论文部分内容阅读
森林生物量及生物量生长的相关研究是当今研究的主要领域及重点。本研究以云南省香格里拉市为研究区,以高山松天然林为研究对象,基于高山松单木生物量数据及样地生物量数据,分别构建了单木木材生物量生长模型和林分各维量生物量生长模型。在构建单木木材生物量生长模型时,采用了非线性混合效应模型技术,分别考虑样地效应和样木效应,将所有不同随机参数组合的模型进行拟合并分析模型的方差和协方差结构;其次,在构建林分各维量生物量生长模型时,首先基于5种理论生长方程构建了模型。然后基于林分直径结构的动态变化,构建了林分直径累积结构模型和直径分布动态预估模型,结合单木各维量生物量模型和树高曲线模型,对林分各维量生物量进行了预测检验,并与最优的理论生长模型进行了对比,得出主要的结论如下:(1)基于理论生长方程构建的高山松单木木材生物量生长模型的最优模型为Richards模型,决定系数R~2达到了0.889,均方根误差RMSE为92.088;与Richards模型相比,混合效应模型均提高了模型的拟合精度,其中考虑两水平随机效应的混合效应模型具有最佳的拟合表现,且预估精度P达到了93.05%,而Richards模型为93.00%。(2)基于5种理论生长方程,构建了高山松林分各维量生物量生长模型。林分木材、树皮、树叶、树枝、地上部分的生物量生长最优模型决定系数R~2分别达到了0.655、0.583、0.401、0.561、0.611;均方根误差RMSE分别为24.198、4.066、1.383、4.072、34.849;预估精度P分别为72.962%、76.921%、65.551%、82.623%、77.006%。(3)基于Richards模型变式,构建了林分直径累积结构模型,模型取得较好的拟合效果,决定系数R~2均在0.9以上,均方根误差RMSE均值为0.427。(4)通过1st Opt软件对林分直径累积结构模型参数进行了动态预估,得到了较好的拟合效果和预估精度,b、c参数的决定系数R~2分别达到了0.883、0.874,均方根误差RMSE分别为0.105、25.203,预估精度P分别为77.625%、69.558%。(5)以幂函数为模型的基本形式进行高山松单木生物量模型的构建,木材、树皮、树叶、树枝、地上部分的生物量最优模型决定系数R~2分别达到了0.990、0.898、0.674、0.831、0.990;均方根误差RMSE分别为29.320、11.175、4.389、18.989、36.145;预估精度P分别为88.815%、87.686%、72.422%、76.156%、89.069%。(6)基于5种基础模型,构建了高山松树高曲线模型。最优模型Logistic决定系数R~2达到了0.877,均方根误差RMSE为2.349,预估精度P为92.772%。(7)与一般林分生物量生长模型相比,基于林分直径结构动态变化所构建的林分木材生物量生长模型、林分树叶生物量生长模型和林分地上部分生物量生长模型表现出了更高的预估精度,而一般生长模型在林分树皮生物量、林分树枝生物量上表现出更高的预估精度。