落叶松云冷杉林冠幅预测模型

落叶松云冷杉林冠幅预测模型

树冠在树的生长过程中起着重要作用，反映了树的长期竞争水平。树木结构信息的描述也引起了森林经营者的注意。冠幅是森林生长和收获模型中的一个重要变量。它用于计算树木的竞争指数，并预测单带树木的直径和高度。此外，冠幅也是树木可视化的一个重要参数。因此，树木生长预测模型具有重要意义。以往的研究表明，冠幅与直径之间存在良好的相关性，直径是最常用的预测变量。其他树木变量和林分因子也用于预测冠幅，如树高、冠长、冠比、竞争因子、林分密度、布局因子等。在这项工作中，以落叶松云冷杉混交林为例，建立了落叶松等9种树种的冠幅预测模型，为预测生长、收获和经济决策提供了依据。1一般研究和研究方法1.1气候条件及自然条件研究地点位于吉林省汪清林业局金沟岭林场,其地理位置为东经130°05′～130°20′,北纬43°17′～43°25′,属吉林省东部山区长白山系老爷岭山脉雪岭支脉.地貌属低山丘陵地带,海拔550～1100m.阳坡较陡,阴坡平缓,平均坡度10°～25°.该区气候属季风型气候,全年平均气温为4℃,1月份气温最低,平均为-32℃,7月份气温最高,平均22℃;年降水量600～700mm,且多集中在7月份;植物生长期为120d.土壤以暗棕壤为主.该区植被属长白山植物区系.1.2数据和方法1.2.1其他树种冠幅.总体分布建模所用数据为20块落叶松云冷杉混交林的样地资料.优势树种为长白落叶松(Larixolgensis)、云杉(Piceajazoensis)和冷杉(Abiesnephrolepis),其他树种有红松(Pinuskoraiensis)、枫桦(Betulacostata)、椴树(Tillaamurensis)、白桦(Betulaplatyphylla)和水曲柳(Fraxinusmandshurica)等.样地面积最小为0.0775hm2,最大为0.25hm2.每块样地的调查内容包括胸径5cm以上的树木胸径和树高,以及东、西、南、北4个方向的冠幅.建模所用的冠幅为4个方向的平均值.共调查树木3099株,各树种的冠幅等统计量见表1.对株数少于30的树种不参加建模.1.2.2模型参数的选取采用多元逐步回归模型进行树冠冠幅的预测.因变量为冠幅或其对数形式,自变量包括胸径、树高、冠长、树冠比、竞争因子、林分密度和各树种的密度,其中竞争因子采用与距离无关的竞争指数D/Dg、h/D和BAL.林分密度采用株数和断面积来表示.对各自变量的导数和对数等形式也进行了检验.模型的基本形式为:cw=b0+b1D+b2h+b3CL+b4CR+b5ΖXG+b6(D/Dg)+b7(h/D)+b8BAL+b9Ν+b10BA+b11BAicw=b0+b1D+b2h+b3CL+b4CR+b5ZXG+b6(D/Dg)+b7(h/D)+b8BAL+b9N+b10BA+b11BAi式中,cw为冠幅,D为胸径,CL为冠长,CR为树冠比(冠长和树高的比),ZXG为枝下高,Dg为林分的断面积平均胸径,h为树高,BAL为大于对象木的树木的断面积的和,N为林分的公顷株数,BA为林分的公顷断面积,BAi为i树种的断面积,b0、b1、b2、b3、b4、b5、b6、b7、b8、b9、b10和b11为参数.利用SPSS软件,采用逐步回归分析法选取方程中所需的自变量.以F概率作为引入和剔除变量的判据,当一个变量的双侧检验的显著性水平≤0.05时,该变量被引入方程;当显著性水平≥0.10时,该变量被剔除.为消除共线性,方差膨胀因子(VIF)大于5的自变量也被排除在外.1.2.3观测值和预测值计算模型拟合统计量包括修正决定系数(R2a2a)、模型显著性检验统计量(F)、绝对误差(B)、相对误差(Br)、均方根误差(RMSE)和相对均方根误差(RMSE%).其中:R2a=1-(1-R2)n-1n-k-1(1)B=n∑i=1(yi-ˆyi)n(2)Br=n∑i=1(yi-ˆyi)n∑i=1ˆyi(3)RΜSE=√n∑i=1(yi-ˆyi)2n-1(4)RΜSE%=√n∑i=1(yi-ˆyi)2/(n-1)n∑i=1ˆyi/n(5)R2a=1−(1−R2)n−1n−k−1(1)B=∑i=1n(yi−yˆi)n(2)Br=∑i=1n(yi−yˆi)∑i=1nyˆi(3)RMSE=∑i=1n(yi−yˆi)2n−1−−−−−−−−√(4)RMSE%=∑i=1n(yi−yˆi)2/(n−1)∑i=1nyˆi/n−−−−−−−−−−−−ue001⎷ue000ue000ue000ue000(5)式中,n为样本数,k为自变量个数,yi为观测值,ˆyi为预测值.2林分密度、林分密度、冠幅与树木树冠的关系表2给出了各个树种的模型参数和拟合统计量.可以看出,所有的模型都达到极显著水平(p<0.001).各树种的冠幅预测模型的修正决定系数R2在0.34～0.75之间,最高为云杉和色木,为0.75;椴树最低,为0.34.除冷杉外,胸径都是入选变量,且冠幅同胸径表现正相关;林分密度(公顷株数或者用公顷断面积)是所有树种中进入模型的变量,它与冠幅呈负相关.因此,随着林分密度的增加,林木会逐渐限制其树冠的发展或逐渐趋于死亡.落叶松和冷杉两个树种,反映树木地位的竞争指标也是进入模型的变量,这是由于它们在林分中占有较大的比例.红松和色木,反映树冠其他属性的枝下高和树冠比也为入选变量.因此,本研究中,树木胸径和所在林分的密度是预测冠幅的主要变量,其他因子还包括竞争指标、枝下高和树冠比.表3给出了模型的预测误差.可以看出,绝对误差在-0.000114～0.054m之间.其中落叶松、色木、水曲柳、白桦、椴树和枫桦模型估计值过低,而红松、冷杉和云杉的模型估计值过高.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.因此,模型具有较低的误差.此外,图1也给出了各树种的冠幅预测值和实测值的关系.所有的模型都达极显著水平,决定系数在0.36～0.76之间.从图1可以看出,所有的图都存在着偏差,存在对较小的冠幅估计值过高,而对较大的冠幅估计值过低的现象.3林分密度对冠幅的影响冠幅预测对于林木生长等都有重要的意义.本研究建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树等9个树种的冠幅预测模型,发现对冠幅有显著影响的因子包括林木胸径、林分密度、林木竞争指数、树冠比和枝下高.这与Brabg和Bechtold的研究一致.不同树种之间略有不同,其中林分密度是所有树种中对冠幅有显著影响的因子;林木胸径对大多数树种的冠幅有显著影响.所有的模型都达到极显著水平(p<0.001),各树种的冠幅预测模型的修正决定系数R2在0.34～0.75之间,相对误差在-0.05443%～3.440%之间.相对均方根误差在27.4%～37.4%之间.模型的预测误差较低,可以