


下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
落葉松云冷杉林冠幅預(yù)測(cè)模型
樹冠在樹的生長(zhǎng)過程中起著重要作用,反映了樹的長(zhǎng)期競(jìng)爭(zhēng)水平。樹木結(jié)構(gòu)信息的描述也引起了森林經(jīng)營(yíng)者的注意。冠幅是森林生長(zhǎng)和收獲模型中的一個(gè)重要變量。它用于計(jì)算樹木的競(jìng)爭(zhēng)指數(shù),并預(yù)測(cè)單帶樹木的直徑和高度。此外,冠幅也是樹木可視化的一個(gè)重要參數(shù)。因此,樹木生長(zhǎng)預(yù)測(cè)模型具有重要意義。以往的研究表明,冠幅與直徑之間存在良好的相關(guān)性,直徑是最常用的預(yù)測(cè)變量。其他樹木變量和林分因子也用于預(yù)測(cè)冠幅,如樹高、冠長(zhǎng)、冠比、競(jìng)爭(zhēng)因子、林分密度、布局因子等。在這項(xiàng)工作中,以落葉松云冷杉混交林為例,建立了落葉松等9種樹種的冠幅預(yù)測(cè)模型,為預(yù)測(cè)生長(zhǎng)、收獲和經(jīng)濟(jì)決策提供了依據(jù)。1一般研究和研究方法1.1氣候條件及自然條件研究地點(diǎn)位于吉林省汪清林業(yè)局金溝嶺林場(chǎng),其地理位置為東經(jīng)130°05′~130°20′,北緯43°17′~43°25′,屬吉林省東部山區(qū)長(zhǎng)白山系老爺嶺山脈雪嶺支脈.地貌屬低山丘陵地帶,海拔550~1100m.陽坡較陡,陰坡平緩,平均坡度10°~25°.該區(qū)氣候?qū)偌撅L(fēng)型氣候,全年平均氣溫為4℃,1月份氣溫最低,平均為-32℃,7月份氣溫最高,平均22℃;年降水量600~700mm,且多集中在7月份;植物生長(zhǎng)期為120d.土壤以暗棕壤為主.該區(qū)植被屬長(zhǎng)白山植物區(qū)系.1.2數(shù)據(jù)和方法1.2.1其他樹種冠幅.總體分布建模所用數(shù)據(jù)為20塊落葉松云冷杉混交林的樣地資料.優(yōu)勢(shì)樹種為長(zhǎng)白落葉松(Larixolgensis)、云杉(Piceajazoensis)和冷杉(Abiesnephrolepis),其他樹種有紅松(Pinuskoraiensis)、楓樺(Betulacostata)、椴樹(Tillaamurensis)、白樺(Betulaplatyphylla)和水曲柳(Fraxinusmandshurica)等.樣地面積最小為0.0775hm2,最大為0.25hm2.每塊樣地的調(diào)查內(nèi)容包括胸徑5cm以上的樹木胸徑和樹高,以及東、西、南、北4個(gè)方向的冠幅.建模所用的冠幅為4個(gè)方向的平均值.共調(diào)查樹木3099株,各樹種的冠幅等統(tǒng)計(jì)量見表1.對(duì)株數(shù)少于30的樹種不參加建模.1.2.2模型參數(shù)的選取采用多元逐步回歸模型進(jìn)行樹冠冠幅的預(yù)測(cè).因變量為冠幅或其對(duì)數(shù)形式,自變量包括胸徑、樹高、冠長(zhǎng)、樹冠比、競(jìng)爭(zhēng)因子、林分密度和各樹種的密度,其中競(jìng)爭(zhēng)因子采用與距離無關(guān)的競(jìng)爭(zhēng)指數(shù)D/Dg、h/D和BAL.林分密度采用株數(shù)和斷面積來表示.對(duì)各自變量的導(dǎo)數(shù)和對(duì)數(shù)等形式也進(jìn)行了檢驗(yàn).