引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建

doi:10.13466/j.cnki.lyzygl.2023.04.005

林业资源管理 ›› 2023, Vol. 0 ›› Issue (4): 36-42.doi: 10.13466/j.cnki.lyzygl.2023.04.005

引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建

杜志¹(), 陈振雄¹(), 李锐¹, 罗崇彬², 杨国锦², 曾伟生³

1.国家林业和草原局中南调查规划院,长沙 410014
2.四会市自然保护地管理中心,广东肇庆 526000
3.国家林业和草原局林草调查规划院,北京 100714

收稿日期:2023-05-08 修回日期:2023-05-25 出版日期:2023-08-28 发布日期:2023-10-16
通讯作者: 陈振雄(1979-),男,湖南长沙人,教授级高级工程师,硕士,主要研究方向:森林资源监测与评价。Email:zhenxiongchen@qq.com
作者简介:杜志(1986-),男,湖南长沙人,高级工程师,硕士,主要研究方向:森林资源监测与评价。Email:674862391@qq.com
基金资助:
国家自然科学基金面上项目(31971578)

Development of Tree Height-DBH Model for Cunninghamia lanceolata and Eucalyptus Robusta Based on Stand Dominant Height and Climatic Factors

DU Zhi¹(), CHEN Zhenxiong¹(), Li Rui¹, LUO Chongbin², YANG Guojin², ZENG Weisheng³

1. Central South Academy of Inventory and Planning of NFGA,Changsha 410014,China
2. Sihui Nature Reserve Management Center,Zhaoqing,Guangdong 526000,China
3. Academy of Forest Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China

Received:2023-05-08 Revised:2023-05-25 Online:2023-08-28 Published:2023-10-16

摘要/Abstract

摘要：

基于广西森林资源年度监测评价项目中25块杉木样地和25块桉树样地的每木胸径和树高实测数据,从7个传统树高-胸径曲线中筛选出拟合精度最优模型作为基础模型,引入林分优势高和气候因子构建广义非线性模型,通过10折交叉验证法进行检验,并对一元材积公式的估计误差进行评价。结果显示:1)各传统树高-胸径曲线模型中,Richards模型为杉木和桉树最优的基础模型;2)引入了林分优势高和气候因子的杉木和桉树树高-胸径广义非线性模型,拟合精度相对基础模型更高,杉木的R²,MPE和MPSE的值分别为0.797 6,0.58%和13.91%,桉树的R²,MPE和MPSE值分别为0.720 7,0.62%和11.58%;3)采用一元材积公式得到的杉木和桉树总体蓄积与实测蓄积相差较大,其中桉树相对误差为-13.51%,超过了林业行业标准要求范围,运用树高-胸径广义非线性模型和二元材积公式计算总体蓄积,与实测值相对误差不超过0.5%,构建的杉木和桉树树高-胸径广义非线性模型能运用于实践生产。

关键词: 优势高, 杉木, 桉树, 广义非线性, 树高-胸径模型

Abstract:

Based on the mensuration data of diameter at breast height(DBH)and tree height from 25 Plots of Cunninghamia lanceolata and 25 plots of Eucalyptus robusta in the annual monitoring and evaluation of national forest resources of Guangxi Zhuang Autonomous Region,the basic model with the highest simulation accuracy was selected from seven common tree height-DBH curve models,then stand dominant height and climate data were introduced to build generalized nonlinear models.The 10-fold cross-validation method was applied to test the models,and the estimation error of one-dimensional volume formula was evaluated.The results showed that:1)Among the traditional tree height-DBH curve models,Chapman-Richards model was the basic model with the highest accuracy;2)Compared with the basic model,the generalized nonlinear tree height-DBH model with stand dominant height and climate data had higher fitting accuracy.The determination coefficient(R²),mean prediction errors(MPE)and mean percent standard errors(MPSE)of Cunninghamia lanceolata model were 0.7976,0.58% and 13.91%,respectively,and those of Eucalyptus robusta model were 0.7207,0.62% and 11.58%,respectively;3)The volume calculated by the one-dimensional volume formula was quite different from the measured volume,especially the Eucalyptus robusta reach -13.51%,which exceeded the scope of forestry industry standards.It was worth noting that the relative error calculated by the binary volume formula and the generalized nonlinear tree height-DBH model is not above 0.5%.The generalized nonlinear tree height-DBH model of Cunninghamia lanceolata and Eucalyptus robusta can be well applied to practical production.

