CN105260788A

CN105260788A - 一种异龄混交林最佳树种径阶密度最优经营配置的方法

Info

Publication number: CN105260788A
Application number: CN201510602383.4A
Authority: CN
Inventors: 冯仲科; 邱梓轩
Original assignee: Beijing Forestry University
Current assignee: Beijing Forestry University
Priority date: 2015-09-18
Filing date: 2015-09-18
Publication date: 2016-01-20

Abstract

本发明公开了一种异龄混交林最佳树种径阶密度最优经营配置的方法。林分的径阶、树高和密度是林分调查的重要因子，也是森林经营的可靠数据。而他们与蓄积量的关系一直是林业工作者所关注的问题。一种异龄混交林最佳树种径阶密度最优经营配置的方法是通过大量研究，取得数学经验模型，再利用非线性数学模型，建立一元材积模型最佳径阶密度分布模型和二元材积模型最佳径阶密度分布模型，为林决策支持或规划设计提供理论上的依据。

Description

一种异龄混交林最佳树种径阶密度最优经营配置的方法

一、技术领域

本发明涉及一种造林决策支持或规划设计方法，特别是一种异龄混交林最佳树种径阶密度最优经营配置的方法。

二、技术背景

林分的径阶、树高和密度是林分调查的重要因子，也是森林经营的可靠数据。而他们与蓄积量的关系一直是林业工作者所关注的问题。一种异龄混交林最佳树种径阶密度最优经营配置的方法是通过大量研究，取得数学经验模型，再利用非线性数学模型，建立一元材积模型最佳径阶密度分布模型和二元材积模型最佳径阶密度分布模型，为林决策支持或规划设计提供理论上的依据。

三、发明内容

为了提高林决策支持或规划设计，本发明的目的就是提供一种异龄混交林最佳树种径阶密度最优经营配置方法。

本发明的目的是这样实现的：

利用定角θ控制定点立木计数抽样木观测，数学模型①k＝(50θ)²，θ以弧度为单位，定角θ控制的定点计数木n≤10；某林分有i＝1，2，...，m个树种，定角θ观测计数抽样木的结果为d_ij，H_ij(d_ij为胸径，H_ij为树高，i为树种，j＝1，2，…，n为计数木抽样木序数)，某计数木的林分密度N_ij(棵/km²)，数学模型②

某树种材积量的一元材积V₁数学模型③为二元材积V₂数学模型④其中，a_i、b_i、c_i为第i树种的三个参数，因此，一元材积年度生长量ΔV₁数学模型⑤为：二元材积年度生长量ΔV₂数学模型⑥为其中，Δd_ij，ΔH_ij为下一年胸径和树高的生长量，依解析木模型获取；

使林分年度蓄积生长量ΔM₁最大的一元径阶分布数学模型⑦为：使林分年度蓄积生长量ΔM₂二元径阶分布数学模型⑧为

{ΔM}_{2} = Σ_{i = 1}^{m} Σ_{j = 1}^{n} N_{i j} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j});

令

N = Σ_{j = 1}^{n} N_{i j},

引入拉格朗日因子欲使ΔM₁或ΔM₂为最大，一元材积模型须使数学模型⑨二元材积模型须使数学模型⑩

{N_{i j}}^{0} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j}) = \frac{1}{n} {ΔM}_{2},

因此，一元材积模型最佳径阶密度分布为数学模型二元材积模型最佳径阶密度分布为数学模型

{N_{i j}}^{0} = \frac{1}{n} {ΔM}_{2} {(a_{i} b_{i} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j})}^{- 1} .

本项发明具有以下优点：

①建立一元材积模型最佳径阶密度分布模型和二元材积模型最佳径阶密度分布模型，为林决策支持或规划设计提供理论上的依据；

②为造林决策支持或规划设计提供了一种高效的技术选择。

四、具体实施方式：

采用异龄混交林最佳树种径阶密度最优经营配置方法，在技术方法上和求算思路上都有了较大的改进，具体是：

1)利用定角θ控制定点立木计数抽样木观测，数学模型①k＝(50θ)²，θ以弧度为单位，定角θ控制的定点计数木n≤10；某林分有i＝1，2，...，m个树种，定角θ观测计数抽样木的结果为d_ij，H_ij(d_ij为胸径，H_ij为树高，i为树种，j＝1，2，…，n为计数木抽样木序数)，某计数木的林分密度N_ij(棵/km²)，数学模型②

2)某树种材积量的一元材积V₁数学模型③为二元材积V₂数学模型④其中，a_i、b_i、c_i为第i树种的三个参数，因此，一元材积年度生长量ΔV₁数学模型⑤为：二元材积年度生长量ΔV₂数学模型⑥为其中，Δd_ij，ΔH_ij为下一年胸径和树高的生长量，依解析木模型获取；

3)使林分年度蓄积生长量ΔM₁最大的一元径阶分布数学模型⑦为：使林分年度蓄积生长量ΔM₂二元径阶分布数学模型⑧为

{ΔM}_{2} = Σ_{i = 1}^{m} Σ_{j = 1}^{n} N_{i j} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{c_{i} - 1} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j});

令

N = Σ_{j = 1}^{n} N_{i j},

{N_{i j}}^{0} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j}) = \frac{1}{n} {ΔM}_{2},

{N_{i j}}^{2} = \frac{1}{n} {ΔM}_{2} {(a_{i} b_{i} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j})}^{- 1} .

Claims

1.一种异龄混交林最佳树种径阶密度最优经营配置的方法，其特征是：利用定角θ控制定点立木计数抽样木观测，数学模型①k＝(50θ)²，θ以弧度为单位，定角θ控制的定点计数木n≤10；某林分有i＝1，2，...，m个树种，定角θ观测计数抽样木的结果为d_ij，H_ij(d_ij为胸径，H_ij为树高，i为树种，j＝1，2，...，n为计数木抽样木序数)，某计数木的林分密度N_ij(棵/km²)，数学模型②

N_{i j} = \frac{k}{{πd}_{i j}^{2}} \times 4 \times 10^{4};

{ΔM}_{2} = Σ_{i = 1}^{m} Σ_{j = 1}^{n} N_{i j} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j});

令

N = Σ_{j = 1}^{n} N_{i j},

{N_{i j}}^{0} (a_{i} b_{j} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j}) = \frac{1}{n} {ΔM}_{2},

{N_{i j}}^{0} = \frac{1}{n} {ΔM}_{2} {(a_{i} b_{i} {d_{i j}}^{b_{i} - 1} {H_{i j}}^{c_{i}} {Δd}_{i j} + a_{i} c_{i} {d_{i j}}^{b_{i}} {H_{i j}}^{c_{i} - 1} {ΔH}_{i j})}^{- 1};

根据材积、树种、径阶、密度之间的关系，可以获得异龄混交林最佳树种径阶密度最优经营配置。