基于r-分布的杉木林分?jǐn)嗝娣e分布模擬

基于r-分布的杉木林分?jǐn)嗝娣e分布模擬

林分?jǐn)嗔褞窃S多樹木育種因素中的一個(gè)重要因素，如造林直徑、樹高、冠層寬度等。它在森林調(diào)查和生產(chǎn)實(shí)踐中具有易測性好的特點(diǎn)，可用于構(gòu)建林分密度指數(shù)、單木競爭指數(shù)、間伐強(qiáng)度指數(shù)等多個(gè)林分生長和管理特征指標(biāo)。最重要的是，林分?jǐn)嗔褞且粋€(gè)全面反映林分生長過程的綜合指標(biāo)，與林分的生物量密切相關(guān)。作為直接解釋布局收獲的指標(biāo)，它被國內(nèi)外森林運(yùn)營商證明并實(shí)際使用，具有簡單實(shí)用的特點(diǎn)。此外，林段斷裂面積是預(yù)測林分生物量的優(yōu)良變量，在生物量模型的開發(fā)領(lǐng)域具有良好的應(yīng)用前景。在預(yù)測布局生長和收獲的預(yù)測模型中，布局空間的數(shù)量不僅是評(píng)價(jià)布局材料產(chǎn)量的重要變量，也是評(píng)價(jià)布局空間指數(shù)的主要因素。隨著人類對(duì)不同樹木育種因素的生長模型和布局的總體系統(tǒng)的系統(tǒng)理解的逐步深入，布局空間模型的核心作用越來越明顯。然而，在過去，人們研究布局的生長時(shí)，就像樹木的直徑、樹高、枝葉高、冠幅、樹木分布和蓄積一樣，很少考慮布局空間的變量。這與布局空間指數(shù)的實(shí)際影響無關(guān)。在研究林分橫截面栽培的模型方面，許多研究人員關(guān)注布局水平上的布局生長模型，一定深度討論了模型參數(shù)與布局密度、布局指數(shù)、布局指數(shù)和布局優(yōu)勢(shì)的關(guān)系。她研究了林分橫截面的栽培過程及其模擬。與林分植物密度指數(shù)、布局指數(shù)、布局指數(shù)和優(yōu)勢(shì)的關(guān)系。與我國相比，我國對(duì)這方面的研究內(nèi)容較少。一個(gè)非常膚淺的例子足以說明布局分布的必要性和必然性。換句話說，采用2cm寬的地表徑流法的一個(gè)例子，當(dāng)一個(gè)林分的2cm直徑時(shí)，只有1cm植物，而另一個(gè)林分的2cm直徑中只有2.9cm植物。這兩個(gè)林分的2cm直徑共有1個(gè)和8個(gè)單位，密度是1個(gè)或更多。有些曲線分布在1厘米范圍內(nèi)，不考慮光滑度。否則，布局空間的布局空間是一個(gè)重要的變量，不能被視為主要指標(biāo)。杉木(Cunninghamialanceolata)人工林徑階模型的研究主要反映在林分直徑株數(shù)分布規(guī)律方面,在分布模型的選擇、影響模型擬合性能的實(shí)質(zhì)原因及林分因子對(duì)模型模擬預(yù)測精度的影響等方面亦有了較為全面而系統(tǒng)的論述,為斷面積分布的研究奠定了堅(jiān)實(shí)的理論與實(shí)踐基礎(chǔ).為進(jìn)一步完善杉木人工林生長模型系統(tǒng),充分挖掘和掌握人工林林木分布規(guī)律,本文應(yīng)用由3參數(shù)Richards函數(shù)導(dǎo)出的R--分布函數(shù)對(duì)未間伐杉木人工林林分?jǐn)嗝娣e分布進(jìn)行模擬,并對(duì)R--分布函數(shù)的數(shù)據(jù)擬合參數(shù)與林分因子的關(guān)系展開了深入探討,以期實(shí)現(xiàn)杉木人工林林分生長理論及預(yù)估模型研究領(lǐng)域的新發(fā)展,為杉木人工林的定向培育提供可靠的理論與實(shí)踐依據(jù).1材料和方法1.1農(nóng)業(yè)生產(chǎn)水氣形勢(shì)試驗(yàn)區(qū)設(shè)置在江西省分宜縣大崗山林區(qū).大崗山區(qū)屬羅霄山脈北端的武功山支脈,位于東經(jīng)114°30′～114°45′,北緯27°30′～27°50′.