Key words: dominant height, Cunninghamia lanceolata, Eucalyptus robusta, generalized nonlinear model, tree height-DBH model

中图分类号:

S757.2

杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.

DU Zhi, CHEN Zhenxiong, Li Rui, LUO Chongbin, YANG Guojin, ZENG Weisheng. Development of Tree Height-DBH Model for Cunninghamia lanceolata and Eucalyptus Robusta Based on Stand Dominant Height and Climatic Factors[J]. FOREST RESOURCES WANAGEMENT, 2023, 0(4): 36-42.

图/表 7

表1

表2

树高-胸径候选模型

名称	表达式	序号
Curtis	$H = 1.3 + a 1 [D / (1 + D)] a 2 + ε$	(1)
Meyer	$H = 1.3 + a 1 [1 - e x p (- a 2 D)] + ε$	(2)
Wykoff	$H = 1.3 + e x p [a 1 + a 2 / (D + 1)] + ε$	(3)
Richards	$H = 1.3 + a 1 [1 - e x p (- a 2 D)] a 3$ +ε	(4)
Logistic	$H = 1.3 + a 1 / [1 + a 2 e x p (- a 3 D)] + ε$	(5)
Weibull	$H = 1.3 + a 1 [1 - e x p (- a 2 D a 3)] + ε$	(6)
Gompertz	$H = 1.3 + a 1 e x p [- a 2 e x p (- a 3 D)] + ε$	(7)

表2

表3

表4

图1

表5

表6

参考文献 12

[1]	郭嘉, 孙帅超, 田相林, 等. 引入优势木树高建立的秦岭林区松栎林树高-胸径模型[J]. 东北林业大学学报, 2019, 47(11):66-72.
[2]	曾伟生. 国家森林资源连续清查中的材积估计问题探讨[J]. 中南林业调查规划, 2007, 26(2):1-6.
[3]	蒲莹, 曾伟生, 阳帆. 北京市树高胸径回归模型研建及一元立木材积表检验[J]. 林业资源管理, 2021(3):62-66.
[4]	李春明, 李利学. 基于非线性混合模型的栓皮栎树高与胸径关系研究[J]. 北京林业大学学报, 2009, 31(4):7-12.
[5]	曾伟生. 总体与林分水平的树高-胸径模型对蓄积量估计的影响分析[J]. 林业资源管理, 2019(6):38-41.
[6]	Sharma M, Parton J. Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach[J]. Forest Ecology and Management, 2007, 249(3):187-198. doi: 10.1016/j.foreco.2007.05.006
[7]	Yang Yuqing, Huang Shongming. Effects of competition and climate variables on modelling height to live crown for three boreal tree species in Alberta,Canada[J]. European Journal of Forest Research, 2018, 137(2):153-167. doi: 10.1007/s10342-017-1095-7
[8]	Fortin M, Couwenberghe V C, Perez V, et al. Evidence of climate effects on the height-diameter relationships of tree species[J/OL]. Annals of Forest Science, 2019, 76(1):1[2023-04-19]. https://link.springer.com/article/10.1007/s13595-018-0784-9.
[9]	GB/T 38590—2020,森林资源连续清查技术规程[S].
[10]	Wang Tongli, Hamann A, Spittlehouse D L, et al. Climatewna-high-resolution spatial climate data for western north America[J]. Journal of Applied Meteorology and Climatology, 2012, 51(1):16-29. doi: 10.1175/JAMC-D-11-043.1
[11]	曾伟生, 唐守正. 立木生物量模型的优度评价和精度分析[J]. 林业科学, 2011, 47(11):106-113.
[12]	曾伟生, 杨学云, 陈新云. 北京市主要树种单木和林分生长率模型研建[J]. 中南林业调查规划, 2022, 41(1):1-8.

