• 中国中文核心期刊
  • 中国科学引文数据库（CSCD）核心库来源期刊
  • 中国科技论文统计源期刊（CJCR）
  • 第二届国家期刊奖提名奖

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

思茅松天然林单木生物量地理加权回归模型构建

欧光龙 ,  王俊峰 ,  肖义发 ,  胥辉

downloadPDF
文章导航 > 林业科学研究  > 2014 >  27(2): 213-218
引用本文:
shu
Citation:
shu

思茅松天然林单木生物量地理加权回归模型构建

  • 1.

    东北林业大学林学院, 黑龙江 哈尔滨 150040

  • 2.

    西南林业大学西南地区生物多样性保育国家林业局 重点实验室, 云南 昆明 650224

  • 基金项目:

    国家自然科学基金项目（31160157）和云南省基金应用基础研究计划项目（2012FD027）

  • 中图分类号: S711

Modeling Individual Biomass of Pinus kesiya var. langbianensis Natural Forests by Geographically Weighted Regression

  • 1.

    School of Forestry, Northeast Forestry University, Harbin 150040, Heilongjiang, China

  • 2.

    Key Laboratory of Biodiversity Conservation in Southwest China of State Forest Administration, Southwest Forestry University, Kunming 650224, Yunnan, China

  • CLC number: S711

  • 摘要: 通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据，并测定其中30株的根系生物量数据。基于普通最小二乘模型选型，采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量，以及根系生物量和整株生物量模型。结果表明：（1）地理加权回归模型（GWR）的决定系数（R2）大于普通最小二乘（OLS）模型，且GWR模型拟合的R2值除树叶生物量模型外，其余生物量维量模型均大于0.950；Akaike信息指数（AIC）值小于普通最小二乘（OLS）模型，平均相对误差（EE）和平均相对误差绝对值（RMA）的绝对值除树枝生物量外均小于OLS模型，说明GWR模型拟合效果优于OLS模型；（2）地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。
    Abstract: The stem, branch, leaf biomass of 63 sampling trees, and root biomass of 30 trees at Simao pine (Pinus kesiya var. langbianensis) natural forest were investigated in Simao district of Yunnan Province. Based on the model selected by ordinary least square (OLS), the models of the tree stem, branch, leaf biomass, aboveground biomass, root biomass and whole tree biomass were built by geographically weighted regression (GWR). The results showed that: (1) the values of the coefficient of determination (R2) of GWR were greater than that of OLS models, and the R2 of the GWR models were greater than 0.950 except the leaf biomass model. Akaike's information criterions (AIC) of GWR were less than that of OLS models, the absolute value of the mean relative error (EE) and the mean absolute relative error (RMA) were less than that of OLS model except the branch biomass model. So the fitting effect of GWR outperforms OLS models. (2) For individual tree biomass models, GWR overcame the heteroscedasticity of the OLS models at a certain extent.
  • [1]

    Leung Y, Mei C L, Zhang W X. Statistical tests for spatial nonstationarity based on the geographically weighted regression model [J]. Environment and Planning –Part A, 2000, 32(1): 9-32
    [2]

    Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: a method for exploring spatial nonstationarity[J]. Geographical Analysis, 1996, 28 (4):281-298
    [3]

    Zhang L. Bi H, Cheng P, et al. Modeling spatial variation in tree diameter-height relationships[J]. Forest Ecology and Management, 2004,189(1):317-330
    [4]

    Zhang L, Gove J H, Heath L S. Spatial residual analysis of six modeling techniques[J]. Ecological Modelling, 2005,186(2):154-177
    [5]

    Zhang L, Ma Z, Guo L. An evaluation of spatial autocorrelation and heterogeneity in the residuals of six regression models[J]. Forest Science, 2009, 55(6):533-548
    [6]

    Jetz W, Rahbek C, Lichstein J. Local and global approaches to spatial data analysis in ecology[J]. Global Ecology and Biogeography, 2005,14(1):97-98
    [7] 玄海燕,黎锁平,刘树群. 地理加权回归模型及其拟合[J]. 甘肃科学学报,2009,19(1):51-52
    [8]

