期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
冬奥核心区华北落叶松和白桦单木冠幅预测模型——组级贝叶斯模型、加性模型和混合效应模型比较 被引量：5
1
作者 张晓芳 郭旭展 +3 位作者 洪亮 陈涛 符利勇 张会儒 《林业科学》 EI CAS CSCD 北大核心 2022年第10期89-100,共12页
【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603... 【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603株白桦为研究对象,首先,选取10种常用冠幅-胸径模型作为备选模型分别拟合华北落叶松和白桦数据,从中选出AIC和BIC最小的模型作为基础模型;然后,在基础模型中进一步添加与冠幅相关系数大的变量作为协变量构建修正模型;最后,在修正模型基础上分别构建华北落叶松和白桦冠幅的非线性最小二乘模型、单水平非线性混合效应模型、加性模型和组级贝叶斯模型。【结果】4种华北落叶松冠幅模型中,加性模型的预测精度最高(R^(2)_mean=0.704 3,RMSE_mean=0.512 7),4种白桦冠幅模型中,非线性混合效应模型的预测精度最高(R^(2)_mean=0.664 3,RMSE_mean=0.794 4)。在变量方面,华北落叶松和白桦冠幅均随其胸径递增,华北落叶松冠幅随其树高缓慢递增、枝下高递减,白桦冠幅随其冠长率先减小后增大,并受林分密度影响波动较大,当林分密度为600~800 hm-2时,白桦冠幅随林分密度递减,此时应进行适当补植;当林分密度为800~1 000 hm-2时,白桦冠幅随林分密度递增,并在1 000 hm-2时出现拐点,如果经营目的是为了环境保护,可将林分密度控制在1 000 hm-2左右;当林分密度为1 000~1 200 hm-2时,白桦冠幅随林分密度递减,此时可对林分进行抚育间伐调整林分密度。【结论】冬奥核心区华北落叶松冠幅受胸径、树高和枝下高影响较大,白桦冠幅受胸径、冠长率和林分密度影响较大。无论是预测华北落叶松还是白桦冠幅,组级贝叶斯模型、加性模型和非线性混合效应模型效果均优于非线性最小二乘模型,在仅添加样地随机效应的情况下,首选加性模型和非线性混合效应模型,其次选择组级贝叶斯模型,但考虑到训练组级贝叶斯模型时间长、对表达式敏感等因素,可用别的模型替代时建议不使用组级贝叶斯模型。 展开更多
关键词 华北落叶松冠幅预测模型 白桦冠幅预测模型 非线性混合效应模型 组级贝叶斯模型 加性模型 冬奥核心区
在线阅读 下载PDF
基于广义加性模型的落叶松树冠半径模型研建
2
作者 姜佟燃 燕云飞 姜立春 《北京林业大学学报》 北大核心 2025年第3期73-82,共10页
【目的】利用广义加性模型理论构建落叶松树冠半径模型,并与聚合法构建的可加性树冠半径模型进行预测精度对比,以期为落叶松树冠半径和冠幅预测提供理论依据和实际指导。【方法】以黑龙江省大兴安岭68块天然林样地3 444株落叶松为研究对... 【目的】利用广义加性模型理论构建落叶松树冠半径模型,并与聚合法构建的可加性树冠半径模型进行预测精度对比,以期为落叶松树冠半径和冠幅预测提供理论依据和实际指导。【方法】以黑龙江省大兴安岭68块天然林样地3 444株落叶松为研究对象,从8个冠幅-胸径基础模型拟合结果中,分别选择赤池信息量准则和贝叶斯信息准则最小的模型作为各树冠半径的基础模型。在最优基础模型中引入单木和林分因子,构建广义模型。基于构建的广义模型,分别采用聚合法和广义加性模型理论构建树冠半径相容性模型系统。【结果】(1)基础模型拟合结果表明:不同方向树冠半径的最优基础模型存在差异。(2)在不同方向树冠半径的基础模型中,分别引入枝下高、每公顷断面积和林分平均胸径等变量,这些变量均能提高模型的拟合效果。在此基础上,构建了包含单木尺寸和竞争变量的各方向树冠半径的广义模型。(3)基于聚合法和广义加性模型构建的树冠半径和冠幅相容性模型系统综合对比表明:广义加性模型表现出较好的拟合效果和预测精度,树冠半径和冠幅的预测均优于聚合法模型。【结论】落叶松各树冠半径表现出不同的生长趋势。在落叶松树冠半径模型中,广义加性模型预测精度优于聚合法。广义加性模型不但对模型假设要求不严,还简化了预测变量和响应变量之间的选择过程。因此,从模型假设和应用便利性角度,推荐广义加性模型预测该区域落叶松树冠半径和冠幅。 展开更多
关键词 落叶松 冠幅 树冠半径 聚合法 可加性模型
在线阅读 下载PDF
长白落叶松等几个树种冠幅预测模型的研究 被引量：63
3
作者 雷相东 张则路 陈晓光 《北京林业大学学报》 CAS CSCD 北大核心 2006年第6期75-79,共5页
