基于哑变量的秦巴山区天然栎类林胸径和树高生长模型研究

doi:10.13466/j.cnki.lyzygl.2020.05.014

林业资源管理 ›› 2020, Vol. 0 ›› Issue (5): 89-99.doi: 10.13466/j.cnki.lyzygl.2020.05.014

基于哑变量的秦巴山区天然栎类林胸径和树高生长模型研究

闵志强¹, 胡云云¹(), 王得军¹, 孙景梅¹, 李宏韬¹, 李卫忠²

1.国家林业和草原局西北调查规划设计院旱区生态水文与灾害防治国家林业和草原局重点实验室,西安 710048
2.西北农林科技大学林学院,陕西杨凌 712100

收稿日期:2020-07-29 修回日期:2020-09-27 出版日期:2020-10-28 发布日期:2020-11-30
通讯作者: 胡云云
作者简介:闵志强(1985-),男,河南鹤壁人,高工,主要从事森林资源监测、森林经营等方面的生产实践与理论
基金资助:
陕西省林业科学研究重大项目“森林质量精准提升关键技术研究”(SXLY-2018-02)

Study on Growth Model of DBH and Height Based on Dummy Variable for Natural oak Forest in Qinba Mountain Area

MIN Zhiqiang¹, HU Yunyun¹(), WANG Dejun¹, SUN Jingmei¹, LI Hongtao¹, LI Weizhong²

1. Key Laboratory National Forestry and Grassland Administration on Ecological Hydrology and Disaster Prevention in Arid Regions,Northwest Surveying,Planning and Designing Institute of National Forestry and Grassland Administration,Xi'an 710048,China
2. College of Forestry,Northwest A&F University,Yangling,Shaanxi 712100,China;

Received:2020-07-29 Revised:2020-09-27 Online:2020-10-28 Published:2020-11-30
Contact: HU Yunyun

摘要/Abstract

摘要：

利用全国森林资源连续清查数据,选取秦巴山区天然栎类林作为研究对象,基于竞争指数确定优势木及其竞争等级;根据优势木和立地主导因子确定立地质量等级;将竞争等级和立地质量等级作为哑变量逐步参与胸径、树高生长过程拟合,确定最优生长模型。研究发现:栎类天然林的立地主导因子为海拔、坡向和土壤厚度;胸径、树高生长模型的最优基础模型均为Gompertz模型;胸径生长模型以竞争等级哑变量位于参数a,c时拟合结果最好,其中R²值和P_a值分别为0.834和98.17,较基础模型分别提高13.16%,0.59%;树高生长模型以立地质量等级哑变量位于参数a,b时拟合结果最好,其中R²值和P_a值分别为0.717和98.26,较基础模型分别提高16.59%和0.65%;当胸径和树高模型引入第二类哑变量时,模型精度虽有提升但效果不明显。分析秦巴山区不同生长条件下天然栎类林的胸径和树高生长规律,建立林分生长模型,以期为天然栎类次生林修复与林分质量提升提供重要参考。

关键词: 天然栎类林, 哑变量, 立地质量, 竞争指数, 生长模型

Abstract:

Based on the national forest resources inventory data,this study takes the natural oak forest in Qinba mountain area as the research object.The dominant trees and their competitive grades were determined based on the competition index and the site quality grade was determined according to the dominant trees and site dominant factors.The competition grade and site quality grade were used as dummy variables in the fitting of the growth process of the DBH and tree height to obtain the optimal growth model.The results showed that the dominant site factors of oak natural forest were altitude,aspect and soil thickness;Gompertz model was the optimal basic model for the DBH and tree height growth model;the best fitting results were obtained when the dummy variable of competition grade was in parameters a and c,in which R ² value and P_a value were 0.834 and 98.17,respectively,13.16% and 0.59% higher than those of the basic model. The study found that the height growth model used Gompertz model when the dummy variables of site quality grade were in parameters a and b,the fitting results were the best.R ² value and P_a value were 0.717 and 98.26 respectively,which were 16.59% and 0.65% higher than those of the basic model.When the second kind of dummy variable is introduced into the DBH and tree height model,the accuracy of the model is improved,but the effect is not obvious.Based on the analysis of the DBH and tree height growth rules of natural oak forest under different growth conditions in Qinba mountain area,the stand growth model was established,which can provide important reference for the restoration of natural oak secondary forest and the improvement of stand quality.

Key words: natural oak, dummy variable, site quality, competitive index, growth model

中图分类号:

S792.18
S758

闵志强, 胡云云, 王得军, 孙景梅, 李宏韬, 李卫忠. 基于哑变量的秦巴山区天然栎类林胸径和树高生长模型研究[J]. 林业资源管理, 2020, 0(5): 89-99.

