基于立地因子的杉木人工林断面积生长混合效应模型研究

doi:10.13466/j.cnki.lyzygl.2021.02.011

林业资源管理 ›› 2021›› Issue (2): 75-82.doi: 10.13466/j.cnki.lyzygl.2021.02.011

基于立地因子的杉木人工林断面积生长混合效应模型研究

吴旭平¹(), 吕勇¹, 张雄清², 易烜³, 朱光玉¹()

1.中南林业科技大学,长沙 410004
2.中国林业科学研究院林业研究所,北京 100091
3.青羊湖国有林场,长沙 410600

收稿日期:2020-12-31 修回日期:2021-03-15 出版日期:2021-04-28 发布日期:2021-06-03
通讯作者: 朱光玉
作者简介:吴旭平(1996-),男,湖南株洲人,在读硕士,研究方向:林学。Email: 2601405038@qq.com
基金资助:
国家林业和草原局青年拔尖人才项目(2019132605);国家自然科学基金(31570631);湖南省教育厅重点项目(16A224);湖南省自然科学基金面上项目(2017JJ2405)

Research on Growth Mixed Effect Model for Basal Area of Cunninghamia lanceolata Plantation Based on Site Factors

WU Xuping¹(), LV Yong¹, ZHANG Xiongqing², YI Xuan³, ZHU Guangyu¹()

1. Central South University of Forestry & Technology,Changsha 410004,China
2. Research Institute of Forestry,Chinese Academy of Forestry,Beijing 100091,China
3. Qingyanghu State owned Forest Farm,Changsha 410600,China

Received:2020-12-31 Revised:2021-03-15 Online:2021-04-28 Published:2021-06-03
Contact: ZHU Guangyu

摘要/Abstract

摘要：

基于湖南省150块杉木人工林样地数据,采用方差分析、回归分析、非线性混合效应模型、K-means聚类等方法,构建了含立地因子的杉木人工林断面积生长混合效应模型。结果显示:1)海拔(HB)、坡度(PD)、坡位(PW)、土壤厚度(TH)、土壤类型(TL)对林分断面积的生长具有显著影响,其显著性顺序为TL>TH>PD>PW>HB;2)在8种常用的理论生长方程中,Schumacher(M5)的确定系数最高(R²=0.7636),被选为林分断面积生长模拟的基础模型;3)将不同立地因子组合的107个立地类型(ST)作为随机效应,构建了非线性混合效应模型,其确定系数(R²)提高至0.895 1;4)将107个立地类型(ST)聚类为5个立地类型组(STG),进一步构建了杉木断面积生长混合效应模型,其确定系数(R²)提高至0.920 2。研究表明:基于立地因子的非线性混合效应模型,客观解释了立地因子对杉木人工林断面积生长的影响,提高了林分断面积生长模型的模拟精度。

关键词: 杉木, 断面积, 立地类型, 混合模型, 聚类分析

Abstract:

Based on data of 150 Cunninghamia lanceolata Plantation plots in Central China's Hunan Province,this study attempt to construct a mixed effect model of Cunninghamia lanceolata Plantation growth with site factors through using methods such as variance analysis,regression analysis,nonlinear mixed effects model and K-means clustering.The results show that:(1)Altitude (HB),slope (PD),slope position (PW),soil thickness (TH) and soil type (TL)have a significant impact on the growth of the basal area,and the order of significance is TL>TH>PD> PW>HB.(2)Among the eight commonly used theoretical growth equations,Schumacher (M5)has the highest coefficient of determination (R²=0.7636),and was selected as the basic model for forest basal area growth simulation.(3)A nonlinear mixed effects model was constructed by taking 107 site types (ST)of different site factor combinations as random effects and the coefficient of determination (R²)increased to 0.895 1.(4)The 107 site types (ST)were clustered into 5 site type groups (STG),and the mixed effect model of Cunninghamia lanceolata cross-sectional basal area growth was further constructed,and the determination coefficient (R²)increased to 0.920 2.Studies have shown that the nonlinear mixed effect model based on site factors objectively explains the impact of site factors on the growth of Cunninghamia lanceolata Plantation,which helps improve the simulation accuracy of the stand growth model.

