湖南省马尾松和杉木林分断面积生长模型构建

doi:10.13466/j.cnki.lyzygl.2021.05.008

林业资源管理 ›› 2021›› Issue (5): 56-61.doi: 10.13466/j.cnki.lyzygl.2021.05.008

湖南省马尾松和杉木林分断面积生长模型构建

贺鹏¹(), 陈振雄¹, 刘宪钊²()

1.国家林业和草原局中南调查规划设计院,长沙 410004
2.中国林业科学研究院资源信息研究所国家林业和草原局森林经营与生长模拟重点实验室,北京 100091

收稿日期:2021-08-19 修回日期:2021-10-08 出版日期:2021-10-28 发布日期:2021-11-29
通讯作者: 刘宪钊
作者简介:贺鹏(1988-),男,湖南湘潭人,工程师,主要从事森林资源调查和监测及林业数表编制等方面的工作。Email: hepeng19880407@163.com
基金资助:
国家重点研发计划子课题“经营措施对南亚热带马尾松人工林地力维持机制研究”(2016YFD060020501)

Developing Stand Basal Area Growth Models for Pinus massoniana and Cunninghamia lanceolata in Hunan Province

HE Peng¹(), CHEN Zhenxiong¹, LIU Xianzhao²()

1. Central South Inventory and Planning Institute of National Forestry and Grassland Administration,Changsha 410004,China
2. Key Laboratory of Forest Management and Growth Modelling,National Forestry and Grassland Administration,Research Institute of Forest Resources Information Techniques,Chinese Academy of Forestry,Beijing 100091,China

Received:2021-08-19 Revised:2021-10-08 Online:2021-10-28 Published:2021-11-29
Contact: LIU Xianzhao

摘要/Abstract

摘要：

构建湖南省马尾松和杉木林分断面积生长模型,为森林可持续经营提供基础生长数据。利用湖南省838块马尾松和1 484块杉木样地数据,从9个具有生物学意义的备选模型中选出一个最优基础模型。以树种、立地等级和起源作为哑变量,构建统一的林分断面积生长模型。结果显示:马尾松和杉木林分断面积最优生长模型都是Richards形式的模型,决定系数分别为0.985和0.987;引入树种、立地等级和起源作为哑变量后,与基础模型相比,断面积生长模型拟合精度都有提高,决定系数提高到0.992,均方根误差下降到0.682。研究表明:带树种、立地等级和起源的哑变量模型能同时反映马尾松和杉木林分断面积生长规律,这样既减少了建模工作量,又提供了不同林分合并建模的方法;湖南省杉木林分断面积生长上限值高于马尾松;相同林分密度条件下,马尾松和杉木的生长速率均随着立地质量的下降而降低。

关键词: 断面积生长模型, 哑变量, 马尾松, 杉木, Richards方程

Abstract:

Developing the stand basal area growth models for Pinus massoniana and Cunninghamia lanceolata in Hunan Province was a data support measure for forest sustainable management.Based on the data of 838 plots of Pinus massoniana and 1 484 plots of Cunninghamia lanceolata in Hunan province,an optimal basic model was selected from 9 candidate models with biological significance.Taking species,site class and stand origin as dummy variable,the stand basal area growth model was constructed.The results showed that the optimal fitting models of Pinus massoniana and Cunninghamia lanceolata were in the form of Richards,with corresponding coefficients of determination at 0.985 and 0.987,respectively.Compared with the basic model,the fitting accuracy of the stand basal area growth model was improved after introducing dummy variable such as species,site class and stand origin,with a R² at 0.992 and a RMSE dropping to 0.682.Conclusions:The growth pattern of stand basal for Pinus massoniana and Cunninghamia lanceolata in Hunan province can be reflected by the model with species and site class and stand origin as dummy variable,which reduced the workload of computation and provided a method for integrating different forest stands.The limit value of stand basal area for Cunninghamia lanceolata was higher than that for Pinus massoniana.Furthermore,in the same stand density,the growth rate of stand basal area for Pinus massoniana and Cunninghamia lanceolata both decreased with the decrease of site quality.

Key words: growth model of basal area, dummy variable, Pinus massoniana, Cunninghamia lanceolata, Richards equation

中图分类号:

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,(5): 56-61.

