一、紫果云杉单立木生长模型拟合的初步研究（论文文献综述）
拓锋[1]（2021）在《祁连山青海云杉种群动态与空间格局分析》文中研究说明青海云杉（Picea crassifolia）是祁连山天然次生林的旗舰种,也是维系祁连山生物多样性、水源涵养功能乃至区域生态平衡的关键种。研究该种群的数量动态和不同年龄阶段的空间分布格局及其关联性,能够揭示其种群的结构特征及其发展规律,有助于预测该种群未来的发展动态,推断其潜在的生态学过程或影响机制,进而能为该种群的配置、种植、森林经营与管理提供理论依据与实践指导。本研究基于10.2 ha青海云杉动态监测样地数据,首先,以胸径代替年龄,通过静态生命表,龄级结构、存活曲线、死亡率曲线、消失率曲线以及4个生存分析函数曲线,分析青海云杉种群动态特征,并利用种群数量动态变化指数和时间序列模型预测其数量动态。其次,并采用点格局方法,通过单变量成对相关函数和双变量成对相关函数对不同年龄阶段青海云杉种群的空间分布格局、空间关联性进行分析,主要研究结果如下:种群动态研究结果表明:（1）青海云杉种群的年龄结构近似于倒“J”型,幼苗和小树储量丰富;（2）种群存活曲线趋近于Deevey-Ⅱ型,表现为稳定型种群,死亡率和消失率曲线具有一致的变化趋势,都在第2、8龄级出现高峰期;（3）生存率曲线呈下降趋势,累计死亡率曲线呈上升趋势,死亡密度曲线缓慢下降,而危险率曲线逐渐上升,该种群的生长特点为前期减少、中期趋于稳定、后期出现衰退;（4）种群数量变化动态指数Vpi>0,表明该种群属于增长型种群,Vpi’>0且趋近于0,则表明该种群接近于稳定型;（5）时间序列预测分析结果显示,在未来2、4、6、8个龄级时间后,种群呈稳定增长趋势。空间格局研究表明:（1）青海云杉种群幼树、小树、中树和大树4个年龄阶段的个体在小尺度（<15m）上呈聚集分布,但随着空间尺度的增大,聚集强度逐渐减弱,趋向随机分布;较小年龄的个体常呈聚集分布,而随着年龄增大,也趋向于随机分布。（2）青海云杉大树个体在小尺度（<4 m）范围内与其他年龄阶段个体都呈负关联,随着尺度的增加,大树与幼树表现出正关联且关联性随尺度的增加而减弱,而与小树、中树则表现为无关联或者微弱的负关联;年龄阶段相近的个体空间关联性为正关联或无关联,随着个体年龄间差距增大,空间关联性转变为无关联或负关联。
刘建峰[2]（2021）在《我国常见树种通用生物量相对生长方程建模研究》文中研究表明由温室气体排放增加导致的全球气候变化所带来的自然与社会影响日益加剧,如何减缓气候变化成为各个国家面临的重要问题。而森林生态系统作为陆地生态系统的重要组成部分,是全球碳循环的主体,其在维持全球气候稳定、保护生物多样性、提升生态系统服务等方面的潜力越来越受到重视。生物量是森林重要的基础属性,快速准确地估算与评估森林生物量,对于提升森林资源动态监测能力及提高森林管理水平,揭示全球森林的碳储量以及缓解全球气候变化具有重要意义。本研究通过搜集和整理1980～2019年间正式刊载及发表的我国（不包括我国香港、澳门以及台湾地区）485篇常见树种的生物量文献,获得10科113个树种、5573条记录,并按照植被信息将我国常见树种划分为不同科/属、不同植被功能型,结合大区域生物量方程常用的基本建模方法、最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）方法和哑变量模型3种生物量建模方法,分别以基本模型和LSSVM模型研建我国常见树种不同科/属的生物量方程系统,以基本模型、LSSVM模型和哑变量模型3种模型分别研建不同树木功能型的通用生物量相对生长方程,并结合不同的生物量评价方法对所建方程进行方程模拟效果检验。主要结果如下:（1）对我国常见树种不同科/属和3种不同植物功能型研建的生物量方程大多较好,能保证较高的预估精度和决定系数及相对较低的总体误差和个体误差,因此,以科/属或植物功能型建立通用生物量方程总体上是可行的。（2）通过3种建模方法对比发现,3种模型总体上是以基本模型为基础,但其效果各有差异:基本模型保证较小的整体误差,但可能导致较大的个体误差,模拟结果存在一定的不确定性;LSSVM模型以机器学习为基础,优化基本模型参数,提升了个体的模拟效果,进而保证方程的预估精度;哑变量模型通过引入环境指标等哑变量,更加全面的反映出影响生物量差异的因素,降低了非测树因子等因素对生物量的影响,提高模型适用性。（3）通过不同科/属的生物量建模比较发现,在不考虑环境因素的情况下,LSSVM模拟大多是优于基本模型的,其和基本模拟的不同点在于能够保证相对较小的个体误差,而基本模拟则保证较小的整体误差。LSSVM模型对于生物量变异较大的树种适应性更好。由于不同林分起源、不同生境下的落叶阔叶树种生物量变异较大,增加树高自变量对于提升其方程模拟效果较为明显;而由于部分常绿阔叶树种和针叶树种间生物量差异较大,对于常绿阔叶树种和针叶树种的模拟效果则存在一定不确定性,更多受同一树种生物量的变异影响较大。（4）通过3种不同植物功能型的建模发现,与基本模型和LSSVM模型相比,哑变量模型加入环境因子后,大都降低了模拟误差,提升了模拟精度,说明分布区域和林分起源对生物量存在显着作用,增加环境变量有助于提升方程模拟效果。落叶阔叶树种受纬度影响较大,生物量由南向北递增,林分起源对于其影响也较大;而常绿阔叶树种生物量大多表现出沿海地区大于内陆地区的现象,可能受湿润度条件的影响较大;针叶树种则未明显表现出受环境因子的影响。综上所述,本文构建的我国常见树种不同科/属、不同植物功能型的通用生物量方程模拟效果较好,可运用于实际生物量估算中;而且,增加树高变量有助于提升生物量差异较大的树种的模拟效果;森林起源和分布区域对生物量也存在较大影响。因此,在实际运用时,小区域分布、生物量变异较小的树种选择基本模型即可保证模拟效果,而大区域分布、生物量变异较大的树种则可选择LSSVM模型和哑变量模型,并可根据数据获取难易程度使用其中一种建模方法。但总体来说,现有的生物量建模方法仍存在较大不确定性,未来需要将不同的建模方法融入到生物量方程研建中,以提升大尺度生物量方程的评估精度,降低森林生物量和碳储量估算误差,为森林经营管理、森林资源保护与合理利用以及减缓气候变化等提供参考依据。
柳雪梅[3]（2020）在《我国4种主要针阔叶树种的热值和单木储能量研究》文中指出发展生物质能源林是解决当前能源问题,实现林木生物质能源可持续发展的有效途径之一。热值作为考察能源树种的重要指标,不仅反映了植物固定和转化太阳能的效率,也能有效衡量植物的初级生产力水平。从大尺度方面,以我国分布广泛的2个针叶树种组（落叶松、云杉）和2个阔叶树种组（杨树、栎树）为研究对象,分析各树种组不同器官热值、灰分含量的大小及差异显着性,探讨其主要的影响因素,并建立单木一元和二元储能量回归模型。主要结论如下:（1）4个树种组干材热值和灰分含量随干材高度变化呈现不同的变化趋势。除云杉热值和杨树灰分含量随干材的增加而下降外,其余树种热值及灰分含量均呈现随干材高度从上到中、下部位的变化而逐渐下降的趋势,且干材不同高度处的热值和灰分含量大都存在显着差异。（2）4个树种组根系的热值和灰分含量随根系粗度的变化呈现不同的变化趋势。除2种阔叶树根系的干重热值随着树根变细而降低外,其他的热值及灰分含量均表现为细根>粗根>根茎,且根茎、粗根、细根间热值和灰分含量大都存在显着差异。（3）各树种组不同器官中树叶、树枝、树皮的热值和灰分含量较高,而干材和根系的相对较低,地上部分各器官热值的加权平均值高于树根的热值,灰分含量大致呈现相反的趋势;地上不同器官间、树根与地上各器官间的热值和灰分含量大都存在显着差异。（4）2个针叶树种组各器官热值均高于2个阔叶树种同器官的热值,灰分含量则比阔叶树种同器官的低。全树灰分含量由高到低排序为杨树>栎树>云杉>落叶松,去灰分热值则为云杉>落叶松>杨树>栎树;全树热值的变动系数均小于5%,灰分含量均大于25%。（5）4个树种组的热值、灰分含量除了与地域分布相关外,部分树种还与胸径、树高、起源有一定的相关性,且各树种组不同分布区域的热值和灰分含量大都存在显着差异。（6）通过普通回归和对数回归的方法,构建了各区域不同树种组单木储能量与胸径及胸径和树高组合变量的一元和二元回归模型,进而选出最优模型,其拟合优度均处于较高水平;为方便应用、提高效率,在实践中可采用基于胸径的一元模型;对不同树种组分区域进行单独建模,可降低总体误差,提高拟合效果。
