赵阳
- 作品数：4 被引量：14H指数：2
- 供职机构：东北林业大学林学院更多>>
- 相关领域：农业科学轻工技术与工程更多>>
- 三种针叶树种节子属性通用方程的构建被引量：2
- 2023年
- 以2020年在黑龙江省林口林业局与孟家岗林场选取的3种典型针叶树种红松、长白落叶松、樟子松为研究对象,对节子直径、疏松节长度、健全节长度3种属性构建基础模型、哑变量模型和混合模型,分析不同树种节子属性的差异,简化模型的建模工作。首先通过剖析法收集相关节子属性数据,结合相关文献,转换模型形式以及替换相关变量,构建基础模型;将树种作为定性因子,转化为哑变量,引入基础模型中,构建相关属性的哑变量模型;在构建混合模型时,引入样木与样地水平的随机效应,通过比较赤池信息准则(AIC)、贝叶斯信息准则(BIC)等评价指标,选出拟合效果最佳的混合模型。之后对基础模型、哑变量模型、混合模型的拟合精度进行对比,选出最优的通用方程。结果表明:3种模型中,哑变量模型与混合模型的拟合精度均大于基础模型。AIC、BIC等评价指标显示,混合模型对节子属性的拟合效果优于哑变量模型。模型对比结果中,健全节长度、疏松节长度、节子直径混合模型的R~2相较于基础模型分别提升了13.2%、84.8%、40.3%。不同树种3种节子属性基础模型的预测精度均大于90%,哑变量模型与混合模型的预测精度均在94%以上,说明构建的模型能够对节子相关属性进行较好的预测。3个树种健全节长度、节子直径、疏松节长度大小均为樟子松>红松>长白落叶松。哑变量模型与混合模型的拟合结果较基础模型更佳,精度更高。
- 李泽霖贾炜玮郭昊天敖子琦赵阳
- 关键词：针叶树混合模型
- 树莓中鞣花酸提取工艺的优化被引量：12
- 2017年
- 以红树莓为原料,无水乙醇作为提取溶剂,采用超声波辅助提取红树莓中的鞣花酸,分析料液比、提取时间和提取温度对鞣花酸得率的影响,在单因素试验的基础上,利用响应面试验优化红树莓中鞣花酸提取工艺。结果表明,鞣花酸的最佳提取工艺条件为料液比1∶14.04(g/mL)、提取时间19.72min、提取温度80.02℃,此条件下鞣花酸得率为670.28μg/g,验证实验得率为675.134μg/g,相对误差0.72%,模型可靠。
- 王佳慧于欣悦廖声玲陈思珂赵阳符群
- 关键词：红树莓鞣花酸响应面法单因素试验
- 基于疤痕大小建立节子体积预测模型
- 2024年
- 【目的】以黑龙江省林口林业局、东京城林业局林场29块标准地中49株人工红松共计1207个节子数据为研究对象,并以其相关的数据为基础,构建节子体积预测模型,通过人工红松树干内部节子体积的分布规律分析,实现无破坏性地评价木材质量,为科学合理地利用木材提供参考。【方法】首先通过剖析法收集相关数据,查阅相关文献,建立基础模型;在构建混合模型时,引入样木与样地水平的随机效应,通过比较赤池信息准则AIC、贝叶斯信息准则BIC等评价指标,选出拟合效果最佳的混合模型;构建双水平嵌套混合模型时,将样木水平嵌套于样地水平中,根据拟合评价指标,得出最优的双水平嵌套混合模型。【结果】3种模型中,单水平混合模型与双水平嵌套混合模型的拟合精度均大于基础模型,AIC、BIC等评价指标显示,双水平嵌套混合模型在对节子属性的拟合效果更优于单水平混合效应模型。检验结果显示,基础模型的预测精度大于90%,两种混合模型的预测精度均在98%以上,说明构建的模型能够对节子体积进行较好地预测。【结论】基于双水平嵌套混合模型,不仅能实现无破坏性地预估节子体积,还能更加准确地体现人工红松树干内部节子体积的分布规律。实现无破坏性地评价木材质量,为科学合理地利用木材提供参考,进而提高经济收益。
- 李泽霖贾炜玮纪鑫妍郭昊天赵阳
- 关键词：红松人工林混合模型
- 大兴安岭地区不同林分类型的广义加性生物量模型构建
- 2025年
- 【目的】森林是最重要的自然资源之一,了解各因子对森林生物量的影响对优化森林空间结构和经营管理具有重要意义。对不同林分类型构建生物量模型,有助于为恢复和保护森林生态系统提供科学依据。【方法】以黑龙江省大兴安岭地区的7种典型林分类型为研究对象,利用2015年1 157块监测样地数据,结合Sentinel-2卫星影像和数字高程模型(DEM)数据,计算植被指数、纹理特征、坡度等变量。将遥感数据与实地调查数据、气候数据相结合,建立广义最小二乘生物量模型(GLS)和广义加性生物量模型(GAM)。采用十折交叉验证法,通过计算均方根误差(RMSE)、均方误差(MSE)和平均绝对误差(MAE)等评价指标对模型进行检验,并使用2020年复测的328块样地数据对模型进行辅助验证。【结果】在7种典型林分类型下,GAM的拟合效果优于GLS。其中,广义加性生物量模型的MAE较最小二乘生物量模型降低了1.99%~27.48%,RMSE降低了4.29%~20.87%,MSE降低了6.72%~35.43%。二次检验结果表明,每种林分类型的GAM预测精度均在80%以上。【结论】广义加性生物量模型是一种建立生物量模型的非参数方法,适用于大兴安岭地区不同林分类型下的生物量预测。
- 赵阳赵阳贾炜玮李凤日郭昊天王帆赵子鹏
- 关键词：生物量林分类型植被指数