氣候溫暖濕潤,屬亞熱帶季風(fēng)濕潤類型,年平均溫度為15.8～17.7℃,7月份平均最高溫度28.8℃,日最高溫度39.9℃,1月份平均最低溫度為-5.3℃,日最低溫度-8.3℃.全年日照平均時(shí)數(shù)為1657h,最高為2047h,最低為1378h,日照百分率約為37%.太陽總輻射年平均為486.6kJ/cm2.平均蒸發(fā)量約為1503mm,最多為1770.8mm,最少為1274mm.年平均降水量為1591mm,最多為2227.6mm,最少為1069.8mm.年平均無霜期為265d.本區(qū)屬地帶性低山丘陵紅壤、黃壤類型及其亞類的分布區(qū).1.2調(diào)查和數(shù)據(jù)測試方法由2m×3m(A)、2m×1.5m(B)、2m×1m(C)、1m×1.5m(D)、1m×1m(E)5種密度組成1個(gè)區(qū)組,重復(fù)3次,共15個(gè)小區(qū),分別計(jì)為(a1、a2、a3,…,e1、e2、e3),每個(gè)小區(qū)面積為600m2.采用隨機(jī)區(qū)組排列,并在每個(gè)小區(qū)四周各設(shè)計(jì)兩行同樣密度的保護(hù)帶.試驗(yàn)林于1981年春采用1年生苗營造.對(duì)每株樹掛牌記號(hào)作連續(xù)觀測,調(diào)查每株樹的樹高、胸徑、冠幅和枝下高等因子.10年生前逐年調(diào)查,10年生后作隔年調(diào)查.文中所引數(shù)據(jù)為13次調(diào)查實(shí)驗(yàn)結(jié)果,林分年齡達(dá)24年.所有林分都屬于未間伐林分.按照2cm的徑階距,將每一樣本的直徑序列劃分徑階,例如,2cm徑階的取值范圍為[1,2.9),4cm徑階的取值范圍為[3,4.9),其他徑階依此類推.分別統(tǒng)計(jì)各林分每一徑階內(nèi)林木胸徑處的總斷面積,進(jìn)而建立林分徑階斷面積百分比累積分布數(shù)據(jù)庫,林分基本數(shù)據(jù)的描述如表1.1.3參數(shù)蘇-p-r-分布函數(shù)的擬合由段愛國等對(duì)林分直徑株數(shù)分布規(guī)律的研究結(jié)果可知,Richards函數(shù)可作為一種優(yōu)良的分布模型,尤其適宜于“S”型分布或上凸型分布數(shù)據(jù)的模擬.其基本表達(dá)形式如表2所示.不同于Logistic方程的典型線性相關(guān)性,其方程微分式中g(shù)(y)項(xiàng)與因變量y呈非線性相關(guān),從而增強(qiáng)了Richards函數(shù)的經(jīng)驗(yàn)?zāi)M性能和理論解釋性.對(duì)于分布函數(shù),3參數(shù)Weibull方程無疑最為經(jīng)典,亦最為常用,尤其是進(jìn)入20世紀(jì)90年代以后,更是占據(jù)了分布研究領(lǐng)域的統(tǒng)治地位.3參數(shù)Weibull方程之所以受到如此重視,主要是因其具有足夠的靈活性、參數(shù)的生物學(xué)意義明顯以及在閉區(qū)間內(nèi)存在形式簡潔明了的累積分布函數(shù).但該分布函數(shù)亦存在不足之處,主要是分布函數(shù)的位置參數(shù)a較難估計(jì),一般采用矩法與最大似然法對(duì)參數(shù)求解時(shí),參數(shù)a被設(shè)定為林分最小徑階的下限值或最小直徑的某個(gè)指定倍數(shù),因而一定程度上限制了該函數(shù)的靈活性.當(dāng)采用百分位法求解時(shí),亦是基于某種假定間接獲得a值,略顯繁瑣.而基于回歸法對(duì)參數(shù)進(jìn)行預(yù)測時(shí),參數(shù)a往往失去了其位置參數(shù)的指代意義,且迭代函數(shù)不易收斂.為便于分析,這里列出3參數(shù)Weibull方程的表達(dá)式:y=1?exp(?