基于混合效应模型及EBULP预测杉木林分生长过程
发布时间：2020-08-07 15:23
【摘要】：林分生长模型作为林分生长收获预估模型的重要组成部分,其预测的准确性对森林经营管理意义重大。本文的研究材料为杉木人工林,试验区位于福建省将乐国有林场,结合解析木和标准地调查数据,分别构建杉木树高生长模型、林分断面积生长模型和材积生长模型,分别利用最小二乘法、贝叶斯法和非线性混合效应模型,探究EBLUP预测方法,并研究分析三种建模方法在构建模型时的特点。(1)树高生长过程:利用建模数据,首先对5个生长方程运用非线性最小二乘法进行拟合,选出拟合效果最好的模型作为基础模型,利用解析木数据构建树高生长混合模型。以单株树木作为随机效应,通过变换混合效应参数个数,利用R软件选择赤池信息准则(AIC),贝叶斯信息规则(BIC)值最小,对数似然值(Loglik)最大的模型作为最优模型。采用经验线性无偏最优预测法(EBLUP),利用构建的最优模型来探究预测的特点。结果表明:Weibull方程中,最优混合模型为β1、β2和β3同时作为混合效应参数时的模型。进行预测时,观测次数相同时,延长观测间隔能够降低预测误差,提高预测精度;观测间隔相同时,增加观测次数,预测精度会提高。(2)林分断面积:利用Schumacher方程的两种变化形式,选取最佳拟合模型作为基础模型,以样木和样地作为随机效应,通过变换混合效应参数个数,利用R软件选择AIC,BIC值最小,对数似然值(Loglik)最大的模型作为最优模型。同时选择贝叶斯法拟合来比较模拟效果。结果表明:chumacher方程形式2中,最优混合模型是当以a0、a2和a5作为混合效应参数时的模型。利用贝叶斯法的模型比传统模型略好,其预测性能比传统模型好。(3)材积生长过程:对5个生长方程运用非线性最小二乘法进行拟合,选出拟合最佳模型作为基础模型,利用解析木数据构建材积生长混合模型。以单株树木作为随机效应,通过变换混合效应参数个数,利用R软件选择AIC,贝叶斯信息规则(BIC)值最小,对数似然值(Loglik)最大的模型作为最优模型。同时运用贝叶斯法建模进而比较不同方法的差别。结果表明:Korf方程中,最优混合模型是以β2和β3同时作为混合效应参数时的模型。贝叶斯模型和传统模型差异不显著。(4)三种方法中,混合模型最优,但结构较复杂。贝叶斯法不是将模型参数固定而是看成随机,这更好符合了树木生长的实际,预测可靠性更高,但是较依赖于先验分布,有信息的先验分布能更好的估计模型参数。传统模型建立简单,使用起来方便快捷,但是在精度上略低。
【学位授予单位】：北京林业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S791.27
【图文】：
图１－１研[偧际趼废咤义希疲椋纾澹保卞澹裕瑁邋澹颍澹螅澹幔颍悖桢澹簦澹悖瑁睿椋悖幔戾澹颍铮酰簦邋义
本文编号：2784170
【学位授予单位】：北京林业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S791.27
【图文】：
图１－１研[偧际趼废咤义希疲椋纾澹保卞澹裕瑁邋澹颍澹螅澹幔颍悖桢澹簦澹悖瑁睿椋悖幔戾澹颍铮酰簦邋义
本文编号：2784170
本文链接：https://www.wllwen.com/nykjlw/lylw/2784170.html
