【目的】以秦嶺松櫟林地帶性樹種油松幼樹為研究對(duì)象,構(gòu)建幼樹樹高生長(zhǎng)模型,分析模型預(yù)測(cè)的不確定性來(lái)源,明確模型參數(shù)對(duì)模型預(yù)測(cè)不確定性的貢獻(xiàn)程度,為提高幼樹樹高生長(zhǎng)建模的可靠性提供理論依據(jù)�！痉椒ā渴占貛X松櫟林中132株油松幼樹連年生長(zhǎng)量信息,構(gòu)建油松幼樹樹高5年生長(zhǎng)量貝葉斯預(yù)測(cè)模型,采用馬爾可夫鏈蒙特卡洛抽樣方法估計(jì)模型參數(shù)的聯(lián)合后驗(yàn)分布,量化模型預(yù)測(cè)時(shí)模型預(yù)測(cè)誤差的不確定性、輸入變量（自變量測(cè)量誤差）的不確定性和模型參數(shù)的不確定性。結(jié)合貝葉斯統(tǒng)計(jì)框架與Sobol全局敏感性分析技術(shù),從貝葉斯參數(shù)后驗(yàn)分布空間中抽樣,量化每個(gè)參數(shù)或參數(shù)組合傳遞給模型輸出的不確定性,通過(guò)變異系數(shù)和貝葉斯95%可信區(qū)間寬度評(píng)價(jià)其對(duì)模型輸出不確定性的貢獻(xiàn)和影響�！窘Y(jié)果】1)油松幼樹樹高5年生長(zhǎng)量模擬中最大不確定性來(lái)源是模型預(yù)測(cè)誤差的不確定性,占總體不確定性的51%;其次是模型參數(shù)的不確定性,占總體不確定性的43%;不確定性比例最小的是輸入變量即自變量（樹冠競(jìng)爭(zhēng)因子、光截留）測(cè)量誤差的不確定性,占總體不確定性的6%。模型總體預(yù)測(cè)的不確定性區(qū)間包含97%的觀測(cè)點(diǎn),可較準(zhǔn)確覆蓋模型中觀測(cè)數(shù)據(jù)的隨機(jī)誤差。2)對(duì)油松幼樹... 

【文章來(lái)源】：林業(yè)科學(xué). 2020,56(11)北大核心EICSCD

【文章頁(yè)數(shù)】：14 頁(yè)

【部分圖文】：

參數(shù)傳遞不確定性量化(變異系數(shù)和95%可信區(qū)間寬度)及參數(shù)敏感性

本研究通過(guò)改變其中1個(gè)變量并控制其他變量，在均值水平上采用貝葉斯參數(shù)后驗(yàn)分布空間和參數(shù)MAP即最大后驗(yàn)概率預(yù)測(cè)油松幼樹樹高5年生長(zhǎng)量(圖5a-d)。結(jié)果表明，樹高與5年樹高生長(zhǎng)量呈正相關(guān)，模型預(yù)測(cè)的不確定性區(qū)間基本覆蓋模型預(yù)測(cè)的誤差范圍(均值±標(biāo)準(zhǔn)差);同時(shí)，從預(yù)測(cè)值的變化幅度看出，樹高對(duì)模型預(yù)測(cè)結(jié)果影響較顯著。當(dāng)樹高為2 m時(shí)，樹高生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間分別為0.42 m、[0.21 m,0.86 m]，當(dāng)樹高達(dá)到3 m時(shí)，樹高生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間分別為0.78 m、[0.39 m,1.6 m]，隨著樹高增大，其樹高5年生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間均增加。光照條件(光截留)與樹高5年生長(zhǎng)量呈負(fù)相關(guān)，且影響較顯著。當(dāng)光截留從0.4增至0.8時(shí)，樹高生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間相應(yīng)從0.71 m、[0.35 m,1.47 m]降至0.54 m、[0.27 m,1.10 m]。坡度與樹高5年生長(zhǎng)量呈負(fù)相關(guān)，隨著坡度從緩坡(10°)到陡坡(30°)，其樹高5年生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間分別從0.79 m、[0.38 m,1.64 m]降至0.66 m、[0.33 m,1.34 m]。樹冠競(jìng)爭(zhēng)因子與樹高5年生長(zhǎng)量也呈負(fù)相關(guān)關(guān)系，樹冠競(jìng)爭(zhēng)因子從50增至350，其樹高5年生長(zhǎng)量預(yù)測(cè)值和不確定性區(qū)間從0.70 m、[0.34 m,1.45 m]降至0.57 m、[0.28 m,1.17 m]。從變量模擬效果可看出，當(dāng)前樹高對(duì)模型預(yù)測(cè)結(jié)果變化影響更明顯(圖5a)，其次為光截留(圖5b)，而樹冠競(jìng)爭(zhēng)因子對(duì)模型預(yù)測(cè)結(jié)果變化影響最小(圖5d)。結(jié)合參數(shù)的不確定性分析得出，對(duì)模型輸出不確定性貢獻(xiàn)大的參數(shù)，其控制的變量對(duì)模型輸出結(jié)果的影響較小;反之，對(duì)模型輸出不確定性貢獻(xiàn)小的參數(shù)，其控制的變量對(duì)模型輸出結(jié)果的影響較大。由此可見，參數(shù)不確定性引起的模型輸出不確定性越低，其相應(yīng)的變量對(duì)模型輸出結(jié)果的影響越顯著。4 討論

