利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

曾伟生; 唐守正; 夏忠胜; 朱松; 罗洪章

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

1.
中国林业科学研究院资源信息研究所,北京 100091
2.
贵州省森林资源管理站,贵州贵阳 550001
基金项目:
贵州省林业厅科研项目[2006]25号"贵州省人工杉木马尾松生物量通用模型研究"
中图分类号: S711

Using Linear Mixed Model and Dummy Variable Model Approaches to Construct Generalized Single-Tree Biomass Equations in Guizhou

1.
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China
2.
Forest Resources Administration Office of Guizhou Province, Guiyang 550001, Guizhou, China
CLC number: S711

摘要: 以贵州省人工杉木和马尾松地上生物量数据为例,通过利用线性混合模型和哑变量模型方法,建立了适合不同树种和区域(中心区和一般区)的通用性立木生物量方程,为简化生物量建模工作提供了有效途径。结果表明,相同直径林木的地上生物量估计值随树种、区域的不同存在一定程度的差异,带随机参数的线性混合模型和带特定参数的哑变量模型比总体平均模型的精度高;线性混合模型和哑变量模型方法均同等有效,可推广应用于其它通用性模型(如材积方程)的建立。
- 地上生物量
- / 线性混合模型
- / 哑变量模型
- / 通用性方程
- / 杉木
- / 马尾松
Abstract: Based on the above-ground biomass data of Chinese fir (Cunninghamia lanceolata) and Masson Pine (Pinus massoniana) plantations in Guizhou Province, the generalized single-tree biomass equations suitable for different species and regions (central region and other region) were established using linear mixed model and dummy variable model methods, which provided effective approaches to simplify the biomass modeling. The results show that the above-ground biomass estimates of individual trees with the same diameter are different in some extent among different tree species and geographic regions, and linear mixed model with random parameters and dummy model with specific (local) parameters are better than population average model; and linear mixed model and dummy variable model approaches are almost same effective and may be applied to develop other generalized models such as tree volume equations.
- above-ground biomass
- / linear mixed model
- / dummy variable model
- / generalized equation
- / compatibility
- / Cunninghamia lanceolata