MIN Zhiqiang, HU Yunyun, WANG Dejun, SUN Jingmei, LI Hongtao, LI Weizhong. Study on Growth Model of DBH and Height Based on Dummy Variable for Natural oak Forest in Qinba Mountain Area[J]. FOREST RESOURCES WANAGEMENT, 2020, 0(5): 89-99.

图/表 13

表1

表2

表3

表4

树高和胸径生长模型

模型	表达式
Richards	y=a× $(1 - e - c × A) b$
Gompertz	y=a× $e - b × e - c × A$
Logistic	y=a/(1+b×e^-^c^×^A)
Schumacher	$e - b × e - c × A$

表4

图1

表5

表6

表7

表8

表9

表10

图2

图3

参考文献 29

[1]	孟宪宇. 测树学[M].3版. 北京: 中国林业出版社, 2006.
[2]	杨文姬, 王秀茹. 国内立地质量评价研究浅析[J]. 水土保持研究, 2004(3):289-292.
[3]	惠淑荣, 李丽锋, 刘强. 辽东地区日本落叶松立地分类和立地质量研究[J]. 西北林学院学报, 2011,26(3):139-142.
[4]	郭艳荣, 刘洋, 吴保国. 福建省宜林地立地质量的分级与数量化评价[J]. 东北林业大学学报, 2014,42(10):54-59.
[5]	马增旺, 毕君, 刘德章. 太行山栎类天然次生林立地类型划分[J]. 河北林业科技, 1996(4):20-23.
[6]	欧阳君祥, 曾思齐. 长江中上游低质低效次生栎林的分类与评价[J]. 林业资源管理, 2002(3):69-74.
[7]	高文韬, 丁伟, 李胜, 等. 长白山林区天然过伐林中蒙古栎适生立地研究[J]. 北华大学学报:自然科学版, 2000(1):77-81.
[8]	黄国胜, 马炜, 王雪军, 等. 基于一类清查数据的福建省立地质量评价技术[J]. 北京林业大学学报, 2014,36(3):1-8.
[9]	张思玉, 郑世群. 笔架山常绿阔叶林优势种群种内种间竞争的数量研究[J]. 林业科学, 2001,37(S1); 185-188.
[10]	Staebler G R. Growth and Spacing in An Even-Aged Stand of Douglas fir[M]. Michigan:University of Michigan, 1951.
[11]	李际平, 房晓娜, 封尧, 等. 基于加权Voronoi图的林木竞争指数[J]. 北京林业大学学报, 2015,37(3):61-68.
[12]	褚欣, 潘萍, 欧阳勋志, 等. 闽楠天然次生林林木综合竞争指数研究[J]. 西北林学院学报, 2019,34(4):199-205.
[13]	石振威, 曾思齐, 刘发林, 等. 基于地形与竞争因子的青冈栎次生林树高哑变量模型研究[J]. 西北林学院学报, 2020,35(1):196-202.
[14]	Hegyi F. A simulation model for managing jack-pine stands[M]//Growth models for tree and stand simulation. Stockholm.Sweden:Royal College of Forestry, 1974: 74-90.
[15]	覃阳平, 张怀清, 陈永富, 等. 改进的简单竞争指标在单木生长模型中的应用[J]. 东北林业大学学报, 2014,42(12):130-133.
[16]	李际平, 房晓娜, 封尧, 等. 基于加权Voronoi图的林木竞争指数[J]. 北京林业大学学报, 2015,37(3):61-68.
[17]	房晓娜, 李际平, 孙华, 等. 基于W_V_Hegyi竞争指数的杉木竞争生长模型研究——以湖南省福寿国有林场杉木生态公益林为例[J]. 林业资源管理, 2015(2):59-64.
[18]	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.
[19]	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.
[20]	曹梦, 潘萍, 欧阳勋志, 等. 基于哑变量的闽楠天然次生林单木胸径和树高生长模型研究[J]. 北京林业大学学报, 2019,41(5):88-96.
[21]	DAVID A, ROBERT B. Effects of size,competition and altitude on tree growth[J]. Journal of Ecology, 2007,95(5):1084-1097. doi: 10.1111/jec.2007.95.issue-5
[22]	国家林业和草原局. 中国森林资源报告(2014—2018)[M]. 北京: 中国林业出版社, 2019.
[23]	张文辉, 卢志军, 李景侠, 等. 秦岭北坡栓皮栎种群动态的研究[J]. 应用生态学报, 2003(9):1427-1432.
[24]	甄学渊, 郭敏, 胡晓静, 等. 秦巴山区陕南栎类生长特点及资源现状[J]. 西北植物学报, 2014,34(10):2101-2108.
[25]	黄秉维, 郑度, 赵名茶. 现代自然地理[M]. 北京: 科学出版社, 1999.
[26]	惠刚盈, 李丽, 赵中华, 等. 林木空间分布格局分析方法[J]. 生态学报, 2007(11):4717-4728.
[27]	周红敏, 惠刚盈. 林分空间结构分析中样地边界木的处理方法[J]. 林业科学, 2009,45(2):1-5. doi: 10.11707/j.1001-7488.200900201
[28]	唐守正, 郎奎建, 李海奎. 统计和生物数学模型计算:ForStat教程[M]. 北京: 科学出版社, 2009.
[29]	李丽霞, 郜艳晖, 张瑛. 哑变量在统计分析中的应用[J]. 数理医药学杂志, 2006(1):51-53.

