CN111126646A - 一种油松生长预测预报方法 - Google Patents

一种油松生长预测预报方法 Download PDF

Info

Publication number
CN111126646A
CN111126646A CN201811284114.8A CN201811284114A CN111126646A CN 111126646 A CN111126646 A CN 111126646A CN 201811284114 A CN201811284114 A CN 201811284114A CN 111126646 A CN111126646 A CN 111126646A
Authority
CN
China
Prior art keywords
years
growth
tree
age
pine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811284114.8A
Other languages
English (en)
Inventor
冯仲科
王媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Forestry University
Original Assignee
Beijing Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN201811284114.8A priority Critical patent/CN111126646A/zh
Publication of CN111126646A publication Critical patent/CN111126646A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

一种油松生长预测预报方法，通过油松解析木生长量数据，将油松生长过程划分为生长缓慢期、生长旺盛期、生长趋于停止期三个阶段，建立油松极限生长模型和连年生长模型，其中，油松树龄在100年之前为生长缓慢期，树龄在101年至150年之间为生长旺盛期，树龄大于150年为生长趋于停止期。

Description

一种油松生长预测预报方法
一、技术领域
一种油松生长预测预报方法，通过油松解析木生长量数据，将油松生长过程划分为生长缓慢期、生长旺盛期、生长趋于停止期三个阶段，建立油松极限生长模型和连年生长模型，其中，油松树龄在100年之前为生长缓慢期，树龄在101年至150年之间为生长旺盛期，树龄大于150年为生长趋于停止期。
二、技术背景
林木生长量反映了某树种对立地条件适应程度和经营措施效果的综合反映，对油松生长预测一般使用材积表法，但在实际使用过程中，传统的材积表存在着明显的缺点和不足：
①传统材积表数据老旧，且区域限制性太强，无法对所有地区进行准确预测反演；
②传统材积表无法根据具体立地信息进行调整，导致推算数据会出现较大偏差；
③材积表只可估算材积，不能反应林木树高、胸径随时间的生长量，不能预测林木生长情况。
所以在油松预测的过程中，采用传统材积表法存在较大的缺陷，且无法具体预测到每年树高胸径的生长量。
三、发明内容
为了克服传统材积表估算树木生长量的缺陷，本发明提出了一种预测预报油松生长量的技术方法。
本发明的目的是这样实现的：
1、通过油松解析木生长量数据，使用材积生长量对油松进行聚类分析，将油松生长过程划分为生长缓慢期、生长旺盛期、生长趋于停止期三个阶段，其中，油松树龄在100年之前为生长缓慢期，树龄在101年至150年之间为生长旺盛期，树龄大于150年为生长趋于停止期。
2、使用公式Y＝A·e-b/T建立油松树高和胸径的极限生长模型，预报环境理想条件油松生长的最优值。
3、使用公式Dt+1＝Dt*eb/t建立油松树高和胸径的连年生长模型，预测油松树高和胸径的连年生长量。
本项发明与现有林分预测预报方法比具有以下优点：
①油松生长预测预报模型可以预测油松在理想条件下胸径和树高的生长量，为估测油松对立地条件的估测提供了依据。
②油松生长预测预报模型可以预测油松胸径和树高的连年生长量，即使不知道树龄，通过两次调查也可预测油松生长情况，解决了林业调查工作者的难题，进一步实现林木生长量统计工作的数字化和智能化。
四、具体实施方式
1.通过油松解析木生长量数据，将油松生长过程划分为生长缓慢期、生长旺盛期、生长趋于停止期三个阶段，建立油松极限生长模型和连年生长模型，其中，油松树龄在5年至100年之间为生长缓慢期，树龄在101年至150年之间为生长旺盛期，树龄大于195年为生长趋于停止期。
2.建立油松极限生长模型，油松胸径D在树龄为T时的极限生长模型为D＝41.488·e-b/T，其中，树龄T在5年至100年之间时b＝1.052，树龄T在101年至150年之间时b＝0.182，树龄T大于150年时b＝0；油松树高H在树龄为T时的极限生长模型为H＝27.825·e-b/T，其中，树龄T在5年至100年之间时b＝1.205，树龄T在101年至150年之间时b＝0.127，树龄T大于150年时b＝0。
3.建立油松连年生长模型，油松胸径D的连年生长模型为Dt+1＝Dt*eb/t，其中，t为调查时的树龄，Dt为调查时的胸径，Dt+1为与调查时间间隔一年时的胸径，树龄t+1在5年至100年之间时b＝2.285，树龄t+1在101年至150年之间时b＝0.46，树龄t+1大于150年时b＝1.264；油松树高H的连年生长模型为Ht+1＝Ht*eb/t，其中，t为调查时的树龄，Ht为调查时的树高，Ht+1为与调查时间间隔一年时的树高，树龄t+1在5年至100年之间时b＝1.188，树龄t+1在101年至150年之间时b＝0.209，树龄t+1大于150年时b＝1.006。

Claims (3)

