考虑环境因素的杨树生长率模型研究

作     者：张瀚月 冯仲科 黄国胜 杨雪清 冯泽民 Zhang Hanyue;Feng Zhongke;Huang Guosheng;Yang Xueqing;Feng Zemin

作者机构：北京林业大学精准林业北京市重点实验室北京100083 海南大学热带特色林木花卉与种质创新教育部实验室海南海口570228 国家林业和草原局调查规划设计院北京100714 清华大学地球系统数值模拟教育部重点实验室北京100084 

基　　金：海南省重点研发计划项目(ZDYF2021SHFZ256) 中央高校基本科研业务费专项(2015ZCQ-LX-01) 

出 版 物：《北京林业大学学报》 (Journal of Beijing Forestry University)

年 卷 期：2022年第44卷第11期

页      码：50-59页

摘      要：【目的】杨树是我国栽培数量最多的阔叶树种,其生长快、易繁殖、适应性强、轮伐期短等特点对解决木材供需平衡、促进碳汇、实现碳循环等方面至关重要,探究杨树生长环境影响机制对实现森林资源高效管理、推动生态文明建设具有重要意义。【方法】本研究利用全国森林资源连续清查部分固定样地杨树实测数据,构建未考虑环境因素和考虑环境因素的杨树胸径生长率多元回归模型,结合随机森林(RF)、梯度提升机(GBM)和支持向量机(SVM)算法,对RF、GBM和SVM算法以RMSE最小完成模型最优参数确定,并通过平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))进行模型评价,实现环境因子对杨树生长的重要性程度知识挖掘。【结果】杨树胸径生长率主要受其自身胸径大小的影响,且随着胸径的增大而减小,呈现反“J”型趋势;考虑环境因素的回归模型较未考虑环境因素的回归模型R^(2)从0.066提高到了0.403;机器学习算法预测效果明显优于回归模型算法,其中以RF算法精度最高,R^(2)达0.730,预测结果和实际值基本一致;多元回归模型、RF和GBM对模型重要性解释程度规律基本一致,SVM存在微小差异。【结论】回归模型精度虽略低于机器学习算法,但其“白箱”优势可为未来森林资源调查工作中判定其胸径是否存在异常提供依据;杨树生长受环境影响,与地理空间位置关系紧密,温度适宜、降水充沛的低海拔地区以及坡度平缓、坡位较低的北坡区域更适宜杨树生长,密度越大越不利于其生长;在杨树林的营造过程中,应首先考虑造林地理位置、气象气候等因素;其次,考虑林分结构,特别是林分密度合理性;最后,考虑地形结构是否适宜进行杨树林营造工程建设。

主 题 词：杨树生长 回归模型 机器学习 胸径生长率 环境影响机制 

学科分类：090704[090704] 0907[农学-草药学] 09[农学] 

核心收录：

D　O　I：10.12171/j.1000−1522.20210201

馆 藏 号：203115545...