    Zhang L J, Shi H J. Local modeling of tree growth by geographically weighted regression[J]. Forest Science, 2004, 50(2):225-244
    [9]

    Wang Q, Ni J. Tenhunen J. Application of a geographically weighted regression analysis to estimate net primary production of Chinese forest ecosystems[J]. Global Ecology and Biogeographically, 2005, 14(4):379-393
    [10] 顾凤岐,赵倩. 林木生长关系的GWR模型[J]. 东北林业大学学报,2012,40(6):129-130,140
    [11] 云南森林编写委员会. 云南森林[M]. 昆明: 云南科技出版社&中国林业出版社,1988
    [12] 西南林学院, 云南省林业厅.云南树木图志[M]. 昆明: 云南科技出版社, 1988
    [13] 温庆忠,赵远藩,陈晓鸣,等.中国思茅松林生态服务功能价值动态研究[J]. 林业科学研究, 2010,23(5):671-677
    [14] 李江,孟梦,邱琼,等. 思茅松中幼龄人工林生物量及生产力动态[J]. 东北林业大学学报, 2010,38(8): 36-38
    [15]

    Rangel T F, Diniz-Filho J A F, Bini L M. SAM: A comprehensive application for Spatial Analysis in Macroecology [J], Ecography, 2010, 33(1):1-5
    [16] 黄砚玲. 地理加权空间经济计量模型的GMM估计及区域金融发展收敛性实证研究[D]. 广州: 华南理工大学, 2012
    [17] 张会儒, 唐守正, 胥辉. 关于生物量模型中的异方差问题[J]. 林业资源管理, 1999(1):46-49
    [18] 曾伟生. 关于加权最小二乘法中权函数的选择问题[J]. 中南林业调查规划, 1996, 15(1) : 54-55
  • [1] 李帅锋 , 贾呈鑫卓 , 杨利华 , 钟华 , 黄小波 , 郎学东 , 刘万德 , 苏建荣 . 林龄对思茅松人工林根系生物量的影响. 林业科学研究, 2018, 31(2): 26-33. doi: 10.13275/j.cnki.lykxyj.2018.02.004
    [2] 刘娟 , 梁军生 , 王健敏 , 陈晓鸣 , 杨子祥 , 陈航 . 思茅松干季光合生理日动态及光响应特征分析. 林业科学研究, 2009, 22(5): 677-682.
    [3] 李帅锋 , 苏建荣 , 郎学东 , 黄小波 , 缪迎春 , 杨利华 . 思茅松自由授粉家系遗传参数与早期选择分析. 林业科学研究, 2017, 30(6): 929-935. doi: 10.13275/j.cnki.lykxyj.2017.06.007
    [4] 王毅 , 周旭 , 毕玮 , 杨宇明 , 李江 , 王娟 . 思茅松1-脱氧-D-木酮糖-5-磷酸合酶(DXS)基因的克隆及功能分析. 林业科学研究, 2015, 28(6): 833-838.
    [5] 吴楠 , 李增元 , 廖声熙 , 庞勇 , 崔凯 , 陈博伟 . 基于机载高光谱的思茅松林光谱特征及其影响因子分析. 林业科学研究, 2018, 31(2): 63-68. doi: 10.13275/j.cnki.lykxyj.2018.02.009
    [6] 孙宝刚 , 陈飞 , 王健敏 , 陈晓鸣 , 杨子祥 , 蔡学勇 , 李彬 . 不同径级云南松各部位生物量及其分布规律. 林业科学研究, 2012, 25(1): 71-76.
    [7] 丁贵杰 , 王鹏程 . 马尾松人工林生物量及生产力变化规律研究Ⅱ.不同林龄生物量及生产力. 林业科学研究, 2002, 15(1): 47-53.
    [8] 陈德祥 , 李意德 , 骆土寿 , 林明献 , 孙云霄 . 海南岛尖峰岭鸡毛松人工林乔木层生物量和生产力研究. 林业科学研究, 2004, 17(5): 598-604.
    [9] 沈亚洲 , 孙晓梅 , 张江涛 , 杜彦昌 , 马建伟 . 甘肃小陇山林区日本落叶松人工林单株生物量的研究. 林业科学研究, 2011, 24(4): 517-522.
    [10] 漆良华 , 张旭东 , 周金星 , 李志辉 , 黄玲玲 , 杨模华 . 马尾松飞播林生物量与生产力的变化规律与结构特征. 林业科学研究, 2007, 20(3): 344-349.
    [11] 黄兴召 , 孙晓梅 , 张守攻 , 陈东升 . 辽东山区日本落叶松生物量相容性模型的研究. 林业科学研究, 2014, 27(2): 142-148.
    [12] 农友 , 卢立华 , 贾宏炎 , 雷丽群 , 明安刚 , 李华 , 王亚南 , 韦菊玲 . 桂西南岩溶区不同恢复模式群落生物量及林下植物多样性. 林业科学研究, 2017, 30(2): 200-205. doi: 10.13275/j.cnki.lykxyj.2017.02.003
    [13] 闫文德 , 田大伦 , 焦秀梅 . 会同第二代杉木人工林林下植被生物量分布及动态. 林业科学研究, 2003, 16(3): 323-327.
    [14] 王云霓 , 邓秀秀 , 王彦辉 , 曹恭祥 , 于澎涛 , 熊伟 , 徐丽宏 . 宁夏六盘山香水河小流域华北落叶松人工林乔木层生物量的坡面变化和尺度效应. 林业科学研究, 2015, 28(5): 701-707.
    [15] 刘再清 , 陈国海 , 孟永庆 , 李建国 , 刘命荣 . 五台山华北落叶松人工林生物生产力与营养元素的积累*. 林业科学研究, 1995, 8(1): 88-93.
    [16] 陆新育 , 陈绍信 , 李淼泉 , 常显明 . 泡桐生物量的研究*. 林业科学研究, 1990, 3(5): 422-426.
    [17] 何贵平 , 陈益泰 , 胡炳堂 , 封剑文 , 刘化桐 , 蔡宏明 . 杉木与马褂木、檫树混交林及其纯林生物量和土壤肥力研究. 林业科学研究, 2001, 14(5): 540-547.
    [18] 廖宝文 , 郑德璋 , 郑松发 . 海桑林生物量的研究*. 林业科学研究, 1990, 3(1): 47-54.
    [19] 廖宝文 , 郑德璋 , 郑松发 , 陈步峰 . 木榄林生物量的灰色动态预测. 林业科学研究, 1991, 4(4): 360-367.
    [20] 周国模 , 吴家胜 , 应叶青 , 姚建祥 . 喜树种源苗期生物量研究. 林业科学研究, 1999, 12(4): 386-391.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  2982
  • HTML全文浏览量:  233
  • PDF下载量:  1247
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-20

