量进行较好的估计.     

黑龙江不同区域人工红松心边材及树皮削度可加性模型系统构建

基于黑龙江省孟家岗林场、东京城林业局和林口林业局不同林分条件下103株人工红松解析木的2977个圆盘数据,结合林业研究中常见的Kozak(1988)、Muhairwe(1999)、Lee(2003)、Kozak(2004)可变指数削度方程,构建带皮直径、心材直径、边材宽度、树皮厚度的削度方程,并对比选出最优基础模型;采用SAS软件PROC MODEL模块中似乎不相关回归(SUR),建立带皮直径、心材直径、边材宽度和树皮厚度削度方程的可加性模型系统,同时将区域作为哑变量引入模型中,通过调整确定系数(R_adj²)、均方根误差(RMSE)、赤池信息准则(AIC)、贝叶斯信息准则(BIC)等模型评价指标,对模型进行综合评价。结果表明: 带皮直径、心材直径、边材宽度和树皮厚度最优基础模型均为Kozak(2004);可加性模型系统在满足各分量与总量可加性的基础上,也得到较好的预测效果,预估精度均达到98%以上,引入哑变量后,可加性模型系统预测能力均有不同程度的提升,尤其心材直径和边材宽度预测能力提升更显著;不同区域带皮直径和树皮厚度削度差异较小,而心材直径、边材宽度的削度存在明显差异。本研究构建的包含哑变量可加性模型系统,不但模型预测精度较高,还满足带皮直径、心材直径、边材宽度和树皮厚度之间的可加性逻辑,为人工红松心边材及树皮材积的准确估测提供了基础。     

Development of a Compatible Taper Function and Stand-Level Merchantable Volume Model for Chinese Fir Plantations

Chinese fir (Cunninghamia lanceolata [Lamb.] Hook) is one of the most important plantation tree species in China with good timber quality and fast growth. It covers an area of 8.54 million hectare, which corresponds to 21% of the total plantation area and 32% of total plantation volume in China. With the increasing market demand, an accurate estimation and prediction of merchantable volume at tree- and stand-level is becoming important for plantation owners. Although there are many studies on the total tree volume estimation from allometric models, these allometric models cannot predict tree- and stand-level merchantable volume at any merchantable height, and the stand-level merchantable volume model was not seen yet in Chinese fir plantations. This study aimed to develop (1) a compatible taper function for tree-level merchantable volume estimation, and (2) a stand-level merchantable volume model for Chinese fir plantations. This “taper function system” consisted in a taper function, a merchantable volume equation and a total tree volume equation. 46 Chinese fir trees were felled to develop the taper function in Shitai County, Anhui province, China. A second-order continuous autoregressive error structure corrected the inherent serial autocorrelation of different observations in one tree. The taper function and volume equations were fitted simultaneously after autocorrelation correction. The compatible taper function fitted well to our data and had very good performances in diameter and total tree volume prediction. The stand-level merchantable volume equation based on the ratio approach was developed using basal area, dominant height, quadratic mean diameter and top diameter (ranging from 0 to 30 cm) as independent variables. At last, a total stand-level volume table using stand basal area and dominant height as variables was proposed for local forest managers to simplify the stand volume estimation.     

利用简易测量板估测白三叶群落地上生物量

地上生物量是草地群落的一个重要指标,而直接收割法对生态系统较脆弱的地区有极大的破坏.为了更有效地估测白三叶群落地上生物量而又不破坏草地,采用自制测量板对陕西省杨凌区大寨镇杜寨村的白三叶群落高度和地上生物量进行了研究.采用铝塑板和高分子板不同规格的17种测量板,将各测量板分别置于白三叶群落上方,记录测量板下方到地面的植物群落高度,重复20次,然后将测量板下方对应面积内的植物齐地面刈割,烘干后,称量得到地上生物量,最后进行数学模型建立、相关性分析,并对模型进行验证.结果表明: 以测量板下方群落高度为自变量,对应面积内群落地上生物量为因变量,建立多种回归方程,群落高度和地上生物量之间呈正相关,R²为0.37～0.76;铝塑板与高分子板相比,其测量得到的生物量变异系数和建立的回归方程决定系数均表现较好,精度较高;最佳测量板为直径35 cm的圆形铝塑板,其最优估测模型为: y=1.6460x-3.3462 (R²=0.76),预测精度达到92.1%.     

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。