((x?a)/b)c)(1)y=1-exp(-((x-a)/b)c)(1)考察式(1)可以發(fā)現(xiàn),只有當(dāng)x≥a,即保證(x-a)/b≥0時(shí),方程才有意義,且作非線性回歸迭代運(yùn)算時(shí),參數(shù)a初始值不易給定,因其在迭代過程中跨越不了相鄰的徑階中值,因此影響了該方程的擬合性能,致使一些研究者轉(zhuǎn)而追求2參數(shù)Weibull方程的實(shí)際應(yīng)用.在2參數(shù)Weibull方程中,參數(shù)a=0,從而降低了方程的說理性.那么,有沒有一個(gè)方程既擁有相當(dāng)高的分布數(shù)據(jù)擬合精度,擁有類似3參數(shù)Weibull分布函數(shù)的參數(shù)理論意義,且其參數(shù)又容易求解呢?回歸法分析3參數(shù)Weibull方程參數(shù)難以收斂的原因在于方程形狀參數(shù)的位置,因此,可以在這方面作些探索.對(duì)此,重新審視一下表2中所列Richards函數(shù)的表達(dá)式,因已有研究表明該函數(shù)模擬分布數(shù)據(jù)時(shí),其參數(shù)b通常小于0,參數(shù)m>1,則該表達(dá)式亦可寫為如下形式:y=(1+exp(?(x?ln(?b)/k)/k?1))1/(1?m)(2)y=(1+exp(-(x-ln(-b)/k)/k-1))1/(1-m)(2)令q=ln(-b)/k,p=k-1,r=1/(1-m),則r<0,且式(2)可簡化為:y=(1+exp(?(x?q)/p))r(3)y=(1+exp(-(x-q)/p))r(3)很顯然,式(3)中的參數(shù)具有與3參數(shù)Weibull方程各參數(shù)相同涵義的可能性,即參數(shù)q為位置參數(shù),p為尺度參數(shù),r為形狀參數(shù),而且,式(3)中參數(shù)q的取值無論大于或小于x,均不會(huì)出現(xiàn)方程無意義或參數(shù)難以收斂的問題.可以稱式(3)為R--分布.式(3)的概率密度函數(shù)可表示為:f(x)=?rpexp(?(x?q)/p)×(1+exp(?(x?q)/p))r?1(4)f(x)=-rpexp(-(x-q)/p)×(1+exp(-(x-q)/p))r-1(4)式(3)、(4)中,參數(shù)p、q>0,r<0,式(4)可用于描述各種概率分布數(shù)據(jù),并具有結(jié)構(gòu)簡潔的優(yōu)點(diǎn).方程(3)的拐點(diǎn)橫坐標(biāo)x、縱坐標(biāo)y表達(dá)式分別為:x=pln(?r)+qy=((r?1)/r)rx=pln(-r)+qy=((r-1)/r)r鑒于此,本文采用杉木人工林密度試驗(yàn)林24年的統(tǒng)計(jì)數(shù)據(jù),對(duì)3參數(shù)Richards分布函數(shù)式(3)進(jìn)行擬合,探討并驗(yàn)證R--分布對(duì)斷面積分布數(shù)據(jù)的擬合性能及參數(shù)的理論意義.采用SAS軟件的非線性回歸法對(duì)R--分布參數(shù)予以求解,采用殘差平方和RSS衡量模擬精度.2結(jié)果與分析2.1r-分布模擬累積面積累積分布的影響2.1.1穩(wěn)定性分析從表3可以看出,當(dāng)采用R--分布模擬林分?jǐn)嗝娣e累積分布時(shí),參數(shù)r均小于0,即參數(shù)m大于1,與Richards函數(shù)模擬直徑分布數(shù)據(jù)時(shí)一致;由于不同的林分擁有不同的斷面積分布,分布函數(shù)參數(shù)表現(xiàn)為在一定范圍內(nèi)變動(dòng),對(duì)于不同的林分?jǐn)嗝娣e分布,分布函數(shù)的3個(gè)參數(shù)有可能存在部分相同,但至少有一個(gè)參數(shù)不同,用以體現(xiàn)分布的變化.參數(shù)b變動(dòng)范圍明顯偏大,但其與參數(shù)k的互動(dòng)卻能使參數(shù)q值穩(wěn)定在一定的范圍.