[1]	Tomppo E, Gschwantner T, Lawrence M, et al. National Forest Inventories: Pathways for Common Reporting [M]. Springer, New York, 2010
[2]	Hansen M. Volume and biomass estimation in FIA: National consistency vs. regional accuracy . GTR NC-230, North Central Research Station, Forest Service USDA, 2002: 109-120
[3]	Chojnacky D C. Allometric scaling theory applied to FIA biomass estimation . GTR NC-230, North Central Research Station, Forest Service USDA, 2002: 96-102
[4]	Jenkins J C, Chojnacky D C, Heath L S, et al. National-scale biomass estimators for United States tree species [J]. For Sci, 2003,49(1):12-35
[5]	Snorrason A, Einarsson S F. Single-tree biomass and stem volume functions for eleven tree species used in Icelandic forestry [J]. Icelandic Agric Sci, 2006,19:15-24
[6]	Vallet P, Dhte J-F, Le Moguédec G, et al. Development of total aboveground volume equations for seven important forest tree species in France [J]. Forest Ecology and Management, 2006,229:98-110
[7]	Muukkonen P. Generalized allometric volume and biomass equations for some tree species in Europe [J]. Eur J Forest Res, 2007,126:157-166
[8]	Case B, Hall R J. Assessing prediction errors of generalized tree biomass and volume equations for the boreal forest region of west-central Canada [J]. Can J For Res, 2008,38:878-889
[9]	Návar J. Allometric equations for tree species and carbon stocks for forests of northwestern Mexico [J]. Forest Ecology and Management, 2009, 257: 427-434
[10]	Lappi J, Bailey R L. A height prediction model with random stand and tree parameters: an alternative to traditional site index methods [J]. For Sci, 1988,38(2):409-429
[11]	Gregoire T G, Schabenberger O, Barrett J P. Linear modeling of irregularly spaced, unbalanced, longitudinal data from permanent-plot measurements [J]. Can J For Res, 1995,25:137-156
[12]	Zhang Y J, Borders B E. Using a system mixed-effects modeling method to estimate tree compartment biomass for intensively managed loblolly pines—an allometric approach [J]. Forest Ecology and Management, 2004,194:145-157
[13]	Calegario N, Daniels R F, Maestri R, et al. Modeling dominant height growth based on nonlinear mixed-effects model: a clonal Eucalyptus plantation case study [J]. Forest Ecology and Management, 2005,204: 11-20
[14]	Meng S X, Huang S, Lieffers V J, et al. Wind speed and crown class influence the height-diameter relationship of lodgepole pine: Nonlinear mixed effects modeling [J]. Forest Ecology and Management, 2008,256:570-577
[15]	Fehrmann L, Lehtonen A, Kleinn C, et al. Comparison of linear and mixed-effect regression models and a k-nearest neighbor approach for estimation of single-tree biomass [J]. Can J For Res, 2008,38:1-9
[16]	郎璞玫. 航空像片冠幅与地面直径的线性混合模型[J]. 林业科学, 2008,44(3): 41-44
[17]	雷相东,李永慈,向玮. 基于混合模型的单木断面积生长模型[J]. 林业科学, 2009,45(1): 74-80
[18]	李春明,张会儒. 利用非线性混合模型模拟杉木林优势木平均高[J]. 林业科学, 2010,46(3): 89-95
[19]	唐守正,李勇.生物数学模型的统计学基础[M].北京:科学出版社,2002
[20]	李丽霞,郜艳晖,张瑛. 哑变量在统计分析中的应用[J]. 数理医药学杂志, 2006,19(1): 51-52
[21]	唐守正,郎奎建,李海奎.统计和生物数学模型计算(ForStat教程)[M].北京:科学出版社,2008
[22]	李希菲,洪玲霞. 用哑变量法求算立地指数曲线族的研究[J]. 林业科学研究, 1997,10(2): 215-219
[23]	李河,麦劲壮,肖敏,等. 哑变量在Logistic回归模型中的应用[J]. 循证医学, 2008,8(1):42-45
[24]	Wang M, Borders B E, Zhao D. An empirical comparison of two subject-specific approaches to dominant heights modeling, the dummy variable method and the mixed model method [J]. Forest Ecology and Management, 2008, 255: 2659-2669
[25]	FAO. Global forest resources assessment 2005: progress towards sustainable forest management . Rome: FAO Forestry Paper 147, Food and Agriculture Organization of the United Nations, 2006
[26]	Ter-Mikaelian M T, Korzukhin M D. Biomass equations for sixty-five North American tree species [J]. Forest Ecology and Management, 1997,97:1-24
[27]	Baskerville G L. Use of logarithmic regression in the estimation of plant biomass [J]. Can J For Res, 1972,2:49-53
[28]	Flewelling J W, Pienaar L V. Multiplicative regression with lognormal errors [J]. For Sci, 1981,27(2):281-289
[29]	Snowdon P. A ratio estimator for bias correction in logarithmic regressions [J]. Can J For Res, 1991,21(5): 720-724
[30]	West G B, Brown J H, Enquist B J. A general model for the structure and allometry of plant vascular systems [J]. Nature, 1999,400: 664-667

