【摘要】：本研究以黑龍江省孟家崗林場(chǎng)、東京城林業(yè)局和林口林業(yè)局長(zhǎng)白落葉松人工林為研究對(duì)象,基于11塊樣地76株解析木的756個(gè)標(biāo)準(zhǔn)枝枝解析數(shù)據(jù),建立人工長(zhǎng)白落葉松一級(jí)枝條葉面積(BLA)預(yù)估模型和單木樹冠葉面積(CLA)預(yù)估模型。通過對(duì)比2參數(shù)的Weibull分布和Johnson's SB分布對(duì)葉面積垂直分布擬合效果,最終采用Weibull分布函數(shù)模擬人工長(zhǎng)白落葉松樹冠內(nèi)葉面積垂直分布。結(jié)果表明:1.一級(jí)枝條葉面積與自身屬性因子(枝條基徑(BD)、枝條長(zhǎng)度(BL))關(guān)系密切,最終建立了考慮樹木隨機(jī)效應(yīng)的以lnBD、枝條相對(duì)著枝深度的對(duì)數(shù)形式(lnRDINC)、胸徑的對(duì)數(shù)形式(lnDBH)、高徑比的對(duì)數(shù)形式(ln(HT/DBH))和冠長(zhǎng)率的對(duì)數(shù)形式(lnCR)為自變量的線性混合效應(yīng)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(yīng)參數(shù)和隨機(jī)效應(yīng)參數(shù)。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(yù)估效果較好。2.用枝條葉面積模型估計(jì)各枝條的葉面積計(jì)算樹冠葉面積觀測(cè)值進(jìn)行建模。樹高(HT)、胸徑(DBH)、冠長(zhǎng)(CL)、高徑比(HT/DBH)等樹木屬性因子均與樹冠葉面積關(guān)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(zhǎng)率。在引入樣地層次隨機(jī)效應(yīng)時(shí),基礎(chǔ)模型與最優(yōu)混合模型的似然比檢驗(yàn)結(jié)果表明該模型不用考慮樣地層次的隨機(jī)效應(yīng)(P0.05)。模型的擬合和檢驗(yàn)評(píng)價(jià)指標(biāo)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(yù)估效果。3.相比Johnson's SB,用Weibull分布函數(shù)能更好的模擬單株樹木葉面積垂直分布形式。冠內(nèi)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(duì)著枝深度0.45～0.61范圍內(nèi)。采用最大似然法對(duì)每株樹分別估計(jì)得到參數(shù)w1和W2,以此為基礎(chǔ)建立基于樹木和林分層次的屬性因子的w1和W2預(yù)估模型。分析表明,比度參數(shù)W1與林分年齡、冠長(zhǎng)關(guān)系較為密切,該參數(shù)的預(yù)估模型擬合優(yōu)度Ra2和RMSE分別為0.46、0.0853,檢驗(yàn)指標(biāo)ME、MAE和P分別0.15、0.15和80%;形狀參數(shù)W2與樹木在林分中所處生長(zhǎng)等級(jí)相關(guān)性較高,意味著林分內(nèi)的競(jìng)爭(zhēng)對(duì)于該參數(shù)影響較大,W2預(yù)估模型的相關(guān)統(tǒng)計(jì)指標(biāo)Ra2、RMSE、ME、MAE 和 P 分別為 0.31、0.1182、-0.08、0.38 和 91%。從統(tǒng)計(jì)學(xué)的角度來看,2個(gè)參數(shù)的預(yù)估模型擬合效果和預(yù)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(yù)估模型的構(gòu)建逡逑根據(jù)以往學(xué)者對(duì)枝條葉面積的研究結(jié)論枝條葉面積與枝條基徑和相對(duì)著枝逡逑深度的關(guān)系密切。圖３－１為利用建模數(shù)據(jù)中枝條屬性數(shù)據(jù)與枝條葉面積的散點(diǎn)圖以及關(guān)逡逑于枝條相對(duì)著枝深度的箱線圖，初步分析結(jié)果表明枝條葉面積與枝條長(zhǎng)度、枝條基徑呈逡逑非線性增長(zhǎng)關(guān)系，同時(shí)不同相對(duì)著枝深度的枝條葉面積總體呈現(xiàn)先增大后減小的趨勢(shì)，逡逑在同一相對(duì)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(zhǎng)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(chǔ)模型（４－１）和最優(yōu)混合模型（４－２）的預(yù)測(cè)值與實(shí)測(cè)值的逡逑關(guān)系圖。結(jié)果表明：基礎(chǔ)模型擬合得到預(yù)測(cè)值與實(shí)測(cè)值差異較大，在ｙ＝ｘ直線周圍散逡逑開；混合模型的預(yù)測(cè)值與實(shí)測(cè)值的點(diǎn)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(hào)：2612006