林业科学

作者：何培,王君杰,辛士冬,张兹鹏,姜立春*

单位：东北林业大学林学院　森林生态系统可持续经营教育部重点实验室　哈尔滨 150040

关键词：削度方程,最小二乘法,分位数,固定效应,广义加性模型

基金：中央高校基本科研业务费专项资金资助(2572021AW22)；国家自然科学基金项目(32271866)

目的: 基于樟子松和兴安落叶松干形数据，比较分析最小二乘法（ONLS）、分位数回归（QR）、混合效应模型的固定效应法（FIXED）以及广义加性模型（GAM）对树干不同位置直径和树干总材积的预测精度，为树木干形和材积精准预测提供参考。方法: 以大兴安岭漠河林业局不同林分条件下的187株樟子松和283株兴安落叶松为研究对象，拟合林业上常用的33个削度方程，选出精度较高的削度方程作为ONLS、QR和FIXED的基础模型。基于描述干形的常用变量，同时考虑变量转换，如平方和开根号等变量转换构建GAM。应用R软件对4种建模方法进行拟合，选取平均误差（ME）、均方根误差（RMSE）、百分比均方根误差（RMSE%）和确定系数（R2）对比分析4种建模方法，采用留一交叉检验法对不同建模方法进行检验，比较各方法预测树干不同位置直径和树干总材积的精度。为更直观展示各建模方法效果，分别从2种树种中随机抽取2株不同大小树木进行树干模拟。结果: 1） 基于Kozak（2004）模型的ONLS、QR和FIXED以及构建的GAM拟合结果表明，4种建模方法均能较好拟合樟子松和兴安落叶松干形数据；2） 留一交叉检验结果显示，GAM对樟子松和兴安落叶松树干直径的预测精度优于ONLS、QR和FIXED；3） GAM预测2种树种材积时与估计直径一致，即GAM预测精度优于其他建模方法；相较ONLS，樟子松和兴安落叶松GAM材积预测的RMSE分别下降5.6%和11.3%；4） 2种树种不同大小树木树干模拟发现，对于大树树干，ONLS、QR、FIXED和GAM模拟效果相似，且均能较好模拟樟子松和兴安落叶松树干干形；对于小树树干，ONLS、QR、FIXED和GAM模拟效果差异较大，其中GAM能较好模拟樟子松和兴安落叶松树干干形。结论: GAM预测树干不同位置直径和树干总材积时精度最高。当以预测为主要目的时，GAM通过简单编程能够实现对樟子松和兴安落叶松树干直径和材积的估计，可作为一种精度较高的树干干形预测方法。

来源：2023年第6期

《林业科学》期刊编辑部

查看林业科学杂志2023年第6期