Key words: Cunninghamia lanceolata, basal area, site typ, mixed effect model, cluster analysis

中图分类号:

S791.27
S711

吴旭平, 吕勇, 张雄清, 易烜, 朱光玉. 基于立地因子的杉木人工林断面积生长混合效应模型研究[J]. 林业资源管理, 2021,(2): 75-82.

WU Xuping, LV Yong, ZHANG Xiongqing, YI Xuan, ZHU Guangyu. Research on Growth Mixed Effect Model for Basal Area of Cunninghamia lanceolata Plantation Based on Site Factors[J]. FOREST RESOURCES WANAGEMENT, 2021,(2): 75-82.

图/表 11

表1

表2

表3

候选基础模型

序号	模型名称	表达式
M1	理查德(Richards)	G=a×(1-e^(-^b^×^T⁾)×(SDI/1000)^c
M2	理查德(Richards)	G=a×(1-e^(-^b^×^T⁾)×(N/1000)^c
M3	舒马克(Schumacher)	G=a×e^(-^b^×^T⁾)×(SDI/1000)^c
M4	舒马克(Schumacher)	G=a×e^(-^b^×^T⁾)×(N/1000)^c
M5	舒马克(Schumacher)	G=HT⁽^a⁺^b/T⁾×(SDI/1000)⁽^c⁺^d/T⁾×e⁽^q⁺^w/T⁾
M6	舒马克(Schumacher)	G=HT⁽^a⁺^b/T⁾×(N/1000)⁽^c⁺^d/T⁾×e⁽^q⁺^w/T⁾
M7	舒马克(Schumacher)	G=e⁽^a⁺^b/T⁾×(SDI/1000)^c+d/T
M8	单分子(Mitscherlish)	G=a×(1- $e (- b × (SDI / 1000) c)$ ×T)

表3

表4

表5

表6

表7

表8

表9

图1

图2

参考文献 20

[1]	胡松. 湖南栎类天然林断面积生长模型研究[D]. 长沙: 中南林业科技大学, 2019.
[2]	张雄清, 雷渊才, 陈新美, 等. 组合预测法在林分断面积生长预估中的应用[J]. 北京林业大学学报, 2010,32(4):6-11.
[3]	李春明, 唐守正. 基于非线性混合模型的落叶松云冷杉林分断面积模型[J]. 林业科学, 2010,46(7):106-113.
[4]	李永慈, 唐守正. 度量误差对全林整体模型的影响研究[J]. 林业科学, 2005(6):169-172.
[5]	符利勇, 唐守正, 张会儒, 等. 基于多水平非线性混合效应蒙古栎林单木断面积模型[J]. 林业科学研究, 2015,28(1):23-31.
[6]	许冰冰, 边更战, 易烜, 等. 湖南杉木人工林单木干形特征及影响因子研究[J]. 林业资源管理, 2020(5):82-88.
[7]	龚召松, 曾思齐, 贺东北, 等. 湖南楠木次生林断面积生长模型研究[J]. 林业资源管理, 2020(2):87-93.
[8]	孟宪宇. 测树学[M].3版. 北京: 中国林业出版社, 2006: 43-66.
[9]	李春喜. 生物统计学[M].5版. 北京: 科学出版社, 2013: 95-104.
[10]	吴恒, 党坤良, 田相林. 秦岭林区天然次生林与人工林立地质量评价[J]. 林业科学, 2015,51(4):78-88.
[11]	Saud Pradip, Lynch Thomas B, Cram Douglas S, et al. An Annual basal area growth model with multiplicative climate modifier fitted to longitudinal data for shortleaf pine[J]. Forestry:An International Journal of Forest Research, 2019(5):5.
[12]	朱光玉, 胡松, 符利勇. 基于哑变量的湖南栎类天然林林分断面积生长模型[J]. 南京林业大学学报:自然科学版, 2018,42(2):155-162.
[13]	Pinherio J C, Bates D M. Mixed-Effects Models in S and S-PLUS[M]. New York: Spring-Verlag, 2000.
[14]	Chafa D, Concordet D. A new method for the estimation of variance matrix with prescribed zeros in nonlinear mixed effects models[J]. Statistics & Computing, 2009,19(2):129-138.
[15]	冉啟香, 邓华锋, 吕常笑, 等. 油松林分断面积与蓄积量生长模型研究[J]. 西北林学院学报, 2016,31(5):217-223.
[16]	李杨, 亢新刚. 长白山云冷杉针阔混交林林木空间利用率混合模型[J]. 北京林业大学学报, 2020,42(5):71-79.
[17]	李希菲, 唐守正, 王松林. 大岗山实验局杉木人工林可变密度收获表的编制[J]. 林业科学研究, 1988(4):382-389.
[18]	Sharma M, Parton J. Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach[J]. Forest Ecology and Management, 2007,249(3):187-198. doi: 10.1016/j.foreco.2007.05.006
[19]	Pandhard X, Samson A. Extension of the SAEM algorithm for non-linear mixed models with 2 levels of random effects[J]. Biostatis-tics, 2009,10(1):121-135.
[20]	刘飞虎. 基于林层效应的湖南栎类次生林断面积生长模型研究[D]. 长沙: 中南林业科技大学, 2020.

