北京市树高胸径回归模型研建及一元立木材积表检验

doi:10.13466/j.cnki.lyzygl.2021.03.010

林业资源管理 ›› 2021›› Issue (3): 62-66.doi: 10.13466/j.cnki.lyzygl.2021.03.010

北京市树高胸径回归模型研建及一元立木材积表检验

蒲莹(), 曾伟生(), 阳帆

国家林业和草原局调查规划设计院,北京 100714

收稿日期:2021-03-23 修回日期:2021-04-23 出版日期:2021-06-28 发布日期:2021-08-04
通讯作者: 曾伟生
作者简介:蒲莹(1977-),女,甘肃天水人,高工,主要从事森林资源调查监测工作。Email: puying@263.com
基金资助:
国家财政专项“森林资源监测与评价”(2130207)

Tree Height-Diameter Regression Models Development and One-Variable Tree Volume Tables Examination in Beijing

PU Ying(), ZENG Weisheng(), YANG Fan

Academy of Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China

Received:2021-03-23 Revised:2021-04-23 Online:2021-06-28 Published:2021-08-04
Contact: ZENG Weisheng

摘要/Abstract

摘要：

利用北京市14 074株测高样木数据,以二元立木材积估计值为基础,研建北京市13个树种组的树高胸径回归模型,建立新的一元立木材积表,并对新老2套一元材积表的估计误差进行检验和评价。结果显示:现行13个树种组的一元立木材积表对总体蓄积量的估计误差为-1.14%,对各个树种组的蓄积量估计误差在-36.59%~47.76%之间,有11个树种组的一元材积表已超出±5%的允许误差范围;新建13个树种组的一元立木材积表,其平均预估误差(MPE)都在5%以内,总体相对误差(TRE)和平均系统误差(ASE)都在±1%以内。研究表明:北京市13个树种组的老一元立木材积表仅有2个尚能继续使用,其他11个需要修正或更新;新建13个树种组的一元立木材积表,能满足林业行业标准的精度要求。

关键词: 一元材积表, 树高曲线, 材积估计, 模型检验, 北京市

Abstract:

Using the height data of 14 074 sample trees in Beijing,and taking the volume estimates from two-variable tree volume tables as the base,the tree height-diameter regression models and one-variable tree volume tables/equations for 13 tree species were developed,and prediction errors of new and old one-variable tree volume tables were examined and evaluated.The results showed that the relative error (RE) of total volume estimate predicted by the current one-variable tree volume tables for 13 tree species was -1.14%,and the REs of species-specific volume estimates were between -36.59%~47.76%,where the one-variable volume tables for 11 tree species have exceeded the allowable error ±5%;the mean prediction errors (MPE) of new one-variable tree volume equations for 13 tree species were all less than 5%,the total relative errors (TRE) and average systematic errors (ASE) were all within ±1%.The study concluded that only 2 of the 13 old one-variable tree volume tables can be applied,while the other 11 volume tables needed to be revised or updated;and the one-variable tree volume tables developed in this study for 13 tree species met the precision requirement of ministerial standard in forestry.

Key words: one-variable volume table, tree height curve, volume estimation, model examination, Beijing

中图分类号:

S758.5

蒲莹, 曾伟生, 阳帆. 北京市树高胸径回归模型研建及一元立木材积表检验[J]. 林业资源管理, 2021,(3): 62-66.

PU Ying, ZENG Weisheng, YANG Fan. Tree Height-Diameter Regression Models Development and One-Variable Tree Volume Tables Examination in Beijing[J]. FOREST RESOURCES WANAGEMENT, 2021,(3): 62-66.