1.一种油松生长预测预报方法，其特征是：通过油松解析木生长量数据，将油松生长过程划分为生长缓慢期、生长旺盛期、生长趋于停止期三个阶段，建立油松极限生长模型和连年生长模型，其中，油松树龄在5年至100年之间为生长缓慢期，树龄在101年至150年之间为生长旺盛期，树龄大于195年为生长趋于停止期。
2.根据权利要求一所述的油松极限生长模型，其特征是：油松胸径D在树龄为T时的极限生长模型为D＝41.488·e-b/T，其中，树龄T在5年至100年之间时b＝1.052，树龄T在101年至150年之间时b＝0.182，树龄T大于150年时b＝0；油松树高H在树龄为T时的极限生长模型为H＝27.825·e-b/T，其中，树龄T在5年至100年之间时b＝1.205，树龄T在101年至150年之间时b＝0.127，树龄T大于150年时b＝0。
3.根据权利要求一所述的油松连年生长模型，其特征是：油松胸径D的连年生长模型为Dt+1＝Dt*eb/t，其中，t为调查时的树龄，Dt为调查时的胸径，Dt+1为与调查时间间隔一年时的胸径，树龄t+1在5年至100年之间时b＝2.285，树龄t+1在101年至150年之间时b＝0.46，树龄t+1大于150年时b＝1.264；油松树高H的连年生长模型为Ht+1＝Ht*eb/t，其中，t为调查时的树龄，Ht为调查时的树高，Ht+1为与调查时间间隔一年时的树高，树龄t+1在5年至100年之间时b＝1.188，树龄t+1在101年至150年之间时b＝0.209，树龄t+1大于150年时b＝1.006。
CN201811284114.8A 2018-10-31 2018-10-31 一种油松生长预测预报方法 Pending CN111126646A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811284114.8A CN111126646A (zh) 2018-10-31 2018-10-31 一种油松生长预测预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811284114.8A CN111126646A (zh) 2018-10-31 2018-10-31 一种油松生长预测预报方法

Publications (1)

Publication Number Publication Date
CN111126646A true CN111126646A (zh) 2020-05-08

Family

ID=70485391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811284114.8A Pending CN111126646A (zh) 2018-10-31 2018-10-31 一种油松生长预测预报方法

Country Status (1)

Country Link
CN (1) CN111126646A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095571A (zh) * 2021-04-14 2021-07-09 河北农业大学 一种基于树木代谢速率理论的生物量模型预测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166748A (zh) * 2014-05-04 2014-11-26 中南林业科技大学 一种基于关系模型的林分生长建模方法
CN105808963A (zh) * 2016-03-24 2016-07-27 北京林业大学 一种模型法测定林木年龄的方法
US20160283649A1 (en) * 2015-03-26 2016-09-29 Macau University Of Science And Technology Age Authentication For Longer-Lived Vascular Herbal Plants

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166748A (zh) * 2014-05-04 2014-11-26 中南林业科技大学 一种基于关系模型的林分生长建模方法
US20160283649A1 (en) * 2015-03-26 2016-09-29 Macau University Of Science And Technology Age Authentication For Longer-Lived Vascular Herbal Plants
CN105808963A (zh) * 2016-03-24 2016-07-27 北京林业大学 一种模型法测定林木年龄的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095571A (zh) * 2021-04-14 2021-07-09 河北农业大学 一种基于树木代谢速率理论的生物量模型预测方法及系统

Similar Documents

Publication Publication Date Title
CN103884780B (zh) 家具油漆车间voc浓度的建模和预测方法
CN105486831B (zh) 一种钢卷质量检测系统
WO2023024798A1 (zh) 一种基于氧气浓度变化规律的林业碳汇量计量方法
CN105808963A (zh) 一种模型法测定林木年龄的方法
CN106600037B (zh) 一种基于主成分分析的多参量辅助负荷预测方法
CN103279636B (zh) 一种确定树木年龄的方法
CN104834964A (zh) 一种森林择伐最优造材方法
CN111126646A (zh) 一种油松生长预测预报方法
CN107563087A (zh) 最优采样间距条件下的结构面粗糙度系数统计方法
CN110775758A (zh) 一种基于轿厢加速度信号解析的电梯运行健康度评价方法
CN103902798B (zh) 数据预处理方法
CN107633316A (zh) 自适应局部非线性回归偏差补偿的电网短期负荷预测方法
CN102567814A (zh) 一种区域电网降温负荷预测的计算方法
Sattler et al. Branch models for white spruce (Picea glauca (Moench) Voss) in naturally regenerated stands
CN110457374B (zh) 一种识别时段典型暴雨过程的方法
CN105183612B (zh) 服务器可用内存异常增长及运行状况的评估方法
CN105677770B (zh) 近海海洋环境数据监测的自适应采样方法
CN106873365A (zh) 一种综合质量目标与设备性能的挤出吹塑工艺优化方法
CN105911225A (zh) 一种林分密度平均胸径及蓄积量的测算方法
CN111126647A (zh) 一种朝鲜柳生长预测方法
CN106735588A (zh) 一种棒材切割装置
CN206326211U (zh) 一种棒材切割装置
CN112948764A (zh) 一种城市绿化快速测算树高的方法
CN106092910A (zh) 一种枣树冠层氮含量的检测方法
Ex et al. Stand density index estimates leaf area index in uneven-aged ponderosa pine stands

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200508