摘要
[目的]使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持.[方法]利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型.比较7种分位数组合:三分位数组合(τ=0.1,0.5,0.9和τ=0.3,0.5,0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果.分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1～9株)对预测精度的影响.同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较.[结果]线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好.多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关.使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3,0.5,0.7)的预测能力最好.对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木.[结论]基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测.
国家科技期刊平台
NSTL
维普
万方数据