毛竹林分胸径分布的估算方法技术

本发明专利技术公开了一种毛竹林分胸径分布的估算方法，包括对L函数、K函数与P函数的建模，L函数为G函数Dg＝exp(ω+βa+γb+ηc)带入参数ω，β，γ，η的具体值而得，K函数为H函数Dg2＝exp(ε+θa+μb)带入参数ε，θ，μ的具体值而得，P函数为F函数c＝φbυ带入参数φ，υ的具体值而得；L函数、K函数与P函数联合在一起，在只知道林分平均胸径的条件下可以解出任何一个林分的Weibull概率密度函数3参数，进而可以建立待估年份毛竹林分胸径分布的通用模型。本发明专利技术具有可以估算任意毛竹林分胸径分布的优点。

Estimation method of Mao Zhulin's DBH distribution

The invention discloses a method for estimating DBH distribution of Phyllostachys pubescens stands, which includes modeling L function, K function and P function. The L function is derived from G function Dg=exp (_+beta+gamb+c) with specific values of parameter_, beta, gamma and_. The K function is derived from H function Dg2=exp (e+theta+mu b) with specific values of parameter_, theta, and mu. The P function is derived from F function. Function C = _b_takes into account the specific value of parameter_, and L function, K function and P function can be combined to get the Weibull probability density function parameters of any stand with only the average DBH, and then a general model of DBH distribution of Moso bamboo stands in the year to be estimated can be established. The invention has the advantages of estimating the distribution of DBH of any Phyllostachys pubescens stand.

【技术实现步骤摘要】
毛竹林分胸径分布的估算方法
本专利技术涉及一种林分胸径分布的估算方法，特别是一种毛竹林分胸径分布的估算方法。
技术介绍
胸径结构是林分结构最重要的指标，毛竹林分具有独特的生物学特征，为研究林分胸径结构分布提供了一个很好的试验样本，毛竹林分胸径分布对毛竹林生物量估算及其经营活动起着非常重要的作用，不仅可预估毛竹林各径阶株数、生长量测定、产量预估、枯损量计算等，还能对毛竹林抚育间伐设计及其碳库估算提供科学依据。目前对毛竹林分胸径结构研究最多的是林分胸径分布函数的构建、比较与选择，而通过构建林分胸径分布通用模型来估算毛竹林分胸径分布还尚待深入研究，毛竹林分胸径分布通用模型的构建可直接估算任意毛竹林分的胸径分布，不仅对生产经营有重要指导意义，而且能减少林分调查所消耗的人力、物力与财力。因此，亟需建立一种毛竹林分胸径分布估算的通用模型。
技术实现思路
本专利技术的目的在于，提供一种毛竹林分胸径分布的估算方法。它具有可以估算任意毛竹林分胸径分布的优点。本专利技术的技术方案：毛竹林分胸径分布的估算方法，其特征在于，包括以下步骤：步骤一，收集待估年份的N个毛竹固定样地连续清查数据；步骤二，用3参数Weibull概率密度函数分别拟合步骤一中每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；步骤三，根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例，得毛竹林分服从Weibull分布；步骤四，从N个毛竹样地中取M个样地为建模样本，其余的N-M个样地为检验样本；步骤五，设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份毛竹样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，毛竹样地的平均胸径Dg与Dg2为因变量，用广义线性模型建立样地平均胸径与位置参数a、尺度参数b、形状参数c的函数关系式Dg＝exp(ω+βa+γb+ηc)，即为G函数，其中ω，β，γ，η为G函数参数，用广义线性模型建立样地平均胸径的平方Dg2与位置参数a、尺度参数b的关系式Dg2＝exp(ε+θa+μb)，即为H函数，其中ε，θ，μ为H函数参数；步骤六，用matlab软件的glmfit函数分别拟合G函数的参数ω，β，γ，η与H函数的参数ε，θ，μ，拟合函数的数据采用建模样地连续清查数据；步骤七，用matlab软件的glmfit函数分别计算G函数与H函数的拟合误差W1与W2，计算拟合误差的数据采用建模样地连续清查数据，再查χ2分布表得与的值，其中M为建模样本数，r1与r2分别为G函数与H函数的参数个数；步骤八，对M个建模样本与建模样本的Weibull概率密度函数参数a，b，c，用非线性最小二乘拟合G函数，得建模精度，用表示，把步骤六中得到的参数ω，β，γ，η带入G函数得L函数，把N-M个检验样本的Weibull概率密度函数参数a，b，c带入L函数，得检验样本平均胸径的估计值，根据检验样本平均胸径估计值与实测值，得检验精度，用表示；步骤九，对M个建模样本与建模样本的Weibull概率密度函数参数a，b，用非线性最小二乘拟合H函数，得建模精度，用表示，把步骤六中得到的参数ε，θ，μ带入H函数得K函数，把N-M个检验样本的Weibull概率密度函数参数a，b带入K函数，得检验样本平均胸径平方的估计值，根据检验样本平均胸径平方的估计值与实测值，得检验精度，用表示；步骤十，建立N个毛竹样地的Weibull概率密度函数尺度参数b与形状参数c的关系式c＝φbυ，即F函数，其中φ，υ为F函数参数，经非线性最小二乘法拟合得参数φ，υ与R2的值；步骤十一，把步骤十中得到的参数φ，υ带入F函数得P函数；步骤十二，建立待估年份毛竹样地胸径分布的通用模型，即由L函数，K函数，P函数与3参数Weibull概率密度函数组成的方程组。前述的毛竹林分胸径分布的估算方法中，所述步骤四中毛竹样地数N为≥170个，建模样本数M为≥120个，检验样本数N-M为≥50个。前述的毛竹林分胸径分布的估算方法中，对于给定任意一个毛竹样地或毛竹林分，根据毛竹林分胸径分布的通用模型，由该毛竹林分的平均胸径可以得出该毛竹林分的Weibull概率密度函数3参数，进而获得该毛竹林分某胸径的概率值，从而估算出该毛竹林分的胸径分布。与现有技术相比，本专利技术通过收集待估年份的N个毛竹固定样地连续清查数据，用3参数Weibull概率密度函数分别拟合每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例；设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份建模样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，建模样地的平均胸径Dg与Dg2为因变量，用广义线性模型建立样地平均胸径与位置参数a、尺度参数b、形状参数c的函数关系式Dg＝exp(ω+βa+γb+ηc)，即为G函数，用广义线性模型建立样地平均胸径的平方Dg2与位置参数a、尺度参数b的关系式Dg2＝exp(ε+θa+μb)，即为H函数；用matlab软件的glmfit函数分别拟合G函数的参数ω，β，γ，η与H函数的参数ε，θ，μ，拟合函数的数据采用建模样地连续清查数据；将参数ω，β，γ，η带入G函数得L函数；将参数ε，θ，μ带入H函数得K函数；建立N个毛竹样地的Weibull概率密度函数尺度参数b与形状参数c的关系式c＝φbυ，即F函数，经非线性最小二乘法拟合得参数φ，υ与R2的值；将参数φ，υ带入F函数得P函数；建立待估年份毛竹样地胸径分布的通用模型，即由L函数，K函数，P函数与3参数Weibull概率密度函数组成的方程组；L函数、K函数与P函数联合在一起，在只知道林分平均胸径的条件下可以解出任何一个林分的Weibull概率密度函数3参数，从而可以建立待估年份林分胸径分布的通用模型。综上，本专利技术具有可以估算任意毛竹林分胸径分布的优点。具体实施方式下面结合实施例对本专利技术作进一步的说明，但并不作为对本专利技术限制的依据。实施例：毛竹林分胸径分布的估算方法，其特征在于，按以下步骤进行：步骤一，收集待估年份的N个毛竹固定样地连续清查数据；步骤二，用3参数Weibull概率密度函数分别拟合步骤一中每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；步骤三，根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例，以95％为最低值，超过95％说明毛竹林分服从Weibull分布；步骤四，从N个毛竹样地中取M个样地为建模样本，其余的N-M个样地为检验样本；步骤五，设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份毛竹样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，毛竹样本文档来自技高网...

