高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于贝叶斯法的长白落叶松林分优势高生长模型研究

姚丹丹 雷相东 张则路

姚丹丹, 雷相东, 张则路. 基于贝叶斯法的长白落叶松林分优势高生长模型研究[J]. 北京林业大学学报, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
引用本文: 姚丹丹, 雷相东, 张则路. 基于贝叶斯法的长白落叶松林分优势高生长模型研究[J]. 北京林业大学学报, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
YAO Dan-dan, LEI Xiang-dong, ZHANG Ze-lu. Bayesian parameter estimation of dominant height growth model for Changbai larch (Larix olgensis Henry) plantations[J]. Journal of Beijing Forestry University, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
Citation: YAO Dan-dan, LEI Xiang-dong, ZHANG Ze-lu. Bayesian parameter estimation of dominant height growth model for Changbai larch (Larix olgensis Henry) plantations[J]. Journal of Beijing Forestry University, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221

基于贝叶斯法的长白落叶松林分优势高生长模型研究

doi: 10.13332/j.1000-1522.20140221
基金项目: 

国家自然科学基金项目(31270697)

详细信息
    作者简介:

    第一作者: 姚丹丹。主要研究方向:森林生长模型与模拟。Email:Myforestrymy2012@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息所。责任作者: 雷相东,研究员,博士生导师。主要研究方向:森林生长模型与模拟、多目标森林经营规划。Email: xdlei@caf.ac.cn 地址:同上。

    第一作者: 姚丹丹。主要研究方向:森林生长模型与模拟。Email:Myforestrymy2012@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息所。责任作者: 雷相东,研究员,博士生导师。主要研究方向:森林生长模型与模拟、多目标森林经营规划。Email: xdlei@caf.ac.cn 地址:同上。

Bayesian parameter estimation of dominant height growth model for Changbai larch (Larix olgensis Henry) plantations

