换一批基于地理加权泊松模型的天然次生林进界株数空间分布与预测
Prediction and spatial distribution of recruitment trees of natural secondary forest based on geographically weighted Poisson model
摘要基于帽儿山实验林场2004-2016年森林资源二类调查固定样地(共108块)数据,采用全局Poisson模型和4种空间尺度(2.5、5、10、15 km)下的地理加权泊松模型(geographically weighted Poisson regression,GWPR)对天然次生林进界株数的空间分布进行了研究,并对5种模型的拟合效果以及影响林分进界株数的因子进行了分析,利用莫兰指数描述了模型残差在全局和局域两种水平上的空间自相关性.结果表明:本文所选的林分及地形因子都显著影响天然次生林进界株数的空间分布,林分平均胸径是最主要的影响因子;在小尺度(2.5 km)下GWPR模型拥有很高的拟合精度,产生了最大范围的模型参数估计值,得到了较好的模型参数局域化空间分布效果;在较小尺度(2.5和5 km)下GWPR模型产生了较小范围的模型残差,模型的稳定性得到提升;在小尺度(2.5 km)下GWPR模型残差的全局空间自相关性达到最低,局域空间自相关性显著减小,并形成了不同观测值少量聚类这一理想的空间分布模式;在对进界株数空间分布的模拟效果上,小尺度(2.5 km)下的局域模型明显好于全局模型.
更多相关知识
关键词
进界株数空间分布地理加权泊松模型空间尺度莫兰指数recruitment treesspatial distributiongeographically weighted Poisson model (GWPR)spatial scaleMoran' s I
DOI
10.13287/j.1001-9332.201712.008
发布时间
2018-01-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览50
- 被引11
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