【技术保护点】
1.毛竹林分胸径分布的估算方法，其特征在于，包括以下步骤：步骤一，收集待估年份的N个毛竹固定样地连续清查数据；步骤二，用3参数Weibull概率密度函数分别拟合步骤一中每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；步骤三，根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例，得毛竹林分服从Weibull分布；步骤四，从N个毛竹样地中取M个样地为建模样本，其余的N‑M个样地为检验样本；步骤五，设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份毛竹样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，毛竹样地的平均胸径Dg与Dg2为因变量，用广义线性模型建立样地平均胸径与位置参数a、尺度参数b、形状参数c的函数关系式Dg＝exp(ω+βa+γb+ηc)，即为G函数，其中ω，β，γ，η为G函数参数，用广义线性模型建立样地平均胸径的平方Dg2与位置参数a、尺度参数b的关系式Dg2＝exp(ε+θa+μb)，即为H函数，其中ε，θ，μ为H函数参数；步骤六，用matlab软件的glmfit函数分别拟合G函数的参数ω，β，γ，η与H函数的参数ε，θ，μ，拟合函数的数据采用建模样地连续清查数据；步骤七，用matlab软件的glmfit函数分别计算G函数与H函数的拟合误差W1与W2，计算拟合误差的数据采用建模样地连续清查数据，再查χ...

【技术特征摘要】
1.毛竹林分胸径分布的估算方法，其特征在于，包括以下步骤：步骤一，收集待估年份的N个毛竹固定样地连续清查数据；步骤二，用3参数Weibull概率密度函数分别拟合步骤一中每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；步骤三，根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例，得毛竹林分服从Weibull分布；步骤四，从N个毛竹样地中取M个样地为建模样本，其余的N-M个样地为检验样本；步骤五，设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份毛竹样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，毛竹样地的平均胸径Dg与Dg2为因变量，用广义线性模型建立样地平均胸径与位置参数a、尺度参数b、形状参数c的函数关系式Dg＝exp(ω+βa+γb+ηc)，即为G函数，其中ω，β，γ，η为G函数参数，用广义线性模型建立样地平均胸径的平方Dg2与位置参数a、尺度参数b的关系式Dg2＝exp(ε+θa+μb)，即为H函数，其中ε，θ，μ为H函数参数；步骤六，用matlab软件的glmfit函数分别拟合G函数的参数ω，β，γ，η与H函数的参数ε，θ，μ，拟合函数的数据采用建模样地连续清查数据；步骤七，用matlab软件的glmfit函数分别计算G函数与H函数的拟合误差W1与W2，计算拟合误差的数据采用建模样地连续清查数据，再查χ2分布表得与的值，其中M为建模样本数，r1与r2分别为G函数与H函数的参数个数；步骤八，对M个建模样本与建模...

【专利技术属性】
技术研发人员：刘恩斌，周国模，徐林，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：浙江,33