贝叶斯框架下森林生长动态经验与机理建模
发布时间：2021-11-23 21:39
森林动态预测与生长收获模型研究中,来自非控制条件下部分观测过程的信息往往需要作为统计推断的基础,诸多不可控的环境或机理因素都会导致森林调查数据与林分动态预测之间形成复杂的信息交互体系,并最终使得模型模拟与生态学推论的可靠性无法被量化评价。本研究基于贝叶斯框架下的模型构建方法将模型校正和预测中的所有要素以概率分布的方式进行处理,从而兼顾不同数据源所具有的不同观测误差和外部环境因素的随机效应,既对模型预测不确定性进行量化,又使得模拟与推论得以随信息收集而循环更新。论文分别围绕森林动态预测中的经验全林模型、经验单木模型、基于机理的生态系统碳水通量模型,在贝叶斯统计学框架下探讨数据与模型的交互关系,主要研究内容及结果如下:（1）以全林模型随数据更新为例,测试贝叶斯框架下不断循环、更新、融合的数据-模型逻辑框架,比较多源数据（不同时期不同类型林分调查数据）对林分动态预测的影响,分析模型参数与预测不确定性的变化模式。研究收集了秦岭油松林三期调查（1990、2005、2012）和三种信息类型（临时样地、固定样地、解析木）的建模数据,选取设计了一组数据信息要求较低的可变密度全林模型,基于贝叶斯信息动态...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：183 页
【学位级别】：博士
【部分图文】：
基于贝叶斯框架的模型构建与更新
西北农林科技大学博士学位论文12图2-1基于贝叶斯框架的模型构建与更新Fig.2-1ModeconstructionandupdateunderaBayesianframework图2-2基于贝叶斯框架的复杂模型逆向建模（以PRELES为例Tianetal.2020）Fig.2-2InversemodellingofcomplexsystemsunderaBayesianframework(anexampleofPRELESfromTianetal.2020)生态系统的研究是一个渐进的过程，意味着不断积累新的信息和知识。模型在此过程中至关重要，将已知的信息作为先验与未来可能得到的数据相结合，从而得到后验和预测分布（WestandHarrison1997），随着信息的积累而逐渐更新认识，这一过程即更新/预测循环（update/forecastcycle），其目的是不断吸收新的信息（Clark2007）。森林资源连续调查中，每一次调查分析结果都是下一次调查分析的最合理先验（张雄清等2014）。每当新数据获取时，模型对于未来的预测都会进行对应调整（图2-1），人们对于生态系统内部过程的理解也随机获得更新。模型更新过程中，对预测调整的幅度则与数据量的大孝数据中不确定性的高低直接相关。对于复杂过程机理模型而言，许多参数本身是基于生理学理论且在现实世界中无法或很难被观测的，且不同参数间存在相关性，模型参数估计问题是高维且不存在单一最优解。贝叶斯框架下的逆向建模可以高效协调这一复杂过程，综合利用有限数据、生理生态学先验知识，以循
?谎?啬诓煌?鎏寮涞?联系。实际上森林调查中的观测记录，由于调查设计和环境异质性等原因，观测值之间是无法保证相互独立的。第二种方法是假定每个样地都是不同的，继而每个样地都可以计算出自身的均值μp与方差σp2。这种方法是基于样地间彼此独立的假设，其缺陷在于当新的数据加入模型拟合或者预测时，以往样地的数据无法提供任何参照信息。贝叶斯层次模型的目的即为解决数据与模型的这类冲突。层次模型被设计用于描述模型参数（而非误差）的结构性变异，但实际上类似的结构也可以用于似然函数中误差分布模型的设计。图2-3模型与数据的三种结构关系。注：层次模型是介于合并和区分数据的一种折中策略。
【参考文献】：
期刊论文
[1]秦岭林区天然次生林与人工林立地质量评价[J]. 吴恒,党坤良,田相林,孙帅超,陈书军,赵鹏祥,曹田健. 林业科学. 2015(04)
[2]基于贝叶斯法估计杉木人工林树高生长模型[J]. 张雄清,张建国,段爱国. 林业科学. 2014(03)
[3]不同林分起源的相容性生物量模型构建[J]. 符利勇,雷渊才,孙伟,唐守正,曾伟生. 生态学报. 2014(06)
[4]蒙古栎林全林整体生长模型及其应用[J]. 洪玲霞,雷相东,李永慈. 林业科学研究. 2012(02)
[5]利用树冠竞争因子确定同龄间伐林分的断面积生长过程[J]. 唐守正,杜纪山. 林业科学. 1999(06)
[6]度量误差模型及其应用[J]. 唐守正,张淑梅. 生物数学学报. 1998(02)
