杉木人工林林分断面积生长模型的贝叶斯法估计

张雄清; 张建国; 段爱国

杉木人工林林分断面积生长模型的贝叶斯法估计

1.
中国林业科学研究院林业研究所, 国家林业局林木培育重点实验室, 北京 100091
2.
南京林业大学南方现代林业协同创新中心, 江苏南京 210037
基金项目:
国家自然科学基金(31300537);中国林业科学研究院林业研究所科研院所基本科研业务资金项目(RIF2013-09)和中国林业科学研究院科研院所基本科研业务资金项目(CAFYBB2014QB002)
中图分类号: S711

Application of Bayesian Method in Stand Basal Area Prediction of Chinese Fir Plantation

1.
Key Laboratory of Tree Breeding and Cultivation, State Forestry Administration Research Institute of Forestry, Chinese Academy of Forestry
2.
Beijing 100091, China
CLC number: S711

摘要: 以江西杉木人工林为例,以Korf型、Richards型和Hossfeld型3种模型为基础,通过广义代数差分法(GADA)分别建立杉木林分断面积生长模型。结果表明:以Richards型为基础的杉木林分断面积预测精度最高,以Richards型模型为最优模型,分别基于贝叶斯法和传统法(非线性最小二乘法)估计杉木林分断面积生长模型。研究发现,利用贝叶斯法估计杉木林分断面积生长模型,预测精度相当且预测值的可靠性比传统法好。
- 贝叶斯法
- / 传统法
- / 林分断面积
- / 杉木
Abstract: Chinese fir (Cunninghamia lanceolata (Lamb.) Hook.), an endemic tree species in China's subtropical area, is one of the most important fast-growing tree species for timber production in southern China. Based on the periodic data of the Chinese fir in Jiangxi province, three stand basal area models (Korf-based model, Richards-based model, and Hossfeld-based model) were developed using generalized algebraic difference approach (GADA). The results showed that Richards-based model was the best for modeling the stand basal area of Chinese fir in the study. Additionally, Bayesian method and Classical method (nonlinear least squares method) were used to estimate the Richards-based model. Although the precision of Bayesian method was nearly equal to that of the classical method, the model reliability using Bayesian method was better than using classical method.
- Bayesian method
- / stand basal area
- / Chinese fir
- / Cunninghamia lanceolata

[1]	张雄清, 雷渊才, 陈新美, 等. 组合预测法在林分断面积生长预估中的应用[J]. 北京林业大学学报, 2010, 32(4): 6-11.
[2]	杜纪山, 唐守正. 杉木林分断面积生长预估模型及其应用[J]. 北京林业大学学报, 1998, 20(4): 1-5.
[3]	张建国, 孙洪刚. 杉木人工林断面积生长规律及动态模拟[M]. 北京: 科学出版社, 2010: 58-75.
[4]	Li R, Stewart B, Weiskittel A. A Bayesian approach for modelling non-linear longitudinal/hierarchical data with random effects in forestry[J]. Forestry, 2012, 85(1): 17-25.
[5]	Clyde M. Model uncertainty and health effect studies for particulate matter[R]. Technical Report Series, NRCSE-TRS No. 027, 1999.
[6]	Ellison A M. Bayesian inference in ecology[J]. Ecology letters, 2004, 7: 509-520.
[7]	李向阳.水文模型参数优选及不确定性分析方法研究[D]. 大连:大连理工大学, 2005.
[8]	Zhang X, Duan A, Zhang J. Tree biomass estimation of Chinese fir (Cunninghamia lanceolata) based on bayesian method[J]. PLOS ONE, 2013, 8(11): 1-7.
[9]	Green E J, Jr.Roesch FAA, Smith F M, et al. Bayesian estimation for the three-parameter Weibull distribution with tree diameter data[J]. Biometrics, 1994, 50(1): 254-269.
[10]	Bullock B P, Boone E L. Deriving tree diameter distributions using Bayesian model averaging[J]. Forest Ecology and Management, 2007, 242: 127-132.
[11]	Clark J S, Wolosin M, Dietze M, et al. Tree growth inference and prediction from diameter censuses and ring widths[J]. Ecological Applications, 2007, 17(7): 1942-1953.
[12]	Clutter J L, Jones E P. Prediction of growth after thinning in old-field slash pine plantations[R]. USDA Forest Service Research Paper, 1980: 217.
[13]	Anta M B, Dorado F C, Aranda U D, et al. Development of a basal area growth system for maritime pine in northwestern Spain using the generalized algebraic difference approach[J]. Canadian Journal of Forest Research, 2006, 36(6): 1461-1474.
[14]	Lindley D V. Bayesian thoughts[J]. Significance, 2000, 1(2): 73-75.
[15]	茹诗松. 高等数理统计[M]. 北京: 高等教育出版社, 1998.
[16]	Gelman A, Carlin J B, Stern H S. Bayesian Data Analysis, 2nd edn[M]. USA: Chapman and Hall/CRC, 2004.
[17]	Spiegelhalter D J, Thomas A, Best N. WinBUGS User Manual[M]. Cambridge: MRC Biostatistics Unit, 2003.
[18]	Chib S. Greenberg E. Understanding the Metropolis-Hastings algorithm[J]. The American Statistician, 1995, 49(4): 327-335.
[19]	Sturtz S, Ligges U, Gelman A. R2WinBUGS: a package for running WinBUGS from R[J]. Journal of Statistic Software, 2005, 12(3): 1-16.
[20]	Spiegelhalter D J, Best N G, Carlin B P, et al. Bayesian measures of model complexity and fit (with discussion)[J]. Journal of Royal Statistical Society, Series B, 2002, 64: 583-616.
[21]	杜纪山, 唐守正. 林分断面积生长模型研究综述[J]. 林业科学研究, 1997, 10(6): 599-606.
[22]	Bailey R L, Clutter J L. Base-age invariant polymorphic site curves[J]. Forest Science, 1974, 20(2): 155-159.
[23]	Cieszewski C J, Bailey R L. Generalized algebraic difference approach: theory based derivation of dynamic equations with polymorphism and variable asymptotes[J]. Forest Science, 2000, 46(1): 116-126.
[24]	Cieszewski C J. Three methods of deriving advanced dynamic site equations demonstrated on inland Douglas-fir site Curves[J]. Canadian Journal of Forest Research, 2001, 31(1): 165-173.
[25]	Cieszewski C J. Comparing fixed-and variable-base-age site equations having single versus multiple asymptotes[J]. Forest Science, 2002,48(1): 7-23.
[26]	McCarthy M A. Bayesian methods for ecology[M]. Cambridge UK:Cambridge University Press, 2007.
[27]	Davidian M, Giltinan D M. Nonlinear Models for Repeated Measurement Data[M]. New York: Chapman and Hall, 1995.

