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

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

娄明华 张会儒 雷相东 卢军

娄明华, 张会儒, 雷相东, 卢军. 天然云冷杉针阔混交林单木胸径树高空间自回归模型研究[J]. 北京林业大学学报, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
引用本文: 娄明华, 张会儒, 雷相东, 卢军. 天然云冷杉针阔混交林单木胸径树高空间自回归模型研究[J]. 北京林业大学学报, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
LOU Ming-hua, ZHANG Hui-ru, LEI Xiang-dong, LU Jun. An individual height-diameter model constructed using spatial autoregressive models within natural spruce-fir and broadleaf mixed stands.[J]. Journal of Beijing Forestry University, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
Citation: LOU Ming-hua, ZHANG Hui-ru, LEI Xiang-dong, LU Jun. An individual height-diameter model constructed using spatial autoregressive models within natural spruce-fir and broadleaf mixed stands.[J]. Journal of Beijing Forestry University, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

doi: 10.13332/j.1000-1522.20150491
基金项目: 

十二五国家科技支撑计划课题(2012BAD22B02)。

详细信息
    作者简介:

    娄明华,博士生。主要研究方向:森林可持续经营。Email:mhlou1987@163.com地址:100091北京市海淀区东小府1号中国林业科学研究院资源信息研究所。责任作者:张会儒,研究员,博士生导师。主要研究方向:森林可持续经营。Email:huiru@ifrit.ac.cn地址:同上。

    娄明华,博士生。主要研究方向:森林可持续经营。Email:mhlou1987@163.com地址:100091北京市海淀区东小府1号中国林业科学研究院资源信息研究所。责任作者:张会儒,研究员,博士生导师。主要研究方向:森林可持续经营。Email:huiru@ifrit.ac.cn地址:同上。

An individual height-diameter model constructed using spatial autoregressive models within natural spruce-fir and broadleaf mixed stands.

