【摘要】：本研究以黑龍江省孟家崗林場、東京城林業(yè)局和林口林業(yè)局長白落葉松人工林為研究對象,基于11塊樣地76株解析木的756個標準枝枝解析數據,建立人工長白落葉松一級枝條葉面積(BLA)預估模型和單木樹冠葉面積(CLA)預估模型。通過對比2參數的Weibull分布和Johnson's SB分布對葉面積垂直分布擬合效果,最終采用Weibull分布函數模擬人工長白落葉松樹冠內葉面積垂直分布。結果表明:1.一級枝條葉面積與自身屬性因子(枝條基徑(BD)、枝條長度(BL))關系密切,最終建立了考慮樹木隨機效應的以lnBD、枝條相對著枝深度的對數形式(lnRDINC)、胸徑的對數形式(lnDBH)、高徑比的對數形式(ln(HT/DBH))和冠長率的對數形式(lnCR)為自變量的線性混合效應模型,具體形式為lnBLA=β1+(β2+b2)lnBD+(β3+ b3)lnRDINC+β4lnDBH+β5lnHT/DBH+(β6+b6)lnCR,βi 和 bi別是模型的固定效應參數和隨機效應參數。最優(yōu)模型的Ra2為0.90,RMSE為0.5477,ME為-0.03,MAE為0.24,P為91%,說明模型的擬合和預估效果較好。2.用枝條葉面積模型估計各枝條的葉面積計算樹冠葉面積觀測值進行建模。樹高(HT)、胸徑(DBH)、冠長(CL)、高徑比(HT/DBH)等樹木屬性因子均與樹冠葉面積關系緊密,最優(yōu)樹冠葉面積模型為傳統(tǒng)回歸模型,形式為lnCLA=γ0+γ1ln DBH+γ2CR,CR為冠長率。在引入樣地層次隨機效應時,基礎模型與最優(yōu)混合模型的似然比檢驗結果表明該模型不用考慮樣地層次的隨機效應(P0.05)。模型的擬合和檢驗評價指標Ra2為 0.85,RMSE 為 0.3847,ME、MAE 和 P 分別為-0.08、0.31 和 93%,模型表現(xiàn)出較好的擬合能力和預估效果。3.相比Johnson's SB,用Weibull分布函數能更好的模擬單株樹木葉面積垂直分布形式。冠內葉面積最大值出現(xiàn)的位置在樹冠的中部附近,主要集中在相對著枝深度0.45～0.61范圍內。采用最大似然法對每株樹分別估計得到參數w1和W2,以此為基礎建立基于樹木和林分層次的屬性因子的w1和W2預估模型。分析表明,比度參數W1與林分年齡、冠長關系較為密切,該參數的預估模型擬合優(yōu)度Ra2和RMSE分別為0.46、0.0853,檢驗指標ME、MAE和P分別0.15、0.15和80%;形狀參數W2與樹木在林分中所處生長等級相關性較高,意味著林分內的競爭對于該參數影響較大,W2預估模型的相關統(tǒng)計指標Ra2、RMSE、ME、MAE 和 P 分別為 0.31、0.1182、-0.08、0.38 和 91%。從統(tǒng)計學的角度來看,2個參數的預估模型擬合效果和預估效果均不理想,但是依然可以為分析葉面積垂直分布差異提供理論支持。
【圖文】：

３．１枝條葉面積（ＢＬＡ）預估模型的構建逡逑根據以往學者對枝條葉面積的研究結論枝條葉面積與枝條基徑和相對著枝逡逑深度的關系密切。圖３－１為利用建模數據中枝條屬性數據與枝條葉面積的散點圖以及關逡逑于枝條相對著枝深度的箱線圖，初步分析結果表明枝條葉面積與枝條長度、枝條基徑呈逡逑非線性增長關系，同時不同相對著枝深度的枝條葉面積總體呈現(xiàn)先增大后減小的趨勢，逡逑在同一相對著枝深度處枝條葉面積差異較大。逡逑４邐４邐■逡逑３－５邋？邐３．５邐■邐＃逡逑？邋＇邋＊邋＊邋／逡逑廣邐．？邐３邐．邐？逡逑Ｉ邋２．５邋．邐．．．邐２．５邋■邐．．．逡逑昌邋２邐－邐．，？？？：？？邐．邋？逡逑°ｉ邐。：逡逑０邋Ｏｏ邋１邐１．５邐２邐２．５邐３邐３．５邐４邐４．５邐５邋0邋0．５邋ｉ邋１．５邐２邐２．５邐３邐３．５邐４邐４．５逡逑技條}ＢＤ／ｃｍ邐枝條長度ＢＬ／ｍ逡逑４廠逡逑３．５邋■逡逑３邋？逡逑？邋２．５邋■逡逑Ｉ逡逑ｆｆｌ逡逑置２邋．逡逑±＂逡逑？１．５邋■逡逑ｉ邋？邐—Ｈ逡逑０．５邋■邐－逡逑■邐，邐１邐Ｕ邐１邐Ｔ邐１邐１邐Ｔ邐Ｔ邐Ｍ逡逑ｉ邐ｎ邐ｍ邐ｉｖ邐ｖ邐ｖｉ

逡逑圖４－１為枝條葉面積基礎模型（４－１）和最優(yōu)混合模型（４－２）的預測值與實測值的逡逑關系圖。結果表明：基礎模型擬合得到預測值與實測值差異較大，在ｙ＝ｘ直線周圍散逡逑開；混合模型的預測值與實測值的點差異小很多，向直線ｙ＝ｘ聚集。逡逑５「邐八邐ｓ邐Ｂ逡逑４邐－邐S肧緬危村�？逦∽囀辶x，

本文編號：2612006