在希腊开采后地区的黑种植园中应用渐函数模型
Florian Wilms1,2, Ferréol Berendt2, Karol Bronisz3
1Forest Research Institute, Hellenic Agricultural Organization DIMITRA, 57006, Thessaloniki, Greece.
Scientific reports
|June 12, 2024
概括
估计树木的数量对于森林管理至关重要. 这项研究为黑种植园开发了准确的缩函数模型,改善了干部体积预测,以有效管理资源.
科学领域:
- 林业科学 林业科学
- 量化林业 量化林业是什么
- 森林管理 森林管理 森林管理
背景情况:
- 准确的树木体积估计对于森林管理和资源规划至关重要.
- 在希腊的开采后地点建立的黑 (Robinia pseudoacacia, L.) 种植园需要进行体积评估以进行管理.
- 现有的数据缺乏对这些重要的黑种植园的干部体积精确估计.
研究的目的:
- 为了估计黑种植园的上下皮茎体积,使用缩函数模型.
- 确定表现最好的缩功能模型,用于预测该特定物种和地区的茎体积.
- 评估本地与外国模型系数的影响,并添加随机效应对模型准确性的影响.
主要方法:
- 对30棵黑树进行破坏性采样.
- 校准和比较十九个固定效应的曲函数模型.
- 使用根平均平方误差 (RMSE) 评估模型性能.
- 与传统体积方程相对应的集成渐变函数的评估.
- 纳入随机效应以改善模型的合适性.
主要成果:
- 科扎克 (2004年) 的方程证明了在超过和下皮的体积估计方面表现最好.
- 当地模型适合明显优于外国模型系数,减少直径预测的RMSE.
- 将随机效应添加到科扎克方程中,大大改善了模型的合适性.
- 集成的缩函数显示,单个茎体积预测的标准体积方程的性能略高于标准体积方程.
结论:
- 收缩函数模型,特别是Kozak (2004) 随机效应方程,为黑种植园提供精确的茎直径和体积预测.
- 当地模型校准对于准确估计特定森林种群的体积至关重要.
- 这些模型是森林库存和黑资源的可持续管理的宝贵工具.


