森林資源檔案數(shù)據(jù)更新模型研究

森林資源檔案數(shù)據(jù)更新模型研究

森林資源的雙重調(diào)查是森林資源規(guī)劃的基礎(chǔ)工作。由于勞動(dòng)力、財(cái)力和財(cái)力的限制，這項(xiàng)研究無法每年進(jìn)行。一般來說，這項(xiàng)研究每10年進(jìn)行一次。為在每年的森林資源統(tǒng)計(jì)報(bào)表工作中,在原森林資源檔案(或二類調(diào)查)數(shù)據(jù)基礎(chǔ)上,進(jìn)行必要的補(bǔ)充調(diào)查,通過數(shù)學(xué)模型更新森林資源檔案是行之有效的方法。合理的更新模型和方法,是保證森林資源檔案數(shù)據(jù)準(zhǔn)確的關(guān)鍵。1平均年齡間樹高、平均胸徑、東南角蓄積量上一個(gè)森林經(jīng)理期,森林資源檔案數(shù)據(jù)更新工作是基于二類調(diào)查小班數(shù)據(jù),采用數(shù)學(xué)模型模擬小班平均趨勢(shì),即建立平均樹高、平均胸徑、公頃蓄積同平均年齡間的回歸關(guān)系,再預(yù)測(cè)各小班的平均樹高、平均胸徑、公頃蓄積,實(shí)現(xiàn)數(shù)據(jù)更新。通過10年的運(yùn)作,雖然用此模型預(yù)測(cè)總體精度尚可,但預(yù)測(cè)小班準(zhǔn)確度不高,個(gè)別小班準(zhǔn)確度極低。為了改進(jìn)預(yù)測(cè)方法,提高小班預(yù)測(cè)準(zhǔn)確度,搞好森林資源檔案數(shù)據(jù)更新工作,本文對(duì)森林資源檔案數(shù)據(jù)更新的模型和方法進(jìn)行探討。2森林資源檔案數(shù)據(jù)更新在有人為干擾情況下,森林資源檔案數(shù)據(jù)更新可通過臺(tái)帳進(jìn)行,而在無人為干擾情況下,森林資源會(huì)隨年齡的增加而變化,如平均樹高、平均胸徑、公頃蓄積會(huì)增加,公頃株數(shù)則逐漸減少,因此森林資源檔案數(shù)據(jù)更新可通過數(shù)學(xué)模型解決。故森林資源檔案數(shù)據(jù)更新需考慮的數(shù)學(xué)模型應(yīng)包含平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積等調(diào)查因子。3森林資源檔案數(shù)據(jù)更新模型建立的一般自變量因子首先,森林資源檔案數(shù)據(jù)更新模型應(yīng)同其它生物模型一樣,要求符合生物學(xué)的生長(zhǎng)特性,即數(shù)學(xué)模型選擇要求具有合理性;其次,森林資源檔案數(shù)據(jù)更新模型的選擇應(yīng)考慮自變量因子調(diào)查的可行性,即在傳統(tǒng)二類調(diào)查中這些自變量因子應(yīng)詳盡調(diào)查記載;最后,考慮森林資源檔案數(shù)據(jù)的龐大特點(diǎn),數(shù)學(xué)模型選擇要簡(jiǎn)明實(shí)用。4森林資源檔案的更新森林資源的消長(zhǎng)原因可分為為兩大類:無人為干擾的自然消長(zhǎng)及人為干擾的消長(zhǎng)。對(duì)無人為干擾的自然消長(zhǎng)可通過數(shù)學(xué)模型模擬其生長(zhǎng);對(duì)人為干擾的消長(zhǎng)可先建立臺(tái)帳檔案,臺(tái)帳可分為喬木進(jìn)界(包經(jīng)濟(jì)林進(jìn)界)、喬木皆伐(包經(jīng)濟(jì)林皆伐)、喬木擇伐、疏林皆伐、森林火災(zāi)、病蟲危害、其它災(zāi)害、征占用林地、造林失敗、散生木采伐、其它采伐(竹林、灌木林、未成林采伐,包括紅樹林、紅樹林未成林等采伐)、喬木改造(指當(dāng)年采伐喬木林后的造林,含當(dāng)年成林,包括經(jīng)濟(jì)林、疏林改造)、其它改造(指當(dāng)年采伐竹林、灌木林、未成林后的造林,含當(dāng)年成林)、萌芽林(包括當(dāng)年采伐成林)、采伐造林(含當(dāng)年成林)、無林造林(包括紅樹造林,含當(dāng)年成林)、人造成林(人工造林未成林,包括人工紅樹未成林)、封育成林(封育未成林,包括封育紅樹未成林)、退耕還林(含當(dāng)年成林)等類型,再通過臺(tái)帳直接更新檔案。本文著重探討通過數(shù)學(xué)模型更新檔案數(shù)據(jù)的方法。