编号 zgly0001748442
文献类型 期刊论文
文献题名 基于分位数组合的杉木树高-胸径模型
作者单位 贵州大学林学院 贵州大学林业信息工程研究中心 贵州大学电气工程学院
母体文献 中南林业科技大学学报
年卷期 2022,42(11)
页码 94-101
年份 2022
分类号 S791.27
关键词 杉木 树高—胸径模型 分位数回归 分位数组合 抽样方案
文摘内容 【目的】采用分位数回归和分位数组合构建不同分位数的杉木树高模型,并与传统非线性回归模型的拟合效果进行对比,以提高模型的预测精度。【方法】基于贵州省清镇市国有林场49块样地中的3 795株杉木数据为研究对象,从7种常用的树高-胸径模型中筛选出最优基础模型,并在此基础上,选择影响最大且能提高模型预测精度的2个林分因子构建广义模型,并分别推广至分位数回归。对于分位数组合模型,设计了三分位数组合(τ=0.1, 0.5, 0.9)、五分位数组合(τ=0.1, 0.3, 0.5, 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),同时结合抽胸径最大、抽胸径最小、抽平均木和随机抽取1~9株树4种抽样方案计算模型的参数,分析在不同分位数组合和抽样方案下抽样数量对模型精度的影响。【结果】Richards模型(R^(2)=0.590 4、RMSE=2.112 1、MAE=1.710 5)为最优基础模型;以含优势木平均高、胸高断面积的广义树高模型(R^(2)=0.711 2、RMSE=1.767 8、MAE=1.400 0)的预测效果最好;在9个分位数中,基础和广义模型的中位数(τ=0.5)回归拟合能力最好,其R^(2)、RMSE及MAE分别为:0.591 0~0.711 2、1.746 1~2.103 6、1.377 3~1.711 0。采用三分位数组合,在基础和广义树高—胸径模型选择5株和7株平均木时,预测精度提高尤为突出,其中R^(2)、RMSE和MAE分别为:0.721 4~0.797 4、1.477 4~1.732 7、0.991 1~1.301 5。【结论】同时兼顾模型预测精度与成本的情况下,在实际使用分位数组合时,建议采用广义模型的三分位数组合(τ=0.1, 0.5, 0.9),并抽取7株平均木来预测树高。