董云飞
- 作品数：7 被引量：63H指数：4
- 供职机构：北京林业大学林学院森林培育与保护教育部重点实验室更多>>
- 发文基金：国家林业局林业科技成果推广计划国家林业局重点科研项目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>>
- 亚热带杉木人工林生物量及其碳储量分布——以福建将乐县杉木人工林为例被引量：21
- 2015年
- 根据7块不同林龄杉木人工林标准地调查的数据,对亚热带杉木人工林生物量和碳储量及其垂直分布进行研究。结果表明:杉木人工林林木和各器官生物量随着林龄的增大而增加,树干所占比重最大且逐渐增大,在林龄28年时,乔木层的生物量最大为167.86 t/hm2。杉木人工林碳储量垂直分布序列为乔木层>凋落物层>草本层,分别为50.28 t/hm2、4.32 t/hm2、1.50 t/hm2,平均年固碳量分别为2.44 t/hm2·a-1、0.19 t/hm2·a-1、0.14 t/hm2·a-1。杉木人工林总平均生物量、总平均碳储量和总平均年固碳量分别为119.05 t/hm2、56.10 t/hm2、2.77 t/hm2·a-1。因此,乔木层作为森林生态系统中主要的碳库层,对于森林的碳汇功能发挥着重要的作用。
- 涂宏涛孙玉军刘素真董云飞方景
- 关键词：杉木人工林生物量碳储量
- 基于线性混合模型的杉木人工林枝条大小预测模型被引量：4
- 2015年
- 基于福建省将乐国有林场杉木人工林40株解析木的2 598组枝条解析数据,利用R语言的lme功能,采用线性混合效应(LME)模型方法,以单株树木作为随机效应,建立杉木人工林枝条大小(基径和长度)的预测模型,并利用独立样本数据对模型进行检验。结果表明:考虑随机效应的枝条大小LME预测模型比传统多元线性回归模型的拟合精度高;不同随机效应参数的组合,其LME模型的精度不同,3个参数作为随机效应参数时模型精度最高,但超过3个参数时模型不收敛;考虑异方差结构的LME模型能够消除数据间的异方差性,其精度更高,其中,以幂函数作为异方差结构时的模型精度最高。模型检验结果表明:对于杉木人工林枝条大小的预测,线性混合模型的检验精度比传统多元线性回归模型的精度有明显提高。
- 许昊孙玉军王新杰高志雄董云飞
- 关键词：杉木枝条长度线性混合模型异方差
- 基于R非线性加权回归的灌木相容性生物量模型被引量：4
- 2015年
- 以福建省灌木生物量实测数据为基础,以R软件构建根、枝干、叶非线性相容性模型,同时以各分量独自拟合模型的方差建立的加权回归方程作为权重,构建灌木相容性生物量模型。结果表明:利用R分析软件能够快速地构建非线性相容性模型,而且能较全面、客观地反映各组分之间生物量的分配关系。
- 涂宏涛孙玉军许昊刘素真董云飞方景
- 关键词：灌木非线性
- 福建杉木人工林单木生长模型的研究
- 单木生长模型是林分生长和收获预估模型的重要组成部分，本文以福建省将乐县国有林场的杉木人工林为研究对象，基于标准地实测数据以及解析木数据，采用传统非线性模型、BP神经网络以及非线性混合模型，分别构建杉木的树高曲线方程、直径...
- 董云飞
- 关键词：杉木人工林单木生长模型
- 基于BP神经网络的杉木标准树高曲线被引量：15
- 2014年
- 以福建省将乐县国有林场29块杉木人工林实测数据为例,运用BP神经网络建模技术建立树高预测模型。分别确定输入量和隐层节点数,再经训练和优选,得到的最优模型结构为2∶5∶1,决定系数为0.902 3,均方误差为1.7842。结合传统的两个标准树高曲线方程,利用检验数据分别对模型进行验证。结果表明:BP神经网络模型不管是拟合效果还是预测效果都明显优于传统方程,可以作为有效的树高预测技术。
- 董云飞孙玉军王轶夫郭孝玉
- 关键词：杉木BP神经网络模型
- 3种标准树高曲线建立方法的比较被引量：9
- 2015年
- 【目的】比较3种标准树高曲线建立方法的优劣,为选择适宜的标准树高曲线建立方法提供依据。【方法】以福建省将乐县国有林场29块杉木人工林实测数据为依据,采用传统非线性模型、BP神经网络模型、非线性混合模型分别建立杉木标准树高曲线模型,以决定系数R2、均方根误差RMSE以及平均绝对残差|珚E|作为模型评价和检验指标,对比分析三者的拟合效果。【结果】从拟合精度来看,非线性混合模型、BP神经网络模型、传统模型的决定系数分别为0.916 1,0.904 8和0.889 7,RMSE分别为1.652 9,1.761 2和1.895 4,|珚E|分别为1.205 9,1.291 7和1.400 1;从预测精度来看,三者的决定系数分别为0.941 5,0.935 2和0.918 3,RMSE分别为1.361 8,1.432 2和1.609 0,|珚E|分别为0.989 8,1.030 5和1.142 8。【结论】3种方法均能较好地模拟杉木树高的生长,BP神经网络模型与非线性混合模型的拟合精度和预测能力均较传统的非线性模型好,但非线性混合模型略优于BP神经网络模型。
- 董云飞孙玉军许昊
- 关键词：杉木BP神经网络非线性混合模型
- 基于非线性混合模型的杉木标准树高曲线被引量：9
- 2014年
- 树高曲线是研究森林生长和收获的重要基础,以福建省将乐县国有林场29块杉木人工林实测数据为例,首先运用非线性最小二乘法对9个经典常用标准树高曲线方程进行拟合,选出拟合效果最好的模型作为基础模型,利用基础模型及建模数据构建非线性混合效应模型。通过变化混合参数个数,并利用SAS软件进行模拟,选择结果收敛且AIC、BIC值和负二倍对数似然值最小的混合模型作为最优模型,最后利用检验数据与传统非线性最小二乘法进行精度比较。结果表明:方程H=1.3+a0Ha1t(1-e-a2D-a3gD)a4在模拟杉木树高的生长趋势效果较好,因此,选为构建非线性混合模型的基础模型。在选择混合参数时,发现当a1和a3同时作为混合参数时,拟合效果最好。综合分析,非线性混合模型比固定模型的模拟精度高,可更好地描述杉木的树高生长。
- 董云飞孙玉军许昊梅光义
- 关键词：杉木非线性混合模型
