公共文化服务平台

搜索到149篇“ 削度方程“的相关文章

不同气候区日本落叶松通用削度方程构建: 2025年; 本研究以辽宁、湖北和甘肃3个地区的78块样地234株日本落叶松为对象,在林业研究中常用的6种削度方程中选取最优的1种作为基础模型,将样地的气候因子通过指数形式添加到其中,构建适用于不同气候区的基础模型、气候响应模型和非线性混合效应模型,研究了不同地区日本落叶松的干形指标,分析干形对气候变量的响应差异,并对比3种模型的拟合精度,选出最优的通用方程。结果表明:在6种常用的削度方程模型中,Kozak模型普适性最好,为最优基础模型;在最优基础模型中同时引入年平均温度和年平均降水量构建气候响应模型,因为综合考虑了不同气候因子对树木干形的影响,树干模型拟合精度有所提高。在气候响应模型中引入不同地区作为随机效应,构建非线性混合效应模型。根据各项模型评价指标和残差图,非线性混合效应模型在所构建的3种模型中拟合精度最高(R~2=0.9874),AIC(6426.04)和BIC(6512.88)值最小,均方根误差(RMSE)较基础模型和气候响应模型分别降低了4.9%和4.0%。因此,非线性混合效应模型可作为描述3个地区日本落叶松树木干形最优的通用削度方程。; 王溢琨贾炜玮陈东升李丹丹李泽霖; 关键词：日本落叶松削度方程非线性混合效应模型

彰武县沙地樟子松削度方程研究: 2024年; 樟子松是辽宁西部地区重要造林树种。为构建沙地樟子松削度预测模型,通过对彰武县42株樟子松解析木数据构建了削度方程,最终得出修正后的Kozak2004式为彰武地区樟子松最优的削度方程模型。; 王秋平; 关键词：削度方程樟子松解析木

基于TLS数据的长白落叶松树干削度方程构建: 获取单木参数是森林资源调查中的一项重要工作,采用地基激光雷达代替传统林业调查方式既不会破坏原有林分又可以快速、高效的获取林分水平和垂直信息,为树木干形预测与立木材积估算提供了新的方法。本研究以吉林省东丰县杨木林林场的长白...; 种雨丝; 关键词：削度方程

基于地基激光雷达的杉木哑变量削度方程研究被引量：3: 2024年; 以福建顺昌洋口国有林场杉木人工林为研究对象,按不同龄级共设置6块杉木人工林样地,通过TLS及点云处理技术,实现杉木主干不同相对地面高度处直径及树高参数的提取,将龄级作为哑变量引入并构建杉木哑变量削度方程模型,通过参数t检验、决定系数及预估精度等检验指标对模型拟合结果和检验进行筛选与检验。结果表明:在6种备选削度方程中,以模型F4可变参数削度方程的拟合评价指标最优,可作为基础削度方程。对不同哑变量参数组合进行t检验筛选发现,哑变量组合Z7、参数为c、i时各项拟合评价指标最佳,其R^(2)为0.98高于其他组合,评价指标最优,可用于哑变量模型的构建。采用哑变量组合Z7构建的模型,其R^(2)为0.96、P为99.63%,拟合优度和预估精度均好于基础削度方程,哑变量模型的离散程度明显较小且R^(2)提高14.2%,P提升了0.55%。基于TLS技术构建含有龄级类型的哑变量削度方程模型预测精度优于基础削度方程模型,可以在低破坏、无破坏的情况下,有效实现杉木干形任意节点的直径预测和杉木干形模拟。; 陈奕辰黄翔张晓萍严洪孙梦莲陈翔宇刘健余坤勇; 关键词：杉木人工林削度方程

基于TLS引入局部密度因子的落叶松削度方程构建被引量：2: 2024年; 将局部密度因子引入削度方程,通过地基激光雷达对黑龙江省佳木斯市桦南县孟家岗林场5块落叶松人工林进行扫描,采集的点云数据用于提取落叶松树高、胸径以及不同相对高度处直径,基于Kozak可变指数削度方程构建引入局部密度因子的削度方程,削度方程拟合结果为调整决定系数R^(2)_(adj)=0.935,均方根差RMSE=0.7356,平均偏差Bias=0.8693。研究表明,引入局部密度因子的削度方程具有良好的拟合精度;对比传统Kozak削度方程和引入全局密度因子的削度方程,引入局部密度因子的削度方程拟合效果更好;落叶松的削度方程其局部密度因子的计算范围与树高和胸径呈正相关。试验结果可以为孟家岗林场科学合理的造材提供理论依据,初步揭示了局部密度因子对于落叶松树干干形的影响。; 张少秋贾炜玮李丹丹; 关键词：落叶松人工林削度方程