刘柄昂[4]（2020）在《湖南省龙山县日本落叶松立木材积和生物量预估模型研究》文中研究表明以湖南省龙山县日本落叶松人工林为研究对象,在研究区调查固定样地和临时样地42块,并收集湖南省龙山县林业局2018年森林质量精准提升项目调查数据266组。通过模型选取、拟合及检验对湖南省龙山县日本落叶松立木材积和生物量预估模型进行了研究,并对立木材积和生物量相关关系进行了探讨。（1）立木材积预估模型的构建及检验:通过Excel软件进行数据整理,将解析木数据划分为建模样本59组,模型检验样本26组,选取7个数学模型进行二元立木材积关系拟合及检验,以各数学模型的确定系数R2和残差平方和的平均值MSE作为选择标准,得出山本和藏式材积模型残差平方和的均值MSE=0.0037最小,孟宪宇式材积模型确定系数R2=94.9%最高,对两个模型进行拟合效果评价,评价后得出山本和藏材积式模型各项指标均优于孟宪宇式材积模型。对山本和藏式材积模型进行适用性检验,检验指标中各项指标均达到指定要求。综合得出山本和藏材积式达到适用条件,山本和藏式模型:V=0.0003 × D2.0623 × H0.2602根据模型展开得出湖南省龙山县日本落叶松二元立木材积表。针对湖南省龙山县日本落叶松地域性质和树种类型,将所研究的模型与鄂西山区日本落叶松立木材积模型、湖南省马尾松二元立木材积模型进行比较,根据26组检验样本数据进行预估精度P,残差分析（SR）以及相同胸径树高条件下所得到的材积比较,对比结果见章节4.1.3和4.1.4,得出本研究拟合的立木材积模型更适用于湖南省龙山县日本落叶松。根据检验后256组每木检尺数据,对胸径～树高关系进行拟合,得到抛物线式模型:H=-1.4622+1.4752 × D-0.0372 × D2再将模型代入山本和藏式材积模型,得到一元立木材积模型:V=0.0003 × D2.0623 ×（-1.46 2 2+1.47 52 × D-0.0372 × D2）0.2602经有效性检验RS值满足-3%<RS=0.0676<3%的要求,再对模型进行适用性检验得到:-5%<RS=-2.703%<5%,同时通过 F 检验（F=-131.3351≤F0.05=19.424）,表明所建立并选择的数学模型适用,展开制成湖南省龙山县一元立木材积表。（2）立木生物量预估模型构建及检验:根据日本落叶松85组各部分生物量数据,将59组数据建模,26组数据进行模型检验,各部分生物量与胸径、树高关系模型拟合及模型检验所得:拟合指标确定系数R2和残差平方和的平均值MSE;检验指标总相对误差RS值,平均相对误差MRE值,平均相对误差绝对值AMRE,预估精度P,各部分生物量最优模型及拟合指标、检验指标见章节4.2.1（6）中表4.17。按照此方法,各部分生物量（干、皮、枝、叶及地上部分）与胸径的模型,拟合指标确定系数R2和残差平方和的平均值MSE;检验指标总相对误差RS值,平均相对误差MRE值,平均相对误差绝对值AMRE,预估精度P,拟合与检验结果见章节4.2.2（6）中表4.23。（3）立木材积与生物量相关性分析。对采集的材积和各部分生物量（干、皮、枝、叶及地上部分）数据进行散点图检验,从散点图的分布情况,确定了两者相关性研究模型,通过拟合指标确定系数R2和残差平方和的平均值MSE,选出各部分生物量模型进行有效性检验,结果见章节4.3.2中表4.29,结果表明各组分生物量与材积关系模型相关系数较高,预估精度P都在90%以上,各模型χ2值均小于检验χ2（0.05）值。经过检验所配制的回归方程精度都较高,证实所选择的回归方程对龙山县日本落叶松人工林的生物量预估是可行的。
郝红科[5]（2019）在《基于机载激光雷达的森林参数反演研究》文中研究说明机载激光雷达脉冲能够穿透部分森林冠层,获取森林的三维结构信息,是目前林业遥感当中最具应用潜力的主动遥感技术之一。尽管目前国内外学者已经在机载激光雷达森林参数反演方面取得了一些不错的科研成果,然而理论和实践远未成熟,核心算法仍有待提高,技术体系仍有待完善。因此,本文以黑河综合遥感联合试验获取的张掖市大野口流域的机载激光雷达数据和样地调查数据为研究对象,系统化的研究了机载激光雷达森林参数提取的技术流程,针对各个重要环节均做了深入的比较和分析,找出了反演过程当中最优的算法和参数设置,提出了一个反演森林参数的激光雷达指标。研究取得的主要结论如下:（1）布料模拟滤波算法（CSF,Cloth Simulation Filter）在本研究区滤波效果好于常用的不规则三角网滤波算法（TIN,Triangular Irregular Networks）和渐进形态滤波算法（PMF,Progressive Morphological Filter）。通过三种滤波算法生成的DEM和试验区差分GPS测量的结果对比,CSF算法可以获取最大误差1.9m,平均误差0.138m/m2的DEM,可以满足森林参数反演的需要。（2）使用归一化点云（NPC,Normalized Point Cloud）生成的树冠高度模型（CHM,Canopy Height Model）无论是在树冠三维结构的表现上,还是在CHM“孔洞”的消除效果上均优于传统的CHM生成方法。同时,本研究对比了CHM生成过程中常用的三种插值算法,距离倒权法（IDW,Inverse Distance Weighted）、不规则三角网插值（TIN）和克里金插值（Kriging）,发现由于树冠尺寸不大但形状多变,简单的IDW算法更适合CHM的插值。（3）对比分析了基于CHM的分水岭单木分割算法和基于点云的空间聚类算法,发现后者由于点云密度不够,不能用于本研究。通过有序对比分水岭算法的参数配置,确定了0.5m像素大小的CHM可以获取最佳的单木分割效果,单木分割率达到68.55%,分割准确率达到57.46%。尽管算法的参数值需要根据点云密度和林分情况变动,但是本研究提出的方法具备一定的参考价值。（4）用单木分割的思路反演林分参数,在无法单木匹配的情况下,本研究提出了用简单的线性回归模型来拟合林分实测值与单木分割估测值的方法。使用冠幅面积加权平均高估测值来拟合实测的胸高断面积加权平均高（LorH）,相关系数（R2）为0.375,均方根误差（RMSE）为2.16m。利用估测的平均树高和平均冠幅两个指标经自然对数变换后线性拟合胸高断面积（BA,Base Area）和地上生物量（AGB,Aboveground Biomass）,R2分别达到了0.571和0.639。（5）用基于样地的思路反演林分参数,本研究从点云中提取了43个指标,通过多元线性回归、支持向量机和人工神经网络三种机器学习算法来回归实测林分参数,结果表明后两者优于常用的多元线性回归模型,原因主要是提取指标之间的共线性问题所致。通过LASSO回归特征选择后,对LorH和AGB的预测,支持向量机最优,R2分别为0.784和0.849,RMSE分别为1.256m和21.298t/ha;对于BA的预测,神经网络模型最优,R2为0.859,RMSE为3.134m2/ha。（6）本文提出了一个基于样地的激光雷达提取指标——冠层高度指标（TCH,Top of Canopy Height）,在假设林分具备和单木相似的异速生长规律的前提下,利用已有的异速生长模型的形式预测各林分参数,其中对LorH、BA和AGB的拟合系数分别为0.129,0.696和0.706,预测精度高于基于单木分割的林分反演精度,低于基于点云分位数的林分反演精度。同时,本文对于影响TCH预测精度的CHM高度阈值和CHM像素大小做了科学的分析,方法具备一定的借鉴意义。总之,本文对基于机载激光雷达的森林参数反演方法进行了系统的研究,对核心算法进行了细致入微的比较和分析,得到的结论可靠有效,将有力推动机载激光雷达技术在我国林业中的深入应用与普及。
