以黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据为例,采用Richards生长模型作为基础模型,利用S-PLUS软件中的NLME过程,分别拟合非线性树高和直径生长模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析。结果表明:当对树高-年龄关系进行拟合时,b1、b3 同时作为混合参数时模型拟合最好;当对直径-年龄关系进行拟合时,b1 、b3 同时作为混合参数时模型拟合最好。把相关性结构包括一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构 加入到树高和直径最优混合模型中,一阶自回归结构AR(1)显著提高了树高混合模型的拟合精度,一阶移动平均结构MA(1)显著提高了直径混合模型的拟合精度。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。因此,混合模型在应用上不但能反映树高和直径的平均预测趋势,还能用方差协方差结构和误差相关性结构校正随机参数来反映个体之间的差异。

[目的] 对不同区域立木相容性材积方程以及不同异方差校正方法进行详细对比分析,建立相容性材积方程预估大兴安岭不同区域落叶松的立木材积。[方法] 以大兴安岭3个不同区域的落叶松为研究对象,采用误差变量联立方程组的方法构建不同区域立木相容性材积方程。采用非线性额外平方和的方法(F检验)进行区域性检验。使用多种权函数分别对3个区域存在异方差的材积方程进行加权回归。[结果] 表明:任何2个区域的立木材积方程都有显著不同(PMRE)和总相对误差(TRE),区域1(-0.11、0.97)、区域2(0.04、0.08)和区域3(1.04、0.93)的最优权函数分别为1/F(x)、1/D4.99、1/D3.38。[结论] 立木材积方程是森林调查和林分生长与收获模型的主要组成部分,本文所构建3个区域的相容联立方程组模型预测误差均不超过±3%。建立相容性立木材积方程时应考虑其异方差的影响。最优权函数没有统一的形式。为尽可能得到稳定的参数估计,在加权回归估计过程中应选用多种权函数进行对比分析。

利用兴安落叶松解析木数据,比较了树干去皮直径预测的3种类型模型:Grosenbaugh的比率方程式、回归模型和削度方程。Grosenbaugh的比率方程式有很大的灵活性,没有参数不需要模型拟合。总体评价和模型分段比较表明,回归模型有较小的预测误差,尤其是Cao and Pepper提出的含有带皮直径、树高、相对树高、胸径处的带皮直径和去皮直径变量的模型。由于削度模型不含有带皮直径变量,因此产生较大的去皮直径预测误差。不同类型的模型在森林经营过程中都有一定的适应性。

以黑龙江省五营林业局丽林林场30株人工落叶松2 190个枝条基径数据为例,利用逐步回归技术建立了落叶松枝条基径模型:BD=b1+b2DINC+b3DINC2+b4DBH·DINC2。然后,利用S-PLUS软件中的LME过程,拟合线性枝基径模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的拟合效果进行比较分析。结果表明:当拟合枝条基径模型时,b1、b2、b3同时作为混合参数时模型拟合最好。为了矫正混合模型构建过程中产生的异方差现象,把幂函数和指数函数加入到枝条基径混合模型中。指数函数显著提高了枝条基径混合模型的拟合效果,并且消除了异方差现象。模型模拟表明:对于大小相同树木,枝条基径随着着枝深度(DINC)的增加而增大,对于大小不同的树木,枝条基径随着胸径(DBH)的增加而增大。林木的胸径变量很好地反映了不同大小树木的枝条基径的变化。在不知道详细林分信息的前提下,可以利用树木变量合理地预测兴安落叶松人工林的枝条基径的变化规律。