CN104732110A - 基于混合weibull分布的森林生物量多尺度估测方法 - Google Patents

Abstract

本发明公开了基于混合weibull分布的森林生物量多尺度估测方法，该方法先查阅待估尺度森林的资料，然后计算得单位面积森林生物量的最大值和最小值，构建混合weibull概率分布模型，接着用核密度法计算各样地森林生物量实测概率，再拟合混合weibull概率分布模型的参数，最后通过多尺度转换公式

Description

基于混合weibull分布的森林生物量多尺度估测方法

技术领域

本发明涉及一种森林生物量多尺度估测方法，特别是一种基于混合weibull分布的森林生物量多尺度估测方法。

背景技术

生物量尺度转换一直是森林生态学研究的热点和难点之一，已成为生态学研究的主流，如何解决生物量估算时小尺度与大尺度之间的转换已引起重视。小尺度(单株树木与样方水平)的生物量可以通过建立理论或经验模型获得，而且还具有相当高的精度，但由于生态学中的尺度最具复杂性和多样性，因此在更大区域内(大尺度)如何精确估测生物量仍是研究的难点，性能优良的尺度转换方法是精确估算区域尺度森林生物量的关键。

目前在区域尺度生物量的估测中，基于森林资源连续清查数据的森林生物量尺度转换方法有平均生物量法、生物量转换因子法与生物量转换因子连续函数法。但是，平均生物量法存在着估测精度较低，得出的结论不可靠的缺点；而对于没有蓄积量的森林类型，生物量转换因子法和生物量转换因子连续函数法无法进行生物量的尺度转换，如毛竹林和灌木林。针对没有蓄积量的毛竹林，有人提出了一种基于最小尺度的毛竹生物量尺度转换方法，该方法需要知道待估测区域的毛竹总株数，而毛竹总株数是根据实测数据统计出来的，因此有一定滞后性，无法用来预测区域尺度未来的毛竹生物量；而对于灌木林这种株数很难统计的植被类型，该方法也不适用。因此，现有的森林生物量多尺度估测方法存在着估测精度较低、适用范围较小和具有滞后性的问题。

发明内容

本发明的目的在于，提供一种基于混合weibull分布的森林生物量多尺度估测方法。本发明不仅具有估测精度高和适用范围广的优点，还能够进行区域尺度森林生物量的预测，提高估测效率。

本发明的技术方案：基于混合weibull分布的森林生物量多尺度估测方法，包括以下步骤：

a、通过查阅待估尺度森林的面积统计资料获得某年份的待估尺度森林面积，得A值；

b、收集该年份待估尺度森林固定样地的连续清查数据；

c、通过连续清查数据和现有的单株生物量模型计算单株生物量，并分别累加待估尺度森林中各固定样地内的所有单株生物量，得各固定样地的森林生物量；

d、将各固定样地的森林生物量均设定为单位面积森林生物量；

e、选出所有单位面积森林生物量中的最小值与最大值，得E1值和E2值；

f、使用weibull概率密度函数构建混合weibull概率分布模型，得F函数；

g、使用核密度法计算该年份待估尺度森林各固定样地森林生物量的实测概率，得G组数据；

h、使用G组数据拟合F函数的各参数，得H函数；

i、采用多尺度转换法进行生物量的多尺度转换估测，得待估尺度的森林生物量。

前述的基于混合weibull分布的森林生物量多尺度估测方法中，所述步骤f中的混合weibull分布模型的函数形式为f(x)＝p₁f₁(x)+p₂f₂(x)+…+p_nf_n(x)，其中x为单位面积森林生物量，p_i(i＝1,2…,n)为权重参数且n为2、3或4，n的取值根据G组数据拟合精度选取，当n分别取2、3和4时，进行步骤h中的拟合，然后取拟合精度最高时的n值即可，

$f_i\left(x\right)(i=\mathrm{1,2},...,n)=\frac{c_i}{b_i}{\left(\frac{x}{b_i}\right)}^{c_i-1}{e}^{-{\left(\frac{x}{b_i}\right)}^{c_i}}$

为weibull概率密度函数。

前述的基于混合weibull分布的森林生物量多尺度估测方法中，所述步骤g中的核密度法为一种借助一个移动的单元格对点或线格局的密度进行计算的方法，公式为

$f_n\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-x_i}{h}\right)$

其中k( )为核函数，h为带宽，x-x_i为估计点x处到样本x_i处的距离。

前述的基于混合weibull分布的森林生物量多尺度估测方法中，所述步骤i中的多尺度转换法的公式为其中f(m)为步骤h中的H函数，m为待估尺度的单位面积森林生物量，N和n分别等于步骤e中的E1值和E2值，A等于步骤a中的A值。

