查看更多>>摘要:[目的]基于非线性回归和广义模型构建不同分位数回归和混合效应的树高预测方程,并对比分析非线性模型、不同分位点(τ = 0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型、广义模型及非线性混合效应模型的拟合效果和预测精度,为研究林分生长和收获提供理论依据.[方法]本研究以吉林蛟河地区针阔混交林的主要树种(红松、色木槭、紫椴和水曲柳)为研究对象,基于 21.12 hm2 样地数据,首先在 11 个广泛使用的树高方程基础模型中选定基础模型;其次探究林分变量对树高的影响并构建含林分变量的广义模型;最后在基础模型和广义模型的基础上,构建分位数模型,同时考虑样方效应对树高的影响,构建混合效应模型.[结果](1)各树种均以Richards模型拟合精度更高,且具有生物学意义,选定为基础模型;考虑林分变量与树高的相关性以及模型收敛性,加入优势木高建立的广义模型能显著提高拟合效果.(2)各树种均为中位数τ = 0.5时模型拟合效果最佳,且与非线性回归预测精度相近,红松、色木槭、紫椴和水曲柳最高R2 值分别为 0.811、0.809、0.724和 0.617,广义中位数回归预测能力得到进一步提高,R2 值分别为 0.891、0.874、0.858 和 0.627.(3)混合效应模型相对其他模型能显著提高预测精度,其中基础混合模型略优于广义混合模型,4 个树种R2 值达到0.937、0.919、0.906和 0.643,表明包含样方效应的混合模型能得到更准确更稳定的预测结果.[结论]与传统方法建立的基础模型和广义模型以及两者的中位数回归模型相较,基于非线性混合效应构建的树高-胸径模型预测精度更高,其中基于基础混合效应构建的吉林蛟河地区混交林树高-胸径模型更具优越性和稳定性.