东北林业大学学报
東北林業大學學報
동북임업대학학보
JOURNAL OF NORTHEAST FORESTRY UNIVERSITY
2015年
5期
42-48
,共7页
落叶松人工林%Weibull分布%直径分布动态%参数预估模型%似乎不相关回归
落葉鬆人工林%Weibull分佈%直徑分佈動態%參數預估模型%似乎不相關迴歸
락협송인공림%Weibull분포%직경분포동태%삼수예고모형%사호불상관회귀
Larch plantation%Weibull Distribution%Dynamic of diameter distribution%Parameter prediction method ( PPM)%Seemly unrelated regression ( SUR)
基于小兴安岭地区和长白山地区102块落叶松人工纯林固定标准地复测数据（10 a间隔期），采用参数预测模型（PPM）系统，建立了前期Weibull分布参数（b1）与前期林分调查因子模型、前期参数c1与b1之间的回归模型、两期参数b2与b1的回归模型、以及两期参数c2与b2之间的回归模型，并采用似乎不相关回归（ SUR）理论，估计了模型的参数；利用“刀切法”选择平均相对误差（ ME ）、平均相对误差绝对值（ MAE ）、预测精度（ P）、相对误差（ B）、误差指数（ IE ）等指标，分别对所建立的参数动态预测方程及直径分布动态预测结果进行了检验。结果表明：所有模型的R2a较好（0．428～0．897），RMSE均较小（0．37～0．94），所建立的直径分布动态预测模型具有较好的拟合效果。通过检验，所建立的参数动态模型预估能力较好（－10％＜ME＜－2％，P＞95％），并能较好地预测落叶松人工林未来直径分布（B0＝4．38％，B1＝12．38％，IE＝524）。
基于小興安嶺地區和長白山地區102塊落葉鬆人工純林固定標準地複測數據（10 a間隔期），採用參數預測模型（PPM）繫統，建立瞭前期Weibull分佈參數（b1）與前期林分調查因子模型、前期參數c1與b1之間的迴歸模型、兩期參數b2與b1的迴歸模型、以及兩期參數c2與b2之間的迴歸模型，併採用似乎不相關迴歸（ SUR）理論，估計瞭模型的參數；利用“刀切法”選擇平均相對誤差（ ME ）、平均相對誤差絕對值（ MAE ）、預測精度（ P）、相對誤差（ B）、誤差指數（ IE ）等指標，分彆對所建立的參數動態預測方程及直徑分佈動態預測結果進行瞭檢驗。結果錶明：所有模型的R2a較好（0．428～0．897），RMSE均較小（0．37～0．94），所建立的直徑分佈動態預測模型具有較好的擬閤效果。通過檢驗，所建立的參數動態模型預估能力較好（－10％＜ME＜－2％，P＞95％），併能較好地預測落葉鬆人工林未來直徑分佈（B0＝4．38％，B1＝12．38％，IE＝524）。
기우소흥안령지구화장백산지구102괴락협송인공순림고정표준지복측수거（10 a간격기），채용삼수예측모형（PPM）계통，건립료전기Weibull분포삼수（b1）여전기림분조사인자모형、전기삼수c1여b1지간적회귀모형、량기삼수b2여b1적회귀모형、이급량기삼수c2여b2지간적회귀모형，병채용사호불상관회귀（ SUR）이론，고계료모형적삼수；이용“도절법”선택평균상대오차（ ME ）、평균상대오차절대치（ MAE ）、예측정도（ P）、상대오차（ B）、오차지수（ IE ）등지표，분별대소건립적삼수동태예측방정급직경분포동태예측결과진행료검험。결과표명：소유모형적R2a교호（0．428～0．897），RMSE균교소（0．37～0．94），소건립적직경분포동태예측모형구유교호적의합효과。통과검험，소건립적삼수동태모형예고능력교호（－10％＜ME＜－2％，P＞95％），병능교호지예측락협송인공림미래직경분포（B0＝4．38％，B1＝12．38％，IE＝524）。
We used 102 plots with the interval of 10 years for Larch pure plantation in Xiaoxing ’ an Mountains and Changbai Mountains, and followed the Weibull distribution to develop the relationship with the parameter b1 of the initial data and the forest factors of initial data by parameter prediction method ( PPM) , and the relationship with two parameters c1 and b1 , b2 and b1, and c2 and b2.We simultaneously estimated the model coefficients using seemly unrelated regression (SUR).By the model fitting , all the parameter prediction models were with good model fitting and prediction performance with the model R2a of 0.428-0.897, and small RMSE of 0.37-0.94, and the dynamic diameter distribution models were with a good prediction performance .The relative biases , the error index , the mean relative error , the mean absolute relative error , the precision were used to evaluate the validation statistics of dynamic parameter prediction equations , respectively .The dy-namic diameter distribution models have good precision , and can be used to predict the diameter distribution of Larch plan-tation in future .