林分因子	最大值	最小值	平均值	标准差
年龄/a	95	6	33	19.0
胸径/cm	38.5	6	15.3	6.9
树高/m	24.2	4.2	11.0	3.6
蓄积量/(m³/hm²)	490.9	2.25	114.15	87.6
优势木生长量/(m³/hm²)	4.90	0.01	1.48	0.87

立地因子	编号	取值范围	优势木生长量/ (m³/hm²)	得分值
海拔	1	<500	0.037	1
	2	500~1000	0.0438	2
	3	1000~1500	0.0552	4
	4	1500~2000	0.059	5
	5	≥2000	0.0509	3
坡向	1	北	0.0408	1
	2	东北	0.0381	1
	3	东	0.0552	4
	4	东南	0.0626	5
	5	南	0.0554	4
	6	西南	0.0532	3
	7	西	0.0521	3
	8	西北	0.0497	2
	9	无坡向	0.0487	2
土壤厚度	1	厚	0.0606	5
	2	中	0.0517	3
	3	薄	0.0481	1

等级	Ⅰ级	Ⅱ级	Ⅲ级
分值	11~15	7~10	3~6
样地数/块	146	124	99

立地因子	主要成份
立地因子	1	2	3
地貌(LF)	0.777	0.544	0.098
海拔(ELE)	0.823	0.467	0.069
坡向(ASP)	0.089	0.246	-0.558
坡位(SLPP)	0.206	0.032	0.618
坡度(SLP)	-0.137	0.024	0.542
土壤类型(ST)	-0.592	0.642	-0.073
土壤质地(SQ)	-0.386	0.107	0.391
土壤厚度(SD)	0.686	-0.56	-0.048
腐殖质厚度(BUFF)	0.241	-0.114	0.021

因变量类别	模型	参数值						拟合指标				评价指标
因变量类别	模型	a		b		c		RMSE		R²		TRE		P_a
树高(H)	Richards		46.44		0.41		0.00		2.26		0.61		2.26		97.84
	Gompertz		21.23		1.37		0.02		2.23		0.62		2.08		97.63
	Logistic		13.23		1.81		0.08		2.51		0.51		0.98		97.63
	Schumacher		14.49		7.42				2.59		0.48		3.13		97.51
	Richards		25.66		0.03		0.82		3.98		0.66		3.36		97.24
胸径(DBH)	Richards		25.66		0.03		0.82		3.98		0.66		3.36		97.24
	Gompertz		49.67		2.15		0.02		3.52		0.74		2.20		97.59
	Logistic		21.14		3.53		0.08		4.19		0.63		1.58		97.15
	Schumacher		30.29		18.44				4.16		0.63		1.72		97.24

基于哑变量的秦巴山区天然栎类林胸径和树高生长模型研究

Study on Growth Model of DBH and Height Based on Dummy Variable for Natural oak Forest in Qinba Mountain Area

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价

参数	评价指标
参数	RMSE	R²	TRE	P_a	SSE	AIC	BIC
	2.234	0.615	2.081	97.63	1853.762	1395.12	1409.86
a	1.924	0.716	0.015	98.25	1361.66	1336.44	1360.99
b	1.957	0.706	-0.001	98.22	1409.38	1342.79	1367.35
c	1.925	0.715	-0.011	98.25	1364.14	1336.77	1361.33
a,b	1.920	0.717	-0.005	98.26	1356.28	1337.71	1372.08
b,c	1.923	0.716	-0.010	98.25	1361.18	1338.37	1372.75
a,c	1.919	0.716	0.001	98.26	1355.12	1337.55	1371.92
a,b,c	1.918	0.717	-0.004	98.26	1354.07	1339.41	1383.60

