基于混合效应模型及EBLUP预测美国黄松林分优势木树高生长过程
【目的】基于加拿大哥伦比亚省美国黄松79株解析木数据，研究如何用经验线性无偏最优预测法( EBLUP)预测优势木树高生长过程，并分析预测精度与观测次数、观测间隔和预测时长的关系。【方法】随机抽取49株解析木数据拟合树高生长混合效应模型，30株解析木数据用于 EBLUP 的预测分析。树高生长模型以Richards，Logistic，Korf等为基础模型，选用AIC，BIC及Loglik 3个统计量评价模型的拟合效果。模型拟合用R软件的 nlme函数实现，预测分析以预测误差均方( MSPE)为评价标准。在分析观测间隔、观测次数和预测时长对 MSPE的影响时，为分离出1个因素的影响效果，将2个因素保持不变，以分析第3个因素的影响作用。在 R 软件拟合结果的基础上，用SAS的IML过程进行EBLUP预测分析。【结果】拟合结果表明，Logistic方程的拟合精度最高，选为EBLUP预测分析的基本模型。预测分析结果表明，观测次数、观测间隔和预测时长对预测精度均有显著影响。随着观测次数的增加，MSPE一般表现出减少的趋势，但下降幅度与观测间隔有关：当间隔较大时，不同的观测值可以提供更充分的生长过程信息，因而可以显著降低 MSPE 值；但当间隔较小时，观测值所提供的生长信息相互重叠，对提高预测精度的增益有限。从预测时长角度看，在观测值附近一定区域内，EBLUP预测结果非常精确，但随着预测时长增加，预测误差呈逐渐增加的趋势。【结论】EBLUP 预测相当于两阶段拟合过程的第二阶段。第一阶段拟合为估计混合参数模型确定参数的过程，而第二阶段则是在第一阶段拟合结果的基础上，依据一个特定林分的若干树高观测值用 EBLUP法预测此林分的随机效应值，并进一步预测树高生长过程。
混合效应模型、经验线性无偏最优预测法、树高生长模型、美国黄松
S758(森林经营学、森林计测学、森林经理学)
国防科工局重大专项21－Y30B05－9001－13/15
2015-04-23（万方平台首次上网日期，不代表论文的发表时间）
共9页
25-33