就參數(shù)的穩(wěn)定性而言,這在一定程度上體現(xiàn)了式(3)較表2中所列的Richards分布函數(shù)的表達(dá)形式更適合分布數(shù)據(jù)的擬合.如表3所示,各分布參數(shù)均存在一個(gè)主要的分布區(qū)間,例如參數(shù)r的分布范圍為-6.9979～-0.2447,在一個(gè)較其分布范圍窄幾倍的主要分布區(qū)間-1.0～-0.3,參數(shù)r的分布比例已達(dá)76.41%,這同時(shí)體現(xiàn)了R--分布模擬林分?jǐn)嗝娣e累積分布時(shí)的穩(wěn)定性和靈活性.2.1.2林分?jǐn)嗝娣e累積分布精度是一個(gè)函數(shù)模擬性能的重要經(jīng)驗(yàn)指標(biāo).R--分布模擬195個(gè)林分?jǐn)嗝娣e累積分布的相關(guān)指數(shù)分布范圍為0.9904～1,其中,絕大部分在0.995以上,有近10%的林分相關(guān)指數(shù)達(dá)1,擬合值與實(shí)測值的殘差平方和浮動(dòng)范圍為0～0.0119,這表明R--分布能高精度地模擬林分?jǐn)嗝娣e累積分布.圖1描述了R--分布模擬c1小區(qū)6、12、18、24年時(shí)林分?jǐn)嗝娣e累積分布的結(jié)果.從該圖可直觀地看到R--分布擬合曲線與實(shí)測林分?jǐn)嗝娣e的動(dòng)態(tài)累積分布高度吻合.雖然R--分布對(duì)不同林分的斷面積分布均能實(shí)現(xiàn)高精度的擬合,但R--分布的模擬精度大小與林分年齡等林分特征因子還是具有一定的相關(guān)關(guān)系.隨林分年齡、立地指數(shù)、平方平均直徑的增大,模擬精度呈增大趨勢(shì);隨林分密度的增大,模擬精度呈減小趨勢(shì);殘差平方和與林分平方平均直徑、林分密度、林分年齡和立地指數(shù)的線性相關(guān)性依次減弱,相關(guān)系數(shù)分別為0.4499、0.4144、0.2965、0.2698.回歸方差分析結(jié)果表明,這4種線性回歸在0.0001檢驗(yàn)水平上均呈顯著相關(guān),這表明平方平均直徑、林分密度、年齡和立地指數(shù)等4個(gè)林分因子對(duì)R--分布模擬精度呈顯著影響.2.1.3斷面積累積分布曲線控制點(diǎn)的分布在生長模擬研究領(lǐng)域,Richards函數(shù)通常用來模擬林分?jǐn)嗝娣e、平均直徑、平均樹高等林分因子的生長,主要原因有兩點(diǎn),一是該函數(shù)具有明確的漸近線參數(shù),二是函數(shù)具有浮動(dòng)拐點(diǎn),且生物學(xué)意義明顯.同樣,在分布模擬研究領(lǐng)域,由Richards函數(shù)所引出的R--分布亦因此具有良好的應(yīng)用前景.由林木分化所引起的林分徑階斷面積累積分布呈現(xiàn)“S”型狀態(tài),擬合曲線的拐點(diǎn)表示斷面積累積頻率變化量最大時(shí)刻,拐點(diǎn)的取值既刻劃了林分?jǐn)嗝娣e的累積分布特征,又體現(xiàn)著分布函數(shù)靈活的模擬形狀.R--分布模擬曲線拐點(diǎn)橫坐標(biāo)和縱坐標(biāo)的分布范圍分別為2.3767～19.4653和0.2621～0.6716cm.若以分類中值為中心,以相鄰兩個(gè)分類中值之差的1/2為正負(fù)浮動(dòng)項(xiàng),對(duì)拐點(diǎn)分布范圍進(jìn)行分類,如0.55表示0.5與0.6之間的數(shù)值,則拐點(diǎn)橫坐標(biāo)的83.60%分布在區(qū)間5～15內(nèi),拐點(diǎn)縱坐標(biāo)的96.92%分布在區(qū)間0.4～0.6內(nèi),且56.41%分布在0.5～0.6之間.由于所擬合的195個(gè)林分的平方平均直徑的分布范圍為3.9571～18.9969cm,與拐點(diǎn)橫坐標(biāo)的分布范圍基本一致,故可期待兩者之間存在某種緊密的內(nèi)在相關(guān)關(guān)系.