张博
- 作品数：9 被引量：57H指数：6
- 供职机构：国家林业局更多>>
- 发文基金：国家自然科学基金博士科研启动基金国家林业公益性行业科研专项更多>>
- 相关领域：农业科学更多>>
- 思茅松天然林单木木材碳密度变化规律及预估模型研究
- 2017年
- 在普洱市调查测定了8株思茅松标准样株单木的木材碳密度,分析不同林木间、不同高度及径向不同部位的差异;并采用混合效应模型技术,构建单木木材碳密度预测模型。结果表明:思茅松木材碳密度在不同林木间存在显著差异,且随树木高度增加而显著不同,由髓心向外存在极显著差异且呈现出先增加后持平或略有减小的规律性变化;相较于传统回归模型,混合效应模型均具有更低的AIC和BIC值;考虑林木和高度效应的二水平混合模型具有最小的AIC、BIC值和最大的log Lik值;R2最大、RMSE最小的模型是三水平混合模型。各混合效应模型的预估精度均在95%以上,且综合考虑林木和径向部位随机效应的两水平混合效应模型的拟合精度达到96.1%,相较传统回归模型混合效应模型能够更好的描述并预估思茅松单木木材碳密度。
- 张博熊河先胥辉孙雪莲徐婷婷李超闾妍宇魏安超欧光龙
- 关键词：木材碳密度混合效应模型思茅松
- 应用衍生纹理指数对杉木林分蓄积量的估测被引量：8
- 2019年
- 以福建省三明市将乐国有林场的杉木纯林为研究对象,利用高分2号遥感影像数据,将光谱因子、地形因子分别与全色波段纹理特征、融合数据纹理特征、衍生纹理指数组合为自变量,样地蓄积量为因变量,采用多元逐步回归算法构建不同窗口下的蓄积量估测模型。结果表明:全色波段纹理特征模型和融合数据纹理特征模型最佳窗口为3×3窗口,衍生纹理指数模型最佳窗口为7×7窗口;以最优窗口建立的蓄积量回归模型,拟合效果最优的是衍生纹理指数模型(R2=0.705,RMSE=37.183m3/hm2),其估测精度为80.67%,而融合数据纹理特征模型和全色波段纹理特征模型的估测精度分别为72.89%、60.35%,说明衍生纹理指数能够有效地提升高分2号影像数据对杉木林分蓄积量估测的精度。
- 罗蜜孙玉军张博周来
- 关键词：蓄积量纹理特征
- 基于地理加权回归模型的思茅松生物量遥感估测被引量：18
- 2017年
- 通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm^2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。
- 闾妍宇李超欧光龙熊河先魏安超张博胥辉
- 关键词：思茅松生物量遥感地理加权回归
- 思茅松天然林林分直径大小多样性研究被引量：2
- 2017年
- 【目的】研究思茅松天然林林分直径大小多样性,分析林分直径大小多样性与环境之间相关关系和变化趋势。【方法】调查了云南省普洱市45块思茅松天然林样地,选用Shannon指数(H)、Simpson指数(D)和断面积Gini指数(G)对思茅松样地总体、思茅松和其他树种的林分直径大小多样性进行量化,并分别分析林分直径大小多样性随气候、地形、土壤、林分因子的变化规律,并采用除趋势对应分析方法 (DCA)分析了林分直径大小多样性随环境因子的综合变化规律。【结果】(1)样地内其他树种的直径多样性指数变动幅度比样地总体和思茅松大,样地总体和思茅松的指数变动范围比较一致,样地内直径大小多样性为样地总体≥思茅松>其他树种;(2)H_t、H_s、D_t和D_s随气候(年均温和年降水)、地形(海拔和坡向)、土壤(全氮和速效钾)和林分(地位指数和林分密度指数)因子的变化趋势在各因子上基本一致,H_o和D_o随各环境因子变化趋势一致,断面积Gini指数的变化趋势规律性不强;(3)DCA排序第一轴解释了32.5%的环境信息,H_t、H_s、H_o、D_t、D_s和D_o与DCA排序第一轴呈现显著相关,且均随DCA第一轴呈现逐渐增大的趋势;所有气候因子与DCA排序第一轴相关性均不显著,而地形因子中海拔、林分因子中的林分优势高和林分平均高、土壤因子全钾、水解氮和速效钾与DCA排序第一轴具有显著相关性,且相关系数大于0.5。【结论】思茅松天然林林分直径大小多样性受到地形、土壤和林分因子综合影响。
- 李超闾妍宇胥辉魏安超熊河先张博孙雪莲徐婷婷石晓琳欧光龙
- 关键词：思茅松环境因子
- 基于随机森林回归的不同龄组思茅松人工林生物量遥感估测被引量：7
- 2015年