图/表 5

表1

表2

表3

表4

图1

参考文献 11

[1]	LY 208—77,立木材积表[S].
[2]	常昆. 导算一元立木材积表的技术方法[J]. 林业调查规划, 1977(1):1-10.
[3]	辛文荣, 林建方, 张海凤. 关于青海省立木一元材积表的使用问题[J]. 青海农林科技, 1996(4):45-47.
[4]	曾伟生. 国家森林资源连续清查中的材积估计问题探讨[J]. 中南林业调查规划, 2007, 26(2):1-3.
[5]	杜德鱼. 一元立木材积表的适用精度检验方法探讨[J]. 林业资源管理, 2017(5):35-38.
[6]	李晖, 曾伟生. 不同区域落叶松二元立木材积表的检验及差异分析[J]. 林业科学, 2016, 52(6):157-162.
[7]	曾伟生. 我国主要树种二元立木材积表的检验[J]. 林业资源管理, 2018(5):35-41.
[8]	魏建祥, 曾伟生. 论北京市一元立木材积表的数式化方法[J]. 林业资源管理, 2009(6):44-45.
[9]	曾伟生, 唐守正. 立木生物量模型的优度评价和精度分析[J]. 林业科学, 2011, 47(11):106-113.
[10]	LY/T 2414—2015,一元立木材积表编制技术规程[S].
[11]	GB/T 38590—2020,森林资源连续清查技术规程[S].

序号	树种组	样木数/株	胸径/cm	树高/m
1	落叶松	119	5.0~36.5	2.9~19.7
2	油松	1649	5.0~41.0	2.0~18.3
3	侧柏	1350	5.0~30.2	1.4~14.8
4	栎树	2601	5.0~66.8	2.5~18.5
5	桦木	550	5.0~44.2	2.5~21.0
6	榆树	927	5.0~42.5	2.5~18.2
7	刺槐	998	5.0~45.2	2.0~22.0
8	杨树	968	5.0~71.4	3.1~33.2
9	山杨	192	5.0~51.9	3.1~20.0
10	柳树	232	5.0~48.4	3.0~19.0
11	经济树种	166	5.0~58.3	2.5~ 9.5
12	其他硬阔	2180	5.0~52.2	1.9~18.2
13	其他软阔	2142	5.0~46.1	2.0~23.3

序号	树种组	二元材积公式参数			树高曲线参数
序号	树种组	a	b	c	c₀	c₁	c₂
1	落叶松	0.000053403	1.80807	1.07242	19.61470	0.01409	0.43246
2	油松	0.000066492	1.86556	0.93769	9.28556	0.21929	3.40051
3	侧柏	0.000091972	1.86398	0.83157	4.29895	0.45807	4.32085
4	栎树	0.000057469	1.91556	0.92660	10.01030	0.15553	1.78838
5	桦木	0.000062324	1.82558	0.97749	12.58410	0.12040	1.67084
6	榆树	0.000057469	1.91556	0.92660	28.82340	0.02159	0.75072
7	刺槐	0.000071182	1.94149	0.81487	13.72510	0.13098	1.81821
8	杨树	0.000065768	1.94106	0.84929	32.59870	0.01307	0.65064
9	山杨	0.000065768	1.94106	0.84929	22.12570	0.07204	1.37380
10	柳树	0.000057469	1.91556	0.92660	406.53200	0.00048	0.74104
11	经济树种	0.000057469	1.91556	0.92660	10.01740	0.29215	4.29635
12	其他硬阔	0.000057469	1.91556	0.92660	19.48760	0.04081	0.80135
13	其他软阔	0.000057469	1.91556	0.92660	16.96020	0.05504	0.93200

序号	树种组	模型评价指标						树高曲线参数
序号	树种组	R²	SEE	TRE	ASE	MPE	MPSE	c₀	c₁	c₂
1	落叶松	0.973	0.028	0.14	-0.17	3.59	21.23	30.764	0.02667	0.98574
2	油松	0.921	0.030	-0.23	0.20	1.82	22.32	32.335	0.01328	0.83823
3	侧柏	0.951	0.009	-0.34	-0.31	1.49	14.56	23.555	0.01334	0.64379
4	栎树	0.875	0.047	-0.80	0.03	1.95	20.14	12.270	0.06704	0.86862
5	桦木	0.953	0.029	-0.19	0.55	3.49	18.03	29.008	0.01844	0.76355
6	榆树	0.937	0.024	-0.34	-0.02	2.99	18.84	19.290	0.03232	0.79656
7	刺槐	0.955	0.032	-0.26	-0.17	2.01	16.51	274.420	0.00034	0.64875
8	杨树	0.962	0.105	-0.15	-0.28	1.41	13.95	23.572	0.05428	1.05775
9	山杨	0.979	0.025	-0.13	-0.28	3.15	15.89	19.637	0.05773	0.92914
10	柳树	0.878	0.072	-0.64	-0.14	4.87	19.13	13.943	0.15539	2.81866
11	经济树种	0.980	0.015	-0.29	-0.18	3.90	16.39	7.337	0.05790	0.46566
12	其他硬阔	0.910	0.037	-0.44	-0.08	2.11	19.18	14.053	0.04732	0.72648
13	其他软阔	0.922	0.027	-0.39	0.11	2.41	21.04	23.397	0.02037	0.77160