[7]湿地松人工林间伐效果初步研究[J]. 吴际友,龙应忠,童方平,余格非,胡蝶梦. 林业科学研究. 1995(06)
[8]用全林整体模型计算林分纯生长量的方法及精度分析[J]. 唐守正,李希菲. 林业科学研究. 1995(05)
[9]由全林整体生长模型推导林分密度控制图的方法[J]. 洪玲霞. 林业科学研究. 1993(05)
[10]火地塘教学实验林场森林资源的数据分析及经营对策[J]. 李悦黎,杜纪山. 西北林学院学报. 1993(03)
本文编号：3514687
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：183 页
【学位级别】：博士
【部分图文】：
基于贝叶斯框架的模型构建与更新
西北农林科技大学博士学位论文12图2-1基于贝叶斯框架的模型构建与更新Fig.2-1ModeconstructionandupdateunderaBayesianframework图2-2基于贝叶斯框架的复杂模型逆向建模（以PRELES为例Tianetal.2020）Fig.2-2InversemodellingofcomplexsystemsunderaBayesianframework(anexampleofPRELESfromTianetal.2020)生态系统的研究是一个渐进的过程，意味着不断积累新的信息和知识。模型在此过程中至关重要，将已知的信息作为先验与未来可能得到的数据相结合，从而得到后验和预测分布（WestandHarrison1997），随着信息的积累而逐渐更新认识，这一过程即更新/预测循环（update/forecastcycle），其目的是不断吸收新的信息（Clark2007）。森林资源连续调查中，每一次调查分析结果都是下一次调查分析的最合理先验（张雄清等2014）。每当新数据获取时，模型对于未来的预测都会进行对应调整（图2-1），人们对于生态系统内部过程的理解也随机获得更新。模型更新过程中，对预测调整的幅度则与数据量的大孝数据中不确定性的高低直接相关。对于复杂过程机理模型而言，许多参数本身是基于生理学理论且在现实世界中无法或很难被观测的，且不同参数间存在相关性，模型参数估计问题是高维且不存在单一最优解。贝叶斯框架下的逆向建模可以高效协调这一复杂过程，综合利用有限数据、生理生态学先验知识，以循
?谎?啬诓煌?鎏寮涞?联系。实际上森林调查中的观测记录，由于调查设计和环境异质性等原因，观测值之间是无法保证相互独立的。第二种方法是假定每个样地都是不同的，继而每个样地都可以计算出自身的均值μp与方差σp2。这种方法是基于样地间彼此独立的假设，其缺陷在于当新的数据加入模型拟合或者预测时，以往样地的数据无法提供任何参照信息。贝叶斯层次模型的目的即为解决数据与模型的这类冲突。层次模型被设计用于描述模型参数（而非误差）的结构性变异，但实际上类似的结构也可以用于似然函数中误差分布模型的设计。图2-3模型与数据的三种结构关系。注：层次模型是介于合并和区分数据的一种折中策略。
【参考文献】：
期刊论文
[1]秦岭林区天然次生林与人工林立地质量评价[J]. 吴恒,党坤良,田相林,孙帅超,陈书军,赵鹏祥,曹田健. 林业科学. 2015(04)
[2]基于贝叶斯法估计杉木人工林树高生长模型[J]. 张雄清,张建国,段爱国. 林业科学. 2014(03)
[3]不同林分起源的相容性生物量模型构建[J]. 符利勇,雷渊才,孙伟,唐守正,曾伟生. 生态学报. 2014(06)
[4]蒙古栎林全林整体生长模型及其应用[J]. 洪玲霞,雷相东,李永慈. 林业科学研究. 2012(02)
[5]利用树冠竞争因子确定同龄间伐林分的断面积生长过程[J]. 唐守正,杜纪山. 林业科学. 1999(06)
[6]度量误差模型及其应用[J]. 唐守正,张淑梅. 生物数学学报. 1998(02)
[7]湿地松人工林间伐效果初步研究[J]. 吴际友,龙应忠,童方平,余格非,胡蝶梦. 林业科学研究. 1995(06)
[8]用全林整体模型计算林分纯生长量的方法及精度分析[J]. 唐守正,李希菲. 林业科学研究. 1995(05)
[9]由全林整体生长模型推导林分密度控制图的方法[J]. 洪玲霞. 林业科学研究. 1993(05)
[10]火地塘教学实验林场森林资源的数据分析及经营对策[J]. 李悦黎,杜纪山. 西北林学院学报. 1993(03)
本文编号：3514687
本文链接：https://www.wllwen.com/nykjlw/lylw/3514687.html