如圖2所示,拐點(diǎn)橫坐標(biāo)的分布形狀近似于正態(tài)分布,這在一定程度上反映出了擬合分布數(shù)據(jù)總體的典型性和代表性.林分?jǐn)嗝娣e累積分布曲線拐點(diǎn)的縱坐標(biāo)存在一個(gè)主要分布區(qū)間0.4～0.6,且中心分布點(diǎn)在0.5右側(cè),即大于0.5,該點(diǎn)與林分直徑株數(shù)累積分布曲線拐點(diǎn)的分布特征基本相同.2.2r-分布函數(shù)參數(shù)的理論意義2.2.1基于林分特征模型的面積累積分布參數(shù)模擬的高精度與分布參數(shù)良好的理論解釋性是衡量一種分布函數(shù)適宜性的雙重指標(biāo).從前面的分析可知,R--分布對(duì)林分?jǐn)嗝娣e累積分布具有相當(dāng)高的模擬精度,其模擬參數(shù)均存在一個(gè)分布范圍,那么,該分布函數(shù)的參數(shù)的說理性又如何呢?一般而言,影響自然生長狀態(tài)下人工林林分生長及分布的主要林分因子有年齡、立地、密度和遺傳因素,由于本文試驗(yàn)材料來源于同一種源,因此選用年齡、立地、密度以及受三者共同控制的林分平方平均直徑作為林分特征因子來分析R--分布參數(shù)的理論涵義.2.2.1.林分密度與參數(shù)p的相關(guān)分析圖3～5分別描述了R--分布函數(shù)參數(shù)p、q、r與林分年齡、立地、密度和平方平均直徑的關(guān)系.從圖3可以看出,參數(shù)p隨林分年齡和平方平均直徑的增大呈明顯上升趨勢(shì).經(jīng)比較幾種簡單的趨勢(shì)線函數(shù),發(fā)現(xiàn)二次多項(xiàng)式相對(duì)優(yōu)越,參數(shù)p與年齡(t)的關(guān)系用式(5)表示,其相關(guān)系數(shù)達(dá)0.9070,參數(shù)p與平方平均直徑、林分密度和立地指數(shù)的相關(guān)系數(shù)分別為0.7136、0.2805、0.1442,散點(diǎn)圖分析結(jié)果表明參數(shù)p與林分立地指數(shù)、林分密度分別呈正相關(guān)性和負(fù)相關(guān)性.回歸方差分析結(jié)果表明,參數(shù)p與林分年齡、平方平均直徑、林分密度在0.0001檢驗(yàn)水平上均呈顯著相關(guān),F檢驗(yàn)值分別為894.71、200.26、16.48;參數(shù)p與立地指數(shù)在0.0001檢驗(yàn)水平上不顯著相關(guān),在0.05檢驗(yàn)水平上具顯著相關(guān)性.這表明參數(shù)p與林分年齡、平方平均直徑、林分密度,尤其是林分年齡具有緊密關(guān)系,亦即參數(shù)p受此3個(gè)因子影響顯著,而立地指數(shù)對(duì)參數(shù)p影響較弱.p=0.0009t2+0.0629t+0.2918(5)p=0.0009t2+0.0629t+0.2918(5)在3參數(shù)Weibull方程中,尺度參數(shù)b與分布數(shù)據(jù)的平均大小緊密相關(guān),兩者取值范圍比較接近.R--分布參數(shù)p的取值雖然較小,但其與林分平方平均直徑的大小呈顯著正相關(guān),且與影響林分平方平均直徑大小的林分年齡、林分密度和立地指數(shù)等因子的相關(guān)性符合尺度參數(shù)的理論涵義,即林分年齡愈大、立地指數(shù)越高、林分密度越低,參數(shù)p呈增大趨勢(shì).另外,對(duì)于同一林分,立地指數(shù)與初植密度一定的情況下,林分?jǐn)嗝娣e的分布就僅取決于林分的年齡,而隨著林分年齡的增長,林分內(nèi)林木的平均大小亦穩(wěn)定增大.參數(shù)p與林分年齡正的高相關(guān)性表明,R--分布的參數(shù)p更適合理解為一種相對(duì)尺度參數(shù),這種相對(duì)尺度參數(shù)很顯然更適宜描述林木大小分布的動(dòng)態(tài)變化.2.2.1.