哑变量		评价指标
立地质量等级	竞争等级	RMSE	R²	TRE	P_a	SSE	AIC	BIC
a,b		1.92	0.717	-0.005	98.26	1356.28	1337.71	1372.08
a,b	a	1.821	0.745	-0.002	98.35	1219.84	1324.14	1387.99
a,b	b	1.832	0.742	0.001	98.34	1235.01	1326.42	1390.26
a,b	a,b	1.820	0.745	-0.003	98.35	1218.89	1330.00	1423.31

[1]	王庆杰, 李国东, 刘晓曼, 安博文, 计怀峰. 塔里木河流域胡杨生长模型研究[J]. 林业资源管理, 2020, 0(5): 100-107.
[2]	田意, 吴宏炜, 张伟志, 黄光灿, 庄崇洋, 江希钿. 福州市米槠林分相容性胸径生长模型和树高曲线模型研究[J]. 林业资源管理, 2020, 0(4): 44-49.
[3]	彭其龙, 陈哲夫, 陈端吕. 湖南栎类-马尾松天然混交林单木生长模型研究[J]. 林业资源管理, 2020, 0(2): 94-102.
[4]	吴宏炜, 田意, 黄光灿, 张伟志, 庄崇洋, 江希钿. 基于非线性度量误差的湿地松生长模型[J]. 林业资源管理, 2019, 0(6): 69-74.
[5]	孟得干, 于浩然, 刘剑, 郭佳忱, 蔡超, 李杨, 张骁. 长白山区3种天然阔叶林分生长规律研究[J]. 林业资源管理, 2019, 0(3): 147-150.
[6]	吴恒, 朱丽艳, 刘智军, 吴雪琼. 基于生长模型的林地“一张图”林分因子更新研究[J]. 林业资源管理, 2019, 0(2): 73-79.
[7]	萨如拉, 徐加睿, 王智慧, 张科, 于宪军. 基于树干解析的兴安落叶松人工林单木生长模型研究[J]. 林业资源管理, 2019, 0(2): 88-92.
[8]	陈晨, 刘光武, 申洁梅, 高福玲. 太行山区栓皮栎天然次生林树高模型构建[J]. 林业资源管理, 2018, 0(6): 146-149.
[9]	徐期瑚, 林丽平, 薛春泉, 罗勇, 杨加志, 雷渊才. 基于树高-年龄分级的广东枫香生长模型[J]. 林业资源管理, 2018, 0(5): 47-53.
[10]	曾伟生, 陈新云, 杨学云. 内蒙古主要树种组立木胸径生长率模型研建[J]. 林业资源管理, 2018, 0(2): 38-42.
[11]	杨传强, 李士美, 孔雨光, 巩延苹, 杨志军, 路洪春, 孙天旭. 山东省松类人工林立地指数表的编制与应用[J]. 林业资源管理, 2018, 0(2): 43-47.
[12]	卢立华, 冯益明, 农友, 李华, 农良书, 孙冬婧, 黄德卫, 明安刚. 基于林班尺度的森林立地类型划分与质量评价[J]. 林业资源管理, 2018, 0(2): 48-57.
[13]	龙时胜, 曾思齐, 肖化顺, 刘发林, 胡满. 基于Hegyi改进模型的青冈栎次生林竞争分析[J]. 林业资源管理, 2018, 0(1): 50-56.
[14]	霍振江. 基于林分动态生长模型的小班资源档案更新研究[J]. 林业资源管理, 2018, 0(1): 141-147.
[15]	朱光玉, 罗小浪. 湖南栎类天然混交林优势木树高曲线哑变量模型研究[J]. 林业资源管理, 2017, 0(4): 22-29.

参数	评价指标
参数	RMSE	R²	TRE	P_a	SSE	AIC	BIC
	3.523	0.737	2.199	97.59	3962.21	1746.98	1677.92
a	2.839	0.829	0.091	98.15	2966.66	1480.11	1504.67
b	2.942	0.817	0.057	98.08	3185.83	1493.26	1517.82
c	2.808	0.833	0.018	98.17	2901.76	1476.03	1500.59
a,b	2.810	0.833	0.014	98.17	2906.33	1478.32	1512.70
b,c	2.801	0.833	0.011	98.17	2887.19	1477.10	1511.48
a,c	2.804	0.834	0.010	98.17	2892.45	1477.44	1511.81
a,b,c	2.796	0.835	0.003	98.18	2877.79	1478.50	1522.70

哑变量		立地质量等级
立地质量等级	竞争等级	RMSE	R²	TRE	P_a	SSE	AIC	BIC
a,c		2.804	0.834	0.01	98.17	2892.45	1477.44	1511.81
a,c	a	2.712	0.844	0.025	98.23	2706.93	1471.21	1535.05
a,c	c	2.692	0.847	0.038	98.25	2667.55	1468.50	1532.35
a,c	a,c	2.728	0.843	0.212	98.22	2739.21	1479.40	1572.70