模型的基本形式為:cw=b0+b1D+b2h+b3CL+b4CR+b5ΖXG+b6(D/Dg)+b7(h/D)+b8BAL+b9Ν+b10BA+b11BAicw=b0+b1D+b2h+b3CL+b4CR+b5ZXG+b6(D/Dg)+b7(h/D)+b8BAL+b9N+b10BA+b11BAi式中,cw為冠幅,D為胸徑,CL為冠長(zhǎng),CR為樹冠比(冠長(zhǎng)和樹高的比),ZXG為枝下高,Dg為林分的斷面積平均胸徑,h為樹高,BAL為大于對(duì)象木的樹木的斷面積的和,N為林分的公頃株數(shù),BA為林分的公頃斷面積,BAi為i樹種的斷面積,b0、b1、b2、b3、b4、b5、b6、b7、b8、b9、b10和b11為參數(shù).利用SPSS軟件,采用逐步回歸分析法選取方程中所需的自變量.以F概率作為引入和剔除變量的判據(jù),當(dāng)一個(gè)變量的雙側(cè)檢驗(yàn)的顯著性水平≤0.05時(shí),該變量被引入方程;當(dāng)顯著性水平≥0.10時(shí),該變量被剔除.為消除共線性,方差膨脹因子(VIF)大于5的自變量也被排除在外.1.2.3觀測(cè)值和預(yù)測(cè)值計(jì)算模型擬合統(tǒng)計(jì)量包括修正決定系數(shù)(R2a2a)、模型顯著性檢驗(yàn)統(tǒng)計(jì)量(F)、絕對(duì)誤差(B)、相對(duì)誤差(Br)、均方根誤差(RMSE)和相對(duì)均方根誤差(RMSE%).其中:R2a=1-(1-R2)n-1n-k-1(1)B=n∑i=1(yi-?yi)n(2)Br=n∑i=1(yi-?yi)n∑i=1?yi(3)RΜSE=√n∑i=1(yi-?yi)2n-1(4)RΜSE%=√n∑i=1(yi-?yi)2/(n-1)n∑i=1?yi/n(5)R2a=1?(1?R2)n?1n?k?1(1)B=∑i=1n(yi?y?i)n(2)Br=∑i=1n(yi?y?i)∑i=1ny?i(3)RMSE=∑i=1n(yi?y?i)2n?1????????√(4)RMSE%=∑i=1n(yi?y?i)2/(n?1)∑i=1ny?i/n????????????ue001?ue000ue000ue000ue000(5)式中,n為樣本數(shù),k為自變量個(gè)數(shù),yi為觀測(cè)值,?yi為預(yù)測(cè)值.2林分密度、林分密度、冠幅與樹木樹冠的關(guān)系表2給出了各個(gè)樹種的模型參數(shù)和擬合統(tǒng)計(jì)量.可以看出,所有的模型都達(dá)到極顯著水平(p<0.001).各樹種的冠幅預(yù)測(cè)模型的修正決定系數(shù)R2在0.34~0.75之間,最高為云杉和色木,為0.75;椴樹最低,為0.34.除冷杉外,胸徑都是入選變量,且冠幅同胸徑表現(xiàn)正相關(guān);林分密度(公頃株數(shù)或者用公頃斷面積)是所有樹種中進(jìn)入模型的變量,它與冠幅呈負(fù)相關(guān).因此,隨著林分密度的增加,林木會(huì)逐漸限制其樹冠的發(fā)展或逐漸趨于死亡.落葉松和冷杉兩個(gè)樹種,反映樹木地位的競(jìng)爭(zhēng)指標(biāo)也是進(jìn)入模型的變量,這是由于它們?cè)诹址种姓加休^大的比例.紅松和色木,反映樹冠其他屬性的枝下高和樹冠比也為入選變量.因此,本研究中,樹木胸徑和所在林分的密度是預(yù)測(cè)冠幅的主要變量,其他因子還包括競(jìng)爭(zhēng)指標(biāo)、枝下高和樹冠比.表3給出了模型的預(yù)測(cè)誤差.