基于Greenlab杉木结构-功能模型的研究

发布时间：2021-06-24 00:02

　　树木的冠幅大小和结构能够影响树木的生长活力,并且对其生产力具有决定性作用,它也是树木进行光合作用、呼吸作用、蒸腾作用等一系列生理活动的主要部位,这使树冠对树木的各种效益（如社会效益和生态效应）有着至关重要的作用。本文在Greenlab结构-功能模型的基础上,建立相关形态结构的模型,为实现树木的可视化,了解树冠的构型,选择合适的森林经营措施提供了基础。本文以福建省将乐国有林场杉木林（人工林）为研究对象,基于前期对其采集和观测的解析木、叶片、枝条因子数据,建立了杉木叶面积模型,分析了杉木一级枝、二级枝枝条垂直分布情况,并构建了杉木一级枝,二级枝枝条数量模型。并且将杉木一级枝长度、基径模型与树高、胸径子模型耦合,建立杉木一级枝基径与长度的动态模型。结果表明:（1）本文通过比较建立的杉木叶面积-叶片形状属性以及叶面积-叶片干重的回归模型,得出杉木叶面积最优模型是叶面积-叶片干重回归模型;即叶面积与叶片干重呈正比。并对三种计算比叶面积的方法进行了对比,得出最优计算比叶面积的方法是最小二乘法,杉木的比叶面积是28.3648cm2/g。（2）本研究利用一般线性回归模型、Poisson回归模型和负二项... 

【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图３．２模型１，２，?３，?４．，?５，?６，?７残差图??Ｆｉｇｕｒｅ?３．２?Ｍｏｄｅｌ?１，２，?３，?４．，?５，?６，?７?Ｒｅｓｉｄｕａｌ?Ｄｉａｇｒａｍｓ??

中表现最差，分别为６．９３２０，?６．８６８０；模型９的Ｅｌ，Ｅ２在三种模型中表现最差，??分别为２６．０９１２，?－３５．１２９８。所以在三个模型中，模型１０的预测精度最高。??绘制模型８，?９，?１０的残差图，分析观察各模型的残差分布（图３．３）。??１８??

拟合的一级枝数量预测模型，残差均须分布在－１０到５之间，没有异方差。??根据杉木树高模型（模型３），绘制树高实测值和预测值之间的一元线性回归??图（图４．１），从此图中可以看出树高的实测值和预测值分布较均匀，线性关系模??型明显。决定系数为０．９７７９，斜率为０．９４８７接近１，截距２．７２，因为在实测过程??中对树高的观测有一定误差，在可接受范围内。模型３拟合所得杉木树高模型比??较接近实测值，预测效果较好，进一步证实了拟合的模型３有较高的准确性。??表４．３最优树高子模型的验证??Ｔａｂｌｅ４．３?Ｖｅｒｉｆｉｃａｔｉｏｎ?ｏｆ?Ｏｐｔｉｍａｌ?Ｔｒｅｅ?ｈｉｇｈ?Ｍｏｄｅ??模型编号?Ｅｌ％?Ｅ２％?Ｅ３％?ＭＳＥ?？％??３?１．２３?０．７８?２．５６?２．７２?９８．１２??６?１２０??４?？?１００?—?／??？?？?预?８０??残?２」？？?？?？?？?测?６０?Ｊ：??差?０??１?值?４〇?．?ｙ＊＂７＝０．９４７８ｘ?＋２．７２０２??０?ＩＱ?？妒?＊?３０?２０?Ｒ２?＝?０．９７７９??〇??？—．…．：?????４?？?０?５０?１００?１５０??＇?树髙观测值?树髙观测值??图４．１杉木最优树高模型验证??Ｆｉｇ．４．１?Ｖｅｒｉｆｉｃａｔｉｏｎ?ｏｆ?ｔｈｅ?Ｏｐｔｉｍｕｍ?Ｔｒｅｅ?Ｈｅｉｇｈｔ?Ｍｏｄｅｌ?ｏｆ?Ｃｕｎｎｉｎｇｈａｍｉａ?ｌａｎｃｅｏｌｒｄＶｄ??２５??


本文编号：3245926