[目的]采用非线性分位数回归法构建不同分位点的杉木可变指数削度方程,与非线性模型进行比较,以提高杉木干形的预测精度.[方法]利用福建省将乐国有林场的73株(793组)杉木解析木数据,选取4个可变指数削度方程,基于5折交叉验证,分别采用非线性分位数回归与非线性回归构建削度方程.选用调整后决定系数(R2)、均方根误差(RMSE)、平均误差(ME)、相对误差(RE)和平均绝对误差(MAE)5个模型评价指标,结合图形对各模型的拟合结果和预测结果进行评价.[结果](1)4个可变指数削度方程在5个分位点(t=0.1,0.3,0.5,0.7,0.9)处均能收敛,说明分位数回归可以建立不同分位点的估测模型,能更全面地描述杉木干形的变化.(2)4个削度方程在分位点为0.5处的精度最高,R2均在0.97左右.对于削度方程M1和M3,基于中位数回归(t=0.5)的拟合精度与预测精度均高于非线性回归,且M1的预测值更加集中.(3)在不同分位点下,各模型对树干不同位置的预测精度不同,分位值为0.9和0.3的模型分别对梢头部分和树干基部的预测精度最高.[结论]基于分位数回归的可变指数削度方程不仅能精确预测平均条件下杉木的树干直径,而且能预测任意分位条件下杉木干形的变化趋势.不同分位点模型对树干不同位置的预测精度不同,基于M1削度方程,建立多分位点回归模型能进一步提高研究区杉木干形的预测精度.
国家科技期刊平台
NSTL
万方数据
维普