与现有技术相比，本发明改进了森林生物量多尺度估测方法，采用核密度法得各单位面积森林生物量的实测概率，能够确保得到每个固定样地的信息，不会造成样地信息的损失，初步确保H函数的拟合精度和区域尺度生物量的估测精度；采用了若干个weibull概率密度函数并通过加权平均的方法来构建混合weibull概率分布模型，使概率分布模型的曲线能够具有若干个拐点和峰值，使得本发明的概率分布曲线与实测概率的拟合率在95％以上，进一步提高了估测精度；同时，混合weibull概率密度函数适用范围较广，还能根据不同的实测数据改变weibull概率密度函数的个数，所以本发明的适用范围广。本发明只需要查阅待估尺度森林面积、单位面积生物量的最大值和最小值，就能通过多尺度转换公式来估测待估尺度的森林生物量，估测效率高，简单实用。此外，根据规划就能知道待估尺度在未来若干年后的森林面积，而单位面积森林生物量的概率分布在未来若干年内变化不大，所以本发明还能够预测未来若干年后的区域尺度森林生物量。因此，本发明不仅具有估测精度高和适用范围广的优点，还能够进行森林生物量的预测，提高估测效率。

具体实施方式

下面结合实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例一。基于混合weibull分布的森林生物量多尺度估测方法，包括以下步骤：

a、通过查阅待估尺度森林的面积统计资料获得某年份的待估尺度森林面积，得A值；

b、收集该年份待估尺度森林固定样地的连续清查数据；

c、通过连续清查数据和现有的单株生物量模型计算单株生物量，并分别累加待估尺度森林中各固定样地内的所有单株生物量，得各固定样地的森林生物量；

d、将各固定样地的森林生物量均设定为单位面积森林生物量；

e、选出所有单位面积森林生物量中的最小值与最大值，得E1值和E2值；

f、使用weibull概率密度函数构建混合weibull概率分布模型，得F函数；

g、使用核密度法计算该年份待估尺度森林各固定样地森林生物量的实测概率，得G组数据；

h、使用G组数据拟合F函数的各参数，得H函数；

i、采用多尺度转换法进行生物量的多尺度转换估测，得待估尺度的森林生物量。

所述步骤f中的混合weibull分布模型的函数形式为f(x)＝p₁f₁(x)+p₂f₂(x)+…+p_nf_n(x)，其中x为单位面积森林生物量，p_i(i＝1,2…,n)为权重参数且n为2、3或4，n的取值根据G组数据拟合精度选取，具体确定方法为，当n分别取2、3和4时，进行步骤h中的拟合，然后取拟合精度最高时的n值即可，

$f_i\left(x\right)(i=\mathrm{1,2},...,n)=\frac{c_i}{b_i}{\left(\frac{x}{b_i}\right)}^{c_i-1}{e}^{-{\left(\frac{x}{b_i}\right)}^{c_i}}$

为weibull概率密度函数。所述步骤g中的核密度法为一种借助一个移动的单元格对点或线格局的密度进行计算的方法，公式为

$f_n\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-x_i}{h}\right)$

其中k( )为核函数，h为带宽，x-x_i为估计点x处到样本x_i处的距离。所述步骤i中的多尺度转换法的公式为其中f(m)为步骤h中的H函数，m为待估尺度的单位面积森林生物量，N和n分别等于步骤e中的E1值和E2值，A等于步骤a中的A值。

如估测毛竹的生物量，查阅统计资料得2004年浙江省毛竹林面积为65.35万公顷，占竹林总面积的83.47％。

a、通过查阅浙江省毛竹林的面积统计资料获得2004年浙江省毛竹林面积，得A值，即A值为65.35万公顷；

b、收集2004年浙江省毛竹林中固定样地的连续清查数据；浙江省于1979年建立了森林资源连续清查体系，以5年为一个复查周期，共设置固定样地4250个，样点格网为4km×6km，样地形状为正方形，边长28.28m，面积800m²；收集2004年的调查数据，选择基本为毛竹纯林的样地245个，每个毛竹样地毛竹胸径为5～15cm，年龄是为1～4度，毛竹株数为18～416株不等。样地内5cm以上的竹子均要调查记载，调查内容主要有量测胸径，测定年龄(当年生竹记为1度竹；2～3年生竹记为2度竹，4～5年生竹记为3度竹，依此类推)；

c、通过连续清查数据和现有的单株生物量模型计算单株毛竹生物量，并分别累加浙江省毛竹林中各固定样地内的所有单株毛竹生物量，各固定样地的面积均为800m²，得各固定样地的毛竹生物量；