王颖[6]（2019）在《森林资源测计及经营管理系统设计与实现》文中研究说明森林资源是陆地上重要自然资源,不仅为人类的生产生活提供重要的经济支撑,而且对于保护生态环境及维持生物多样性也具有积极意义。随着无人机、摄影测量以及3S技术的发展,森林资源的调查及经营管理方法在不断改进,并形成了一系列的林业GIS平台。国内建立的平台大多针对特定区域的某个需求进行开发,虽然计算精度较高,但功能模块相对单一、系统与外业森林资源调查方法衔接较差、平台普适性较弱。本研究选用Visual Studio 2015为开发平台,以ArcGIS Engine组件式GIS为开发工具,利用Geodatabase和SQL server组织管理数据库,建立森林资源测计及经营管理系统。该系统包括用户管理、GIS基础操作、UAV森林资源测计、地面摄影测量森林资源测计、地面常规森林资源测计、森林资源管理、林木生长预测、林木经营决策和显示与输出等模块,功能模块相对较全;针对多种森林资源调查方法,系统提供对应的参数提取方法,最大化地实现系统对森林资源内业处理与外业调查的无缝结合;用全国数据拟合林分生物量模型、极限生长模型、对数生长模型、相对生长模型和林分生长模型,不仅可以对全国各地林分生物量、碳储量进行预测,也可以预测单木胸径、树高随年龄的变化和立木胸径变化与立地环境之间的关系,普适性强,便于林业管理者把握森林动态变化规律,为林木抚育、间伐、轮伐等经营活动提供依据;二维、三维展示实现森林资源的直观显示,对森林资源经营决策具有辅助作用,天然针阔混交林择伐经营和最佳轮发期计算等森林经营决策,有助于最大程度发挥林木经济价值、生态效益和社会效益,利于森林生态系统可持续发展。为了验证UAV森林资源测计模块和森林资源管理模块的可行性,将门头沟航飞影像区划为27个小班,提取每个小班的地形因子和单木参数,计测每个小班树木的平均胸径、平均高、株树密度、蓄积量、林分生物量和林分碳储量,掌握该区域树木生长情况,为森林经营决策提供依据;对地面摄影测量森林资源测计模块的林分信息提取精度进行验证,与每木检尺法相比,平均胸径绝对误差为0.3cm,相对误差为1.83%,株树密度绝对误差为-14株/hm2,相对误差为-1.51%,蓄积量绝对误差为8.39m3,相对误差为7.52%。
赵阳[7]（2018）在《洮河上游紫果云杉种群结构与动态特征》文中认为紫果云杉（Picea purpurea）为我国特有树种,幼林耐阴性强,是甘肃亚高山地区重要优势树种和森林建群种。洮河流域森林面积广阔,生态系统复杂多样,其森林资源在稳定洮河乃至黄河水量,控制水质、水患,防止水土流失等方面发挥着巨大的生态效能,但部分较偏远的地区森林资源保护不力,依然存在较严重破坏现象。因此,加强对该区生态系统和森林资源的保护,对稳定黄河水量、维系黄河中下游地区生态安全具有极其重要的意义。紫果云杉作为甘肃省重点保护植物,为了解其种群生存现状及动态特征,本研究以洮河上游尕海-则岔自然保护区则岔沟,卡车林区上卡车村,冶力关国家森林公园的紫果云杉天然林为研究对象,通过样地调查和数据统计,绘制种群结构图,编制静态生命表,分析存活曲线,运用生存分析理论与数量化分析法、种群动态谱分析法研究种群结构与动态,并运用时间序列模型对种群数量动态进行预测,以分析不同生境下紫果云杉的种群结构与动态,揭示种群结构特征及生存状态,阐明种群更新与维持机制,以期为该物种的保护及资源管理提供科学依据,并为本研究区紫果云杉种群更新和结构恢复提供理论依据。研究结果如下:（1）种群结构分析表明,尕海-则岔、卡车林区和冶力关的紫果云杉种群龄级结构、高度结构和冠幅结构总体均呈倒“J”型,为增长型种群。幼苗、幼树比例为:尕海-则岔（62.23%）>卡车林区（52.92%）>冶力关（46.90%）。三个地区的紫果云杉在生物学特性、环境条件及人为等外界因素共同作用下,胸径与树高均符合y=ax2+bx+c,x∈(0,-b/2a]的二次函数关系。（2）生命表分析表明,洮河上游不同地区紫果云杉种群均具有较大比例的幼苗、幼树存储量,但存活率普遍偏低。种群死亡和消失率均在幼苗、幼树阶段最大,整个生命过程均伴随着死亡和消失率的较大波动。幼苗、幼树死亡率由高到低依次为冶力关（83.33%）%>卡车林区（74.49%）>尕海-则岔（72.36%）。（3）尕海-则岔的紫果云杉种群存活曲线趋于Deevey-Ⅲ型,卡车林区紫果云杉种群存活曲线符合Deevey-Ⅱ型存活曲线的B1亚型;冶力关林区的紫果云杉种群存活曲线前6龄级趋近于Deevey-Ⅲ型,后6龄级趋近于Deevey-Ⅱ型。（4）三个地区的紫果云杉均可在自然条件下完成更新,且林下更新良好。竞争和自疏作用造成的幼苗、幼树存活率偏低是影响紫果云杉种群自然更新成败和种群结构的关键。尕海-则岔的紫果云杉种群受到的外界干扰小,卡车林区受到严重的人为干扰致使种群结构遭到严重破坏,冶力关林区的紫果云杉则主要是由于种群的分布状况影响到整体的生存现状。（5）种群动态分析和时间序列预测表明,三个地区的紫果云杉的增长潜力依次为:尕海-则岔地区>卡车林区>冶力关。在未来2、4、6、8个龄级,紫果云杉种群个体数均有增加。各龄级个体数增加的总体趋势与种群幼苗、幼树的比例有关,幼苗、幼树的比例越高,种群增长趋势越大。（6）谱分析结果显示,紫果云杉种群数量动态变化过程受其基波影响较大,不同地区的其数量波动有所差异。尕海-则岔的紫果云杉纯林更接近与自然状态,种群最完整,能够较准确的反映紫果云杉种群数量动态的固有周期,人为干扰影响了卡车林区紫果云杉种群的小周期现象,种群分布和组成状况影响了冶力关林区紫果云杉的数量动态。（7）幼苗、幼树存活率过低,可通过人为措施来提高存活率从而促进结构恢复和种群稳定增长。对尕海-则岔地区,加强对幼苗、幼树的生存环境保护并提高幼苗质量和存活率是保持种群增长的关键;卡车林区在对幼苗及环境加强保护的基础上重点加强监管,禁止人为破坏;冶力关林区在减少游人影响的同时还须通过人工补种、植等措施,使幼苗、幼树形成一定规模,促进结构恢复。相关林业政策的支持也必不可少。
王少杰[8]（2017）在《北京市侧柏、油松林分生长模型研究》文中研究说明林分生长和收获模型是用来研究森林生长动态变化规律的基本方法,长期以来受到世界各地学者的高度重视。林分断面积和蓄积量是预估林分收获量的重要因子变量,具有较高的稳定性和可预测性,可以反映经营单位经营森林的状况和经营效果。本研究以北京市侧柏（Platycladus orientalis（L.）Franco）、油松（Pinus tabulaeformis Carr.）连续清查样地为研究对象,其中侧柏林分考虑林分起源的差异,建立侧柏人工林和天然林生长模型,并通过哑变量模型构建不同林分起源相容性侧柏林分生长模型;油松按初期的林分密度（ID）将油松样地分为水平I（ID<400株/hm2）、水平Ⅱ（400≤ID<800株/hm2）、水平Ⅲ（800≤ID<1200 株/hm2）、水平Ⅵ（1200≤ID<1600 株/hm2）、水平V（ID≥1600株/hm2）5个水平,然后用传统方法构建断面积和蓄积量基础模型,在基础模型上考虑油松林分的密度水平效应、油松林分的样地效应和嵌套两水平效应,运用R语言的nlme模块,构建油松断面积和蓄积量混合效应模型。结果表明:（1）构建侧柏人工林和天然林林分生长模型时,以Schumacher和Richards为基础模型,并在模型方程上继续参数化后的模型拟合效果都较好,经检验预测模型的决定系数（R2）均高于0.97,拟合精度均在95%以上;且拟合侧柏林分断面积或者林分蓄积量时,人工林的拟合效果均优于天然林。另外,在拟合林分断面积生长模型时,密度指标采用林分密度指数同采用每公顷株数相比,预估精度更高,能更好地反映侧柏林分断面积生长规律;建立林分蓄积量生长模型时,林分断面积作为密度指标,模型的拟合效果最优。（2）在Richards模型基础上引入一个代表林分起源的哑变量,建立基于哑变量的侧柏人工林和天然林生长模型。模型的拟合效果和预测精度都很好,且林分蓄积量的拟合效果略优于林分断面积。所建立的模型同时适用于人工林和天然林,既减少了工作量,又很好的解决了不同起源林分合并建模不相容问题。（3）建立油松林分断面积模型时,选用常用的Schumacher和Richards基础模型拟合断面积,经拟合得出自变量包括地位级指数、林分年龄和林分每公顷株数的Richards模型拟合精度较高。在此基础上构建非线性混合模型后,得出单水平和嵌套两水平混合模型同之前建立的基础模型相比,拟合效果得到显着地提高;且单水平混合模型的拟合效果不及嵌套两水平混合效应;在考虑模型方差协方差结构时,幂函数结构消除异方差效果最好,[ARMA（1,1）]时间序列相关性结构能较好描述样地间误差相关性。（4）建立油松蓄积量模型时,选用以断面积和优势木平均高为自变量的线性模型作为基础模型,拟合后得到基础模型的R2为0.9818,拟合效果较好。在此基础上考虑密度水平效应、样地效应和嵌套两水平效应分别构建混合效应模型,与基础模型相比,所构建的混合模型拟合效果均有很大的提高;考虑异方差结构时,指数函数结构消除异方差效果最优;考虑时间序列自相关性结构时,模型中加入[ARMA（1,1）]自相关结构拟合效果最好。
