黑龙江省林分生长收获模型的修正与实现

《黑龙江省林分生长收获模型的修正与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据学校代码：10225学号：S14420学位论文黑龙江省林分生长收获模型的修正与实现指导教师姓名：申请学位级别：论文提交日期：授予学位单位：王志芳王霓虹教授硕士2014—4．20东北林业大学学科专业：计算机应用技术论文答辩日期：2014．6．13授予学位日期：2014．6．25答辩委员会主席：论文评阅人：聋立冬杯素犬学万方数据DissertationfortheDegreeofMasterCorrectionandimplementationofstandgrowthandyieldmodelinHeilongjiangProvinceCandidate：Superv

2、isor：AssociateSupervisor：AcademicDegreeAppliedfor：Speciality：DateofOralExamination：University：WangZhifangProf．WangNihongMasterComputerapplicationtechnology2014．6．13NortheastForestryUniversity麓燃芒甥烈㈣rleS．1g万方数据摘要林分生长收获模型在森林经营管理中有着重要的作用，随着林分生长过程中相应的经营措施(如间伐、施肥等)的实施以及林分可能发生的病虫害等，会对林分生长产生影响，即使当

3、前最优的预估模型也不会长期适用于该林分。针对这一问题，提出一种修正方法，即在同一研究区域的相同林分、在保持模型形式不变的情况下，修改原有模型的某些初始参数，使得修正更新后的模型尽可能与林分实际生长收获状况一致。本研究将模型修正方法分为三步，按照模型参数求解、模型修正检验、模型深度修正这三个步骤来实现修正，直到误差小于经验阈值，且被标记的异常数据不超过实际数据的一半，停止修正，此时得到的参数值即为模型修正后得到的参数值。本研究以黑龙江省佳木斯市孟家岗国家实验林场红松人工林为实验对象，共收集孟家岗经营区无明显破坏的各种不同立地条件下、郁闭度在0．5以上的标准地73块，进行一组对

4、比实验，即通过进行SPSS软件拟合林分模型和修正方法修正模型的对比实验，验证模型修正方法的可行性和有效性。实验表明，林分断面积模型用SPSS软件拟合效果较修正方法修正结果略好，林分平均高模型和林分蓄积量模型是修正方法修正结果较好，所以，修正方法较SPSS软件拟合结果更好。以黑龙江省主要的林分类型为研究对象，采用《黑龙江省地方标准市县林区主要林分类型收获表》中的全林分生长和收获模型作为此次研究的预测模型，通过利用JAVA语言和SSH框架技术对系统进行开发，实现系统的两大功能，一是林分生长和收获模型的预估功能，二是对原有的林分生长和收获模型进行修正更新功能，把修正方法应用到We

5、b平台，将会扩大林分生长收获模型的研究和应用范围。关键词林分生长收获模型；修正方法；模型修正万方数据AbstractThestandgrowthandyieldmodelplaysanimportantroleinforestmanagement．Themanagementmeasuresofstandgrowthprocess(suchasthinning，fertilizationandSOon)areimplementedandtheforestpestsanddiseasesmayoccur,willhaveanimpactonthestandgrowth．Even

6、ifitistheoptimalpredictionmodel，itisnotapplicabletothestandoflong—termanymore．Tosolvethisproblem，proposedamodifiedmethod．Thatistomodifysomeinitialparametersoftheoriginalmodelwhichisinthesamestudyareawiththesamestandandthemodelformunchanged，inordertokeeptheupdatedmodelconsistentedwiththeact

7、ualgrowthinforestharvest．Themodelcorrectionmethodisdividedintothreesteps．Throughthestepsofthemodelparameterssovled，modeltestandmodeldeepcorrection，achievethemodelupdated．Untiltheerrorislessthanthesetthresholdandtheabnormaldatasarelessthanthehalfoftheactualdata