不同條件對(duì)林分直徑生長及分布的影響從圖4可以看到,參數(shù)q隨林分年齡的增大呈明顯上升趨勢(shì),隨平方平均直徑的增大近乎呈線性上升趨勢(shì),隨立地指數(shù)的升高具微弱上升趨勢(shì),而隨林分密度的增大呈下降趨勢(shì).參數(shù)q與林分平方平均直徑(Dg)的關(guān)系可表達(dá)為式(6),相關(guān)系數(shù)達(dá)0.9519.參數(shù)q與林分年齡、林分密度和立地指數(shù)的相關(guān)系數(shù)分別為0.7150、0.6704、0.4432.方差分析結(jié)果表明,參數(shù)q與林分平方平均直徑、年齡、林分密度和立地指數(shù)在0.0001檢驗(yàn)水平上均呈顯著相關(guān),F檢驗(yàn)值分別為1861.98、202.33、157.50、47.18,這表明參數(shù)q與林分年齡、平方平均直徑、林分密度和立地指數(shù)均具有緊密關(guān)系,亦即參數(shù)q受此4因子影響顯著.q=?0.0150D2g+1.2094Dg?0.6769(6)q=-0.0150Dg2+1.2094Dg-0.6769(6)在研究林分直徑株數(shù)分布的模擬時(shí),石川善郎及段愛國等發(fā)現(xiàn)了Richards生長函數(shù)適宜于分布數(shù)據(jù)的擬合,卻均未能意識(shí)到或深入地探討該函數(shù)參數(shù)b與參數(shù)k存在的隱含關(guān)系,煩惱于參數(shù)b的無規(guī)律性及說理性的缺失,進(jìn)而限制了該函數(shù)的發(fā)展.在R--分布中,由表2中所列Richards函數(shù)的參數(shù)b與參數(shù)k組合而成的參數(shù)q顯然具備了優(yōu)良分布函數(shù)參數(shù)所應(yīng)有的理論涵義,且在擬合過程中,R--分布的這一參數(shù)收斂性好.鑒于參數(shù)q與林分平方平均直徑顯著的相關(guān)性,可以定義參數(shù)q為R--分布函數(shù)的位置參數(shù),且這一位置參數(shù)指示的是分布數(shù)據(jù)的平均大小,不同于3參數(shù)Weibull分布函數(shù)位置參數(shù)的最小值指代性.2.2.1.林分直徑、林分密度與年齡、林分密度的關(guān)系從圖5可以看出,參數(shù)r隨林分年齡、平方平均直徑及立地指數(shù)的增大呈減小趨勢(shì),而隨林分密度的增大呈增大趨勢(shì).參數(shù)r與平方平均直徑、林分年齡、林分密度及立地指數(shù)的二次多項(xiàng)式的相關(guān)系數(shù)分別為0.4955、0.4600、0.2728、0.1863.回歸方差分析結(jié)果表明,參數(shù)r與林分平方平均直徑、林分年齡、林分密度在0.0001檢驗(yàn)水平上均呈顯著相關(guān),F檢驗(yàn)值分別為62.46、51.50、15.43;參數(shù)r與立地指數(shù)在0.0001檢驗(yàn)水平上不顯著相關(guān),但在0.01檢驗(yàn)水平上具顯著相關(guān)性.這表明參數(shù)r與林分平方平均直徑、林分年齡、林分密度具有緊密關(guān)系,即參數(shù)r受此3因子影響顯著,而立地指數(shù)對(duì)參數(shù)r影響相對(duì)較弱.參數(shù)r決定了R--分布模擬曲線的拐點(diǎn),而拐點(diǎn)決定了模擬曲線的形狀,故參數(shù)r可明確定義為R--分布函數(shù)的形狀參數(shù).2.2.2r--分布控制點(diǎn)與林分因子的關(guān)系為深入了解R--分布函數(shù)拐點(diǎn)的變化規(guī)律,特對(duì)其拐點(diǎn)與林分年齡、密度、立地指數(shù)及平方平均直徑的關(guān)系進(jìn)行了探討.圖6～8描述了R--分布拐點(diǎn)橫坐標(biāo)和縱坐標(biāo)隨4林分因子的變化關(guān)系.2.2.2.