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)劃的基礎工作。由于勞動力、財力和財力的限制，這項研究無法每年進行。一般來說，這項研究每10年進行一次。為在每年的森林資源統(tǒng)計報表工作中,在原森林資源檔案(或二類調(diào)查)數(shù)據(jù)基礎上,進行必要的補充調(diào)查,通過數(shù)學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)準確的關鍵。1平均年齡間樹高、平均胸徑、東南角蓄積量上一個森林經(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)學模型模擬小班平均趨勢,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系,再預測各小班的平均樹高、平均胸徑、公頃蓄積,實現(xiàn)數(shù)據(jù)更新。通過10年的運作,雖然用此模型預測總體精度尚可,但預測小班準確度不高,個別小班準確度極低。為了改進預測方法,提高小班預測準確度,搞好森林資源檔案數(shù)據(jù)更新工作,本文對森林資源檔案數(shù)據(jù)更新的模型和方法進行探討。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)更新可通過臺帳進行,而在無人為干擾情況下,森林資源會隨年齡的增加而變化,如平均樹高、平均胸徑、公頃蓄積會增加,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)學模型解決。故森林資源檔案數(shù)據(jù)更新需考慮的數(shù)學模型應包含平均樹高、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)更新模型應同其它生物模型一樣,要求符合生物學的生長特性,即數(shù)學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,數(shù)學模型選擇要簡明實用。4森林資源檔案的更新森林資源的消長原因可分為為兩大類:無人為干擾的自然消長及人為干擾的消長。對無人為干擾的自然消長可通過數(shù)學模型模擬其生長;對人為干擾的消長可先建立臺帳檔案,臺帳可分為喬木進界(包經(jīng)濟林進界)、喬木皆伐(包經(jīng)濟林皆伐)、喬木擇伐、疏林皆伐、森林火災、病蟲危害、其它災害、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(指當年采伐喬木林后的造林,含當年成林,包括經(jīng)濟林、疏林改造)、其它改造(指當年采伐竹林、灌木林、未成林后的造林,含當年成林)、萌芽林(包括當年采伐成林)、采伐造林(含當年成林)、無林造林(包括紅樹造林,含當年成林)、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(含當年成林)等類型,再通過臺帳直接更新檔案。本文著重探討通過數(shù)學模型更新檔案數(shù)據(jù)的方法。為提高森林資源檔案數(shù)據(jù)更新的準確度,首先在全省范圍內(nèi),按不同優(yōu)勢樹種收集上次二類調(diào)查的優(yōu)勢區(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),分別年齡或齡級計算平均樹高及平均樹高變動系數(shù),模擬平均樹高、平均樹高變動系數(shù)同平均年齡的關系,使用數(shù)理統(tǒng)計方法,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、平均年齡間的關系,擬合相應的數(shù)學模型;最后利用擬合的數(shù)學模型,經(jīng)過數(shù)學變換,預測小班的公頃株數(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)查設計及檢驗數(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),作為擬建模及檢驗數(shù)據(jù)。本文采用具有多年專業(yè)調(diào)查經(jīng)驗的專業(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個馬尾松二類調(diào)查小班數(shù)據(jù),而檢驗數(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個馬尾松二類調(diào)查小班數(shù)據(jù)。6立地臨界值的建立對建模小班數(shù)據(jù),按5年一個齡級且以各齡級中值替代齡級年齡,對各齡級平均樹高、平均樹高變動系數(shù)同年齡進行回歸分析,建立回歸關系如下:=1.4929(=0.4982-0.0943ln((1)—(2)式中:由林學知識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、東南角相關關系對已進行立地分級的建模數(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、公頃蓄積的相關關系,考慮選用模型的合理性、可行性、簡明實用性,擬合結果如下: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擬合模型分析檢驗盡管平均樹高、平均樹高變動系數(shù)、分級平均樹高、分級公頃株數(shù)、分級平均胸徑、分級公頃蓄積的預測模型屬非線性模型,但都可利用線性化轉(zhuǎn)換,變?yōu)榫€性模型。通過對擬合模型(1)~(14)的相關系數(shù)進行分析檢驗,除平均高變動系數(shù)在顯著性水平0.05以下,相關系數(shù)大于臨界值外,其余均在顯著性水平0.01以下,相關系數(shù)大于臨界值。表明上述擬合模型線性相關關系顯著,回歸模型實用。9婦人生長和林木生長之間關系對(3)~(5)3個平均樹高模型,通過求導比較其連年高生長量可知:立地條件越好,連年高生長越快。這同林分平均樹高生長規(guī)律非常吻合,因此所建模型從生物學角度看是合理的。對(6)~(8)3個公頃株數(shù)模型進行比較發(fā)現(xiàn):相同年齡時,立地條件越好,公頃株數(shù)越少。這是因為立地條件越好林木生長越快競爭越激烈,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(9)~(11)3個平均胸徑模型進行比較發(fā)現(xiàn):平均胸徑同平均年齡和平均樹高成正相關,同公頃株數(shù)成反相關。進一步分析還可發(fā)現(xiàn):好的立地平均胸徑同平均樹高相關最緊密,中等立地平均胸徑同平均年齡相關最緊密,差立地平均胸徑同公頃株數(shù)相關最緊密。這同林分平均胸徑生長規(guī)律基本相符。一般情況公頃蓄積應同平均年齡、平均樹高、平均胸徑、公頃株數(shù)密切相關,建立公頃蓄積生長模型時應將平均年齡、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模型不考慮公頃株數(shù)。考慮到公頃蓄積同平均年齡、平均樹高、平均胸徑模型關系復雜,對(12)~(14)3個公頃蓄積模型的生物學評價非常困難,因此模型的檢驗留待以后實踐中進行。10擬合班數(shù)的擬合模型檢驗森林資源檔案數(shù)據(jù)更新模型的優(yōu)劣不僅要看模型本身的檢驗指標,更主要體現(xiàn)在模型擬合小班數(shù)據(jù)的精度方面。對平均樹高、平均胸徑、公頃蓄積等調(diào)查指標因子結合實際要求,給定檢驗最大誤差限,將檢驗小班數(shù)據(jù)代入上述擬合模型中,預測各小班的平均樹高、平均胸徑、公頃蓄積,用預測數(shù)據(jù)同實測數(shù)據(jù)誤差小于檢驗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1993年白云區(qū)農(nóng)工商局362個馬尾松二類調(diào)查小班數(shù)據(jù)進行檢驗,有91.7%的小班(即332個)平均樹高的誤差小于30%,有97.0%的小班(即351個)平均胸徑的誤差小于30%,有83.1%的小班(即301個)公頃蓄積的誤差小于50%。由此可見,利用立地分級方法進行森林資源檔案數(shù)據(jù)更新是可行的。11全班性分級模型盡管利用立地分級方法進行森林資源檔案數(shù)據(jù)更新基本可行,但直接利用模型預測平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積,部分小班誤差較大。因此本文提出對立地分級模型進行數(shù)學變換,計算平均樹高、公頃株數(shù)、平均胸徑、公頃蓄積的連年生長率,結合小班自身的生長情況,利用生長率進行預測,可提高預測精度。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,可考慮用更新的平均樹高、平均胸徑、公頃株數(shù)查材積表計算公頃蓄積。12生長率及建模數(shù)據(jù)來源(1)通過研究,利用立地分級方法進行森林資源檔案數(shù)據(jù)更新不僅合理、可行、簡明適用,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)學模型模擬單個林分的生長過程時,少部分小班偏差較大。在進行森林資源檔案數(shù)據(jù)更新時,為提高更新精度,應避免采用數(shù)學模型直接更新,可結合小班自身的生