以贵州省东北部地区马尾松人工林为研究对象,基于254块样地的15275株马尾松数据,随机选取80％样地数据用于模型建立,20％样地数据用于模型检验.对11个常用的树高-胸径模型进行拟合,筛选效果最佳的为基础模型,并将密度、优势木平均高、胸高断面积以不同个数及组合形式加入基础模型,筛选最优广义模型.同时考虑样地水平的随机效应,对应构建基础混合效应模型和广义混合效应模型,评价固定效应模型(两个)与非线性混合效应模型(两个)的拟合能力和预测精度,获得最佳树高预测模型.结果表明:最优基础模型为Chapman-Richards模型,其决定系数(R2=0.636)最大,均方根误差(RMSE=2.472 m)、平均绝对误差(MAE=1.917 m)、平均相对误差绝对值(RMA=14.597％)最小;广义模型精度均优于基础模型,以含林分密度、优势木平均高、胸高断面积的广义模型预测精度最高(R2=0.797、RMSE=1.845 m、MAE=1.383 m、RMA=10.913％);非线性混合效应模型预测能力优于固定效应模型,表明非线性混合效应模型能更好地描述树高-胸径关系,其中基础混合效应模型(R2=0.864、RMSE=1.512 m、MAE=1.107 m、RMA=8.627％)和广义混合效应模型(R2=0.863、RMSE=1.516 m、MAE=1.113 m、RMA=8.657％)拟合效果没有明显差异.与传统回归方法建立的基础模型和广义模型相比,基于非线性混合效应构建的树高-胸径模型预测效果更具有优越性,用基础非线性混合效应模型预测马尾松人工林树高值,具有较高精度.
国家科技期刊平台
NSTL
万方数据
维普