思茅松天然林单木生物量地理加权回归模型构建

  • 1. 东北林业大学林学院, 黑龙江 哈尔滨 150040
  • 2. 西南林业大学西南地区生物多样性保育国家林业局 重点实验室, 云南 昆明 650224
  • 收稿日期: 2013-10-20
基金项目:  国家自然科学基金项目（31160157）和云南省基金应用基础研究计划项目（2012FD027）

摘要: 通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据，并测定其中30株的根系生物量数据。基于普通最小二乘模型选型，采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量，以及根系生物量和整株生物量模型。结果表明：（1）地理加权回归模型（GWR）的决定系数（R2）大于普通最小二乘（OLS）模型，且GWR模型拟合的R2值除树叶生物量模型外，其余生物量维量模型均大于0.950；Akaike信息指数（AIC）值小于普通最小二乘（OLS）模型，平均相对误差（EE）和平均相对误差绝对值（RMA）的绝对值除树枝生物量外均小于OLS模型，说明GWR模型拟合效果优于OLS模型；（2）地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。

English Abstract

    全文HTML

参考文献 (18)

目录

    /

    返回文章
    返回

    京ICP备09064894号-3

    版权所有：《林业科学研究》编辑部

    地址：北京万寿山后中国林科院电话：010-62889680；62889702Email：lykxyj@caf.ac.cn

    本系统由 北京仁和汇智信息技术有限公司 设计开发 技术支持： info@rhhz.net   百度统计