  • 摘要: 林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。
  • [1] CALAMA R, MONTERO G. Interregional nonlinear height-diameter model with random coefficients for stone pine in Spain [J]. Canadian Journal of Forest Research, 2004, 34(1): 150-163.
    [2] LEI X D, PENG C H, WANG H Y, et al. Individual height-diameter models for young black spruce (Picea mariana) and jack pine (Pinus banksiana) plantations in New Brunswick, Canada [J]. The Forestry Chronicle, 2009, 85(1): 43-56.
    [3] LASERN D R, HANN D W. Height-diameter equations for seventeen tree species in Southwest Oregon [C].Corvallis: Oregon State University,1987.
    [4] JAYARAMAN K, LAPPI J. Estimation of height-diameter curves through multilevel models with special reference to even-aged teak stands [J]. Forest Ecology and Management, 2001, 142: 155-162.
    [5] COLBERT K, LARSEN D, LOOTENS J. Height-diameter equations for thirteen midwestern bottomland hardwood species [J]. Northern Journal of Applied Forestry, 2002, 19(4): 171-176.
    [6] HUANG S, TITUS S J. An index of site productivity for uneven-aged or mixed-species stands [J]. Canadian Journal of Forest Research, 1993, 23(3): 558-562.
    [7] VANCLAY J K. Modelling forest growth and yield: applications to mixed tropical forests [M]. Wallingford: CAB International, 1994.
    [8] CURTIS R O. Height-diameter and height-diameter-age equations for second-growth Douglas-Fir [J]. Forest Science, 1967, 13: 365-375.
    [9] PENG C, ZHANG L, LIU J. Developing and validating nonlinear height-diameter models for major tree species of Ontarios boreal forests [J]. Northern Journal of Applied Forestry, 2001, 18(3): 87-94.
    [10] FORD E D, DIGGLE P J. Competition for light in a plant monoculture modelled as a spatial stochastic process [J]. Annals of Botany, 1981, 48: 481-500.
    [11] TOMPPO E. Models and methods for analysing spatial patterns of trees [M]. Helsinki: The Finnish Forest Research Institute, 1986.
    [12] MATEU J, USO J, MONTES F. The spatial pattern of a forest ecosystem [J]. Ecological Modelling, 1998, 108(1): 163-174.
    [13] MAGNUSSEN S. Application and comparison of spatial models in analyzing tree-genetics field trials [J]. Canadian Journal of Forest Research, 1990, 20: 536-546.
    [14] FOX J C, ADES P K, BI H. Stochastic structure and individual-tree growth models [J]. Forest Ecology and Management, 2001, 154(1): 261-276.
    [15] MENG Q, CIESZEWSKI C J, STRUB M R, et al. Spatial regression modeling of tree height-diameter relationships [J]. Canadian Journal of Forest Research, 2009, 39(12): 2283-2293.
    [16] ANSELIN L. Spatial econometrics: methods and models [M]. Dordrecht: Kluwer Academic Publishers, 1988.
    [17] LEGENDRE P. Spatial autocorrelation trouble or new paradigm? [J]. Ecology, 1993, 74: 1659-1673.
    [18] LEGENDRE P, LEGENDRE L. Numerical ecology [M]. Amsterdam: Elsevier, 1998.
    [19] MILLER H J. Toblers First Law and Spatial Analysis [J]. Annals of The Association of American Geographers, 2004, 94(2): 284-289.
    [20] LENNON J J. Red-shifts and red herrings in geographical ecology [J]. Ecography, 2000, 23(1): 101-113.
    [21] LEGENDRE P, DALE M R T, FORTIN M J, et al.The consequences of spatial structure for the design and analysis of ecological field surveys [J]. Ecography, 2002, 25(5): 601-615.
    [22] DORMANN C F, MCPHERSON J M, ARAUJO M B, et al. Methods to account for spatial autocorrelation in the analysis of species distributional data: a review [J]. Ecography, 2007, 30(5): 609-628.
    [23] KISSLING W D, CARL G. Spatial autocorrelation and the selection of simultaneous autoregressive models [J]. Global Ecology and Biogeography, 2008, 17: 59-71.
    [24] KRMER W. Finite sample efficiency of ordinary least squares in linear regression model with autocorrelated errors [J]. Journal of the American Statistical Association, 1980, 75: 1005-1099.
    [25] WEST P W, RATKOWSKY D A, DAVIS A W. Problems of hypothesis testing of regressions with multiple measurements from individual sampling units [J]. Forest Ecology and Management, 1984, 7(3): 207-224.
    [26] GREGOIRE T G. Generalized error structure for forestry yield models [J]. Forest Science, 1987, 33(2): 423-444.
    [27] ZHANG L, SHI H J. Local modeling of tree growth by geographically weighted regression [J]. Forest Science, 2004, 50: 225-244.
    [28] ZHANG L, BI H, CHENG P, et al. Modeling spatial variation in tree diameter-height relationships [J]. Forest Ecology and Management, 2004, 189(1-3): 317-329.
    [29] ZHANG L, GOVE J H, HEATH L S. Spatial residual analysis of six modeling techniques [J]. Ecological Modelling, 2005, 186(2): 154-177.
    [30] LU J F, ZHANG L J. Modeling and prediction of tree height-diameter relationship using spatial autoregressive models [J]. Forest Science, 2011, 57(3): 252-264.
    [31] CRESSIE N A C. Statistics for spatial data [M].Wiley Series in Probability and Mathematical Statistics. New York: Wiley, 1993.
    [32] HAINING R. Spatial data analysis: theory and practice [M]. Cambridge: Cambridge University Press, 2003.