序号	树种组	相对误差RE/%		序号	树种组	相对误差RE/%
序号	树种组	老材积式	新材积式	序号	树种组	老材积式	新材积式
0	合计	-1.14	0.35	7	刺槐	3.54	0.26
1	落叶松	-19.74	-0.14	8	杨树	-10.78	0.15
2	油松	-9.42	0.24	9	山杨	7.47	0.13
3	侧柏	-36.59	0.34	10	柳树	22.85	0.64
4	栎树	-4.36	0.80	11	经济树种	47.76	0.29
5	桦木	-15.41	0.19	12	其他硬阔	23.14	0.44
6	榆树	21.97	0.34	13	其他软阔	13.37	0.39

[1]	曾伟生, 杨学云. 我国一元立木材积表基本现状分析与估计误差检验[J]. 林业资源管理, 2023, 0(2): 43-49.
[2]	张峰. 大型赛事的林业碳中和实践——以北京冬奥会碳中和造林项目为例[J]. 林业资源管理, 2022, 0(5): 1-6.
[3]	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.
[4]	张峰, 彭祚登. 北京市森林碳储量和碳汇经济价值研究[J]. 林业资源管理, 2021, 0(6): 52-58.
[5]	田意, 吴宏炜, 张伟志, 黄光灿, 庄崇洋, 江希钿. 福州市米槠林分相容性胸径生长模型和树高曲线模型研究[J]. 林业资源管理, 2020, 0(4): 44-49.
[6]	曾伟生. 总体与林分水平的树高-胸径模型对蓄积量估计的影响分析[J]. 林业资源管理, 2019, 0(6): 38-41.
[7]	覃阳平, 李华, 李永亮, 张成程, 王蒙. 云南省主要针叶树种树高曲线模型研建[J]. 林业资源管理, 2019, 0(4): 46-51.
[8]	杜德鱼. 一元立木材积表的适用精度检验方法探讨[J]. 林业资源管理, 2017, 0(5): 35-38.
[9]	朱光玉, 罗小浪. 湖南栎类天然混交林优势木树高曲线哑变量模型研究[J]. 林业资源管理, 2017, 0(4): 22-29.
[10]	高永龙. 工程建设征地林木补偿评估方法的应用探讨——以北京市为例[J]. 林业资源管理, 2017, 0(2): 8-11.
[11]	张焱, 舒清态, 徐云栋, 李圣娇, 王永刚. 香格里拉高山松天然林最优树高曲线研究[J]. 林业资源管理, 2016, 0(1): 46-51.
[12]	宋继琴. 北京市大兴区樟子松引种栽培试验[J]. 林业资源管理, 2013, 0(5): 108-112.
[13]	李婷婷, 郑小贤. 一元材积表与一元出材率表的相关性分析——以福建省永安市尾叶桉为例[J]. 林业资源管理, 2010, 0(2): 69-72.
[14]	魏建祥, 曾伟生. 论北京市一元立木材积表的数式化方法[J]. 林业资源管理, 2009, 0(6): 44-45.
[15]	逯进生. 北京市退耕还林成效分析及成果巩固策略[J]. 林业资源管理, 2009, 0(5): 44-49.

北京市树高胸径回归模型研建及一元立木材积表检验

Tree Height-Diameter Regression Models Development and One-Variable Tree Volume Tables Examination in Beijing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 11

相关文章 15

编辑推荐

Metrics

本文评价