%A 张英凯,刘鹏举,刘长春,任怡 %T 基于空间聚类的杉木生长预测方法 %0 Journal Article %D 2019 %J 林业科学 %R 10.11707/j.1001-7488.20191115 %P 137-144 %V 55 %N 11 %U {http://www.linyekexue.net/CN/abstract/article_8265.shtml} %8 2019-11-25 %X

目的: 基于空间聚类对杉木分布区进行分组,在不同组内分别建立杉木生长模型,为适用于全国范围的杉木生长高精度预测提供方法。方法: 以杉木分布的16个省区为研究区,基于第七次、第八次全国森林资源连续清查杉木固定样地复测数据和研究区的地形、土壤、气象等环境数据,采用随机森林-递归特征消除(RF-RFE)算法对影响杉木生长的环境因子进行分析。选择对杉木生长影响较大的前8个环境因子,利用ArcGIS 10.2的分组分析功能,根据环境相似性对杉木分布区进行分组,分别建立林分分组和未分组蓄积生长率模型。以全国未分组模型作为参考,采用决定系数(R2)、均方根误差(RMSE)、平均相对误差(MRE)、系统误差(SE)和剩余标准差(S)对建模结果进行分析。结果: 对杉木生长影响较大的前8个环境因子分别为bio4(温度季节变化标准差)、elevation(海拔)、bio3(等温性)、bio8(最湿季度平均温)、bio1(年均温)、bio14(最干月降水量)、bio12(年均降水量)和bio2(昼夜温差月均值)。将研究区划分为7组时可使组内环境相似性最大、组间环境相似性最小。7组中只有4组有杉木样地数据,在4组中采用2种模型分别建立杉木林分生长率模型,与全国未分组模型相比,分组模型的决定系数提高0.1左右,拟合度更好;分组建模精度也明显提高,RMSE降低0.5左右,MRE降低6%左右,SE降低3%左右,S降低1左右。结论: 根据环境相似性对研究区分组并在此基础上建立生长模型是一种适用于全国范围杉木生长的高精度预测方法,可用于全国区域范围杉木林分生长量的整体预估和森林资源小班数据的模型更新,为实现主要人工林树种的大区域生长预测提供新的方法。