[目的]探索树高-胸径模型构建新方法,将分位数回归与非线性混合效应法相结合应用于树高-胸径模型构建,以此提高模型的拟合精度.[方法]利用2018年福建省将乐国有林场30 m×30 m固定样地1306株杉木的实测树高、胸径数据,从4个树高-胸径模型中筛选拟合效果最好的为基础模型,基于基础模型分别采用非线性混合效应、分位数回归以及非线性分位数混合效应构建树高-胸径模型.采用评价指标均方根误差(RMSE)、调整后决定系数(R2adj)和均方差(MSE),对各模型的拟合结果进行评价比较,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)以及对数似然函数值(Loglik)比较各最优模型的拟合精度和预测精度.[结果]根据评价指标对比显示,Logistic模型为基础模型.非线性混合效应模型的拟合效果最优(AIC为3953.986,BIC为3988.199,Loglik为-1969.993),非线性分位数混合效应模型(AIC为3979.418,BIC为4028.293,Loglik为-1979.709)次之.模型拟合效果排序为非线性混合效应模型>非线性分位数混合效应模型>基础模型>分位数回归模型.比较各模型的残差图可知各模型均不存在异方差现象,预测效果排序为非线性混合效应模型>非线性分位数混合效应模型>基础模型>分位数回归模型.[结论]本研究将分位数回归与非线性混合效应法相结合,该方法对分组数据结构中不同分位点个体间的差异与关联做出解释,提高了模型的稳定性以及拟合精度,将该方法应用到树高-胸径关系的研究上是一个可行的思路,为构建树高-胸径模型提供新方法.
国家科技期刊平台
NSTL
万方数据
维普