应用地基激光雷达三维点云数据构建长白落叶松树干削度方程被引量：4: 2024年; 使用地基激光雷达(TLS)三维点云数据提取的落叶松干形数据,构建树干削度方程,为落叶松干形精准预测提供依据。以吉林省一面山林场和杨木林林场落叶松人工林为研究对象,获取71株落叶松点云信息,并提取树干干形数据。选择简单、可变指数、三角函数和分段函数等9个基础削度方程进行比较,利用分位数回归和广义加性模型方法构建削度方程。结果表明:在9个基础削度方程中,Bi(2000)削度方程的拟合效果最好,多重共线性指标条件数也小于100;Bi(2000)基础削度方程构建的分位数回归模型,在9个分位点(τ=0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9)处均能收敛,其中在τ=0.5的分位点处的拟合效果最好,略优于非线性回归的拟合结果。在以相对直径为因变量,以相对高的平方根、胸径的平方和树高为自变量的广义加性削度方程中,6种光滑样条函数(三次回归样条函数(CR)、B-样条函数(BS)、薄板回归样条函数(TP)、P-样条函数(PS)、Duchon样条函数(DS)和高斯过程平滑样条函数(GP))的拟合效果相差不大,但广义加性削度方程使用(DS+CR)光滑样条函数比一种光滑样条函数的拟合效果好(相对误差4.407、均方根误差1.158、确定系数0.966),广义加性削度方程的各检验统计量均优于基础削度方程和分位数回归削度方程,且在树干相对高度10%~80%,广义加性削度方程也表现最优(相对误差4.534、均方根误差1.191、确定系数0.964)。因此,(DS+CR)组合光滑样条函数的广义加性削度方程预测精度最高,可用于该区域的落叶松干形预测。; 种雨丝何培张兹鹏姜立春; 关键词：长白落叶松分位数回归

湖南省栎类削度方程模型研建: 2023年; 以湖南省栎类为研究对象,基于157株样木的直径-树高干形数据,拟合3种简单削度方程和3种可变参数削度方程。选取常用的模型评价指标,结合模型残差图和模型相对排序法,对6个模型进行综合对比评价,利用“留一法”对模型进行适用性检验。结果表明:6种削度方程的确定系数R^(2)和预估精度P分别超过0.94和99%,模型拟合效果较好;3种简单削度方程在树干基部均存在明显的系统偏差,而可变参数削度方程可有效减少这种系统偏差,拟合效果均优于简单削度方程;从模型评价指标和相对排序值可以看出,除MSE外,模型4的其余5项指标均在6个模型中表现最好,且模型4的整体排序值最小,可作为湖南省栎类的最优削度方程。; 邹泽林米玛次仁王金池贺蔚成黄鑫兰俊宇曹文昊; 关键词：栎类削度方程可变参数模型

迎春5号杨树削度方程的建立与优化被引量：1: 2023年; 为了探讨迎春5号杨树(Populus nigra×P.simonii)胸径和树高的关系,以黑龙江省尚志市林业局18块样地90株迎春5号杨树为研究对象,采用简单、可变指数、分段3类削度方程,利用R软件拟合得出最优基础模型,且在最优模型基础上,建立嵌套样地和样木效应的两水平非线性混合效应模型。在选定的20个基础模型拟合中,Kozak(2004)的拟合精度最高,它的参数估计在95%置信区间上均显著;基于样地、样木两水平构建的非线性混合效应模型显著提升了模型拟合效果。最终确定的最佳混合效应模型调整后决定系数(R_(a)^(2))为0.994 2,绝对误差(Bias)为0.003 8,均方根误差(RMSE)为0.604 5。预测时采用了两种不同的抽样方案,方案Ⅰ-5预测精度最好,平均绝对误差为0.510 4,平均绝对误差百分比为4.64%,而方案Ⅱ抽样数量从1增加到5之间的预测效果差别不是很明显,但整体上仍优于基础模型。; 常锦锦苗铮郝元朔董利虎; 关键词：非线性混合效应模型削度方程