因子	断面积(G)/(m²/hm²)	年龄(Age)/a	密度指数(SDI)	单位面积株数(N)/株/hm²)	海拔(HB)/m
平均值	26.78	18	2079	2580	469
标准差	8.95	3	974	1000	268
最小值	9.63	11	969	780	49
最大值	52.91	27	5536	5175	1250

立地因子	符号	等级划分
海拔	HB	100m为一级
坡度	PD	缓坡	斜坡	陡坡	急坡	险坡
坡位	PW	上坡	中坡	下坡
坡向	PX	阳坡	阴坡
土壤类型	TL	红壤	黄壤	山地黄壤
土壤厚度	TH	薄	中	厚

因子组	平方和	自由度	均方	F值	Pr>F	备注
HB	1182.38	11	107.49	2.12	0.02300	显著
PD	966.22	4	241.55	4.77	0.00128	显著
PW	461.26	2	230.63	4.56	0.01228	显著
PX	11.75	1	11.74	0.23	0.63084	不显著
TH	730.34	2	365.17	7.21	0.00108	显著
TL	1196.30	2	598.15	11.82	0.00002	显著

模型	a	b	c	d	q	w	R²	P/%	MAE	RMSE
M1	12.455	473.41	0.8146	—	—	—	0.6376	97	3.61	4.85
M2	20.551	472.66	0.3863	—	—	—	0.2187	95	6.16	8.01
M3	19.143	9.3464	0.8945	—	—	—	0.7118	97	3.63	4.86
M4	33.455	9.9705	0.4674	—	—	—	0.2982	95	5.76	7.59
M5	1.4039	-17.978	0.8222	0.8792	-0.3722	33.868	0.7636	97	3.08	4.40
M6	1.7490	-20.861	0.0382	8.3653	-0.3535	34.106	0.4226	95	5.12	6.88
M7	2.9448	-9.9929	0.9145	10.881	—	—	0.7119	97	3.62	4.86
M8	61.762	0.0088	1.3313	—	—	—	0.7014	97	3.84	4.95

随机效应	添加位置	a	b	c	d	q	w	AIC	BIC	R²
ST	a	1.205	-13.66	0.731	2.906	0.175	22.03	877.41	901.49	0.8857
ST	b	1.254	-14.49	0.772	2.324	0.035	24.29	877.91	901.99	0.8794
ST	c	1.212	-13.81	0.762	2.566	0.119	22.90	872.41	896.50	0.8951
ST	d	1.286	-15.12	0.818	1.686	-0.091	26.51	873.88	897.97	0.8871
ST	q	1.256	-14.68	0.749	2.594	0.044	24.62	879.17	903.26	0.8785
ST	w	1.306	-15.57	0.786	2.037	-0.099	27.07	879.65	903.74	0.8713

