首页> 中文学位 >滇中地区云南松天然次生林林分生长规律的探索
【6h】

滇中地区云南松天然次生林林分生长规律的探索

代理获取

目录

文摘

英文文摘

声明

1绪论

1.1研究目的和意义

1.2云南松国内外研究概况

1.3林分生长规律研究概况

1.3.1林分生长模型分类

1.3.2国内外研究概况

2研究地区概况

2.1楚雄市紫金山林场概况

2.2楚雄市旧关林场概况

2.3禄丰县—平浪林场概况

2.4禄劝县旋窝塘林场概况

2.5禄劝县云龙水库林区概况

3研究数据介绍

3.1调查方法

3.2数据整理

4研究原理及方法

4.1粗差剔除

4.1.1.粗差判别的理论依据

4.1.2样本正态性检验

4.2抗差估计

4.3模型评价指标

4.4模型的建立

4.4.1地位级指数模型

4.4.2林分密度指数模型

4.4.3林分生长模型

5研究结果与分析

5.1云南松天然次生林生长规律研究

5.2地位级指数模型

5.2.1地位级指数导向曲线

5.2.2地位级指数方程

5.2.3小结

5.3林分密度指数模型

5.4林分生长模型

5.4.1平均胸径生长模型

5.4.2平均树高生长模型

5.4.3蓄积量生长模型

5.4.4模型有效性检验及比较

5.4.5阴阳坡差异性分析

5.4.6小结

6结论与讨论

6.1结论

6.2讨论

参考文献

致谢

附录

展开▼

摘要

云南松是云南省的乡土树种,其生长迅速、适应性强、耐干旱瘠薄,是其分布区内荒山绿化和迹地更新的主要树种,亦是云南省飞播造林面积最大的树种,可见云南松在云南省林业中的地位非同一般。现今,云南松次生林已成为西南的后续森林资源,是滇中地区森林经营的主体,然而多年以来,人们对次生林的重视程度及管理力度均不足,再加上其自身因素的影响,造成次生林材质不佳。针对目前的形势,本研究试图着眼于林分系统的角度,以云南松主要分布区域——滇中地区的云南松天然次生林为研究对象,通过实地调查、内业分析,对研究区云南松天然次生林林分生长规律进行探讨,以此作为对云南松该方面研究的一个补充,以期更好的指导森林的可持续经营,最终为云南省发展为绿色强省而服务。 本文首先通过树干解析法对云南松林分生长过程进行初步分析,而后重点在地位级指数模型和林分密度模型的基础上使用逐步回归剔除法和BP神经网络技术这两种方法建立云南松平均胸径、平均树高及蓄积量生长模型,通过分析比较得出最佳的云南松天然次生林林分生长模型,进一步揭示滇中地区云南松天然次生林林分的生长规律。本文的研究数据为55块标准地调查数据及9株解析木数据;数据处理及建模环境为MATLAB7.3;林分生长模型建立的方法为逐步回归剔除法及BP神经网络建模技术;模型参数估计主要采用抗差估计法,借以消除模型拟合中存在的异方差及共线性问题。在建立林分生长模型时,对研究数据采用了两种不同的处理方法,第一种是把55块标准地数据作为一个整体,用于建模;第二种是把55块标准地数据按立地类型进行分类(立地类型的划分是通过坡向进行,坡向为阳坡、半阳坡的林分划分为立地类型Ⅰ:坡向为阴坡、半阴坡的林分划分为立地类型Ⅱ),用分类数据分别建模。 本文的主要研究结果如下: (1)通过树干解析法对云南松林分生长过程进行初步分析,得知研究区内云南松天然次生林胸径连年生长量约在第10年后呈现下降趋势,林木开始分化;云南松树高生长速生期出现较早,持续时间短,树高生长量最高峰出现以后,生长速度很快下降,连年生长量低于平均生长量,最终树高生长趋于缓慢;材积生长开始比较缓慢,生长量小,到了一定时期(约在第15年)生长加快,其生长高峰期出现在树高和胸径生长高峰期之后。总的来说,所研究的云南松林分生长还没有达到数量成熟龄,不能进行主伐,只能进行适量间伐。 (2)使用逐步回归剔除法和BP神经网络技术建立林分生长模型,通过使用模型自有效性检验分析比较,得出使用逐步回归剔除法建模以及使用BP神经网络建模的精度都非常高,但BP神经网络建模效果相比而言较好,最终得出使用神经网络技术所建立的林分生长模型为最佳的林分生长模型。 (3)通过仿真技术对研究区内不同坡向云南松天然次生林生长过程进行差异性分析,得出不同坡向间的云南松天然次生林生长过程基本相似,它们相互之间差异均不显著,故原则上没必要分开坡向研究。而平均树高及蓄积量生长模型的预测输出结果与实测值相关性不如平均胸径生长模型的高,为了能够更为精确的预测不同坡向的云南松天然次生林平均树高及蓄积量生长过程,则应分开坡向研究。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号