- 以云南省景谷县思茅松人工林为研究对象,以景谷县实测思茅松单木生物量数据建立其单木生物量模型,计算得出90个景谷县思茅松实测样地林分单位面积生物量,采用2005年景谷县TM遥感影像提取9个植被指数作为备选自变量,基于随机森林回归建立总体样本及各龄组样本思茅松单位面积生物量估测模型。以像元为单位,利用估测模型,并采用2005年森林资源二类调查小班数据估算景谷县思茅松人工林的生物量。结果表明:各模型的决定系数(R2)>0.89,均方根误差(RMSE)<7.00,预估精度(P)>87.00%;研究区思茅松人工林单位面积生物量为59.0889 t/hm2,其中幼龄林为38.5170 t/hm2,中龄林为53.6626 t/hm2,近熟林为94.8018 t/hm2。
- 孙雪莲舒清态欧光龙张博胥辉
- 关键词：思茅松生物量
- 基于树干解析的高山松天然林单木木材生物量生长模型被引量：3
- 2017年
- 以云南省香格里拉市两块典型样地内的10株高山松样木为研究对象,基于树干解析测定和计算其单木木材生物量生长及木材生物量生长率,采用非线性混合效应模型技术,分别考虑了样地效应和样木效应,将所有不同随机参数组合的模型进行拟合并分析模型的方差和协方差结构,构建其生物量生长及生物量生长率混合效应模型。结果表明:考虑样地效应、样木效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,其中考虑两水平随机效应的混合效应模型具有最佳的拟合表现,具有最低的AIC和BIC值。考虑两水平混合效应在生物量生长量及生物量生长率模型构建中预估精度最高,分别达93.05%和89.83%;考虑样木效应的混合效应模型次之,分别为88.34%和88.74%;考虑样地效应的混合模型预估精度均最低,分别为83.99%和67.27%;而一般回归模型的预估精度仅87.00%和87.11%。
- 魏安超熊河先胥辉李超闾妍宇张博冷燕欧光龙
- 关键词：非线性混合效应模型树干解析高山松
- 高山松天然林单木生物量因子模型构建被引量：6
- 2016年
- 以云南省香格里拉市高山松天然林为研究对象,实测116株高山松单木生物量数据,并计算各维量生物量因子,以幂函数形式为基本模型,构建各维量生物量因子估算模型。结果表明:各维量生物量扩展因子的决定系数(R2)>0.78,平均残差平方和(MSE)<0.03,预估精度(P)>84.00%;各维量生物量转扩因子的决定系数(R2)>0.72,平均残差平方和(MSE)<0.003,预估精度(P)>83.00%。这些模型均具有较高的拟合精度和预估精度,可为高山松碳汇计量提供数据支撑。
- 孙雪莲熊河先胥辉魏安超李超闾妍宇张博欧光龙
- 思茅松天然林林分直径大小多样性及环境解释被引量：9
- 2016年
- 以云南省普洱市45块思茅松天然林样地为研究对象,选用Shannon指数(H)、Simpson指数(D)和断面积Gini系数(G)对思茅松林分总体、思茅松和其他树种的林分直径大小多样性进行量化,并采用CCA直接梯度排序法分析林分直径大小多样性随气候因子、地形因子、土壤因子和林分因子的变化规律。研究表明:(1)样地总体和思茅松的Shannon指数(H)和Simpson指数(D)的变化比较一致,其他树种的Shannon指数(Ho)、Simpson指数(Do)和断面积Gini系数(Go)变动幅度均比其他6个指数大。(2)气候、地形、土壤和林分因子直接排序的第一排序轴分别解释58.6%、92.0%、64.4%和76.4%的信息量,较好地反映了林分直径大小多样性随环境因子的变化规律。(3)从环境因子与排序轴的相关性上看,气候因子中除年降水外的8个降水因子相关性在0.15以上,而温度因子与林分直径大小多样性的相关性不高;地形因子中海拔(Alt)与第一排序轴的相关性最高(-0.467 5);土壤因子中全磷(TP)、全钾(TK)与第一轴排序相关性均高于0.30;林分因子中林分优势高(Ht)与第一排序轴呈现-0.418 0的负相关。(4)当较高气温和中等降水,海拔和坡度中等,全磷(TP)、全氮(TN)、有机质(OM)质量分数和p H值中等时,林分优势高和林分平均高最小;林分密度指数中等时,思茅松天然林具有最大的Ht、Hs、Dt、Ds值,而其他树种的林分直径多样性指数以及3个断面积Gini系数的规律性不强。
- 李超闾妍宇胥辉徐婷婷张博魏安超孙雪莲熊河先石晓琳欧光龙
- 关键词：土壤因子林分因子CCA排序思茅松
- 空间效应及其回归模型在林业中的应用被引量：12
- 2016年
- 介绍了空间自相关及空间异质性,综述了空间滞后模型(SLM)、空间误差模型(SEM)、混合效应模型(MEM)和地理加权回归模型(GWR)等空间回归模型在林业中的应用,分析了空间回归模型在不同尺度的林业问题中的应用情况,并针对空间回归模型在林业研究中应用所存在的问题进行探讨。
- 张博欧光龙孙雪莲徐婷婷胥辉
- 关键词：林业
