河南黄山松立木材积模型研究
林业数表是依据林分测树因子或立地因子，运用数学方法建模编制的表格式和图形式，在森林培育和森林资源管理中发挥着重要作用。材积表作为计量森林资源的林业数表之一，是开展森林资源监测、调查的基础。黄山松是我国特有的主要用材树种之一，在河南主要分布在信阳商城黄柏山林场，在信阳市浉河区、罗山县、新县以及商城县有小面积分布。黄柏山林场黄山松种植面积占全场总面积49.23%，达31526公顷。在黄山松资源调查中，由于河南省尚无黄山松立木材积表，只能参考使用其他松类的材积表，这导致材积计算存在偏差。因此，开展河南黄山松立木材积模型研建，可为提高黄山松资源调查精度提供支撑。 本研究以河南黄山松主要分布区河南信阳商城、浉河区、罗山县、新县1102株黄山松样木数据为研究对象，按照检验样本数据不得低于建模样本数据三分之一的原则和径阶分布情况，将经异常样木筛选后的1076株黄山松样木数据划分为776株建模样本数据和300株检验样本数据，采用最小二乘法对黄山松19个二元立木材积模型、6个一元立木材积模型、7个地径立木材积模型进行了回归估计分析；采用多层感知器神经网络算法构建了黄山松二元、一元、地径多层感知器神经网络模型，并采用离差平方和SSR、决定系数R2、总相对误差RS、相对误差绝对值REA、相对误差绝对值平均值REAA和残差分布6个模型评价指标，对黄山松非线性二元、一元、地径立木材积模型和多层感知器神经网络模型模型进行了模型优选；采用模型适用性检验指标为总相对误差RS、相对误差绝对值平均值REAA和F检验的三种检验方式，对经过模型优选的最优黄山松非线性二元、一元、地径立木材积模型和多层感知器神经网络模型进行了模型检验；采用决定系数R2、均方根误差RMSE、相对均方根误差RMSE%、平均绝对误差MAE四个精度指标，分建模样本和检验样本将通过适用性检验的黄山松非线性二元、一元、地径立木材积最优模型和多层感知器神经网络最优模型进行了精度比较分析。主要研究结果如下： 1、采用多模型优选法对19个黄山松非线性二元立木材积进行模型构建和优选后发现，河南黄山松非线性二元立木材积最优模型为可变参数山本式立木材积模型：V=0.00013283d1.72818744h0.88183454，该模型各适用性检验指标RS=-0.003，位于±3%以内；REAA=0.0837＜10%；F=1.069＜F0.05（2，298）=3.026。 2、根据建模样本对6个常用的黄山松非线性一元材积模型进行拟合优选，确定黄山松非线性一元立木材积最优模型为迪赛科库-迈耶式，模型形式为V=-0.00303885D+0.00071464D2。根据检验样本对黄山松非线性模型迪赛科库-迈耶式进行适用性检验发现，总相对误差RS为-0.0004，位于±5%，REAA=0.0972＜10%，F=0.917＜F0.05（2，298）=3.026。 3、采用广泛使用的7个地径材积模型，基于建模样本确定黄山松地径非线性立木传统最优模型为V=0.00001852D3.058345110E-0.01785397D0。基于检验样本进行模型适用性检验指标计算，其中总相对误差RS=-0.0021，位于±5%以内，相对误差绝对值平均值REAA=0.0998＜10%，F=0.376＜F0.05（2，298）=3.026。 4、基于建模样本构建黄山松二元多层感知器神经网络材积模型发现，河南黄山松二元多层感知器神经网络模型最优结构为2:2:1，依据检验样本进行材积预测并通过适用性检验，其中总相对误差RS=-0.00013，位于±3%以内；相对误差绝对值平均值REAA=0.05336＜10%；F=0.34＜F0.05（2，298）=3.026。 5、基于建模样本构建黄山松一元多层感知器神经网络材积模型发现，以网络结构为1:2:1的黄山松一元多层感知器神经网络材积模型拟合效果最优，基于检验样本进行模型适用性检验指标计算，总相对误差RS=-0.0013，位于±5%以内，相对误差绝对值平均值REAA=0.07921＜10%，F=0.83＜F0.05（2，298）=3.026。 6、基于建模样本构建黄山松地径立木材积多层感知器神经网络模型，确定当隐藏单元数为2时，拟合效果最佳，即神经网络结构为1:2:1。对此神经网络结构进行适用性检验，其中总相对误差RS=-0.00004，位于±5%以内；相对误差绝对值平均值REAA=0.98889＜10%；F=1.01＜F0.05（2，298）=3.026。 7、分建模样本和检验样本对黄山松立木材积非线性模型和多层感知器神经网络模型进行精度比较分析，结果表明，黄山松二元立木材积多层感知器神经网络模型在建模样本上，均方根误差RMSE、相对均方根误差RMSE%不优于非线性模型，决定系数R2、平均绝对误差MAE优于非线性模型，在检验样本上略优于传统模型；黄山松一元、地径立木材积多层感知器神经网络模型无论在建模样本还是在检验样本上，均略微优于非线性模型。 8、河南黄山松立木材积模型使用时，二元立木材积模型的胸径范围为5cm～40.9cm，树高范围为3.6m～19.6m；一元立木材积模型的胸径范围为5cm～40.9cm；地径立木材积模型的地径范围为6cm～50cm，在此范围内分别将模型展开即可获得河南黄山松二元、一元、地径立木材积表。
黄山松;立木材积模型;多层感知器神经网络;胸径范围;地径范围
河南农业大学
硕士
森林经理学
闫东锋
2022
中文
S757.2
2022-11-16（万方平台首次上网日期，不代表论文的发表时间）