以20块落叶松云冷杉林为对象，采用多元逐步回归方法，研究其组成树种的单株木冠幅预测模型．因变量为单株木冠幅，白变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度．共测定了3099株树木，全部参加了建模．最终建立了长白落... 以20块落叶松云冷杉林为对象，采用多元逐步回归方法，研究其组成树种的单株木冠幅预测模型．因变量为单株木冠幅，白变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度．共测定了3099株树木，全部参加了建模．最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型．结果表明：胸径和林分密度是所有树种中影响冠幅的重要因子；模型的调整决定系数在0．34～0．75之间；绝对误差在-0．000114—0．054m之间；相对误差在-0．05443％～3．440％之间；均方根误差在0．360—0．510m之间，相对均方根误差在27．4％～37．4％之间． 展开更多
关键词 长白落叶松 混交林 冠幅预测模型
在线阅读 下载PDF
长白落叶松-水曲柳混交林冠幅预测模型 被引量：13
4
作者 贺梦莹 董利虎 李凤日 《北京林业大学学报》 CAS CSCD 北大核心 2020年第7期23-32,共10页
【目的】基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松-水曲柳混交林24块标准地的3164株长白落叶松样木及3574株水曲柳样木的数据,分别构建了长白落叶松和水曲柳的冠幅模型。【方法】通过分析不同混交方式林分内长白落叶松和水... 【目的】基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松-水曲柳混交林24块标准地的3164株长白落叶松样木及3574株水曲柳样木的数据,分别构建了长白落叶松和水曲柳的冠幅模型。【方法】通过分析不同混交方式林分内长白落叶松和水曲柳冠幅的变化规律及其与林木竞争因子的关系,从6种常用的线性和非线性基础冠幅模型中选取最优模型,并将混交比例Si和树木在混交带内位置P作为哑变量,加入其他树木变量和林分变量,分别构建长白落叶松和水曲柳的冠幅模型,并对所构建的模型进行评价。【结果】长白落叶松和水曲柳冠幅在不同混交比例Si和混交带不同位置P下差异显著;冠幅与DDH(林木胸径与林分优势木胸径之比)和HDH(林木树高与林分优势高之比)成正相关,与大于对象木的胸高断面积之和(BAL)成负相关,与距离无关的竞争因子可以反映树木的竞争压力,对冠幅具有影响;长白落叶松冠幅与冠长率(CR)成正相关,与高径比(HD)成负相关;水曲柳冠幅与水曲柳优势木平均高(H0Fra)成正相关,与高径比(HD)成负相关。包含混交比例哑变量Si和混交带位置哑变量P的长白落叶松和水曲柳冠幅模型拟合冠幅(CW)的Ra2分别为0.5642和0.5459,加入树木变量和林分变量后长白落叶松和水曲柳冠幅模型拟合CW的Ra2分别为0.6745和0.5896。【结论】包含混交带位置哑变量P、混交比例哑变量Si、树木变量(CR和HD)、林分变量(H0Fra)的长白落叶松和水曲柳冠幅模型具有较好的拟合效果及预测精度。因此,本研究所构建的冠幅模型可以很好地预测混交林内长白落叶松和水曲柳的冠幅,为进一步研究混交林树木树冠结构奠定了基础。 展开更多
关键词 混交林 长白落叶松 水曲柳 竞争 冠幅模型
在线阅读 下载PDF
基于BP神经网络的落叶松树冠体积及表面积模型构建
5
作者 周来 程小芳 张梦弢 《北京林业大学学报》 CAS CSCD 北大核心 2024年第8期94-100,共7页
【目的】应用BP神经网络模型预测华北落叶松树冠体积与表面积,探索华北落叶松树冠体积与表面积估算模型的最优形式,为未来的预测模式提供新思路。【方法】以山西省庞泉沟自然保护区的华北落叶松林为研究对象,通过从6块(60 m×60 m)... 【目的】应用BP神经网络模型预测华北落叶松树冠体积与表面积,探索华北落叶松树冠体积与表面积估算模型的最优形式,为未来的预测模式提供新思路。【方法】以山西省庞泉沟自然保护区的华北落叶松林为研究对象,通过从6块(60 m×60 m)固定样地得到的678个观测数据,运用BP神经网络,分别对华北落叶松树冠体积与表面积建立模型,通过对模型的训练,得到基于BP神经网络的华北落叶松树冠体积和表面积估算模型。【结果】基于BP神经网络的华北落叶松树冠体积与表面积模型的最优结构模型的输入层节点数∶隐层节点数∶输出层节点数=6∶9∶1。其中树冠体积的决定系数(R^(2))、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.948、5.40 m^(3)、18.40;表面积的R^(2)、MAE和RMSE分别为0.957、3.33 m^(2)、 14.41。基于BP神经网络的华北落叶松树冠体积与表面积模型的性能与输入因子的数量呈正相关,最优模型的输入因子数为6个,分别为冠幅、树高、胸径、最大冠幅高度、第一活枝长(在垂直于树干方向上的投影长度)和冠基高。【结论】输入变量包含树干尺寸和树冠构型特征相关信息,模型能较好地实现华北落叶松树冠体积和表面积的预测。 展开更多
