欢迎访问林草资源研究
科学研究

北京市二类调查小班蓄积量预估模型研究

  • 陈新云 ,
  • 王文文 ,
  • 曾伟生 ,
  • 杜鹏志 ,
  • 党永锋 ,
  • 王威 ,
  • 孟京辉
展开
  • 1. 国家林业和草原局调查规划设计院,北京 100714
    2. 北京林业大学 国家林业与草原局森林经营工程技术研究中心,北京 100083
    3. 北京市林业勘察设计院,北京 100029
陈新云(1977-),男,湖南益阳人,高工,研究方向:森林资源清查与监测。Email: 375201918@qq.com

收稿日期: 2019-07-12

  修回日期: 2019-10-11

  网络出版日期: 2020-09-18

基金资助

国家重点研发计划(2017YFC0505604)

Study on Stand Volume Models for Sub-compartment Forest Management Inventory in Beijing

  • Xinyun CHEN ,
  • Wenwen WANG ,
  • Weisheng ZENG ,
  • Pengzhi DU ,
  • Yongfeng DANG ,
  • Wei WANG ,
  • Jinghui MENG
Expand
  • 1. Academy of Forest Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China
    2. Research Center of Forest Management Engineering of National Forestry and Grassland Administration,Beijing Forestry University,Beijing 100083,China
    3. Beijing Municipal Institute of Forest Surveying and Designing,Beijing 100029,China

Received date: 2019-07-12

  Revised date: 2019-10-11

  Online published: 2020-09-18

摘要

为解决当前北京市二类调查通过角规绕测技术预估林分蓄积量存在的问题,基于北京市二类调查数据,根据优势树种(组)的不同,将北京市森林划分成10个不同的树种组。在此基础上,利用一类清查数据,以林分蓄积量为因变量,林分参数及立地参数为自变量构建非线性蓄积量预估模型,计算确定系数(R2)、总相对误差(TRE)、估计值的标准差(SEE)、平均系统误差(MSE)、平均预估误差(MPE)和平均百分标准误差(MPSE),并对模型拟合效果进行评价。结果表明:构建的蓄积量预估模型拟合效果较好,各树种组蓄积量预估模型的确定系数(R2)均大于0.94,MPE均小于5%,MPSE基本在10%以下,可以应用于北京市二类调查中蓄积量的预估。

本文引用格式

陈新云 , 王文文 , 曾伟生 , 杜鹏志 , 党永锋 , 王威 , 孟京辉 . 北京市二类调查小班蓄积量预估模型研究[J]. 林草资源研究, 2019 , 0(5) : 33 -36 . DOI: 10.13466/j.cnki.lyzygl.2019.05.007

Abstract

In order to solve the main problems of using angle gauge to estimate the stand volume in forest management inventory (FMI) of Beijing,the forests were divided into 10 different types according to dominant tree species (groups) based on the FMI data.Then,using the data of the 9th (2016) Chinese National Forest Inventory in Beijing,the non-linear models of stand volume for various tree species groups were developed with stand volume per hectare as the dependent variable and stand parameters and site condition parameters as the independent variables.The goodness-of-fit statistics of the models,i.e.,determination coefficient (R2),total relative error (TRE),standard error of estimate (SEE),mean systematic error (MSE),mean prediction error (MPE),and mean percent standard error (MPSE) were calculated.The results show that the models performed well and the values of R2 were all greater than 0.94,MPE’s were less than 5%,and MPSE were almost less than 10%.The models can be applied to estimate the stand volume in the FMI of Beijing.

参考文献

[1] 杜纪山, 赵世凯. 关于森林资源二类调查信息动态管理的探讨[J]. 林业资源管理, 1998(5):31-34.
[2] 陈春希. 森林资源综合信息标准化研究[D]. 长沙:中南林业科技大学, 2009.
[3] 彭彦柱, 高海江. 对森林资源一类清查和二类调查的比较分析[J]. 林业勘查设计, 2005(1):28.
[4] 宋仲禹, 马牧. 遥感技术在森林资源调查中的应用——以黑龙江省为例[J]. 科技风, 2012(21):115.
[5] 蒯汉军. 浅议森林资源二类调查技术[J]. 广东科技, 2010,19(24):34-36.
[6] 司瑶. 基于MapGIS的森林资源规划设计调查成果制作技术[D]. 北京:中国林业科学研究院, 2011.
[7] 刘政. 林业调查规划设计在林业生产建设中的地位和作用[J]. 低碳世界, 2013(5):174-175.
[8] 王亚萍. 浅谈二类调查中的小班调查[J]. 农技服务, 2014(4):116.
[9] 王少杰, 邓华锋, 向玮, 等. 基于混合模型的油松林分蓄积量预测模型的建立[J]. 西北农林科技大学学报:自然科学版, 2018,2(46):30-38.
[10] 孟宪宇. 测树学[M]. 北京: 中国林业出版社, 2006.
[11] 公宁宁, 马履一, 贾黎明, 等. 不同密度和立地条件对北京山区油松人工林树冠的影响[J]. 东北林业大学学报, 2010,38(5):9-12.
[12] 宋曰钦, 高长宝. 南方人工林小班蓄积量调查方法比较研究[J]. 江苏林业科技, 2002,29(4):14-15.
[13] 汪国良. 角规测树产生的误差及其修正[J]. 中南林业调查规划, 1990(3):26-27.
[14] 胡斌. 断面平均木法计算蓄积的误差来源与分析[J]. 华东森林经理, 1991(3):32-33.
[15] 汪玮, 孟伟. 不同立地因子对杉木蓄积量的影响[J]. 热带林业, 2017,45(3):23-26.
[16] 周梅, 李春干, 代华兵. 采用林分平均高和密度估计人工林蓄积量[J]. 广西林业科学, 2017,46(3):319-324.
[17] 印红群. 森林资源蓄积量监测模型研究——以浙江省台州市黄岩区为例[D]. 杭州:浙江农林大学, 2013.
[18] 王京民, 李清顺. 应用因子分析法对林分蓄积相关因子的分析[J]. 西北林学院学报, 2012,27(1):169-172.
[19] 谢进金. 基于遥感抽样技术的平南县森林蓄积量估测[D]. 长沙:中南林业科技大学, 2011.
[20] 刘新胜, 易红新, 罗刚, 等. 森林资源二类调查小班单位蓄积量数学模型研究[J]. 湖北林业科技, 2011(2):8-11.
[21] 苏志杰, 胡军, 王志杰, 等. 祖山林区不同高程森林类型的研究[J]. 河北林业科技, 2017(4):38-41.
[22] 曾伟生, 唐守正. 立木生物量方程的优度评价和精度分析[J]. 林业科学, 2011,47(11):106-113.
文章导航

/