以胸径和树高作为自变量,基于多元似然分析、似乎不相关回归等方法研建了黑龙江省天然蒙古栎可加性生物量模型系统.结果表明:树高显著提高了树干生物量模型的效果,决定系数(R2)从0.953提高到0.988,均方根误差(RMSE)减小14 kg,对树枝、树叶和树根生物量的影响并不显著.单变量(仅含胸径)和双变量(胸径、树高)幂函数形式的生物量模型系统的误差结构均为相乘型,表明对数转换后的线性模型形式更合适.树干、树枝、树叶、树根生物量模型的R2分别为0.953～0.988、0.982～0.983、0.916～0.917、0.951～0.952,RMSE 分别为 13.42～27.03、6.84～7.00、1.95～1.97、9.71～9.84 kg.与广义最小二乘法(FGLS)相比,贝叶斯估计产生了相似的模型拟合效果,却提供了不同变异大小的参数估计值.FGLS各参数标准误为0.054～0.211,而使用Jeffreys不变先验的两种贝叶斯估计方法(DMC和Gibbs1)产生相似的参数变异(标准差为0.055～0.221);使用均值向量为0、方差为1000且协方差为0的多元正态先验(Gibbs2)和使用来自栎属树种生物量模型历史研究汇总的先验(Gibbs3)产生了更大的变异(标准差为0.080～0.278),使用 自身数据获取的先验(Gibbs4)估计得到的各参数变异小于其他方法(标准差为0.004～0.013).当使用Gibbs4法建立模型时,两类模型不仅能提供最窄的95％预测区间,还能产生更小的预估偏差,树干、树枝、树叶、树根和总生物量在单变量模型中的平均绝对偏差百分比(MAPE)分别为19.8％、24.7％、24.6％、29.0％和13.1％,树干和总生物量在双变量模型中的MAPE分别减小到10.5％和9.8％,其他组织MAPE未改变,表明Gibbs4法能提供更准确的生物量预测值.与传统回归方法相比,准确的先验信息使贝叶斯统计在估计稳定性和不确定性减小方面具有优势.
国家科技期刊平台
NSTL
万方数据
维普