[1]	孙洪刚 , 张建国 , 段爱国 , 何彩云 , 童书振 . 杉木密度间伐试验林林分断面积生长效应. 林业科学研究, 2010, 23(1): 6-12.
[2]	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
[3]	胡晓龙 . 长白落叶松林分断面积生长模型的研究. 林业科学研究, 2003, 16(4): 449-452.
[4]	李晓燕 , 段爱国 , 张建国 , 赵世荣 , 冯随起 . 杉木幼龄林分断面积生长的良种与密度效应研究. 林业科学研究, 2021, 34(1): 65-70. doi: 10.13275/j.cnki.lykxyj.2021.01.008
[5]	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.
[6]	童书振 , 盛炜彤 , 张建国 . 杉木林分密度效应研究. 林业科学研究, 2002, 15(1): 61-65.
[7]	梁瑞婷 , 孙玉军 , 李芸 . 深度学习和传统方法模拟杉木树高-胸径模型比较. 林业科学研究, 2021, 34(6): 65-72. doi: 10.13275/j.cnki.lykxyj.2021.06.008
[8]	孙洪刚 , 张建国 , 段爱国 , 童书振 . 5种Logistic模型在模拟杉木人工林胸高断面积分布中的应用. 林业科学研究, 2007, 20(5): 622-629.
[9]	孙洪刚 , 张建国 , 段爱国 , 何彩云 , 童书振 . 杉木人工林单木断面积生长动态模拟. 林业科学研究, 2010, 23(5): 738-743.
[10]	王丽丽 . 不同密度杉木林内辐射与叶面积垂直分布对生长的影响. 林业科学研究, 1990, 3(6): 589-594.
[11]	张小全 , 赵茂盛 , 徐德应 . 杉木中龄林树冠叶面积密度空间分布及季节变化. 林业科学研究, 1999, 12(6): 612-619.
[12]	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
[13]	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.
[14]	洪玲霞 . 初植密度、间伐对杉木林分优势高生长过程的影响. 林业科学研究, 1997, 10(4): 448-452.
[15]	相聪伟 , 张建国 , 段爱国 , 张雄清 . 杉木林分蓄积生长的密度及立地效应. 林业科学研究, 2014, 27(6): 801-808.
[16]	李晓燕 , 段爱国 , 张建国 , 赵世荣 , 冯随起 . 不同良种与初植密度杉木林分密度指标动态特征. 林业科学研究, 2021, 34(2): 72-80. doi: 10.13275/j.cnki.lykxyj.2021.02.008
[17]	姜丽 , 张雄清 , 段爱国 , 张建国 . 不同林分密度指标在杉木单木直径年生长模型的应用. 林业科学研究, 2022, 35(4): 123-129. doi: 10.13275/j.cnki.lykxyj.2022.004.013
[18]	张瑛 , 徐庆 , 高德强 , 隋明浈 , 张蓓蓓 , 任冉冉 , 左海军 , 汪思龙 . 湖南会同不同林分类型杉木人工林凋落物水文效应. 林业科学研究, 2021, 34(6): 81-89. doi: 10.13275/j.cnki.lykxyj.2021.06.010
[19]	郭光智 , 段爱国 , 张建国 . 南亚热带杉木林分蓄积量生长立地与密度效应. 林业科学研究, 2019, 32(4): 19-25. doi: 10.13275/j.cnki.lykxyj.2019.04.003
[20]	曹光球 , 费裕翀 , 路锦 , 黄樱 , 郑宏 , 林开敏 , 季春杉 , 曹世江 . 林下植被不同管理措施培育杉木大径材林分土壤酶活性差异及质量评价. 林业科学研究, 2020, 33(3): 76-84. doi: 10.13275/j.cnki.lykxyj.2020.03.010

点击查看大图

计量

文章访问数: 2697
HTML全文浏览量: 197
PDF下载量: 1333
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

杉木人工林林分断面积生长模型的贝叶斯法估计

Application of Bayesian Method in Stand Basal Area Prediction of Chinese Fir Plantation

计量

杉木人工林林分断面积生长模型的贝叶斯法估计

English Abstract

Application of Bayesian Method in Stand Basal Area Prediction of Chinese Fir Plantation

全文HTML

目录

留言板

杉木人工林林分断面积生长模型的贝叶斯法估计

Application of Bayesian Method in Stand Basal Area Prediction of Chinese Fir Plantation

计量

出版历程

杉木人工林林分断面积生长模型的贝叶斯法估计

English Abstract

Application of Bayesian Method in Stand Basal Area Prediction of Chinese Fir Plantation

全文HTML

目录