林分?jǐn)嗝娣e累積分布曲線控制點(diǎn)橫坐標(biāo)的回歸方差分析從圖6可以直觀地看到,拐點(diǎn)橫坐標(biāo)隨林分年齡、平方平均直徑及立地指數(shù)的增大呈增大趨勢(shì),而隨林分密度的增大呈減小趨勢(shì),其與林分平方平均直徑、林分年齡、林分密度及立地指數(shù)的二次多項(xiàng)式的相關(guān)系數(shù)分別為0.9826、0.7500、0.6866、0.4552.回歸方差分析結(jié)果表明,拐點(diǎn)橫坐標(biāo)與林分平方平均直徑、林分年齡、林分密度及立地指數(shù)在0.0001檢驗(yàn)水平上均呈顯著相關(guān),F檢驗(yàn)值分別為5400.84、248.13、172.09、50.44,這表明林分平方平均直徑、林分年齡、林分密度及立地指數(shù)對(duì)拐點(diǎn)橫坐標(biāo)具有顯著影響.拐點(diǎn)橫坐標(biāo)與林分平方平均直徑擬合直線的斜率僅略小于1,且截距略大于0,這說明,林分?jǐn)嗝娣e累積分布曲線的拐點(diǎn)出現(xiàn)在略小于林分平方平均直徑的位置,兩者二次多項(xiàng)式的表達(dá)式如式(7).從圖7可以看出,同一林分年齡時(shí),林分密度越低、立地指數(shù)越高,林分?jǐn)嗝娣e累積分布曲線拐點(diǎn)的橫坐標(biāo)越大.pln(?r)+q=?0.0054D2g+1.1048Dg?0.5877(7)pln(-r)+q=-0.0054Dg2+1.1048Dg-0.5877(7)2.2.2.點(diǎn)火縱坐標(biāo)與林分年齡和直徑的關(guān)系從圖8可以看到,拐點(diǎn)縱坐標(biāo)隨林分年齡、平方平均直徑及立地指數(shù)的增大呈降低趨勢(shì),而隨林分密度的增大呈微弱上升趨勢(shì),其與林分年齡、平方平均直徑、林分密度及立地指數(shù)的二次多項(xiàng)式的相關(guān)系數(shù)分別為0.5404、0.4133、0.1664、0.1517.回歸方差分析結(jié)果表明,拐點(diǎn)縱坐標(biāo)與林分年齡和平方平均直徑在0.0001檢驗(yàn)水平上均呈顯著相關(guān),F檢驗(yàn)值分別為79.59、39.75;拐點(diǎn)縱坐標(biāo)與林分密度和立地指數(shù)在0.05檢驗(yàn)水平上呈顯著相關(guān).這表明林分年齡和平方平均直徑對(duì)林分?jǐn)嗝娣e累積分布曲線拐點(diǎn)縱坐標(biāo)影響顯著,而林分密度及立地指數(shù)對(duì)其影響較弱,亦即林分年齡和平方平均直徑顯著影響著林分?jǐn)嗝娣e的分布形狀,林分年齡和平方平均直徑越大,林分?jǐn)嗝娣e累積分布的拐點(diǎn)出現(xiàn)在累積分布序列的位置就越低.2.3r--分布參數(shù)估計(jì)非線性分布函數(shù)的參數(shù)預(yù)估方法一般可分為兩種,即參數(shù)預(yù)測法(PPM)和參數(shù)回收法(PRM).參數(shù)預(yù)測法較為簡潔,只需建立參數(shù)與林分因子的關(guān)系式即可對(duì)參數(shù)做出預(yù)估;參數(shù)回收法則需先建立林分平方平均直徑與分布曲線上特殊點(diǎn)(累積分布百分比為0.333、拐點(diǎn)縱坐標(biāo)為0.9時(shí))所對(duì)應(yīng)直徑的函數(shù)關(guān)系,然后用平方平均直徑估計(jì)3點(diǎn)分別對(duì)應(yīng)的直徑,并代入分布函數(shù),進(jìn)而求解方程組得到分布參數(shù)值.對(duì)于R--分布,由于其參數(shù)p、q及參數(shù)組合pln(-r)+q(拐點(diǎn)橫坐標(biāo))分別與林分年齡、平方平均直徑存在緊密的相關(guān)關(guān)系,因此可以考慮同時(shí)采用PPM與PRM兩種方法對(duì)R