【目的】基于湖南省湘西地區(qū)第七、八、九次(2004—2014年)全國森林資源連續(xù)清查數(shù)據(jù),構(gòu)建了馬尾松單木斷面積預(yù)估模型,以期為該研究區(qū)域馬尾松的生長和經(jīng)營提供科學(xué)依據(jù)�！痉椒ā苛謽I(yè)數(shù)據(jù)常常具有層次結(jié)構(gòu)、重復(fù)測量等特點(diǎn),不滿足傳統(tǒng)回歸分析中要求的獨(dú)立、正態(tài)分布和等方差的基本假設(shè),因而會(huì)得到有偏的參數(shù)估計(jì)。為解決這一問題,采用了線性混合效應(yīng)方法來構(gòu)建模型。此外,還引入了自相關(guān)矩陣和異方差函數(shù)來描述樣地內(nèi)的自相關(guān)性和異方差。最后,根據(jù)赤池信息準(zhǔn)則(AIC)、貝葉斯信息準(zhǔn)則(BIC)、對數(shù)似然值(Log-likelihood)以及似然比檢驗(yàn)(LRT)確定最終的模型�！窘Y(jié)果】期初胸徑的倒數(shù)(1/DBH)、每公頃斷面積(BA)、對象木胸徑與林分平均平方胸徑之比(RD)以及海拔(EL)對于馬尾松單木斷面積的生長有顯著的影響。在參數(shù)效應(yīng)確定過程中,除海拔外,其余變量參數(shù)均為混合參數(shù)時(shí)模型有最好的表現(xiàn)。在3種隨機(jī)效應(yīng)方差-協(xié)方差結(jié)構(gòu)中,廣義正定矩陣表現(xiàn)最好。與指數(shù)函數(shù)和常數(shù)加冪函數(shù)相比,冪函數(shù)更好地模擬了模型誤差的方差結(jié)構(gòu)。由于引入自相關(guān)結(jié)構(gòu)后模型未收斂,因此自相關(guān)結(jié)構(gòu)未定義。【結(jié)論】與基于最小二乘法...

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１基礎(chǔ)模型的殘差圖和QQ圖

模擬精度最高。表1傳統(tǒng)方法模擬馬尾松單木胸高斷面積預(yù)估模型的結(jié)果Table1ThesimulatedresultofPinusmassonianaindividualtreebasalareapredictionmodelbasedonconventionalmethod變量Va....

圖2混合效應(yīng)模型的殘差圖與QQ圖Fig.2ResidualplotandQQplotoffinalmixed-effectsmodel

38杜志，等：基于混合效應(yīng)的馬尾松單木斷面積預(yù)估模型第9期此外，混合效應(yīng)模型即式（6）的殘差圖和QQ圖如圖2所示。由圖2可以看出，引入隨機(jī)效應(yīng)后，模型的殘差圖得到了改善。2.3模型的檢驗(yàn)本研究采用80%的數(shù)據(jù)共有2857株馬尾松構(gòu)建了馬尾松的胸高斷面積預(yù)估模型，采用剩余的20%馬....

本文編號：3951373