可以看出,絕對(duì)誤差在-0.000114~0.054m之間.其中落葉松、色木、水曲柳、白樺、椴樹和楓樺模型估計(jì)值過低,而紅松、冷杉和云杉的模型估計(jì)值過高.相對(duì)誤差在-0.05443%~3.440%之間.均方根誤差在0.360~0.510m之間,相對(duì)均方根誤差在27.4%~37.4%之間.因此,模型具有較低的誤差.此外,圖1也給出了各樹種的冠幅預(yù)測(cè)值和實(shí)測(cè)值的關(guān)系.所有的模型都達(dá)極顯著水平,決定系數(shù)在0.36~0.76之間.從圖1可以看出,所有的圖都存在著偏差,存在對(duì)較小的冠幅估計(jì)值過高,而對(duì)較大的冠幅估計(jì)值過低的現(xiàn)象.3林分密度對(duì)冠幅的影響冠幅預(yù)測(cè)對(duì)于林木生長(zhǎng)等都有重要的意義.本研究建立了長(zhǎng)白落葉松、冷杉、紅松、云杉、楓樺、水曲柳、色木、白樺和椴樹等9個(gè)樹種的冠幅預(yù)測(cè)模型,發(fā)現(xiàn)對(duì)冠幅有顯著影響的因子包括林木胸徑、林分密度、林木競(jìng)爭(zhēng)指數(shù)、樹冠比和枝下高.這與Brabg和Bechtold的研究一致.不同樹種之間略有不同,其中林分密度是所有樹種中對(duì)冠幅有顯著影響的因子;林木胸徑對(duì)大多數(shù)樹種的冠幅有顯著影響.所有的模型都達(dá)到極顯著水平(p<0.001),各樹種的冠幅預(yù)測(cè)模型的修正決定系數(shù)R2在0.34~0.75之間,相對(duì)誤差在-0.05443%~3.440%之間.相對(duì)均方根誤差在27.4%~37.4%之間.模型的預(yù)測(cè)誤差較低,可以
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度礦山事故水池建設(shè)與安全生產(chǎn)保障合同
- 二零二五年度城市別墅購房定金合同
- 2025年度景觀施工項(xiàng)目安全監(jiān)理合同
- 2025年度電視劇劇本編排與制作合同
- 二零二五年度廣告?zhèn)髅絼趧?wù)派遣員工服務(wù)合同
- 酒店住宿意外事故責(zé)任免除與2025年度安全保障協(xié)議
- 二零二五年度老年贍養(yǎng)贍養(yǎng)金及醫(yī)療救助合同
- 辦公區(qū)域搬遷安排及流程梳理通知
- 關(guān)于銷售團(tuán)隊(duì)建設(shè)與管理的年度工作總結(jié)報(bào)告
- 美發(fā)店勞動(dòng)合同協(xié)議書
- 2024解析:第十二章機(jī)械效率-基礎(chǔ)練(解析版)
- 建筑工程項(xiàng)目合作備忘錄
- 靈活用工管理
- 全媒體運(yùn)營(yíng)師試題庫(含答案)
- 2024至2030年中國礦用隔爆型監(jiān)控?cái)z像儀行業(yè)投資前景及策略咨詢研究報(bào)告
- 大學(xué)生職業(yè)素養(yǎng)訓(xùn)練(第六版)課件 第二單元學(xué)習(xí)職業(yè)禮儀
- 北京市燕山區(qū)中考一模英語試題及答案
- 腦卒中-腦卒中的康復(fù)治療
- 2024至2030年中國超聲波加工機(jī)床行業(yè)深度調(diào)研及發(fā)展預(yù)測(cè)報(bào)告
- 十七個(gè)崗位安全操作規(guī)程手冊(cè)
- 疫情統(tǒng)計(jì)學(xué)智慧樹知到答案2024年浙江大學(xué)
評(píng)論
0/150
提交評(píng)論