王光华[9]（2012）在《北京森林植被固碳能力研究》文中进行了进一步梳理在应对全球气候变化背景下,森林碳汇成为当前研究的核心内容之一。现阶段有关北京山地森林和城市园林绿地碳储量的数据主要基于森林资源清查资料及以往建立的有关模型计算而来,缺乏森林碳储量估算所需的针对北京地区的基础参数（如生物量转化和扩展系数、单木生物量模型）,所得的估算值存在较大不确定性,仍未形成一套适合北京实际的森林碳汇计量和监测技术体系。本研究以北京山地森林和城市园林绿地乔木为研究对象,采用嵌套回归方法无损测定样木生物量,建立适用于北京地区的12种主要树种单木生物量方程；同时,基于“北京市植物种质资源调查项目”的调查资料（2007—2009）,建立侧柏林、刺槐林、桦树林、阔叶树林、栎树林、落叶松林、杨树林和油松林等北京8种主要森林类型生物量转化和扩展系数（BCEF）,以及基于2009年TM影像建立8种主要森林类型的碳储量遥感估算模型；在此基础上,基于2005年北京森林资源二类调查资料（2004）和2009年TM影像分别估算了2004年和2009年北京山地森林碳储量,基于2005年北京市城市园林绿化普查资料和2009年崇文区园林绿地乔木调查数据估算了2005年和2009年崇文区园林绿地乔木碳储量以及2005年北京城市园林绿地乔木碳储量,并估算了2011—2015年北京森林植被固定的碳。主要研究结果如下：（1）2004年和2009年北京山地森林碳储量分别为5240 490.8 tC和6158970.6tC,平均碳密度分别为12.03 tC·hm-2和14.14 tC·hm-2（含地上和地下部分）；8种森林类型中,栎树林、杨树林、油松林的碳储量较大,刺槐林和落叶松林的碳储量较小；从空间分布特征来看,2009年北京山地森林碳储量主要分布在密云、延庆和怀柔3个区县；从0-10、10-20、20-30和>30tC·hm-2四个碳密度区间来看,多数森林分布在10-20 tC·hm-2区间,主要分布在北部山区。（2）2005年和2009年崇文区园林绿地乔木碳储量分别为8022.09和8541.29 tC,根据2005年的园林绿地面积（539.96 hm2）,碳密度分别为14.86和15.82tC·hm-2。（3）2005年北京全市园林绿地乔木碳储量约为122.07×104tC,按园林绿地面积计算碳密度,全市平均碳密度为31.40 tC·hm-2,16个区县的平均碳密度与其碳储量不成正相关；16个区县中,碳储量比较多的区县主要是城市功能扩展区所在区县,约占总碳储量的70%。（4）基于库—差别方法估算得到2004年至2009年北京山地森林的碳汇为0.42tC·hm-2·year-1,2005年至2009年北京崇文区园林绿地乔木的碳汇为0.24 tC·hm-2·year-1。据此估算得到,2011年至2015年北京山地森林和北京城市园林绿地乔木固定的碳分别为914550.0 tC和46453.08 tC,年平均固定的碳分别为182910.0 tC和9330.62 tC,2011—2015年二者合计固定的碳达961003.08 tC。
许仲林[10]（2011）在《祁连山青海云杉林地上生物量潜在碳储量估算》文中研究说明陆地生态系统是全球碳循环中重要的碳库,在陆地生态系统中,大部分碳主要积蓄在森林之中.截止20世纪90年代初,全球土地面积近40%已经转变为耕地或者永久牧场,这种转变在很大程度上是以牺牲森林和草地为代价而实现的.森林的砍伐向大气中排放了大量的CO2.因此,减少森林的砍伐可减少陆地生态系统向大气的碳排放,若对之前砍伐的森林进行恢复,则可提供机会在林木生物量和森林土壤中存储碳.祁连山区地处我国西北干旱区内陆河流域上游,相对脆弱的生态环境以及延续了上千年的森林破坏使祁连山区目前的乔木林覆盖率大大降低,而且存在进一步降低的趋势.自1986年建立祁连山国家自然保护区开始,祁连山森林生态系统被破坏的趋势得到减缓,通过植树造林等森林恢复管理措施,以青海云杉为优势种的山地植被有所重建,山地森林生态系统得到一定程度的恢复.可以预见,森林的恢复和重建能够吸收大气中的CO2.本论文以祁连山主要乔木种青海云杉为例,在对其潜在分布区做出合理估计的基础上,并在此基础上估计青海云杉的地上生物量部分所能吸收和存储的碳总量.本论文首先介绍了研究的背景、进展,研究的目的及意义和技术路线,在对相关数据资料进行收集和处理的基础上,模拟了青海云杉的潜在分布区,其次,利用野外实测数据资料建立了青海云杉地上生物量和环境变量之间的相关关系,并应用该回归关系获得地上生物量的空间分布和总量,最后,利用生物量和含碳量之间的转换系数估算出青海云杉的潜在碳储量。本研究所取得的主要结论如下：物种的空间分布建模方面：（1）物种分布模型的性能受到所选环境变量的影响,因此,选择对研究物种的分布具有重要作用的环境变量,是物种分布建模的首要工作.不同的模型具有不同的变量选择方法,一般地,一般线性模型及与之相关的逐步回归方法是有效的.（2）物种分布建模模型的输出结果,都以研究区内各像元上的概率形式给出,所以需要根据样点信息确定阈值以剔除非适宜生境像元,从而对物种的潜在分布做出合理估计,在这个过程中,物种的性能评价指数（如Kappa系数、总体分对率等）可以作为确定阈值的标准.（3）本论文通过构建预测变量的边界相异指数（MDIV）和总体相异指数（DIV）实现了对本文所应用的两种物种分布模型的评价,结果表明,MDIV和DIV是有效的模型性能评价方法.（4）物种分布模型对环境变量的基线（Baseline）是敏感的,对于不同的生态应用,应采用对应的基线进行模拟.祁连山青海云杉的潜在分布及其生境方面：（1）基于规则集的遗传算法（GARP）模型模拟的青海云杉潜在分布面积为4.72×105 ha,最大熵模型（Maxent）的模拟结果为4.86x 105 ha,而青海云杉的现实分布面积为1.81×105 ha,计算表明约有61%的青海云杉受到了破坏.（2）最暖季平均温度（Mean temperature of warmest quarter）、最湿润季平均降水量（Precipitation of the wettest quarter）,年太阳辐射量（Annual solar radiation）以及地形湿度指数（Topographic wetness index）是影响青海云杉分布最重要的四个环境变量,它们的贡献率分别为36.9%,28.5%,24.2%以及12.8%.青海云杉的生物量、碳储量的积蓄方面：（1）青海云杉每公顷生物量最小值为84.0 t/hm2,最大值为239.6 t/hm2,平均值为169.8 t/hm2.标准差SD=22.7.现实分布区青海云杉的生物量总量为3.3x107 t.潜在分布区生物量总量为12.79×107 t（GARP）和12.86×107（Maxent）.（2）青海云杉林现实分布区地上活生物量含碳总量为1.73x107t,潜在分布区可存储的碳量为6.70×107 t（GARP）,6.74×107t（Maxent）.