HE Peng, CHEN Zhenxiong, LIU Xianzhao. Developing Stand Basal Area Growth Models for Pinus massoniana and Cunninghamia lanceolata in Hunan Province[J]. FOREST RESOURCES WANAGEMENT, 2021,(5): 56-61.

图/表 7

表1

表2

表3

表4

表5

图1

表6

参考文献 19

[1]	杜纪山. 林木生长和收获预估模型的研究动态[J]. 世界林业研究, 1999, 12(4):19-22.
[2]	Fu L, Sharma R P, Zhu G, et al. A basal area increment-based approach of site productivity evaluation for multi-aged and mixed forests[J]. Forests, 2017, 8(4):1-18. doi: 10.3390/f8010001
[3]	王冬至, 张冬燕, 张志东, 等. 塞罕坝华北落叶松人工林断面积预测模型[J]. 北京林业大学学报, 2017, 14(7):10-17.
[4]	Pienaar L V, Shiver B D. An analysis and models of basal area growth in 45-year-old unthinned and thinned slash pine plantation plots[J]. Forest Science, 1984, 30(4):933-942.
[5]	颜伟, 段光爽, 王一涵, 等. 河南省栎类和杨树林分断面积和蓄积生长模型构建[J]. 北京林业大学学报, 2019, 41(6),55-61.
[6]	姚丹丹, 雷相东, 张则路. 基于贝叶斯法的长白落叶松林分优势高生长模型研究[J]. 北京林业大学学报, 2015, 12(3):94-100.
[7]	李春明. 利用非线性混合模型进行杉木林分断面积生长模拟研究[J]. 北京林业大学学报, 2009, 6(1):44-49.
[8]	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.
[9]	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.
[10]	杜纪山, 唐守正. 林分断面积生长模型研究评述[J]. 林业科学研究, 1997, 10(6):599-606.
[11]	郭艳荣, 吴保国, 刘洋, 等. 立地质量评价研究进展[J]. 世界林业研究, 2012, 25(5):47-52.
[12]	Skovsgaard J P, Vanclay J K. Forest site productivity:a review of spatial and temporal variability in natural site conditions[J]. Forestry, 2013, 86(3):305-315. doi: 10.1093/forestry/cpt010
[13]	国家林业和草原局. 中国森林资源报告[M].中国林业出版社, 2019.
[14]	刘洵, 曾思齐, 龙时胜, 等. 湖南省栎类天然次生林胸径地位指数表研制[J]. 森林与环境学报, 2019, 39(3):265-272.
[15]	李海奎, 法蕾. 基于分级的全国主要树种树高-胸径曲线模型[J]. 林业科学, 2011, 47(10):83-90.
[16]	雷相东, 符利勇, 李海奎, 等. 基于林分潜在生长量的立地质量评价方法与应用[J]. 林业科学, 2018, 54(12):116-126.
[17]	孟宪宇. 测树学[M]. 北京: 中国林业出版社, 2006.
[18]	段光爽, 李学东, 冯岩, 等. 华北落叶松天然次生林树高曲线的混合效应模型[J]. 南京林业大学学报:自然科学版, 2018, 42(2):163-169.
[19]	唐守正. 统计和生物数学模型计算[M]. 北京: 科学出版社, 2009.

树种	起源	样地个数/块	林龄/a	林分密度指数/ (株/hm²)	林分断面积/ (m²/hm²)	林分平均高 /m
马尾松 Pinus massoniana	1	646	21(7)	406(224)	10.46(6.16)	9.3(3.1)
马尾松 Pinus massoniana	2	192	18(7)	373(205)	9.50(5.59)	8.4(3.1)
杉木 Cunninghamia lanceolata	1	325	19(7)	384(230)	9.76(6.15)	8.7(2.3)
杉木 Cunninghamia lanceolata	2	1159	18(8)	512(314)	13.19(8.83)	8.8(2.6)

