【摘要】：林分生長模型作為林分生長收獲預(yù)估模型的重要組成部分,其預(yù)測的準確性對森林經(jīng)營管理意義重大。本文的研究材料為杉木人工林,試驗區(qū)位于福建省將樂國有林場,結(jié)合解析木和標準地調(diào)查數(shù)據(jù),分別構(gòu)建杉木樹高生長模型、林分斷面積生長模型和材積生長模型,分別利用最小二乘法、貝葉斯法和非線性混合效應(yīng)模型,探究EBLUP預(yù)測方法,并研究分析三種建模方法在構(gòu)建模型時的特點。(1)樹高生長過程:利用建模數(shù)據(jù),首先對5個生長方程運用非線性最小二乘法進行擬合,選出擬合效果最好的模型作為基礎(chǔ)模型,利用解析木數(shù)據(jù)構(gòu)建樹高生長混合模型。以單株樹木作為隨機效應(yīng),通過變換混合效應(yīng)參數(shù)個數(shù),利用R軟件選擇赤池信息準則(AIC),貝葉斯信息規(guī)則(BIC)值最小,對數(shù)似然值(Loglik)最大的模型作為最優(yōu)模型。采用經(jīng)驗線性無偏最優(yōu)預(yù)測法(EBLUP),利用構(gòu)建的最優(yōu)模型來探究預(yù)測的特點。結(jié)果表明:Weibull方程中,最優(yōu)混合模型為β1、β2和β3同時作為混合效應(yīng)參數(shù)時的模型。進行預(yù)測時,觀測次數(shù)相同時,延長觀測間隔能夠降低預(yù)測誤差,提高預(yù)測精度;觀測間隔相同時,增加觀測次數(shù),預(yù)測精度會提高。(2)林分斷面積:利用Schumacher方程的兩種變化形式,選取最佳擬合模型作為基礎(chǔ)模型,以樣木和樣地作為隨機效應(yīng),通過變換混合效應(yīng)參數(shù)個數(shù),利用R軟件選擇AIC,BIC值最小,對數(shù)似然值(Loglik)最大的模型作為最優(yōu)模型。同時選擇貝葉斯法擬合來比較模擬效果。結(jié)果表明:chumacher方程形式2中,最優(yōu)混合模型是當以a0、a2和a5作為混合效應(yīng)參數(shù)時的模型。利用貝葉斯法的模型比傳統(tǒng)模型略好,其預(yù)測性能比傳統(tǒng)模型好。(3)材積生長過程:對5個生長方程運用非線性最小二乘法進行擬合,選出擬合最佳模型作為基礎(chǔ)模型,利用解析木數(shù)據(jù)構(gòu)建材積生長混合模型。以單株樹木作為隨機效應(yīng),通過變換混合效應(yīng)參數(shù)個數(shù),利用R軟件選擇AIC,貝葉斯信息規(guī)則(BIC)值最小,對數(shù)似然值(Loglik)最大的模型作為最優(yōu)模型。同時運用貝葉斯法建模進而比較不同方法的差別。結(jié)果表明:Korf方程中,最優(yōu)混合模型是以β2和β3同時作為混合效應(yīng)參數(shù)時的模型。貝葉斯模型和傳統(tǒng)模型差異不顯著。(4)三種方法中,混合模型最優(yōu),但結(jié)構(gòu)較復(fù)雜。貝葉斯法不是將模型參數(shù)固定而是看成隨機,這更好符合了樹木生長的實際,預(yù)測可靠性更高,但是較依賴于先驗分布,有信息的先驗分布能更好的估計模型參數(shù)。傳統(tǒng)模型建立簡單,使用起來方便快捷,但是在精度上略低。
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S791.27
【圖文】：

圖１－１研[偧際趼廢咤義希疲椋紓澹保卞澹裕瑁邋澹潁澹螅澹幔潁悖楨澹簦澹悖瑁睿椋悖幔戾澹潁錚酰簦邋義

本文編號：2784170