利用两水平非线性混合模型对杉木(Cunninghamia lanceolata)优势高进行分析。概述了两水平非线性混合模型并简单介绍了该模型的参数估计方法;选用了5种常见的Richards和Logistic 形式模型作为构建混合模型的基础模型,利用建模数据分别对这些基础模型各自衍生出的19种混合模型进行计算及比较,结果表明:这5种基础模型对应的最佳混合模型分别为模型(3-1) 模型(3-5);最后把这些最佳混合模型及传统的回归模型两两进行比较,结果表明:二水平非线性混合模型拟合效果比传统的回归模型拟合效果要好,并且基础模型4对应的二水平混合模型(式3-4)拟合效果最好。

以吉林省汪清林业局184块样地中的10 111株蒙古栎为例,首先选用线性函数、Richards函数、Logistic 函数、指数函数等7种常用函数形式,分析4个因变量(后期胸径、后期胸高断面积、直径增量和胸高断面积增量)与前期胸径的影响,确定一个用于构建混合效应模型的基础模型。然后确定同时考虑林场效应和林场与样地交互效应时基础模型中最优的形式参数构造形式,利用逐步回归方法确定模型中所包含的林分变量,并分析和比较用来消除异方差的3种常用残差方差函数(指数函数、幂函数和常数加幂函数),最后检验模型预测效果。结果表明:Wykoff模型且因变量为后期胸高断面积拟合效果较好,故作为基础模型;除前期胸高直径(D)外,当考虑坡度正切(ST),对象木胸高直径与样地算术平均直径的比(RAD),样地胸高总断面积(TBA),样地中大于对象木直径所有树木的胸高断面积和(GSBA),对象木胸高断面积与样地算术平均胸高断面积的比 (RABA)和对象木胸高断面积与样地胸高总断面积的比(RBA)等林分变量时能进一步提高模型预测精度;对于残差方差,指数函数、幂函数和常数加幂函数都能消除异方差,但幂函数效果最好;当模型同时考虑林场效应和林场与样地交互效应时预测精度最高。