二、紫果云杉单立木生长模型拟合的初步研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、紫果云杉单立木生长模型拟合的初步研究（论文提纲范文）
（1）祁连山青海云杉种群动态与空间格局分析（论文提纲范文）
| 论文资助项目 |
| 摘要 |
| SUMMARY |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 种群动态研究进展 |
| 1.2.2 空间点格局及其关联性研究进展 |
| 1.2.3 森林动态监测大样地研究进展 |
| 1.3 研究目标与内容 |
| 1.4 技术路线 |
| 第二章 研究区域概况及研究方法 |
| 2.1 研究区域概况 |
| 2.1.1 研究区概况 |
| 2.1.2 样地概况 |
| 2.2 研究方法 |
| 2.2.1 群落学调查 |
| 2.2.2 青海云杉种群龄级划分 |
| 2.2.3 静态生命表编制 |
| 2.2.4 种群存活曲线、死亡曲线和消失率曲线绘制 |
| 2.2.5 生存分析方法 |
| 2.2.6 种群数量动态量化方法 |
| 2.2.7 种群数量动态的时间序列预测模型 |
| 2.2.8 种群空间分布格局 |
| 2.2.9 空间关联性分析 |
| 第三章 祁连山青海云杉种群数量动态 |
| 3.1 结果与分析 |
| 3.1.1 青海云杉种群年龄结构 |
| 3.1.2 青海云杉种群静态生命表 |
| 3.1.3 青海云杉种群存活曲线、死亡曲线以及消失率曲线 |
| 3.1.4 青海云杉种群生存分析 |
| 3.1.5 青海云杉种群动态指数 |
| 3.1.6 青海云杉种群时间序列预测 |
| 3.2 讨论 |
| 3.2.1 青海云杉种群的结构特征 |
| 3.2.2 青海云杉种群的生命表和生存状况 |
| 3.2.3 青海云杉的种群数量动态 |
| 3.2.4 青海云杉种群的保护与恢复策略 |
| 第四章 祁连山青海云杉种群空间点格局及其关联性 |
| 4.1 结果和分析 |
| 4.1.1 青海云杉种群及其群落的年龄结构 |
| 4.1.2 不同年龄阶段青海云杉种群的空间分布格局 |
| 4.1.3 青海云杉种群不同年龄阶段个体间的空间关联 |
| 4.2 讨论 |
| 4.2.1 青海云杉种群的年龄结构 |
| 4.2.2 青海云杉种群不同年龄阶段个体的空间分布格局 |
| 4.2.3 青海云杉种群不同年龄阶段个体的空间关联性分析 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文 |
| 导师简介 |
（2）我国常见树种通用生物量相对生长方程建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 森林生物量 |
| 1.2.2 生物量方程研究进展 |
| 1.2.3 大尺度生物量研究进展 |
| 1.3 目前存在的问题 |
| 1.4 研究内容及意义 |
| 2 研究方法 |
| 2.1 数据提取 |
| 2.1.1 文献查找 |
| 2.1.2 文献筛选 |
| 2.2 数据收集与预处理 |
| 2.2.1 数据收集 |
| 2.2.2 生物量数据预处理 |
| 2.3 生物量方程研建 |
| 2.3.1 植被类群划分 |
| 2.3.2 基本模型 |
| 2.3.3 LSSVM模型 |
| 2.3.4 哑变量模型 |
| 2.4 生物量方程检验 |
| 2.5 数据分析 |
| 3 我国常见森林树种的生物量及其方程研究概述 |
| 3.1 文献信息汇总 |
| 3.2 林分信息概述 |
| 4 基于树种科属的生物量方程研建 |
| 4.1 落叶阔叶树 |
| 4.1.1 杨属 |
| 4.1.2 桦木属-桤木属 |
| 4.1.3 刺槐属 |
| 4.1.4 壳斗科落叶树种 |
| 4.2 常绿阔叶树 |
| 4.2.1 桉属 |
| 4.2.2 木荷属 |
| 4.2.3 相思树属 |
| 4.2.4 楠属 |
| 4.2.5 樟属 |
| 4.2.6 壳斗科常绿植物 |
| 4.3 针叶树 |
| 4.3.1 油松 |
| 4.3.2 落叶松属 |
| 4.3.3 马尾松 |
| 4.3.4 红松 |
| 4.3.5 云杉属-冷杉属 |
| 4.3.6 杉木 |
| 4.4 小结与讨论 |
| 5 主要植物功能型生物量方程研建 |
| 5.1 不同方程参数及回归曲线 |
| 5.2 不同方程检验结果 |
| 5.2.1 落叶阔叶树 |
| 5.2.2 常绿阔叶树 |
| 5.2.3 针叶树 |
| 5.3 小结与讨论 |
| 6 讨论与展望 |
| 6.1 讨论 |
| 6.2 不足与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）我国4种主要针阔叶树种的热值和单木储能量研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外早期植物热值研究 |
| 1.2.2 针/阔叶树种热值差异的研究 |
| 1.2.3 针/阔叶树种热值的时间动态 |
| 1.2.4 针/阔叶树种热值的空间动态 |
| 1.2.5 针/阔叶树种热值的影响因素 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 2 数据与方法 |
| 2.1 研究数据 |
| 2.2 研究方法 |
| 2.2.1 热值的统计分析方法 |
| 2.2.2 单木储能量的建模方法 |
| 3 结果与分析 |
| 3.1 各树种组不同器官的热值和灰分含量及差异分析 |
| 3.1.1 不同高度处干材的热值和灰分含量及差异分析 |
| 3.1.2 不同粗细树根的热值和灰分含量及差异分析 |
| 3.1.3 不同器官的热值和灰分含量及差异分析 |
| 3.2 各树种组不同区域的热值和灰分含量及相关分析 |
| 3.2.1 各树种组不同区域的热值和灰分含量的差异分析 |
| 3.2.2 各树种组不同区域热值和灰分含量的影响分析 |
| 3.3 各树种组不同区域单木储能量回归方程的建立 |
| 3.3.1 落叶松单木储能量回归方程 |
| 3.3.2 云杉单木储能量回归方程 |
| 3.3.3 杨树单木储能量回归方程 |
| 3.3.4 栎树单木储能量回归方程 |
| 3.3.5 4个针/阔叶树种组的单木储能量模型 |
| 4 结论 |
| 5 讨论与展望 |
| 5.1 讨论 |
| 5.2 展望 |
| 参考文献 |
| 个人简介 |
| 校内导师简介 |
| 校外导师简介 |
| 致谢 |
（4）湖南省龙山县日本落叶松立木材积和生物量预估模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 日本落叶松人工林的研究进展 |
| 1.3.2 立木材积预估模型的研究进展 |
| 1.3.3 立木生物量预估模型的研究进展 |
| 1.3.4 立木材积与生物量相关性的研究进展 |
| 1.4 课题来源 |
| 1.5 研究内容与技术路线 |
| 1.5.1 主要研究内容 |
| 1.5.2 技术路线 |
| 2 研究区概况 |
| 3 材料与方法 |
| 3.1 数据来源 |
| 3.2 研究方法 |
| 3.2.1 样地调查及采样方法 |
| 3.2.2 立木材积预估模型的构建及检验方法 |
| 3.2.3 立木生物量预估模型的构建及检验方法 |
| 3.2.4 立木材积与生物量相关性的研究方法 |
| 4 结果与分析 |
| 4.1 龙山县日本落叶松立木材积预估模型的构建 |
| 4.1.1 日本落叶松二元立木材积预估模型的构建与检验 |
| 4.1.2 日本落叶松一元立木材积预估模型的构建与检验 |
