基于线性混合模型的红松人工林枝条大小预测模型.pdfVIP

2011 年度资源信息研究所青年论文 [9] 高志亮,余新晓.北京市松山自然保护区森林健康评价研究[J].北京林业大学学报, 2008,30(S2):127-131. 基于线性混合模型的红松人工林枝条大小预测模型 董灵波 刘兆刚 李凤日 （黑龙江哈尔滨 东北林业大学林学院 150040） 摘要：以黑龙江省东北部地区孟家岗林场 60 株人工红松 995 个标准枝数据为例，采用线性 混合效应模型理论和方法，考虑树木效应，利用 SAS 软件中的 MIXED 模块拟合红松人工 林枝条各因子（基径、枝长、着枝角度）预测模型。结果表明：当拟合枝条基径和角度模型 时，a 、a 同时作为混合参数时模型拟合效果最好；当拟合枝条长度模型时，a 、a 、a 同 0 1 0 1 2 时作为混合参数时模型拟合效果最好。把相关性结构包括复合对称结构[CS]、一阶自回归结 构[AR(1)]及一阶自回归与滑动平均结构[ARMA(1,1)]加入到枝条大小最优混合模型中，一阶 自回归矩阵模型[AR(1)]显著提高了枝条基径和角度混合模型的拟合精度，但 3 种结构均不 能提高枝条角度混合模型的精度。为了描述混合模型构建过程中产生的异方差现象，把 和 函数加入到枝条混合模型中， 函数显著提高了枝条角度混合模型的拟合效果， 函数显著提高了枝条基径和长度混合模型拟合效果，并且消除了异方差现象。模型检验结果 表明：对于红松人工林枝条大小预测模型，混合效应模型的估计精度比传统回归模型估计精 度明显提高。 关键词：红松人工林；枝条基径；枝条长度；枝条角度；线性混合模型 树冠是林木进行光合作用、呼吸作用等一系列生理活动的主要场所，其大小、结构及其 [1] 分布形式直接决定了树木的生长活力和生产力 。而作为树冠重要组成部分的一级侧枝是构 成树的骨架，它的长短及其空间排列对树冠的形状起着支配作用，定量模拟其数量、大小、 分布和生长可以很好的预测树冠动态、树木的生长和木材质量，评价和选择合理的经营措施。 目前，一些学者已经对不同树种树冠内枝条大小特征进行了研究，但建立的枝条预测模 型都集中在采用传统线性和非线性回归模型上，以林分变量（立地、密度等）、林木变量（胸 径、树高、冠长等）和着枝深度（DINC ）为自变量来直接构建枝条各变量（如基径、枝长、 着枝角度等）的预测模型[1-6] 。由于枝条数据常常有层次结构，使同一样地不同树木间具有 相关性。采用枝解析方法，使同一树木各枝条之间具有相关性。因此，这种“样地效应”或 “树木效应”使误差不满足独立同分布的假设。其次，由于样地和树木是随机选择的，所以 [7] 随机误差至少应包括样地间、树木间和树木个体内 3 个随机效应部分 。而混合模型通过规 定不同的协方差结构来表示相关的误差情况，消除了层次结构数据产生的误差相关性和异质 [8] 性，从而提高模型的预估精度并解释随机误差来源 。此方法既能反映总体的平均变化趋势， 又可以提供数据方差、协方差等多种信息来反映个体之间的差异。近年来，混合模型技术已 广泛应用于森林生长模型中[8-16]，取得了很好的拟合效果。 国外已有学者利用混合模型方法对树木枝条特征进行研究，如 Meredieu 等[17]应用线性 混合模型建立欧洲黑松（Pinus nigra ）枝条长度和角度模型；Beaulieu 等[18]采用线性混合 效应模型方法，考虑了区域、样地和单木的随机效应，建立了北美短叶松（Pinus banksiana ） [19] 2 枝条特征模型；Hein 等 采用线性混合模型方法模拟了不同密度（1600、700 和 350 株/hm ） 下挪威云杉（Picea abies