數(shù)據(jù)采集自2013—2018年在秦嶺南坡火地塘林場(chǎng)、旬陽(yáng)壩林場(chǎng)和辛家山林場(chǎng)調(diào)查的松櫟混交林固定樣地(20 m×20 m)和臨時(shí)樣地(角規(guī)樣地)共152塊。對(duì)固定樣地內(nèi)所有達(dá)到起測(cè)胸徑(DBH≥5 cm)的喬木樹種進(jìn)行每木檢尺，調(diào)查樹高、胸徑、密度、枝下高、冠幅等信息，記錄樣地經(jīng)緯度坐標(biāo)、海拔、坡度、坡向、坡位和林分郁閉度。在固定樣地四周和中心布置2 m×2 m小樣方，在臨時(shí)樣地中心布置半徑4 m圓形小樣方，調(diào)查小樣方中所有樹高≥0.3 m、胸徑≤5 cm的幼樹。由于油松幼樹在樣地中更新較少，最終收集132株油松幼樹樣木數(shù)據(jù)進(jìn)行建模，采用計(jì)數(shù)輪生枝方法獲得油松樹高連年生長(zhǎng)量。樣地位置及油松幼樹分布情況見圖1，調(diào)查樣地基本信息見表1。2.2 研究方法

【參考文獻(xiàn)】：
期刊論文
[1]江西省不同立地等級(jí)的馬尾松林生物量估計(jì)和不確定性度量[J]. 趙菡,雷淵才,符利勇.  林業(yè)科學(xué). 2017(08)
[2]森林生物量估算中模型不確定性分析[J]. 秦立厚,張茂震,鐘世紅,于曉輝.  生態(tài)學(xué)報(bào). 2017(23)
[3]適于FVS的杉木單木模型構(gòu)建[J]. 衣旭彤,孫玉軍.  東北林業(yè)大學(xué)學(xué)報(bào). 2017(07)
[4]基于FVS的秦嶺地區(qū)栓皮櫟天然次生林單木模型構(gòu)建[J]. 張西,賈黎明,張瑜,鄭聰慧.  北京林業(yè)大學(xué)學(xué)報(bào). 2015(05)
[5]單木生物量模型估計(jì)區(qū)域尺度生物量的不確定性[J]. 傅煜,雷淵才,曾偉生.  生態(tài)學(xué)報(bào). 2015(23)
[6]區(qū)域尺度杉木生物量估計(jì)的不確定性度量[J]. 傅煜,雷淵才,曾偉生.  林業(yè)科學(xué). 2014(12)
[7]基于貝葉斯法估計(jì)杉木人工林樹高生長(zhǎng)模型[J]. 張雄清,張建國(guó),段愛國(guó).  林業(yè)科學(xué). 2014(03)
[8]基于GreenLab的油松結(jié)構(gòu)-功能模型[J]. 國(guó)紅,雷相東,Veronique Letort,陸元昌,Philippe de Reffye.  植物生態(tài)學(xué)報(bào). 2009(05)
[9]北京山區(qū)油松林光輻射特征及冠層結(jié)構(gòu)參數(shù)[J]. 宋子煒,郭小平,趙廷寧,代巍.  浙江林學(xué)院學(xué)報(bào). 2009(01)
[10]度量誤差對(duì)全林整體模型的影響研究[J]. 李永慈,唐守正.  林業(yè)科學(xué). 2005(06)

碩士論文
[1]黃土高原半干旱區(qū)人工林林分消光特性及輻射熱量平衡研究[D]. 劉勝.北京林業(yè)大學(xué) 2006



本文編號(hào)：3597065