    [33] 李金良, 郑小贤, 王昕. 东北过伐林区林业局级森林生物多样性指标体系研究[J]. 北京林业大学学报, 2003, 25(1): 48-52.
    [34] LI J L, ZHENG X X, WANG X. Study on forest biodiversity index system of northeast over cutting forest region based on forestry bureau level [J]. Journal of Beijing Forestry University, 2003, 25(1): 48-52.
    [35] 杨华, 李艳丽, 沈林, 等. 长白山云冷杉针阔混交林主要树种空间分布及其关联性 [J]. 生态学报, 2014, 34(16): 4698-4706.
    [36] YANG H, LI Y L, SHEN L, et al. Spatial distributions and associations of main tree species in a spruce-fir forest in the Changbai Mountains area in northeastern China [J]. Acta Ecologica Sinica, 2014, 34(16): 4698-4706.
    [37] 李冰, 樊金拴, 车小强. 我国天然云冷杉针阔混交林结构特征、更新特点及经营管理 [J]. 世界林业研究, 2012, 25(3): 43-49.
    [38] LI B, FAN J S, CHE X Q. A review of studies on structural features, regeneration features and management of natural spruce-fir mixed stand of coniferous and broadleaved trees in China [J]. World Forestry Research, 2012, 25(3): 43-49.
    [39] 李艳丽, 杨华, 亢新刚, 等. 长白山云冷杉针阔混交林天然更新空间分布格局及其异质性 [J]. 应用生态学报, 2014, 25(2): 311-317.
    [40] LI Y L, YANG H, KANG X G, et al. Spatial heterogeneity of natural regeneration in a spruce-fir mixed broadleaf-conifer forest in Changbai Mountains [J]. Chinese Journal of Applied Ecology, 2014, 25(2): 311-317.
    [41] HUANG S, TITUS S, WIENS D P. Comparison of nonlinear height-diameter functions for major Alberta tree species [J]. Canadian Journal of Forest Research, 1992, 22: 1297-1304.
    [42] 李希菲, 唐守正, 袁国仁, 等. 自动调控树高曲线和一元立木材积模型 [J]. 林业科学研究, 1994, 7(5): 512-518.
    [43] LI X F, TANG S Z, YUAN G R, et al. Self-adjusted height-diameter curves and one entry volume model [J]. Forest Research, 1994, 7(5): 512-518.
    [44] CLIFF A D, ORD J K. Spatial processes-models and applications [M].Economic Geography. London: Pion Ltd, 1981.
    [45] FORTIN M J, DALE M R T. Spatial analysis: a guide for ecologists [M]. Cambridge: Cambridge University Press, 2005.
    [46] GETIS A, ALDSTADT J. Constructing the spatial weights matrix using a local statistic [J]. Geographical Analysis, 2004, 36(2): 90-104.
    [47] SMIRNOV O, ANSELIN L. Fast maximum likelihood estimation of very large spatial autoregressive models: a characteristic polynomial approach [J]. Computational Statistics and Data Analysis, 2001, 35(3): 301-319.
    [48] LESAGE J P. Spatial econometrics [M/OL]. [2015-07-03]. https://www.researchgate.net/publication/277298256_Spatial_Econometrics.
    [49] ARABATZIS A A, BURKHART H E. An evaluation of sampling methods and model forms for estimating height-diameter relationships in loblolly pine plantations [J]. Forest Science, 1992, 38(1): 192-198.
    [50] ZHANG L J. Cross-validation of nonlinear growth functions for modeling tree height-diameter distributions [J]. Annals of Botany, 1997, 79(3): 251-257.
  • [1] 张帅, 丁国栋, 高广磊, 孙桂丽, 赵媛媛, 于明含, 丛智杰, 包岩峰.  硬质地HDPE沙障防风效益的风洞试验 . 北京林业大学学报, 2020, 42(3): 127-133. doi: 10.12171/j.1000-1522.20180282
    [2] 王嘉楠, 夏媛倩, 赵德先, 储显, 胡马, 胡隽, 刘慧.  城市森林主要树种树冠尺度及生长空间需求 . 北京林业大学学报, 2018, 40(3): 42-54. doi: 10.13332/j.1000-1522.20170331
    [3] 韩大校, 金光泽.  地形和竞争对典型阔叶红松林不同生长阶段树木胸径生长的影响 . 北京林业大学学报, 2017, 39(1): 9-19. doi: 10.13332/j.1000-1522.20160218
    [4] 万盼, 刘灵, 赵中华, 王千雪, 胡艳波, 王宏翔, 惠刚盈.  沙地樟子松天然林林木大小分布特征 . 北京林业大学学报, 2017, 39(7): 1-9. doi: 10.13332/j.1000-1522.20170132
    [5] 何游云, 张玉波, 李俊清, 王卷乐.  利用无人机遥感测定岷江冷杉单木树干生物量 . 北京林业大学学报, 2016, 38(5): 42-49. doi: 10.13332/j.1000-1522.20150383
    [6] 董晨, 吴保国, 张瀚.  基于冠幅的杉木人工林胸径和树高参数化预估模型 . 北京林业大学学报, 2016, 38(3): 55-63. doi: 10.13332/j.1000-1522.20150129
    [7] 李际平, 房晓娜, 封尧, 孙华, 曹小玉, 赵春燕, 李建军.  基于加权Voronoi图的林木竞争指数 . 北京林业大学学报, 2015, 37(3): 61-68. doi: 10.13332/j.1000-1522.20140310
    [8] 王玉婷, 徐华东, 王立海, 李凤日, 孙虎.  小兴安岭天然林红松活立木腐朽率的调查研究 . 北京林业大学学报, 2015, 37(8): 97-104. doi: 10.13332/j.1000-1522.20150015
    [9] 张睿彬, 胡晓, 刘彤, 严善春.  性别、胸径和叶龄对东北红豆杉针叶内防御蛋白活力的影响 . 北京林业大学学报, 2015, 37(8): 48-52. doi: 10.13332/j.1000-1522.20140115
    [10] 赵明瑶, 刘会云, 张晓丽, 焦志敏, 姚智, 杨铭.  基于林分结构响应的PALSAR森林结构参数估测 . 北京林业大学学报, 2015, 37(6): 61-69. doi: 10.13332/j.1000-1522.20140402
    [11] 吴迪, 范文义.  激光雷达协同多角度光学遥感数据反演树高 . 北京林业大学学报, 2014, 36(4): 8-15. doi: 10.13332/j.cnki.jbfu.2014.04.006
    [12] 韦雪花, 王佳, 冯仲科.  北京市13 个常见树种胸径估测研究 . 北京林业大学学报, 2013, 35(5): 56-63.
    [13] 程希平, 水崎大二郎, 王四海, 吴利华, 马月伟, 巩合德.  基于空间自相关构建树木生长模型 . 北京林业大学学报, 2012, 34(5): 113-119.
    [14] 李丹, 庞勇, 岳彩荣, 赵旦, 徐光彩.  基于TLS数据的单木胸径和树高提取研究 . 北京林业大学学报, 2012, 34(4): 79-86.
    [15] 万红梅, 李霞, 董道瑞, 赵钊, 唐金.  干旱胁迫输水后胡杨测树因子特征及相关分析 . 北京林业大学学报, 2012, 34(2): 34-38.
    [16] 樊艳文, 王襄平, 曾令兵, 武娴, .  北京栓皮栎林胸径-树高相关生长关系的分析 . 北京林业大学学报, 2011, 33(6): 146-150.
    [17] 常新华, 赵秀海, 曾凡勇, 张春雨.  长白山针阔混交林主要树种空间分布及其环境解释 . 北京林业大学学报, 2009, 31(1): 7-12.
    [18] 刘清旺, 李增元, 陈尔学, 庞勇, 武红敢.  利用机载激光雷达数据提取单株木树高和树冠 . 北京林业大学学报, 2008, 30(6): 83-89.
    [19] 杨伯钢, 冯仲科, 张保钢, 韩光瞬, 全明玉, .  北京市朝阳区温榆河畔毛白杨胸径的生长模型研究 . 北京林业大学学报, 2008, 30(增刊1): 202-207.
    [20] 刘云伟, 冯仲科, 刘永霞, 李树伟, 王红亮, .  全站仪在林业数字化工程上的应用 . 北京林业大学学报, 2008, 30(增刊1): 306-309.
  • 加载中
计量
  • 文章访问数:  428
  • HTML全文浏览量:  47
  • PDF下载量:  17
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-12-11
  • 刊出日期:  2016-08-31