| 4.1.3 立木材积预估模型与鄂西山区日本落叶松材积预估模型比较 |
| 4.1.4 立木材积预估模型与湖南马尾松立木材积预估模型比较 |
| 4.2 龙山县日本落叶松立木生物量预估模型的构建 |
| 4.2.1 立木生物量与胸径、树高相关模型的构建 |
| 4.2.2 立木生物量与胸径相关模型的构建 |
| 4.3 龙山县日本落叶松立木材积与生物量的相关性分析 |
| 4.3.1 立木材积与生物量相关性模型构建 |
| 4.3.2 立木材积与生物量相关性模型拟合及检验 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 讨论 |
| 参考文献 |
| 致谢 |
（5）基于机载激光雷达的森林参数反演研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 机载激光雷达技术概要 |
| 1.2.1 测距原理及系统组成 |
| 1.2.2 主要技术参数 |
| 1.2.3 点云及处理流程 |
| 1.3 国内外研究进展 |
| 1.3.1 机载激光单木因子提取研究 |
| 1.3.2 机载激光雷达林分因子提取研究 |
| 1.3.3 机载激光雷达在林业中的其他应用 |
| 1.4 存在的问题与不足 |
| 1.5 主要研究内容 |
| 1.6 技术路线 |
| 第二章 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 地理概况 |
| 2.1.2 地质地貌特征 |
| 2.1.3 水文气候特征 |
| 2.1.4 矿产及土壤特征 |
| 2.1.5 植被资源 |
| 2.2 样地数据处理 |
| 2.2.1 样地数据获取 |
| 2.2.2 样地数据分析 |
| 2.3 LiDAR数据处理 |
| 2.3.1 LiDAR数据获取 |
| 2.3.2 LiDAR数据预处理 |
| 第三章 点云滤波分析 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 滤波算法 |
| 3.2.2 精度评价 |
| 3.2.3 处理流程 |
| 3.3 结果与分析 |
| 3.3.1 滤波结果分析 |
| 3.3.2 滤波精度分析 |
| 3.4 小结 |
| 第四章 CHM插值研究 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 数据预处理 |
| 4.2.2 插值算法 |
| 4.2.3 处理流程 |
| 4.3 结果与分析 |
| 4.3.1 插值效果分析与比较 |
| 4.3.2 IDW插值参数优化 |
| 4.3.3 CHM插值法和传统方法的效果比较 |
| 4.4 小结 |
| 第五章 点云分割算法研究 |
| 5.1 引言 |
| 5.2 研究方法 |
| 5.2.1 试验区数据预处理 |
| 5.2.2 单木分割算法及精度评价指标 |
| 5.2.3 处理流程 |
| 5.3 结果与分析 |
| 5.3.1 分水岭算法 |
| 5.3.2 点云聚类分割 |
| 5.4 小结 |
| 第六章 基于单木分割的林分参数反演 |
| 6.1 引言 |
| 6.2 研究方法 |
| 6.2.1 林分平均高 |
| 6.2.2 株数密度 |
| 6.2.3 胸高断面积 |
| 6.2.4 地上生物量 |
| 6.3 结果与分析 |
| 6.3.1 林分平均高反演 |
| 6.3.2 株数密度反演 |
| 6.3.3 胸高断面积反演 |
| 6.3.4 地上生物量反演 |
| 6.4 模型应用 |
| 6.4.1 模型应用思路 |
| 6.4.2 预测结果及统计 |
| 6.5 小结 |
| 第七章 基于样地的林分参数反演 |
| 7.1 引言 |
| 7.2 研究方法 |
| 7.2.1 多元线性回归模型 |
| 7.2.2 LASSO回归特征选择 |
| 7.2.3 支持向量机模型 |
| 7.2.4 人工神经网络模型 |
| 7.2.5 模型评价方法 |
| 7.3 技术路线 |
| 7.4 结果与分析 |
| 7.4.1 变量共线性检验 |
| 7.4.2 LASSO变量筛选 |
| 7.4.3 林分平均高反演 |
| 7.4.4 林分胸高断面积反演 |
| 7.4.5 林分地上生物量反演 |
| 7.5 小结 |
| 第八章 基于TCH的林分参数反演 |
| 8.1 引言 |
| 8.2 研究方法 |
| 8.2.1 TCH生成方法 |
| 8.2.2 林分平均高反演 |
| 8.2.3 林分胸高断面积反演 |
| 8.2.4 地上生物量反演 |
| 8.3 不同CHM高度阈值林分参数反演结果 |
| 8.3.0 TCH生成结果分析 |
| 8.3.1 林分平均高反演 |
| 8.3.2 林分胸高断面积反演 |
| 8.3.3 地上生物量反演 |
| 8.3.4 TCH林分参数反演模型优选结果 |
| 8.4 不同CHM像素大小林分参数反演结果 |
| 8.4.1 TCH与 CHM像素大小的关系 |
| 8.4.2 林分平均高反演 |
| 8.4.3 林分胸高断面积反演 |
| 8.4.4 地上生物量反演 |
| 8.5 TCH模型优选与应用 |
| 8.6 小结 |
| 第九章 结论 |
| 9.1 主要结论 |
| 9.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（6）森林资源测计及经营管理系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1. 研究背景 |
| 1.2. 国内外研究概况 |
| 1.2.1. 地理信息系统发展现状 |
| 1.2.2. 森林资源调查现状 |
| 1.2.3. 森林资源经营管理现状 |
| 1.3. 研究目的及意义 |
| 1.3.1. 研究目的 |
| 1.3.2. 研究意义 |
| 1.4. 研究内容与方法 |
| 1.4.1. 研究内容 |
| 1.4.2. 研究方法 |
| 1.4.3. 技术路线 |
| 1.5. 主要创新点 |
| 1.6. 本章小结 |
| 2. 需求分析与概要设计 |
| 2.1. 系统需求分析 |
| 2.2. 关键技术介绍 |
| 2.2.1. 组件式GIS开发技术 |
| 2.2.2. B/S与C/S架构 |
| 2.2.3. 平台界面设计 |
| 2.3. 总体设计方案 |
| 2.3.1. 系统开发运行环境 |
| 2.3.2. 系统架构设计方案 |
| 2.3.3. 系统功能设计方案 |
| 2.3.4. 系统数据库设计方案 |
| 2.4. 本章小结 |
| 3. 森林资源测计方法 |
| 3.1. 无人机在森林资源调查中的应用 |
| 3.1.1. 森林区划 |
| 3.1.2. 地形信息提取 |
| 3.1.3. 单木信息获取 |
| 3.1.4. 林分信息提取 |
| 3.2. 地面摄影测量在森林资源调查中的应用 |
| 3.2.1. 摄影测量方式及原理 |
| 3.2.2. 五棵树法蓄积量计算原理 |
| 3.2.3. 外业采集流程 |
| 3.3. 地面常规森林资源调查方法 |
| 3.3.1. 3D角规法林分观测 |
| 3.3.2. 圆形样地观测 |
| 3.3.3. 多边形样地观测 |
| 3.3.4. N棵树样地观测 |
| 3.4. 本章小结 |
| 4. 森林资源经营管理基本原理 |
| 4.1. 材积模型 |
| 4.1.1. 分省一元材积模型 |
| 4.1.2. 二元材积计算 |
| 4.2. 生物量模型 |
| 4.2.1. 全国林分生物量模型 |
| 4.2.2. 生物量常见模型 |
| 4.3. 碳储量模型 |
| 4.3.1. 全国林分碳储量模型 |
