以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型。由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线...以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型。由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型。从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型。除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响。通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价。结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进。本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型。展开更多
为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合(小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise),并利用去噪后的小麦冠层光谱建立偏最小二乘回归(P...为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合(小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise),并利用去噪后的小麦冠层光谱建立偏最小二乘回归(PLS)模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差(RMSEC)为0.260,预测集均方根误差(RMSEP)为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析(PCA)进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型(LS-SVR),其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明:以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。展开更多
文摘以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型。由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型。从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型。除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响。通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价。结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进。本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型。
文摘为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合(小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise),并利用去噪后的小麦冠层光谱建立偏最小二乘回归(PLS)模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差(RMSEC)为0.260,预测集均方根误差(RMSEP)为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析(PCA)进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型(LS-SVR),其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明:以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。