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

doi: 10.13332/j.1000-1522.20150491
    基金项目:

    十二五国家科技支撑计划课题(2012BAD22B02)。

    作者简介:

    娄明华,博士生。主要研究方向:森林可持续经营。Email:mhlou1987@163.com地址:100091北京市海淀区东小府1号中国林业科学研究院资源信息研究所。责任作者:张会儒,研究员,博士生导师。主要研究方向:森林可持续经营。Email:huiru@ifrit.ac.cn地址:同上。

    娄明华,博士生。主要研究方向:森林可持续经营。Email:mhlou1987@163.com地址:100091北京市海淀区东小府1号中国林业科学研究院资源信息研究所。责任作者:张会儒,研究员,博士生导师。主要研究方向:森林可持续经营。Email:huiru@ifrit.ac.cn地址:同上。

摘要: 林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。

English Abstract

娄明华, 张会儒, 雷相东, 卢军. 天然云冷杉针阔混交林单木胸径树高空间自回归模型研究[J]. 北京林业大学学报, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
引用本文: 娄明华, 张会儒, 雷相东, 卢军. 天然云冷杉针阔混交林单木胸径树高空间自回归模型研究[J]. 北京林业大学学报, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
LOU Ming-hua, ZHANG Hui-ru, LEI Xiang-dong, LU Jun. An individual height-diameter model constructed using spatial autoregressive models within natural spruce-fir and broadleaf mixed stands.[J]. Journal of Beijing Forestry University, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
Citation: LOU Ming-hua, ZHANG Hui-ru, LEI Xiang-dong, LU Jun. An individual height-diameter model constructed using spatial autoregressive models within natural spruce-fir and broadleaf mixed stands.[J]. Journal of Beijing Forestry University, 2016, 38(8): 1-9. doi: 10.13332/j.1000-1522.20150491
参考文献 (50)

目录

    /

    返回文章
    返回