| 4.3.2. 碳储量常见模型 |
| 4.4. 林木生长预测模型 |
| 4.4.1. 单木生长模型预测 |
| 4.4.2. 林分生长模型预测 |
| 4.5. 森林经营辅助决策模块 |
| 4.5.1. 天然针阔混交林择伐经营 |
| 4.5.2. 最大化轮伐期 |
| 4.6. 本章小结 |
| 5. 系统实现 |
| 5.1. 用户管理模块 |
| 5.1.1. 功能结构 |
| 5.1.2 软件实现 |
| 5.2. GIS基础操作模块功能实现 |
| 5.2.1. 功能结构 |
| 5.2.2. 数据加载与保存 |
| 5.2.3. 地图操作与属性操作 |
| 5.2.4. 图层编辑与图层管理 |
| 5.3. 无人机森林资源测计 |
| 5.3.1. 功能结构 |
| 5.3.2. 测试数据来源 |
| 5.3.3. 森林区划 |
| 5.3.4. 面积计算及平差 |
| 5.3.5. 地形信息转化提取 |
| 5.3.6. 单木信息提取计算 |
| 5.3.7. 林分信息计算 |
| 5.3.8. 无人机模块林分参数获取 |
| 5.4. 地面摄影测量森林资源测计 |
| 5.4.1. 功能结构 |
| 5.4.2. 测试数据来源 |
| 5.4.3. 数据载入 |
| 5.4.4. 空间比例恢复 |
| 5.4.5. 胸径和最远距离计算 |
| 5.4.6. 写入其它参数信息 |
| 5.4.7. 林分参数计算 |
| 5.4.8. 地面摄影测量模块林分参数提取精度分析 |
| 5.5. 地面常规森林资源测计 |
| 5.5.1. 功能结构 |
| 5.5.2. 全站仪数据导入及GPS数据转shape |
| 5.5.3. 其他地面常规样地观测运行界面 |
| 5.6. 森林资源管理 |
| 5.6.1. 功能结构 |
| 5.6.2. 材积模型 |
| 5.6.3. 生物量、碳储量计算 |
| 5.6.4. 样木径阶统计 |
| 5.7. 林木生长预测模型 |
| 5.7.1. 功能结构 |
| 5.7.2. 单木生长模型预测 |
| 5.7.3. 林分生长模型预测 |
| 5.8. 森林经营辅助决策模块功能实现 |
| 5.8.1. 功能结构 |
| 5.8.2. 天然针阔混交林择伐经营 |
| 5.8.3. 最大化轮伐期 |
| 5.9. 显示与输出 |
| 5.9.1. 功能结构 |
| 5.9.2. 二维制图与输出 |
| 5.9.3. 三维展示 |
| 5.10. 本章小结 |
| 6. 结论与展望 |
| 6.1. 结论 |
| 6.2. 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（7）洮河上游紫果云杉种群结构与动态特征（论文提纲范文）
| 摘要 |
| Summary |
| 项目资助 |
| 1.引言 |
| 1.1 研究背景及意义 |
| 1.2 国内研究现状 |
| 2.研究区自然概况 |
| 3.主要研究内容 |
| 4.技术路线 |
| 5.研究方法 |
| 5.1 样地设置与调查 |
| 5.2 种群结构的划分 |
| 5.3 静态生命表的编制 |
| 5.4 存活曲线拟合 |
| 5.5 生存分析 |
| 5.6 种群动态数量化分析 |
| 5.7 种群数量动态谱分析 |
| 5.8 时间序列模型预测 |
| 6.结果与分析 |
| 6.1 种群结构 |
| 6.1.1 径级结构 |
| 6.1.2 高度结构 |
| 6.1.3 冠幅结构 |
| 6.1.4 胸径树高相关曲线 |
| 6.2 静态生命表分析 |
| 6.2.1 尕海-则岔 |
| 6.2.2 卡车林区 |
| 6.2.3 冶力关 |
| 6.3 存活曲线的拟合 |
| 6.3.1 尕海-则岔 |
| 6.3.2 卡车林区 |
| 6.3.3 冶力关 |
| 6.4 生存分析 |
| 6.4.1 尕海-则岔 |
| 6.4.2 卡车林区 |
| 6.4.3 冶力关 |
| 6.5 种群动态数量化分析 |
| 6.6 种群数量动态谱分析 |
| 6.7 种群数量动态时间序列预测 |
| 7.结论 |
| 7.1 种群结构特征 |
| 7.2 生命表与种群生存状态 |
| 7.3 种群生存分析 |
| 7.4 种群动态与发展趋势 |
| 8.讨论 |
| 8.1 种群结构特征 |
| 8.2 生命表和生存状况 |
| 8.3 种群动态与发展趋势 |
| 8.4 种群生存现状及保护对策 |
| 结语 |
| 1.研究创新点 |
| 2.研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 导师简介 |
（8）北京市侧柏、油松林分生长模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究进展 |
| 1.3.1 林分生长和收获模型研究现状 |
| 1.3.2 哑变量方法在生长模型中的应用 |
| 1.3.3 混合模型在林分生长模型中的应用 |
| 1.4 研究内容 |
| 1.4.1 侧柏林分生长模型 |
| 1.4.2 油松林分生长模型 |
| 1.5 技术路线 |
| 2 研究材料和方法 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 土壤状况 |
| 2.1.4 气候条件 |
| 2.1.5 植被类型 |
| 2.2 数据来源 |
| 2.3 样地主要因子计算 |
| 2.4 样地基本情况统计 |
| 2.4.1 侧柏样地 |
| 2.4.2 油松样地 |
| 3 侧柏林分生长预估模型研究 |
| 3.1 不同密度指标的林分断面积和蓄积量生长模型 |
| 3.1.1 研究方法 |
| 3.1.2 结果与分析 |
| 3.2 基于哑变量的侧柏人工林和天然林生长模型 |
| 3.2.1 样地情况 |
| 3.2.2 研究方法 |
| 3.2.3 结果与分析 |
| 3.2.4 小结 |
| 4 油松林分生长预估模型研究 |
| 4.1 利用混合效应预估油松断面积模型 |
| 4.1.1 研究方法 |
| 4.1.2 结果与分析 |
| 4.1.3 小结 |
| 4.2 利用混合效应预估油松蓄积量模型 |
| 4.2.1 基础模型的选择 |
| 4.2.2 基础模型的拟合结果 |
| 4.2.3 林分蓄积量单水平线性混合模型 |
| 4.2.4 单水平误差的异方差和时间自相关性 |
| 4.2.5 林分蓄积量嵌套两水平线性混合模型 |
| 4.2.6 嵌套两水平误差的异方差和时间自相关性 |
| 4.2.7 模型的参数估计 |
| 4.2.8 模型的检验 |
| 4.2.9 小结 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.1.1 侧柏林分断面积和蓄积量生长模型 |
| 5.1.2 油松林分断面积和蓄积量生长模型 |
| 5.2 讨论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（9）北京森林植被固碳能力研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 国内外研究进展 |
| 1.1 森林生物量 |
| 1.1.1 国外研究 |
| 1.1.2 国内研究 |
| 1.1.3 森林生物量估算方法 |
| 1.1.3.1 森林生物量计量的基础参数 |
| 1.1.3.2 森林生物量计量方法 |
| 1.2 森林碳储量 |
| 1.2.1 国外研究 |
| 1.2.2 国内研究 |
| 1.2.3 森林碳储量估算方法 |
| 1.3 存在的问题 |
| 2 研究区概况 |
| 2.1 自然概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候 |