树种	气候因子	最小值	最大值	平均值	标准差	变动系数/%
杉木(Cunninghamia lanceolata)	年平均气温/℃	13.50	23.50	18.28	2.25	12.31
	最热月平均气温/℃	23.50	29.50	27.06	1.66	6.13
	最冷月平均气温/℃	-1.10	17.40	5.34	4.14	77.53
	平均温差/℃	8.80	21.50	18.26	3.20	17.52
	年平均降水量/mm	486.00	2 083.00	1 592.84	374.27	23.50
	湿热指数	11.40	62.00	20.43	11.02	53.94
桉树(Eucalyptus robusta)
	年平均气温/℃	17.82	23.50	21.97	1.38	6.30
	最热月平均气温/℃	23.60	30.00	28.74	1.43	4.97
	最冷月平均气温/℃	2.80	16.90	12.49	2.63	21.07
	平均温差/℃	9.35	21.31	15.29	2.55	16.70
	年平均降水量/mm	725.75	2 064.00	1 648.38	208.80	12.67
	湿热指数	15.23	41.78	19.99	3.72	18.59

树种	模型名称	参数估计值			评价指标
树种	模型名称	a₁	a₂	a₃	R²	SEE	TRE/%	ASE/%	MPE/%	MPSE/%
杉木 (Cunninghamia lanceolata)	Curtis	21.552 3^*	10.449 5^*		0.668 4	2.05	0.02	0.13	0.74	17.15
	Meyer	22.296 5^*	0.043 29^*		0.573 2	2.10	-0.67	-1.62	0.76	17.91
	Wykoff	3.106 3^*	-11.399 5^*		0.664 4	2.05	-0.02	-0.03	0.74	17.14
	Richards	15.478 3^*	0.124 7^*	1.988 9^*	0.672 4	2.04	0.01	0.04	0.73	16.92
	Logistic	14.274 7^*	8.671 5^*	0.231 9^*	0.668 4	2.04	-0.02	-0.09	0.74	16.97
	Weibull	14.798 3^*	0.022 99^*	1.516 9^*	0.673 4	2.04	0.04	0.12	0.74	16.99
	Gompertz	14.954 7^*	3.171 4^*	0.158 7^*	0.671 3	2.04	0.01	0.04	0.74	16.98
桉树 (Eucalyptus robusta)	Curtis	27.330 6^*	8.476 4^*		0.661 4	2.17	0.10	0.38	0.70	12.80
	Meyer	30.383 8^*	0.049 68^*		0.651 0	2.14	-0.02	-0.07	0.69	12.53
	Wykoff	3.350 2^*	-9.389 8^*		0.661 3	2.16	0.09	0.31	0.69	12.73
	Richards	29.552 5^*	0.052 85^*	1.021 3^*	0.652 8	2.14	-0.01	-0.03	0.68	12.53
	Logistic	21.839 7^*	5.088 5^*	0.178 6^*	0.642 9	2.16	-0.04	-0.13	0.69	12.60
	Weibull	29.638 2^*	0.049 92^*	1.012 1^*	0.652 4	2.14	-0.01	-0.04	0.69	12.53
	Gompertz	23.808 5^*	2.211 7^*	0.115 3^*	0.649 8	2.15	-0.02	-0.06	0.69	12.56

树种	自身因子	立地因子	竞争因子			气候因子
树种	林分平均年龄	林分优势高	林分密度	林分断面积		年平均气温	最热月平均气温	最冷月平均气温	平均温差	年平均降水量	湿热指数
杉木(Cunninghamia lanceolata)	0.269 1^*	0.481 0^*	0.079 3^*		0.415 2^*	0.052 6	-0.092 6^*	0.012 2^*	-0.120 0^*	-0.132 6^*	0.116 1^*
桉树(Eucalyptus robusta)	0.312 9^*	0.509 8^*	0.045 0		0.434 0^*	-0.155 9^*	-0.027 1	-0.179 8^*	0.131 5^*	-0.011 7	0.003 3