  • 摘要: 贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。
  • [1] ZHANG X Q, ZHANG J G, DUAN A G. Tree-height growth model for Chinese fir plantation based on Bayesian method[J]. Scientia Silvae Sinicae, 2014, 50(3): 69-75.
    [2] ELLISON A M. Bayesian inference in ecology [J].Ecology Letters, 2004, 7(6): 509-520.
    [3] JIA N G. The estimation problem of local tree height-diameter at breast height [J]. Journal of Beijing Forestry College, 1984,6(3):1-9.
    [4] MCCARTHY M A. Bayesian methods for ecology [M]. Cambridge: Cambridge University Press, 2007.
    [5] CHENG X P, MIZUSAKI D, WANG S H, et al. Construction of tree growth model based on spatial autocorrelation [J]. Journal of Beijing Forestry University, 2012, 34 (5):113-119.
    [6] LI R, STEWART B, WEISKTTEL A. A Bayesian approach for modelling non-linear longitudinal/hierarchical data with random effects in forestry [J]. Forestry, 2012, 85(1): 17-25.
    [7] DAVIDIAN M, GILTINAN D M. Nonlinear models for repeated measurement data [M]. New York: Chapman and Hall, 1995.
    [8] JIA N G. Bayesian statistics and its application prospect in the forestry [J]. Journal of Beijing Forestry University, 1988, 10 (4): 91-96.
    [9] GREEN E J, STRAWDERMAN W E. A comparison of hierarchical Bayes and empirical Bayes methods [J]. Forest Science, 1992, 38(2):350-366.
    [10] LIANG W J, WANG X C, LIU F J. The preparation of main forestation tree species site index table in Jilin Province[J]. Jilin Forestry Science and Technology, 1999, 143(6): 1-5.
    [11] JIANG G J, ZHENG X X. Structural characteristics of natural spruce-fir forest in Wangqing Forestry Bureau of Jilin Province, northeastern China [J]. Journal of Beijing Forestry University, 2012, 34(4): 36-41.
    [12] GREEN E J, ROESH A F, SMITH A F M, et al. Bayesian estimation for the three-parameter Weibull distribution with tree diameter data [J]. International Biometric Society, 1994, 50(1):254-260.
    [13] ZHANG J G, DUAN A G. Approach to theoretical growth equations for modelling stands diameter structure of Chinese fir plantations [J]. Scientia Silvae Sinicae, 2003, 39(6): 55-61.
    [14] BULLOCK B P, BOONE E L. Deriving tree diameter distributions using Bayesian model averaging[J]. Forest Ecology and Management, 2007, 242(2-3): 127-132.
    [15] GREEN E J, STRAWDERMAN W E. Predictive posterior distributions from a Bayesian version of a slash pine yield model [J].Forest Science, 1996, 42(4): 456-464.
    [16] WEI X H, SUN Y J, MA W. A height growth model for Cunninghamia lanceolata based on Richards’ equation[J]. Journal of Zhejiang Agriculture and Forestry University, 2012, 29(5): 661-666.
    [17] LI F R, WU J M, LU S L. The comparison between Richards growth function and the Schnute model [J]. Journal of Northeast Forestry University, 1993, 21(4): 15-24.
    [18] WYCKOFF P H, CLARK J S. Predicting tree mortality from diameter growth: a comparison of maximum likelihood and Bayesian approaches [J].Canadian Journal of Forest Research, 2000, 30(1): 156-167.
    [19] METCALF C J E, MMAHO S M, CLARK J S. Overcoming data sparseness and parametric constraints in modeling of tree mortality: a new nonparametric Bayesian model [J].Canadian Journal of Forest Research, 2009, 39(9): 1677-1687.
    [20] XING L F, FA Y L, CHEN W Z, et al. Richards growth model’s utility of standing timber [J]. Journal of Shandong Forestry Science and Technology, 1997(5): 16-19.
    [21] NYSTROM K, STAHL G. Forecasting probability distributions of forest yield allowing for a Bayesian approach to management planning [J]. Silva Fennica, 2001, 35(2): 185-201.
    [22] MAO S S, TANG Y C. Bayesian statistics[M]. 2nd ed. Beijing: China Statistics Press, 2012.
    [23] XUE Y, CHEN L P. Statistical modeling and R software[M]. Beijing: Tsinghua University Press, 2007.
    [24] 张雄清, 张建国, 段爱国. 基于贝叶斯法估计杉木人工林树高生长模型[J]. 林业科学, 2014, 50(3): 69-75.
    [25] ZHANG X Q, DUAN A G, ZHANG J G, et al. Estimating height-diameter models with Bayesian method[J]. The Scientific World Journal, 2014,1:1-27.
    [26] CLARK J S, WOLOSIN M, DIETZE M, et al. Tree growth inference and prediction from diameter censuses and ring widths[J]. Ecological Applications, 2007, 17(7): 1942-1953.