基于立地因子的杉木人工林断面积生长混合效应模型研究

Research on Growth Mixed Effect Model for Basal Area of Cunninghamia lanceolata Plantation Based on Site Factors

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

随机效应	添加位置	a	b	c	d	q	w	AIC	BIC	R²
STG	a	1.009	-10.04	0.573	5.879	0.790	10.76	750.45	774.53	0.9200
STG	b	1.001	-9.711	0.560	6.431	0.856	8.837	754.69	778.77	0.9175
STG	c	1.166	-12.41	0.613	5.298	0.359	17.33	749.40	770.48	0.9202
STG	d	1.127	-11.53	0.621	5.426	0.463	14.85	773.59	797.67	0.9056
STG	q	1.044	-10.56	0.560	6.097	0.724	11.68	751.93	776.01	0.9192
STG	w	0.995	-9.508	0.551	6.564	0.883	8.126	758.42	782.51	0.9156

[1]	黎书会, 吴艳, 孙志东, 王彩, 廖莉莉, 陈继恩, 肖学军, 沈俊华. 基于熵权法的6种树种树皮抗火性研究[J]. 林草资源研究, 2024, 0(1): 41-47.
[2]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[3]	袁扬, 曾兵, 王胤晨, 赵恬, 邓梦青, 杨玲, 廖艳. 贵州不同地区盐麸木表型性状遗传多样性分析[J]. 林业资源管理, 2023, 0(4): 107-114.
[4]	杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.
[5]	闫保银, 姜文龙, 范俊俊, 项铮, 黄俊. 基于LiDAR技术的杉木人工林碳储量估算研究[J]. 林业资源管理, 2023, 0(3): 134-139.
[6]	蓝肖, 郝海坤, 黄开勇, 陈琴, 戴俊, 程琳, 陈仕昌. 杉木人工林生物量分布特征及其碳计量参数[J]. 林业资源管理, 2023, 0(2): 50-56.
[7]	黄孝发, 张伟, 岑巨延, 吴国欣, 黄淑莹. 广西杉木立木材积模型优化筛选研究[J]. 林业资源管理, 2022, 0(6): 61-67.
[8]	晏姝, 邓厚银, 胡德活, 王润辉, 韦如萍, 郑会全, 邹奕华, 陈夏薇. 粤北生态公益林区杉木纯林与混交林的综合质量评价研究[J]. 林业资源管理, 2022, 0(5): 69-75.
[9]	焦洁洁, 李领寰, 汪建民, 孙杰杰, 吴初平, 姚良锦, 王志高, 袁位高. 午潮山杉阔混交林种子雨与土壤种子库特征研究[J]. 林业资源管理, 2022, 0(4): 28-35.
[10]	曾伟生. 东北落叶松林碳储量生长模型研建及固碳能力分析[J]. 林业资源管理, 2022, 0(1): 18-23.
[11]	曾伟生. 森林蓄积量和生物量多元混合模型研建[J]. 林业资源管理, 2021, 0(6): 23-28.
[12]	罗蜜, 黄昌谋, 韩华, 黄敏球, 宁剑, 潘波, 曹继钊. 袋控缓释肥对桉树和杉木人工林生长及土壤理化性质的影响[J]. 林业资源管理, 2021, 0(5): 104-111.
[13]	贺鹏, 陈振雄, 刘宪钊. 湖南省马尾松和杉木林分断面积生长模型构建[J]. 林业资源管理, 2021, 0(5): 56-61.
[14]	龙飞, 岳彩荣, 金京, 李春干, 罗洪斌, 徐婉婷. 机载LiDAR数据的林分胸高断面积反演研究[J]. 林业资源管理, 2021, 0(5): 62-69.
[15]	李志明. 基于分层的19a生半天然杉阔混交林特征分析[J]. 林业资源管理, 2020, 0(6): 123-127.

聚类数	聚类精度/%	聚类数	聚类精度/%
1	0.0	4	86.5
2	52.9	5	91.0
3	77.2