树种	模型类型	R²	SEE	TRE/%	ASE/%	MPE/%	MPSE/%
杉木 (Cunninghamia lanceolata)	Richards模型	0.672 0	2.05	0.07	0.20	2.33	16.94
杉木 (Cunninghamia lanceolata)	广义非线性模型	0.785 9	1.64	0.14	0.72	1.86	13.93
桉树 (Eucalyptus robusta)	Richards模型	0.637 3	2.15	0.04	0.08	2.18	12.55
桉树 (Eucalyptus robusta)	广义非线性模型	0.706 3	1.95	0.10	0.20	1.98	11.56

树种	实测值/m³	方法1		方法2
树种	实测值/m³	估测值/m³	RE/%	估测值/m³	RE/%
杉木(Cunninghamia lanceolata)	249.49	237.50	-4.80	250.23	0.30
桉树(Eucalyptus robusta)	131.49	113.72	-13.51	131.59	0.07

引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建

Development of Tree Height-DBH Model for Cunninghamia lanceolata and Eucalyptus Robusta Based on Stand Dominant Height and Climatic Factors

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价

[1]	闫保银, 姜文龙, 范俊俊, 项铮, 黄俊. 基于LiDAR技术的杉木人工林碳储量估算研究[J]. 林业资源管理, 2023, 0(3): 134-139.
[2]	蓝肖, 郝海坤, 黄开勇, 陈琴, 戴俊, 程琳, 陈仕昌. 杉木人工林生物量分布特征及其碳计量参数[J]. 林业资源管理, 2023, 0(2): 50-56.
[3]	蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.
[4]	黄孝发, 张伟, 岑巨延, 吴国欣, 黄淑莹. 广西杉木立木材积模型优化筛选研究[J]. 林业资源管理, 2022, 0(6): 61-67.
[5]	晏姝, 邓厚银, 胡德活, 王润辉, 韦如萍, 郑会全, 邹奕华, 陈夏薇. 粤北生态公益林区杉木纯林与混交林的综合质量评价研究[J]. 林业资源管理, 2022, 0(5): 69-75.
[6]	焦洁洁, 李领寰, 汪建民, 孙杰杰, 吴初平, 姚良锦, 王志高, 袁位高. 午潮山杉阔混交林种子雨与土壤种子库特征研究[J]. 林业资源管理, 2022, 0(4): 28-35.
[7]	谢贤胜, 苏宏新, 杨元征, 李春海, 卢峰, 罗蔚生, 徐占勇. 基于地基激光雷达估测广西桉树人工林的林分参数[J]. 林业资源管理, 2022, 0(2): 100-108.
[8]	罗蜜, 黄昌谋, 韩华, 黄敏球, 宁剑, 潘波, 曹继钊. 袋控缓释肥对桉树和杉木人工林生长及土壤理化性质的影响[J]. 林业资源管理, 2021, 0(5): 104-111.
[9]	贺鹏, 陈振雄, 刘宪钊. 湖南省马尾松和杉木林分断面积生长模型构建[J]. 林业资源管理, 2021, 0(5): 56-61.
[10]	吴旭平, 吕勇, 张雄清, 易烜, 朱光玉. 基于立地因子的杉木人工林断面积生长混合效应模型研究[J]. 林业资源管理, 2021, 0(2): 75-82.
[11]	李志明. 基于分层的19a生半天然杉阔混交林特征分析[J]. 林业资源管理, 2020, 0(6): 123-127.
[12]	许冰冰, 边更战, 易烜, 朱光玉, 齐战涛, 吕勇. 湖南杉木人工林单木干形特征及影响因子研究[J]. 林业资源管理, 2020, 0(5): 82-88.
[13]	卢献健, 黄俞惠, 晏红波, 韦晚秋, 黎振宝. 基于自动阈值决策树分类的桉树提取研究[J]. 林业资源管理, 2020, 0(4): 117-126.
[14]	曾伟生. 总体与林分水平的树高-胸径模型对蓄积量估计的影响分析[J]. 林业资源管理, 2019, 0(6): 38-41.
[15]	王奕茹, 李际平, 曹小玉, 李琪媛. 杉木-闽楠混交林林分结构与生产力功能耦合关系研究[J]. 林业资源管理, 2019, 0(2): 54-59.