模型	表达式
Richards (M1)	$BA=a{{(1-{{\text{e}}^{-b{{\left( \frac{S}{{{S}_{0}}} \right)}^{{{}^{c}}}}\cdot Age}})}^{d}}$
Schumacher (M2)	$BA=a{{\text{e}}^{-\frac{b}{Age}}}{{\left( \frac{S}{{{S}_{0}}} \right)}^{c}}$
Schumacher (M3)	$BA={{\text{e}}^{a+\frac{b}{Age}}}{{\left( \frac{S}{{{S}_{0}}} \right)}^{c+\frac{d}{Age}}}$
Hyperbola (M4)	$BA=\frac{a{{\left( Age\cdot S \right)}^{2}}}{{{\left( Age\cdot S+bAge+cS+d \right)}^{2}}}$
Linear(M5)	$BA={{e}^{a}}^{+bAge+cS+dAge\cdot S}$
Mitcherlich(M6)	$BA=a(1-{{\text{e}}^{-b{{\left( \frac{S}{{{S}_{0}}} \right)}^{c}}\cdot Age}})$
Korf(M7)	$BA=a{{\text{e}}^{-bAg{{e}^{-c{{\left( \frac{S}{{{S}_{0}}} \right)}^{d}}}}}}$
Gompertz(M8)	$BA=a{{\text{e}}^{-b{{\text{e}}^{-c{{\left( \frac{S}{{{S}_{0}}} \right)}^{d}}\cdot Age}}}}$
Logistic (M9)	$BA=\frac{a}{1+b{{\text{e}}^{-c{{\left( \frac{S}{{{S}_{0}}} \right)}^{d}}\cdot Age}}}$

树种	模型	参数				评价指标
树种	模型	a	b	c	d	E	RMSE	R²	TRE/%
马尾松 Pinus massoniana	M1	47.61	0.0785	5.756	0.175	0.005	0.728	0.985	0.377
	M3	4.214	-5.524	1.078	-1.484	-0.008	0.740	0.985	0.388
	M2	61.14	3.234	1.009		0.014	0.755	0.984	0.405
杉木 Cunninghamia lanceolata	M1	55.66	0.0449	7.925	0.133	0.019	0.958	0.987	0.408
	M3	4.171	-3.117	1.096	-0.834	0.002	0.985	0.986	0.431
	M2	61.23	2.050	1.049		0.024	0.997	0.986	0.441

哑变量	拟合精度指标
哑变量	AIC	BIC	RMSE	R²
a,b,c,d	8714	8768	0.882	0.987
a,b,c	8723	8770	0.886	0.987
a,b	8728	8769	0.888	0.987
a	8730	8763	0.889	0.987
b	8730	8763	0.889	0.987
c	8733	8766	0.891	0.987
d	8732	8765	0.890	0.987

哑变量			拟合精度指标
树种	立地等级	起源	AIC	BIC	RMSE	R²
a,b	a		8141	8236	0.687	0.992
a,b	b		8141	8235	0.687	0.992
a,b	a,b		8144	8293	0.686	0.992
a,b	b	a,b	8132	8307	0.681	0.992
a,b	b	a	8136	8244	0.685	0.992
a,b	b	b	8134	8264	0.682	0.992

湖南省马尾松和杉木林分断面积生长模型构建

Developing Stand Basal Area Growth Models for Pinus massoniana and Cunninghamia lanceolata in Hunan Province

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 19

相关文章 15

编辑推荐

Metrics

本文评价

[1]	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.
[2]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[3]	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.
[4]	杨深钧, 谭伟, 陈歆宇, 唐佳俊, 杨泽钧, 吴宇洁. 贵州黎平典型马尾松混交林的林分空间结构研究[J]. 林业资源管理, 2023, 0(3): 105-114.
[5]	李成, 唐代生, 贾剑波. 基于地统计分析的马尾松立地指数预估[J]. 林业资源管理, 2023, 0(3): 128-133.
[6]	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.
[7]	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.
[8]	蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.
[9]	章敏, 王健, 韩天一, 欧阳勋志, 潘萍, 刘冬冬. 基于CBM-CFS3模型的马尾松林碳密度特征及其影响因素[J]. 林业资源管理, 2022, 0(6): 44-53.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	杨学云, 曾伟生, 陈新云. 北京市主要森林类型蓄积量生物量碳储量模型研建[J]. 林业资源管理, 2021, 0(2): 124-130.
[15]	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, 0(2): 75-82.

树种	林龄/a	林分密度指数/ (株/hm²)	立地等级
树种	林龄/a	林分密度指数/ (株/hm²)	1	2	3	4	5
马尾松Pinus massoniana	20	398	0.0871	0.0832	0.0794	0.0771	0.0755
杉木1 Cunninghamia lanceolata 1	19	384	0.0842	0.0824	0.0800	0.0770	0.0746
杉木2 Cunninghamia lanceolata 2	18	512	0.1240	0.1180	0.1130	0.1080	0.1020