基于气候因子的杉木人工林削度方程构建被引量：6: 2023年; 【目的】基于湖南省永州市75块杉木人工林样地的调查数据,构建含气候因子的杉木人工林树干削度方程,为后续研究气候因子对杉木树干削度的影响提供理论依据。【方法】从4个备选基础模型中选取1个最优的作为基础模型,使用数量化方法Ⅰ筛选出显著的气候因子,在此基础上,将气候因子和林分密度因子通过混合效应模型方法添至最优的基础模型中,确定最优的随机效应添加形式,从而构建含气候因子和林分密度因子的杉木人工林树干削度方程。【结果】Kozak(2004)模型为最优基础模型,其R_(a)^(2)为0.959 5;夏季平均最高温(T_(xmax))、生长积温(D_(D5))为影响树干削度显著的气候因子。单含林分密度因子的杉木人工林树干削度方程的R_(a)^(2)为0.971 0,均方根误差(RMSE)和平均绝对误差(MAE)分别为0.757 2、0.546 7,而含气候因子和林分密度的杉木人工林树干削度方程R_(a)^(2)为0.981 6,RMSE和MAE分别为0.603 4、0.431 2,相比最优基础模型R_(a)^(2)提升了2.3%,RMSE降低了32.56%,MAE降低了34.56%;相比单含林分密度因子的杉木人工林树干削度方程R_(a)^(2)提升了1.1%,RMSE降低了20.31%,MAE降低了21.12%。【结论】含气候因子的杉木树干削度方程的构建表明气候因子对树干削度有显著影响,其既提升了模型的拟合精度,同时也有利于杉木人工林经营管理措施的制定和林业数表的编制,为后续研究将气候因子添至削度方程中提供理论依据。; 张中伟周根苗易烜齐战涛吕勇; 关键词：杉木人工林气候因子削度方程混合效应模型

干形数据采样方法对树干削度方程构建的影响被引量：1: 2023年; 【目的】基于落叶松15个点的直径-树高干形数据,比较树干不同采样方法对曾伟生(1997)、Bi(2000)和Max&Burkhart(1976)削度模型预测精度的影响。【方法】以大兴安岭343株落叶松干形数据为研究对象,设计了30种数据采样方法,使用留一交叉验证法对基于原始数据和不同采样数据的模型进行检验,选用确定系数(R2)、平均绝对误差(MAB)、均方根误差(RMSE)和相对误差(MPB)作为检验的评价指标,并求出以上4个指标的平均相对排序值。使用Tukey多重比较法对基于不同采样数据的模型进行成对比较,分析当拟合数据改变的情况下各削度模型在预测落叶松直径时是否有显著差异。最后为了直观地表示不同采样数据对削度模型的影响,从落叶松数据中分别随机抽取一株大树和一株小树进行树干模拟。【结果】1)相对于使用原始数据时的模型,基于一部分采样方法的模型检验精度有略微提高,其中使用第27种方法时,曾伟生模型的精度最高;使用第26种方法时,Bi的模型精度最高;使用第9种方法时,Max&Burkhart的模型精度最高;2)Tukey多重比较结果表明,基于原始数据和基于3种最优采样方法的削度模型在预测落叶松直径时,模型两两之间均没有显著差异;3)通过对落叶松小树和大树的树干进行模拟发现,使用原始数据时的削度模型,与使用最优采样数据时的削度模型,对树干的模拟效果几乎相同。【结论】针对不同的削度模型,其最适用的采样方法也不同。当使用曾伟生的模型对大兴安岭落叶松树干削度预测时可以选择方法 27中7个点的直径-树高数据进行拟合,即将树干分成7个区分段进行干形测量;当使用Bi的模型时可以选择方法 26中的7个区分段进行干形测量;当使用Max&Burkhart的模型时可以选择方法 9中的10个区分段进行干形测量;当同时考虑这3个模型时,可以选择方法 20中的8个区分段进行干形�; 张兹鹏何培何培姜立春; 关键词：落叶松采样方法干形削度方程

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