| 2.1.3 土壤 |
| 2.1.4 森林植被与森林资源 |
| 2.2 社会经济概况 |
| 2.2.1 人口状况 |
| 2.2.2 经济及产业发展状况 |
| 3 研究内容与研究方法 |
| 3.1 数据来源 |
| 3.2 研究目标 |
| 3.3 研究内容 |
| 3.4 研究方法 |
| 3.4.1 单木生物量模型的建立 |
| 3.4.1.1 建模树种 |
| 3.4.1.2 单叶干重和木材基本密度的测定 |
| 3.4.1.3 样木生物量的测定 |
| 3.4.1.4 单木生物量模型的建立 |
| 3.4.2 北京主要森林类型BCEF的建立 |
| 3.4.3 碳储量遥感估算模型的建立 |
| 3.4.3.1 TM数据预处理 |
| 3.4.3.2 遥感信息提取 |
| 3.4.3.3 碳储量遥感估算模型构建 |
| 3.4.4 北京森林碳储量估算 |
| 3.4.4.1 山地森林碳储量估算 |
| 3.4.4.2 城区园林绿地乔木碳储量估算 |
| 3.4.5 北京森林植被固定的碳的估算 |
| 3.4.5.1 年平均碳汇估算 |
| 3.4.5.2 2011—2015年北京森林植被固定的碳的估算 |
| 3.5 拟解决的关键问题 |
| 3.6 技术路线 |
| 4 生物量计量基础参数的建立 |
| 4.1 北京主要树种单木生物量模型 |
| 4.1.1 单叶干重和木材基本密度 |
| 4.1.2 单木生物量模型 |
| 4.2 北京主要森林类型BCEF |
| 4.3 小结 |
| 5 TM影像预处理 |
| 5.1 大气校正 |
| 5.1.1 大气校正对植被光谱曲线的影响 |
| 5.1.2 大气校正对水体光谱曲线的影响 |
| 5.2 几何精校正 |
| 5.3 地形校正 |
| 5.3.1 校正参数C和Minnaert参数k |
| 5.3.2 目视分析 |
| 5.3.3 定量分析 |
| 5.4 小结 |
| 6 8种森林类型碳储量遥感模型的建立 |
| 6.1 8种森林类型样地碳储量与自变量因子的相关性分析 |
| 6.2 8种森林类型碳储量遥感模型的拟合 |
| 6.3 8种森林类型碳储量遥感模型的检验 |
| 6.4 8种森林类型碳储量遥感模型的精度评价 |
| 6.5 小结 |
| 7 北京山地森林碳储量 |
| 7.1 2004年北京山地森林碳储量 |
| 7.1.1 2004年北京山地森林蓄积量 |
| 7.1.2 2004年北京山地森林碳储量 |
| 7.2 2009年北京山地森林碳储量 |
| 7.3 小结 |
| 8 北京园林绿地乔木碳储量 |
| 8.1 2005年北京园林绿地结构和乔木组成 |
| 8.1.1 园林绿地结构 |
| 8.1.2 乔木组成 |
| 8.2 2009年北京崇文区园林绿地乔木组成 |
| 8.2.1 乔木组成 |
| 8.2.2 乔木直径结构 |
| 8.3 2005年和2009年崇文区园林绿地乔木碳储量 |
| 8.4 2005年北京市园林绿地乔木碳储量 |
| 8.5 小结 |
| 9 北京森林植被固定的碳 |
| 9.1 北京森林年平均碳汇 |
| 9.2 2011—2015年北京森林植被固定的碳 |
| 9.3 小结 |
| 10 结论、讨论与创新 |
| 10.1 结论 |
| 10.2 讨论 |
| 10.3 创新 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（10）祁连山青海云杉林地上生物量潜在碳储量估算（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 全球气候正在持续变暖(当前状况与未来估计) |
| 1.1.2 气候变暖的影响 |
| 1.1.3 气候变化的减缓对策 |
| 1.1.4 森林生态系统的碳收支 |
| 1.2 研究进展 |
| 1.2.1 森林碳汇 |
| 1.2.2 祁连山青海云杉林的碳平衡研究 |
| 1.3 本研究的目的及意义 |
| 1.4 技术路线 |
| 第二章 研究区概况及环境变量的空间化 |
| 2.1 研究区概况 |
| 2.1.1 研究区气候 |
| 2.1.2 研究区地貌 |
| 2.1.3 研究区土壤 |
| 2.1.4 研究区植被 |
| 2.2 环境变量的空间化 |
| 2.2.1 Worldclim生物气候变量数据集 |
| 2.2.2 年太阳辐射总量的计算 |
| 2.2.3 地形湿度指数的计算 |
| 第三章 物种的空间分布模拟 |
| 3.1 物种的空间分布建模理论 |
| 3.1.1 物种的空间分布理论 |
| 3.1.2 物种空间分布建模 |
| 3.2 物种的空间分布模型的发展及应用 |
| 3.2.1 物种分布模型的发展 |
| 3.2.2 物种分布模型的应用 |
| 3.3 环境变量的选择 |
| 3.4 建模的尺度问题 |
| 3.5 GARP和Maxent模型 |
| 3.5.1 基于规则集的遗传算法模型(GARP) |
| 3.5.2 最大熵模型(Maxent) |
| 第四章 青海云杉林的潜在分布模拟 |
| 4.1 重要环境变量的确定 |
| 4.1.1 多元线性回归模型的变量选择 |
| 4.1.2 最大熵模型的变量选择 |
| 4.2 GARP模型模拟的潜在分布 |
| 4.2.1 概念模型的构建 |
| 4.2.2 模型拟合 |
| 4.2.3 空间分布预测 |
| 4.3 Maxent模型模拟的潜在分布 |
| 4.3.1 概念模型的构建 |
| 4.3.2 模型拟合 |
| 4.3.3 空间分布预测 |
| 4.4 青海云杉生境因子分析 |
| 4.5 模型性能评价 |
| 第五章 青海云杉林地上活生物量估算 |
| 5.1 立木地上生物量估算 |
| 5.1.1 立木生物量测定和估算 |
| 5.1.2 青海云杉生物量回归模型 |
| 5.2 青海云杉地上活生物量 |
| 5.2.1 回归关系式的建立 |
| 5.2.2 青海云杉林现实生物量 |
| 5.2.3 青海云杉林潜在生物量 |
| 5.2.4 青海云杉林生物量的空间分布特征 |
| 第六章 青海云杉碳储量 |
| 6.1 森林生态系统碳储量研究进展 |
| 6.2 青海云杉林碳储量 |
| 6.2.1 现实碳储量 |
| 6.2.2 潜在碳储量 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 展望 |
| 参考文献 |
| 在读期间研究成果 |
| 致谢 |
四、紫果云杉单立木生长模型拟合的初步研究（论文参考文献）
- [1]祁连山青海云杉种群动态与空间格局分析[D]. 拓锋. 甘肃农业大学, 2021
- [2]我国常见树种通用生物量相对生长方程建模研究[D]. 刘建峰. 浙江师范大学, 2021(02)
- [3]我国4种主要针阔叶树种的热值和单木储能量研究[D]. 柳雪梅. 北京林业大学, 2020(02)
- [4]湖南省龙山县日本落叶松立木材积和生物量预估模型研究[D]. 刘柄昂. 中南林业科技大学, 2020(02)
- [5]基于机载激光雷达的森林参数反演研究[D]. 郝红科. 西北农林科技大学, 2019(02)
- [6]森林资源测计及经营管理系统设计与实现[D]. 王颖. 北京林业大学, 2019(04)
- [7]洮河上游紫果云杉种群结构与动态特征[D]. 赵阳. 甘肃农业大学, 2018(01)
- [8]北京市侧柏、油松林分生长模型研究[D]. 王少杰. 北京林业大学, 2017(04)
- [9]北京森林植被固碳能力研究[D]. 王光华. 北京林业大学, 2012(08)
- [10]祁连山青海云杉林地上生物量潜在碳储量估算[D]. 许仲林. 兰州大学, 2011(06)