关键词 模型构建 树冠体积与表面积 BP神经网络 机器学习 预测模型 华北落叶松
在线阅读 下载PDF
基于BLUP和GGE双标图的华北落叶松家系区域试验分析 被引量：21
6
作者 郑聪慧 张鸿景 +5 位作者 王玉忠 代剑锋 党磊 杜子春 刘建婷 高运茹 《林业科学》 EI CAS CSCD 北大核心 2019年第8期73-83,共11页
【目的】为综合评价华北落叶松参试家系的速生丰产性、稳定性及各试验地点的区分力和代表性,利用基因型主效加基因型-环境互作效应(GGE)双标图对2017年度华北落叶松区域试验中参试家系的生长数据进行分析。【方法】基于冀北地区4个试验... 【目的】为综合评价华北落叶松参试家系的速生丰产性、稳定性及各试验地点的区分力和代表性,利用基因型主效加基因型-环境互作效应(GGE)双标图对2017年度华北落叶松区域试验中参试家系的生长数据进行分析。【方法】基于冀北地区4个试验地点26个华北落叶松家系的胸径数据,首先拟合3个线性混合效应模型,各个模型均具有相同的固定效应(“地点”和“地点中的区组”)和残差方差结构(行、列自回归AR1×AR1,以进行空间分析),其中,模型1为随机效应中包含2个公因子的因子分析模型(FA模型),模型2、3分别为随机效应里不含测量误差以及包含测量误差的非结构化矩阵模型(US模型);基于AIC信息准则选出一个最优模型,之后利用最佳线性无偏预测(BLUP)法得到各家系在各地点的胸径BLUP数据;基于胸径BLUP数据做GGE双标图分析,对华北落叶松家系和试验地点进行评价。【结果】基于AIC信息准则,模型3(空间变异结合包含测量误差的非结构化矩阵模型(US模型))被选为最优模型;基于胸径BLUP数据的GGE双标图的前2个主成分的方差解释百分比之和为92.4%,表明结果可靠;4个试验地点被分成2组,地点L1(张家口赤城马营沟)、地点L3(张家口沽源柳条沟)和地点L4(承德围场查字)为一组(以111号家系的胸径最大),地点L2(承德围场御道口)为一组(以78号家系的胸径最大),相对而言,地点L3(张家口沽源柳条沟)能更有效地选择速生丰产且稳定的家系;各家系在不同试验地点上的表现有所不同,总体而言,26个华北落叶松家系中,111号的胸径(产量)最大,接着是78、72、82、76、59、100、77、56、86、96等系号,胸径(产量)最小的是1号,97、116、53、35、46、66和49号等家系的胸径(产量)也较低,68和42号家系的胸径(产量)接近总体均值;96、86、100和76号是速生丰产且稳定的家系,速生丰产家系111、72、56号的稳定性居中,速生丰产家系78、82和77号的稳定性中等偏下,而速生丰产家系59号则不稳定。【结论】模型3(空间变异结合包含测量误差的非结构化矩阵模型(US模型))较另外2个模型而言,结果更为可靠。地点L3(张家口沽源柳条沟)既具高区分力,又具高代表性,能更有效地评价家系。家系96、86、100和76号兼具速生性、丰产性和稳定性,可被广泛推广。基于BLUP的GGE双标图能有效应用于华北落叶松家系及试验地点的评价,本研究可为冀北地区华北落叶松的家系选择和应用提供决策支持。 展开更多
关键词 线性混合效应模型 最佳线性无偏预测(BLUP) 基因型主效加基因型-环境互作效应(GGE)双标图 华北落叶松 区域试验
在线阅读 下载PDF
航空像片冠幅与地面直径的线性混合模型 被引量：7
7
作者 郎璞玫 《林业科学》 EI CAS CSCD 北大核心 2008年第3期40-44,共5页
大量采集航空像片冠幅x与地面树木直径y的相关资料,指出一群由树冠"亮点集"组成的航空像片图像是"冠幅"检测的必要条件,并从专业的角度论证航片冠幅x与树木直径y应满足带截距的线性相关关系。由于树冠密度的随机干... 大量采集航空像片冠幅x与地面树木直径y的相关资料,指出一群由树冠"亮点集"组成的航空像片图像是"冠幅"检测的必要条件,并从专业的角度论证航片冠幅x与树木直径y应满足带截距的线性相关关系。由于树冠密度的随机干扰,使得冠幅x与直径y不满足等方差条件,所以必须在原来固定参数线性模型的基础上引入随机效应参数。本文采用"样地"作为随机效应的构造变量,"树冠类型"为组变量,它们的叉积构造"随机效应"参数的设计矩阵,从而构造出航空像片冠幅x与树木直径y的线性混合模型,由此获得总体y的最优无偏估计,线性混合模型的相关系数由一元线性模型的0.57平均提高到0.72。线性混合模型的实质是在固定参数方程上迭加随机"噪声"。由于数据经过标准化处理,带有随机挠动的预测方程参数与航空像片比例尺无关。 展开更多
关键词 树冠冠幅 线性混合模型 最优无偏估计 随机挠动的预测方程
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部