    [27] TATSUMI S, OWARI T. Bayesian modeling of neighborhood competition in uneven-aged mixed-species stands [J]. Formath, 2013, 12(1):191-209.
    [28] 贾乃光. 局部树高-胸径的估计问题[J].北京林学院学报, 1984,6(3):1-9.
    [29] 程希平, 水崎大二郎, 王四海,等. 基于空间自相关构建树木生长模型[J]. 北京林业大学学报, 2012,34 (5):113-119.
    [30] BOX G E P, TIAO G C. Bayesian inference in statistical analysis [M]. Massachusetts: Wiley Press, 1992.
    [31] SEBER G A F, WILD C J. Nonlinear regression [M]. Massachusetts: Wiley Press, 1989.
    [32] 贾乃光. 贝叶斯统计学及其应用于林业的前景 [J].北京林业大学学报, 1988,10(4):91-96.
    [33] 梁万军, 王宪成, 刘福金. 吉林省主要造林树种立地指数表的编制[J].吉林林业科技, 1999, 143(6): 1-5.
    [34] 蒋桂娟, 郑小贤. 吉林省汪清林业局云冷杉天然林结构特征研究[J]. 北京林业大学学报, 2012, 34(4): 36-41.
    [35] 张建国, 段爱国. 理论生长方程对杉木人工林林分胸径结构的模拟研究[J]. 林业科学, 2003, 39(6): 55-61.
    [36] 魏晓慧, 孙玉君, 马炜. 基于Richards方程的杉木树高生长模型[J].浙江农林大学学报, 2012, 29(5): 661-666.
    [37] 李凤日, 吴俊民, 鲁胜利. Richards函数与Schnute生长模型的比较 [J].东北林业大学学报, 1993, 21(4): 15-24.
    [38] 邢黎峰, 法永乐, 陈文周,等. Richards林木生长模型及其实用性 [J].山东林业科技, 1997(5): 516-19.
    [39] 茆诗松, 汤银才. 贝叶斯统计[M]. 2版.北京:中国统计出版社, 2012.
    [40] GELMAN A, CARLIN J B, STERN H S, et al. Bayesian data analysis[M]. 2nd ed. New York: Chapman and Hall, 2003.
    [41] SPIEGELHALTER D J, BESTN G, CARLIN B P, et al. Bayesian measures of model complexity and fit[J]. Journal of Royal Statistical Society: Series B, 2002,64(4):583-639.
    [42] 薛毅, 陈丽萍. 统计建模与R软件[M]. 北京:清华大学出版社, 2007.
  • [1] 牛亦龙, 董利虎, 李凤日.  基于广义代数差分法的长白落叶松人工林地位指数模型 . 北京林业大学学报, 2020, 42(2): 9-18. doi: 10.12171/j.1000-1522.20190036
    [2] 贺梦莹, 董利虎, 李凤日.  长白落叶松−水曲柳混交林冠幅预测模型 . 北京林业大学学报, 2020, 42(7): 23-32. doi: 10.12171/j.1000-1522.20190250
    [3] 孙一博, 刘强, 李凤日.  长白落叶松树冠光分布的动态模拟 . 北京林业大学学报, 2019, 41(12): 77-87. doi: 10.12171/j.1000-1522.20190324
    [4] 徐奇刚, 雷相东, 国红, 李海奎, 李玉堂.  基于多层感知机的长白落叶松人工林林分生物量模型 . 北京林业大学学报, 2019, 41(5): 97-107. doi: 10.13332/j.1000-1522.20190035
    [5] 白东雪, 刘强, 董利虎, 李凤日.  长白落叶松人工林有效冠高的确定及其影响因子 . 北京林业大学学报, 2019, 41(5): 76-87. doi: 10.13332/j.1000-1522.20190016
    [6] 沈剑波, 雷相东, 雷渊才, 李玉堂.  长白落叶松人工林地位指数及立地形的比较研究 . 北京林业大学学报, 2018, 40(6): 1-8. doi: 10.13332/j.1000-1522.20170400
    [7] 罗梅, 陈绍志.  不同龄组长白落叶松种内及种间竞争研究 . 北京林业大学学报, 2018, 40(9): 33-44. doi: 10.13332/j.1000-1522.20180126
    [8] 陈彬杭, 温晓示, 张树斌, 柴世品, 孙晗, 王襄平.  吉林北部山区长白落叶松林径向生长对气候干暖化的响应 . 北京林业大学学报, 2018, 40(12): 18-26. doi: 10.13332/j.1000-1522.20180333
    [9] 宋金凤, 李金博, 曹楷, 桑英, 崔晓阳.  草酸和柠檬酸提高长白落叶松对Pb胁迫的适应性 . 北京林业大学学报, 2017, 39(11): 18-27. doi: 10.13332/j.1000-1522.20170146
    [10] 姜礅, 孟昭军, 严善春.  用茉莉酸甲酯局部喷施长白落叶松苗对落叶松毛虫体内防御酶的影响 . 北京林业大学学报, 2017, 39(2): 58-63. doi: 10.13332/j.1000-1522.20160291
    [11] 孙志虎, 王秀琴, 陈祥伟.  不同抚育间伐强度对落叶松人工林生态系统碳储量影响 . 北京林业大学学报, 2016, 38(12): 1-13. doi: 10.13332/j.1000-1522.20160016
    [12] 张素芳, 张磊, 赵佳丽, 张莉, 张含国.  长白落叶松小RNA测序和其靶基因预测 . 北京林业大学学报, 2016, 38(12): 64-72. doi: 10.13332/j.1000-1522.20150404
    [13] 姜礅, 王杰, 姜虹, 张文一, 孟昭军, 严善春.  茉莉酸甲酯局部诱导长白落叶松对舞毒蛾生长发育的影响 . 北京林业大学学报, 2016, 38(6): 67-71. doi: 10.13332/j.1000-1522.20150493
    [14] 刘艳红, 马炜.  长白落叶松人工林可燃物碳储量分布及燃烧性 . 北京林业大学学报, 2013, 35(3): 32-38.
    [15]
    孙志虎, 毕永娟, 牟长城, 蔡体久
    基于FORECAST模型的长白落叶松人工林经营措施对长期生产力的影响 . 北京林业大学学报, 2012, 34(6): 1-6.
    [16] 许晨璐, 孙晓梅, 张守攻.  日本落叶松与长白落叶松及其杂种光合特性比较 . 北京林业大学学报, 2012, 34(4): 62-66.
    [17] 康瑶瑶, 刘勇, 马履一, 李国雷, 祝燕, 马跃.  施肥对长白落叶松苗木养分库氮磷吸收及利用的影响 . 北京林业大学学报, 2011, 33(2): 31-36.
    [18] 孙慧彦, 刘勇, 马履一, 贾忠奎, 康瑶瑶, 金虎范, 祝燕, 侯炳柱, 尹凤君.  长白落叶松苗木质量与造林效果关系的比较 . 北京林业大学学报, 2009, 31(6): 176-180.
    [19] 孙志虎, 牟长城, 张彦东.  用地统计学方法估算长白落叶松人工林凋落物现存量 . 北京林业大学学报, 2008, 30(4): 59-64.
    [20] 崔彬彬, 李贤军, 宗世祥, 赵俊卉, 肖化顺, 陈伟, 刘志军, 王志玲, 曹伟, 黄心渊, 张煜星, 周国模, 李国平, 江泽慧, 雷相东, 刘智, 施婷婷, 张展羽, 于寒颖, 周志强, 杜官本, 徐剑琦, 程金新, 雷霆, 程丽莉, 曹金珍, 关德新, 刘童燕, 张贵, 苏里坦, 吴家森, 骆有庆, 王正, 丁立建, 王正, 张则路, 张彩虹, 王海, 杨谦, 张璧光, 苏淑钗, 李云, 张璧光, 郭广猛, 郝雨, 黄群策, 雷洪, 李云, 张国华, 刘彤, 金晓洁], 吴家兵, 黄晓丽, 贺宏奎, 王勇, 张书香, 张慧东, 常亮, 秦岭, 方群, 秦广雍, 张佳蕊, 许志春, 张大红, 陈晓光, 宋南, 刘大鹏, 姜培坤, 李文军, 周晓燕, 李延军, 高黎, 刘海龙, 蔡学理, 陈燕, 姜静, 姜金仲, 张弥, 冯慧, 苏晓华, 于兴华, 张金桐, 刘建立, 王安志, 张冰玉, 尹伟伦, 陈绪和, 周梅, 王谦, 朱彩霞, 成小芳, 王德国, 陈建伟3, 聂立水, 亢新刚, 张连生, 张勤, 冯大领, 金昌杰, 梁树军, 崔国发, 韩士杰, 胡君艳, 姚国龙.  长白落叶松等几个树种冠幅预测模型的研究 . 北京林业大学学报, 2006, 28(6): 75-79.
  • 加载中
计量
  • 文章访问数:  501
  • HTML全文浏览量:  86
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-07-01
  • 修回日期:  2014-09-12
  • 刊出日期:  2015-03-31

