论文部分内容阅读
林分生长模型作为林分生长收获预估模型的重要组成部分,其预测的准确性对森林经营管理意义重大。本文的研究材料为杉木人工林,试验区位于福建省将乐国有林场,结合解析木和标准地调查数据,分别构建杉木树高生长模型、林分断面积生长模型和材积生长模型,分别利用最小二乘法、贝叶斯法和非线性混合效应模型,探究EBLUP预测方法,并研究分析三种建模方法在构建模型时的特点。(1)树高生长过程:利用建模数据,首先对5个生长方程运用非线性最小二乘法进行拟合,选出拟合效果最好的模型作为基础模型,利用解析木数据构建树高生长混合模型。以单株树木作为随机效应,通过变换混合效应参数个数,利用R软件选择赤池信息准则(AIC),贝叶斯信息规则(BIC)值最小,对数似然值(Loglik)最大的模型作为最优模型。采用经验线性无偏最优预测法(EBLUP),利用构建的最优模型来探究预测的特点。结果表明:Weibull方程中,最优混合模型为β1、β2和β3同时作为混合效应参数时的模型。进行预测时,观测次数相同时,延长观测间隔能够降低预测误差,提高预测精度;观测间隔相同时,增加观测次数,预测精度会提高。(2)林分断面积:利用Schumacher方程的两种变化形式,选取最佳拟合模型作为基础模型,以样木和样地作为随机效应,通过变换混合效应参数个数,利用R软件选择AIC,BIC值最小,对数似然值(Loglik)最大的模型作为最优模型。同时选择贝叶斯法拟合来比较模拟效果。结果表明:chumacher方程形式2中,最优混合模型是当以a0、a2和a5作为混合效应参数时的模型。利用贝叶斯法的模型比传统模型略好,其预测性能比传统模型好。(3)材积生长过程:对5个生长方程运用非线性最小二乘法进行拟合,选出拟合最佳模型作为基础模型,利用解析木数据构建材积生长混合模型。以单株树木作为随机效应,通过变换混合效应参数个数,利用R软件选择AIC,贝叶斯信息规则(BIC)值最小,对数似然值(Loglik)最大的模型作为最优模型。同时运用贝叶斯法建模进而比较不同方法的差别。结果表明:Korf方程中,最优混合模型是以β2和β3同时作为混合效应参数时的模型。贝叶斯模型和传统模型差异不显著。(4)三种方法中,混合模型最优,但结构较复杂。贝叶斯法不是将模型参数固定而是看成随机,这更好符合了树木生长的实际,预测可靠性更高,但是较依赖于先验分布,有信息的先验分布能更好的估计模型参数。传统模型建立简单,使用起来方便快捷,但是在精度上略低。