為提高森林資源檔案數(shù)據(jù)更新的準(zhǔn)確度,首先在全省范圍內(nèi),按不同優(yōu)勢(shì)樹種收集上次二類調(diào)查的優(yōu)勢(shì)區(qū)、主產(chǎn)區(qū)、次要區(qū)的原始數(shù)據(jù)作為模型擬合數(shù)據(jù),分別年齡或齡級(jí)計(jì)算平均樹高及平均樹高變動(dòng)系數(shù),模擬平均樹高、平均樹高變動(dòng)系數(shù)同平均年齡的關(guān)系,使用數(shù)理統(tǒng)計(jì)方法,將數(shù)據(jù)按立地條件好、中、差各占一定比例分為3種立地;然后按好、中、差3種立地條件分別模擬全省的公頃株數(shù)、平均樹高、平均胸徑、公頃蓄積、平均年齡間的關(guān)系,擬合相應(yīng)的數(shù)學(xué)模型;最后利用擬合的數(shù)學(xué)模型,經(jīng)過數(shù)學(xué)變換,預(yù)測(cè)小班的公頃株數(shù)、平均樹高、平均胸徑、公頃蓄積,以更新森林資源檔案。5調(diào)查設(shè)計(jì)及檢驗(yàn)數(shù)據(jù)來源按上述總體思路,全省采用好中差3種立地的森林資源檔案數(shù)據(jù)模型更新檔案數(shù)據(jù),則全省林地應(yīng)屬于同一總體。先將總體范圍縮小,采用地域邊界相連的兩次二類調(diào)查數(shù)據(jù),作為擬建模及檢驗(yàn)數(shù)據(jù)。本文采用具有多年專業(yè)調(diào)查經(jīng)驗(yàn)的專業(yè)人士所調(diào)查的馬尾松二類調(diào)查小班數(shù)據(jù),再剔除有明顯人為干擾的小班數(shù)據(jù),作為建模及檢驗(yàn)數(shù)據(jù)。即建模數(shù)據(jù)采用1998年白云區(qū)林業(yè)局441個(gè)馬尾松二類調(diào)查小班數(shù)據(jù),而檢驗(yàn)數(shù)據(jù)采用與白云區(qū)林業(yè)局地域邊界相連的1993年白云區(qū)農(nóng)工商局362個(gè)馬尾松二類調(diào)查小班數(shù)據(jù)。6立地臨界值的建立對(duì)建模小班數(shù)據(jù),按5年一個(gè)齡級(jí)且以各齡級(jí)中值替代齡級(jí)年齡,對(duì)各齡級(jí)平均樹高、平均樹高變動(dòng)系數(shù)同年齡進(jìn)行回歸分析,建立回歸關(guān)系如下:=1.4929(=0.4982-0.0943ln((1)—(2)式中:由林學(xué)知識(shí)可知一定年齡的樹高反映小班的立地條件,一般情況下,同一年齡所有調(diào)查小班的平均高服從正態(tài)分布,若按1∶2∶1的比例將這些調(diào)查小班分為好、中、差3類立地,則各類立地臨界值為7胸徑、東南角相關(guān)關(guān)系對(duì)已進(jìn)行立地分級(jí)的建模數(shù)據(jù),按不同立地條件模擬平均年齡與平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積的相關(guān)關(guān)系,考慮選用模型的合理性、可行性、簡(jiǎn)明實(shí)用性,擬合結(jié)果如下:7.1好:(中:(差:(7.2好:(中:(差:(7.3好:(中:(差:(7.4好:(中:(差:ln((3)~(14)式中:8擬合模型分析檢驗(yàn)盡管平均樹高、平均樹高變動(dòng)系數(shù)、分級(jí)平均樹高、分級(jí)公頃株數(shù)、分級(jí)平均胸徑、分級(jí)公頃蓄積的預(yù)測(cè)模型屬非線性模型,但都可利用線性化轉(zhuǎn)換,變?yōu)榫€性模型。通過對(duì)擬合模型(1)~(14)的相關(guān)系數(shù)進(jìn)行分析檢驗(yàn),除平均高變動(dòng)系數(shù)在顯著性水平0.05以下,相關(guān)系數(shù)大于臨界值外,其余均在顯著性水平0.01以下,相關(guān)系數(shù)大于臨界值。表明上述擬合模型線性相關(guān)關(guān)系顯著,回歸模型實(shí)用。9婦人生長(zhǎng)和林木生長(zhǎng)之間關(guān)系對(duì)(3)~(5)3個(gè)平均樹高模型,通過求導(dǎo)比較其連年高生長(zhǎng)量可知:立地條件越好,連年高生長(zhǎng)越快。這同林分平均樹高生長(zhǎng)規(guī)律非常吻合,因此所建模型從生物學(xué)角度看是合理的。對(duì)(6)~(8)3個(gè)公頃株數(shù)模型進(jìn)行比較發(fā)現(xiàn):相同年齡時(shí),立地條件越好,公頃株數(shù)越少。