[1]	曾伟生 , 唐守正 . 利用度量误差模型方法建立相容性立木生物量方程系统. 林业科学研究, 2010, 23(6): 797-803.
[2]	曾伟生 , 白锦贤 , 宋连城 , 赵学军 , 王雪军 , 邢利军 , 张振荣 . 内蒙古柠条和山杏单株生物量模型研建. 林业科学研究, 2015, 28(3): 311-316.
[3]	姜立春 , 李凤日 , 张锐 . 基于线性混合模型的落叶松枝条基径模型. 林业科学研究, 2012, 25(4): 464-469.
[4]	马克西 , 曾伟生 , 李智华 . 新疆云杉一体化立木生物量模型系统研建. 林业科学研究, 2018, 31(6): 105-113. doi: 10.13275/j.cnki.lykxyj.2018.06.015
[5]	党永峰 , 王雪军 , 曾伟生 . 用分段建模方法建立东北落叶松立木材积和生物量方程. 林业科学研究, 2012, 25(5): 558-563.
[6]	陈连庆 , 韩宁林 . 马尾松、杉木容器苗培育基质研究. 林业科学研究, 1996, 9(2): 165-169.
[7]	曾伟生 . 杉木相容性立木材积表系列模型研建. 林业科学研究, 2014, 27(1): 6-10.
[8]	马雪华 , 杨茂瑞 , 刘永敏 . 杉木、马尾松人工林径流特征的研究. 林业科学研究, 1992, 5(3): 284-289.
[9]	陈金林 , 俞元春 , 罗汝英 , 张纯清 , 胡永清 , 游为贵 . 杉木、马尾松、甜槠等林分下土壤养分状况研究. 林业科学研究, 1998, 11(6): 586-591.
[10]	曾伟生 , 陈新云 , 蒲莹 , 杨学云 . 基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析. 林业科学研究, 2018, 31(1): 66-71. doi: 10.13275/j.cnki.lykxyj.2018.01.008
[11]	马雪华 , 杨光滢 . 杉木、马尾松人工林土壤物理性质及水分含量变化的研究. 林业科学研究, 1990, 3(1): 63-69.
[12]	李希菲 , 洪玲霞 . 杉木、落叶松断面积模型参数比较. 林业科学研究, 1997, 10(5): 500-505.
[13]	王震 , 鲁乐乐 , 张雄清 , 张建国 , 姜丽 , 段爱国 . 基于贝叶斯模型平均法构建杉木林分蓄积量生长模型. 林业科学研究, 2021, 34(3): 64-71. doi: 10.13275/j.cnki.lykxyj.2021.03.007
[14]	李春明 . 基于纵向数据非线性混合模型的杉木林优势木平均高研究. 林业科学研究, 2011, 24(1): 68-73.
[15]	杨锦昌 , 江希钿 , 许煌灿 , 王素萍 , 尹光天 . 马尾松人工林直径分布收获模型及其应用研究. 林业科学研究, 2003, 16(5): 581-587.
[16]	骆期邦 , 吴志德 , 蒋菊生 , 陈定国 , 肖永林 , 葛宏立 . 用于立地质量评价的杉木标准蓄积量收获模型. 林业科学研究, 1989, 2(5): 447-453.
[17]	姜丽 , 张雄清 , 段爱国 , 张建国 . 不同林分密度指标在杉木林分蓄积量模型的应用研究. 林业科学研究, 2022, 35(5): 97-102. doi: 10.13275/j.cnki.lykxyj.2022.005.011
[18]	孙长忠 , 沈国舫 . 我国主要树种人工林生产力现状及潜力的调查研究Ⅰ.杉木、马尾松人工林生产力研究. 林业科学研究, 2000, 13(6): 613-621.
[19]	温晓健 , 巫建军 , 李永先 , 王璇 , 理永霞 , 张星耀 . 松材线虫侵染前后马尾松树体内微生物多样性分析. 林业科学研究, 2022, 35(1): 48-58. doi: 10.13275/j.cnki.lykxyj.2022.01.006
[20]	张连金 , 曾伟生 , 唐守正 . 带截距的非线性方程与分段建模方法对立木生物量估计的比较. 林业科学研究, 2011, 24(4): 453-457.

点击查看大图

计量

文章访问数: 3729
HTML全文浏览量: 280
PDF下载量: 1629
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

Using Linear Mixed Model and Dummy Variable Model Approaches to Construct Generalized Single-Tree Biomass Equations in Guizhou

计量

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

English Abstract

Using Linear Mixed Model and Dummy Variable Model Approaches to Construct Generalized Single-Tree Biomass Equations in Guizhou

全文HTML

目录

留言板

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

Using Linear Mixed Model and Dummy Variable Model Approaches to Construct Generalized Single-Tree Biomass Equations in Guizhou

计量

出版历程

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

English Abstract

Using Linear Mixed Model and Dummy Variable Model Approaches to Construct Generalized Single-Tree Biomass Equations in Guizhou

全文HTML

目录