摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第15-32页 |
1.1 研究目的及意义 | 第15-16页 |
1.2 枝条及树冠特征因子 | 第16-18页 |
1.2.1 枝条特征因子概述 | 第16-17页 |
1.2.2 树冠特征因子概述 | 第17-18页 |
1.3 树冠轮廓概述 | 第18-19页 |
1.4 树冠轮廓研究进展 | 第19-25页 |
1.4.1 间接法研究进展 | 第19-22页 |
1.4.2 直接法研究进展 | 第22-25页 |
1.5 树冠特征因子模拟研究进展 | 第25-27页 |
1.6 树冠轮廓及树冠特征因子研究展望 | 第27-28页 |
1.7 研究内容 | 第28-30页 |
1.8 总体研究方案(含技术路线图) | 第30-32页 |
2 研究区域概况及数据来源 | 第32-37页 |
2.1 研究地区概况 | 第32-33页 |
2.1.1 自然地理条件 | 第32页 |
2.1.2 气候 | 第32页 |
2.1.3 水系 | 第32-33页 |
2.1.4 土壤 | 第33页 |
2.1.5 动植物资源 | 第33页 |
2.2 枝条解析数据 | 第33-36页 |
2.2.1 标准地的设置 | 第33-34页 |
2.2.2 解析木的选取及测量 | 第34页 |
2.2.3 枝条解析 | 第34-35页 |
2.2.4 数据整理 | 第35-36页 |
2.3 本章小结 | 第36-37页 |
3 树冠外部轮廓最优模型的选取 | 第37-47页 |
3.1 数据 | 第37页 |
3.2 树冠外部轮廓模型构建 | 第37-41页 |
3.2.1 含有梢头约束的分段抛物线方程 | 第37-38页 |
3.2.2 含有梢头约束的分段单分子式方程 | 第38-39页 |
3.2.3 含有梢头约束的分段幂函数方程 | 第39页 |
3.2.4 修正Kozak (1988)方程 | 第39-40页 |
3.2.5 修正Weibull方程 | 第40-41页 |
3.3 树冠外部轮廓模型的构建 | 第41页 |
3.4 树冠外部轮廓最优模型的选取 | 第41-43页 |
3.5 模型拟合结果 | 第43-44页 |
3.6 讨论 | 第44-46页 |
3.7 本章小结 | 第46-47页 |
4 基于混合效应的针叶树外部轮廓预估模型 | 第47-75页 |
4.1 数据与方法 | 第47-50页 |
4.1.1 建模数据 | 第47-48页 |
4.1.2 树冠最小内部轮廓模型的构建 | 第48-49页 |
4.1.3 树冠外部轮廓模型的构建 | 第49页 |
4.1.4 模型拟合优度及检验指标 | 第49-50页 |
4.2 传统方法东北林区针叶树树冠外部轮廓预估模型 | 第50-66页 |
4.2.1 人工红松树冠外部轮廓预估模型 | 第50-55页 |
4.2.2 人工长白落叶松树冠外部轮廓预估模型 | 第55-60页 |
4.2.3 人工长白落叶松树冠内部轮廓预估模型 | 第60-62页 |
4.2.4 人工樟子松树冠外部轮廓预估模型 | 第62-66页 |
4.3 东北针叶树树冠外部轮廓比较 | 第66-71页 |
4.3.1 各针叶树外部轮廓最优模型的选择 | 第66-68页 |
4.3.2 各针叶树树冠轮廓模拟 | 第68-71页 |
4.4 讨论 | 第71-74页 |
4.4.1 分段函数及变指数方程在树冠轮廓模拟中的应用 | 第71-73页 |
4.4.2 变量的选取 | 第73页 |
4.4.3 数据的获取方式 | 第73-74页 |
4.5 本章小结 | 第74-75页 |
5 基于非线性分位数回归的树冠外部轮廓预估模型 | 第75-117页 |
5.1 研究方法 | 第76-80页 |
5.1.1 数据来源 | 第76-77页 |
5.1.2 非线性分位数回归模型 | 第77-78页 |
5.1.3 非线性分位数回归模型的评价及分位点的选择 | 第78-80页 |
5.2 基于非线性分位数回归的针叶树外部轮廓预估模型 | 第80-114页 |
5.2.1 人工红松树冠外部轮廓非线性分位数回归模型 | 第80-92页 |
5.2.2 人工落叶松树冠外部轮廓非线性分位数回归模型 | 第92-105页 |
5.2.3 人工樟子松树冠外部轮廓非线性分位数回归模型 | 第105-114页 |
5.3 三个针叶树种内部轮廓模型 | 第114页 |
5.4 讨论 | 第114-116页 |
5.4.1 三个针叶树树冠外部轮廓预估模型 | 第114-116页 |
5.4.2 三个针叶树树冠最大外部轮廓预估模型 | 第116页 |
5.5 本章小结 | 第116-117页 |
6 线性混合分位数回归模型在树冠轮廓中的应用 | 第117-125页 |
6.1 研究方法 | 第117-119页 |
6.1.1 数据 | 第117页 |
6.1.2 线性混合效应分位数回归模型 | 第117-118页 |
6.1.3 线性混合效应分位数回归在模拟树冠轮廓的应用 | 第118-119页 |
6.2 最优模型的选取 | 第119-121页 |
6.3 不同分位点的人工樟子松外部轮廓 | 第121-122页 |
6.4 讨论 | 第122-124页 |
6.5 本章小结 | 第124-125页 |
7 不同树木等级及方向对单木树冠外部轮廓的影响 | 第125-135页 |
7.1 数据与方法 | 第125-129页 |
7.1.1 数据来源 | 第125-126页 |
7.1.2 模型构建与最优模型的选取 | 第126-129页 |
7.2 四个方向树冠外部轮廓模型的构建 | 第129-131页 |
7.3 四个方向树冠轮廓预估的差异比较 | 第131-133页 |
7.4 讨论 | 第133-134页 |
7.5 本章小结 | 第134-135页 |
8 东北针叶树树冠体积及表面积研究 | 第135-143页 |
8.1 数据与方法 | 第135-136页 |
8.1.1 数据来源 | 第135页 |
8.1.2 树冠体积估算方法 | 第135-136页 |
8.1.3 树冠表面积估算方法 | 第136页 |
8.1.4 树冠体积及树冠表面积预估模型的建立 | 第136页 |
8.2 树冠体积及表面积的计算 | 第136-139页 |
8.2.1 计算结果 | 第136-139页 |
8.3 主要针叶树树冠材积和表面积预估模型的建立 | 第139-142页 |
8.3.1 基础模型的选取 | 第139-140页 |
8.3.2 针叶树树冠体积及表面积通用模型的建立 | 第140-142页 |
8.4 讨论 | 第142页 |
8.5 本章小结 | 第142-143页 |
结论 | 第143-145页 |
参考文献 | 第145-157页 |
攻读学位期间发表的学术论文 | 第157-158页 |
致谢 | 第158-161页 |
附件 | 第161-162页 |