基于贝叶斯法的长白落叶松林分优势高生长模型研究

doi: 10.13332/j.1000-1522.20140221
    基金项目:

    国家自然科学基金项目(31270697)

    作者简介:

    第一作者: 姚丹丹。主要研究方向:森林生长模型与模拟。Email:Myforestrymy2012@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息所。责任作者: 雷相东,研究员,博士生导师。主要研究方向:森林生长模型与模拟、多目标森林经营规划。Email: xdlei@caf.ac.cn 地址:同上。

    第一作者: 姚丹丹。主要研究方向:森林生长模型与模拟。Email:Myforestrymy2012@163.com 地址:100091 北京市海淀区香山路东小府1号中国林业科学研究院资源信息所。责任作者: 雷相东,研究员,博士生导师。主要研究方向:森林生长模型与模拟、多目标森林经营规划。Email: xdlei@caf.ac.cn 地址:同上。

摘要: 贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。

English Abstract

姚丹丹, 雷相东, 张则路. 基于贝叶斯法的长白落叶松林分优势高生长模型研究[J]. 北京林业大学学报, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
引用本文: 姚丹丹, 雷相东, 张则路. 基于贝叶斯法的长白落叶松林分优势高生长模型研究[J]. 北京林业大学学报, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
YAO Dan-dan, LEI Xiang-dong, ZHANG Ze-lu. Bayesian parameter estimation of dominant height growth model for Changbai larch (Larix olgensis Henry) plantations[J]. Journal of Beijing Forestry University, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
Citation: YAO Dan-dan, LEI Xiang-dong, ZHANG Ze-lu. Bayesian parameter estimation of dominant height growth model for Changbai larch (Larix olgensis Henry) plantations[J]. Journal of Beijing Forestry University, 2015, 37(3): 94-100. doi: 10.13332/j.1000-1522.20140221
参考文献 (42)

目录

    /

    返回文章
    返回