三岔子林业局针阔混交林林分生长模型的构建
时间：2023-06-16 19:25:04 来源：雅意学习网 本文已影响 人 
贺翔宇，历胤男，苑飞，周新江
(吉林省林业勘察设计研究院，吉林 长春 130022)
针阔混交林是介于落叶阔叶林和针叶林之间的过渡性类型。该林分类型内森林群落的种类较落叶阔叶林和针叶林丰富，群落的结构也较为复杂，是长白山林区的主要林分类型。林分生长模型是研究森林生长变化规律的基础手段，可以精确地预测森林资源动态。但林分生长模型种类繁多，模型参数意义复杂，正确地对林分生长模型进行选择，并进一步估算模型参数，对探索林分生长过程，估测林分蓄积变化具有重要意义。森林资源规划设计调查(二类调查)数据库是林业局管理森林资源的基础数据资料，近年来众多学者利用森林资源规划设计调查数据库，对林分生长模型进行了研究。孟得干等选择了理查德模型和逻辑斯蒂模型为“慢阔”“中阔”和柞树纯林的优选模型。刘剑等基于常见的10个林分生长模型，对长白山区天然柞树林林分生长模型进行了选择，其中有4个模型符合“S”形生长曲线，具有较好的生物学意义。廖宇翔在4个常见的林分生长模型中，选择了理查德模型为长白山区人工落叶松的林分生长模型，该模型拟合效果最佳。本文利用2018年三岔子林业局的森林资源调查小班数据库，对8个常见的林分生长模型参数进行拟合，并对模型预估精度进行了检验和选择，旨在为三岔子林业局针阔混交林的林分蓄积估算及林分生长规律的研究提供参考。
本文研究地位于吉林省东部长白山区三岔子林业局，该局隶属吉林森工集团，施业区在吉林省白山市境内。该区域春季昼夜温差大，市区年平均气温4.6 ℃，夏季最高气温36.5 ℃，冬季最低气温-42.2 ℃，年平均降水量883.4 mm，日照时数2 259 h，无霜期140 d。林分类型主要有针阔混交林、阔叶混交林、针叶混交林和纯林，主要优势树种有蒙古栎()、胡桃楸()、紫椴()、榆树()、色木槭()、红松()、落叶松()和云杉()等。
2.1 数据来源
数据来源于2018年三岔子林业局的森林资源调查小班数据库，本次筛选的数据库林分类型为针阔混交林，该类型林分树种组成中针叶树种或阔叶树种的组成数为3～7成(不包含3成和7成)。共筛选林分(小班)2 278个，筛选字段主要有林分类型、树种组成、林龄和公顷蓄积等字段。
2.2 林分生长模型
本文选择具有代表性的8个林分生长模型，具体模型详见表1。
表1 林分生长模型
2.3 模型检验
利用总相对误差()、平均相对误差()、平均相对误差绝对值()、预估精度()和方差均方()对模型的拟合精度进行验证。其中、和越接近于0，越接近于1，越小，表示模型拟合精度越高。
2.4 数据统计
利用Office 2017软件对数据进行筛选和整理，利用SAS 8.1软件的nlin过程对模型进行拟合和检验。
式中：为林分公顷蓄积，为林龄，、、为模型参数。
3.1 数据清洗与整合
由于相同年龄的林分密度有所差异，以及环境对林分生长的影响，导致相同林龄的公顷蓄积有所差异。为了减少具有相同林龄而林分公顷蓄积差异较大的林分对模型拟合的影响，以具有相同林龄的公顷蓄积平均值为因变量，以林龄为自变量，对筛选的数据进行清洗并整合(图1)。从图1可以看出，数据清洗整合前林分公顷蓄积与林龄的散点图呈现“云状”，无明显规律；
经过清洗和整合后林分公顷蓄积随林龄增长呈现“S”形曲线，数据清洗和整理可有效提高林分生长模型的拟合精度。
图1 数据清洗前后对比图
3.2 模型参数拟合
利用清洗整合后的数据对8个常见的林分生长模型参数进行拟合，并对模型参数的置信区间(=0.05)进行计算(表2)。8个常见的林分生长模型拟合结果均收敛，模型拟合检验值均达到显著水平(<0.05)。其中模型5和模型6参数的置信区间中包含0，说明这两个模型参数拟合结果不显著，参数不可用；
模型7参数的置信区间中包含0，说明该模型参数拟合结果不显著，参数不可用；
模型1、2、3、4和模型8的参数置信区间均不包含0，说明这5个模型参数拟合结果均达到显著水平，模型均可用，将这5个模型作为预选模型。
表2 林分生长模型参数拟合
3.3 模型检验及选择
利用总相对误差()、平均相对误差()、平均相对误差绝对值()、预估精度()和方差均方()对模型参数可用的5个备选模型的预估精度进行检验(表3)。由表3可以看出，模型8的值最接近于0，为-0.000 4，与其他模型的检验值差距均较大。模型3的最接近于0，为0.014 6，除与模型1差距较小外，与其他模型的检验值差距均较大；
该模型值最接近于1，为0.992 71，但与其他模型差距均较小；
最小，为323.4，除与模型4差距较小外，与其他模型的检验值差距均较大。模型2的值最接近于0，为0.312 8，但与其余模型的检验值差距均较小。
表3 预选模型预估精度检验
综合以上检验结果，模型3的各项拟合精度检验结果较好，选择模型3即逻辑斯蒂模型为三岔子林业局针阔混交林的林分生长模型。
4.1 三岔子林业局针阔混交林林分调查数据经过清洗和整合后林分公顷蓄积随林龄增长呈现“S”形曲线，数据清洗和整理可有效提高林分生长模型的拟合精度。
4.2 8个常见的林分生长模型拟合结果均收敛，其中模型5和模型6的参数不可用，模型7参数不可用。模型1、2、3、4和8的模型参数均可用，可作为预选模型。
4.3 5个预选模型中，模型8的值最接近于0，为-0.000 4；
模型3的最接近于0，为0.014 6，该模型值最接近于1，为0.992 71，最小，为323.4；
模型2的值最接近于0，为0.312 8。选择模型3即逻辑斯蒂模型为三岔子林业局针阔混交林的林分生长模型。