這是因?yàn)榱⒌貤l件越好林木生長(zhǎng)越快競(jìng)爭(zhēng)越激烈,林木自然死亡株數(shù)越多,公頃株數(shù)越來越少。因此所建模型同林分公頃株數(shù)分布規(guī)律完全相符。對(duì)(9)~(11)3個(gè)平均胸徑模型進(jìn)行比較發(fā)現(xiàn):平均胸徑同平均年齡和平均樹高成正相關(guān),同公頃株數(shù)成反相關(guān)。進(jìn)一步分析還可發(fā)現(xiàn):好的立地平均胸徑同平均樹高相關(guān)最緊密,中等立地平均胸徑同平均年齡相關(guān)最緊密,差立地平均胸徑同公頃株數(shù)相關(guān)最緊密。這同林分平均胸徑生長(zhǎng)規(guī)律基本相符。一般情況公頃蓄積應(yīng)同平均年齡、平均樹高、平均胸徑、公頃株數(shù)密切相關(guān),建立公頃蓄積生長(zhǎng)模型時(shí)應(yīng)將平均年齡、平均樹高、平均胸徑、公頃株數(shù)4因子納入自變量考慮范圍。因二類調(diào)查過程中,多數(shù)情況公頃株數(shù)來源于公頃蓄積的反推,因此本文公頃蓄積生長(zhǎng)模型不考慮公頃株數(shù)?？紤]到公頃蓄積同平均年齡、平均樹高、平均胸徑模型關(guān)系復(fù)雜,對(duì)(12)~(14)3個(gè)公頃蓄積模型的生物學(xué)評(píng)價(jià)非常困難,因此模型的檢驗(yàn)留待以后實(shí)踐中進(jìn)行。10擬合班數(shù)的擬合模型檢驗(yàn)森林資源檔案數(shù)據(jù)更新模型的優(yōu)劣不僅要看模型本身的檢驗(yàn)指標(biāo),更主要體現(xiàn)在模型擬合小班數(shù)據(jù)的精度方面。對(duì)平均樹高、平均胸徑、公頃蓄積等調(diào)查指標(biāo)因子結(jié)合實(shí)際要求,給定檢驗(yàn)最大誤差限,將檢驗(yàn)小班數(shù)據(jù)代入上述擬合模型中,預(yù)測(cè)各小班的平均樹高、平均胸徑、公頃蓄積,用預(yù)測(cè)數(shù)據(jù)同實(shí)測(cè)數(shù)據(jù)誤差小于檢驗(yàn)最大誤差限的小班比例,反映模型擬合小班數(shù)據(jù)的精度。利用上述模型,對(duì)1993年白云區(qū)農(nóng)工商局362個(gè)馬尾松二類調(diào)查小班數(shù)據(jù)進(jìn)行檢驗(yàn),有91.7%的小班(即332個(gè))平均樹高的誤差小于30%,有97.0%的小班(即351個(gè))平均胸徑的誤差小于30%,有83.1%的小班(即301個(gè))公頃蓄積的誤差小于50%。由此可見,利用立地分級(jí)方法進(jìn)行森林資源檔案數(shù)據(jù)更新是可行的。11全班性分級(jí)模型盡管利用立地分級(jí)方法進(jìn)行森林資源檔案數(shù)據(jù)更新基本可行,但直接利用模型預(yù)測(cè)平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積,部分小班誤差較大。因此本文提出對(duì)立地分級(jí)模型進(jìn)行數(shù)學(xué)變換,計(jì)算平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積的連年生長(zhǎng)率,結(jié)合小班自身的生長(zhǎng)情況,利用生長(zhǎng)率進(jìn)行預(yù)測(cè),可提高預(yù)測(cè)精度。具體方法如下:11.1=11.2=11.3=11.4=(15)~(18)式中:此外,若公頃蓄積模型精度不高時(shí),可考慮用更新的平均樹高、平均胸徑、公頃株數(shù)查材積表計(jì)算公頃蓄積。12生長(zhǎng)率及建模數(shù)據(jù)來源(1)通過研究,利用立地分級(jí)方法進(jìn)行森林資源檔案數(shù)據(jù)更新不僅合理、可行、簡(jiǎn)明適用,而且能提高數(shù)據(jù)更新精度。(2)因二類調(diào)查數(shù)據(jù)龐大,受調(diào)查精度影響,利用數(shù)學(xué)模型模擬單個(gè)林分的生長(zhǎng)過程時(shí),少部分小班偏差較大。在進(jìn)行森林資源檔案數(shù)據(jù)更新時(shí),為提高更新精度,應(yīng)避免采用數(shù)學(xué)模型直接更新,可結(jié)合小班自身的生