单株毛竹生物量的计算采用现有被广泛引用的单株生物量模型，模型公式为

式中M_单为单株毛竹生物量，a为单株毛竹年龄，D为单株毛竹胸径。

d、将各固定样地的毛竹生物量均设定为单位面积森林生物量；

e、选出所有单位面积森林生物量中的最小值与最大值，得E1值和E2值，E1值为34.6841Kg，E2值为6052.4011Kg；

f、使用weibull概率密度函数构建混合weibull概率分布模型，得F函数；

g、使用核密度法计算2004年各毛竹固定样地生物量的实测概率，得G组数据；核密度法为一种借助一个移动的单元格对点或线格局的密度进行计算的方法，公式为

$f_n\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-x_i}{h}\right)$

其中k( )为核函数，h为带宽，x-x_i为估计点x处到样本x_i处的距离；取核函数与带宽分别为

$f_n\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-x_i}{h}\right)$ 和 $h=1.06\min \{\widehat{\mathrm{\σ}},R\}{n}^{-1/5}$

其中σ为样本标准差，R＝X_[0.75n]-X_[0.25n]，n为样本容量。

h、使用G组数据拟合F函数的各参数，得H函数；

i、采用多尺度转换法进行生物量的多尺度转换估测，得待估尺度的森林生物量。

所述步骤f中的混合weibull分布模型的函数形式(即F函数)为f(x)＝p₁f₁(x)+p₂f₂(x)+…+p_nf_n(x)，其中x为单位面积森林生物量，p_i(i＝1,2…,n)为权重参数且n为2、3或4，n的取值根据G组数据拟合精度选取，当n分别取2、3和4时，进行步骤h中的拟合，然后取拟合精度最高时的n值即可，

$f_i\left(x\right)(i=\mathrm{1,2},...,n)=\frac{c_i}{b_i}{\left(\frac{x}{b_i}\right)}^{c_i-1}{e}^{-{\left(\frac{x}{b_i}\right)}^{c_i}}$

为weibull概率密度函数。通过步骤h进行拟合后得F函数的各参数，得n为2，此时拟合精度达到99.5％，得H函数为f(x)＝p₁f₁(x)+p₂f₂(x)，其中p₁为0.9870，p₂为0.0013，b₁为10.4139，c₁为-5.6141，b₂为2.7342，c₂为1.3861。最后将A，E1，E2和H函数代入多尺度转换法的公式内，其中f(m)为H函数，m为待估尺度的单位面积森林生物量，N和n分别等于步骤e中的E1值和E2值，A等于步骤a中的A值；计算得浙江省2004面毛竹林总生物量为：1.5003×10⁷吨。

本发明实现了从单株生物量到样地森林生物量，再到待估尺度森林生物量的尺度转换；在H函数不变的情况下，当A为待估尺度内的任一子尺度时，本发明还能估测该子尺度的森林生物量。

Claims (4)

1.基于混合weibull分布的森林生物量多尺度估测方法，其特征在于，包括以下步骤：

a、通过查阅待估尺度森林的面积统计资料获得某年份的待估尺度森林面积，得A值；

b、收集该年份待估尺度森林固定样地的连续清查数据；

c、通过连续清查数据和单株生物量模型计算单株生物量，并分别累加待估尺度森林中各固定样地内的所有单株生物量，得各固定样地的森林生物量；

d、将各固定样地的森林生物量均设定为单位面积森林生物量；

e、选出所有单位面积森林生物量中的最小值与最大值，得E1值和E2值；

f、使用weibull概率密度函数构建混合weibull概率分布模型，得F函数；

g、使用核密度法计算该年份待估尺度森林各固定样地森林生物量的实测概率，得G组数据；

h、使用G组数据拟合F函数的各参数，得H函数；

i、采用多尺度转换法进行生物量的多尺度转换估测，得待估尺度的森林生物量。

2.根据权利要求1所述的基于混合weibull分布的森林生物量多尺度估测方法，其特征在于：所述步骤f中的混合weibull分布模型的函数形式为f(x)＝p₁f₁(x)+p₂f₂(x)+…+p_nf_n(x)，其中x为单位面积森林生物量，p_i(i＝1,2…,n)为权重参数且n为2、3或4，

$f_i\left(x\right)(i=\mathrm{1,2},...,n)=\frac{c_i}{b_i}{\left(\frac{x}{b_i}\right)}^{c_{i-1}}{e}^{-{\left(\frac{x}{b_i}\right)}^{c_i}}$

为weibull概率密度函数。

3.根据权利要求1所述的基于混合weibull分布的森林生物量多尺度估测方法，其特征在于：所述步骤g中的核密度法为一种借助一个移动的单元格对点或线格局的密度进行计算的方法，公式为

$f_n\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-x_i}{h}\right)$

其中k()为核函数，h为带宽，x-x_i为估计点x处到样本x_i处的距离。

4.根据权利要求1、2或3所述的基于混合weibull分布的森林生物量多尺度估测方法，其特征在于：所述步骤i中的多尺度转换法的公式为其中f(m)为步骤h中的H函数，m为待估尺度的单位面积森林生物量，N和n分别等于步骤e中的E1值和E2值，A等于步骤a中的A值。