[发明专利]毛竹林分胸径分布的估算方法

摘要

本发明公开了一种毛竹林分胸径分布的估算方法，包括对L函数、K函数与P函数的建模，L函数为G函数Dg＝exp(ω+βa+γb+ηc)带入参数ω，β，γ，η的具体值而得，K函数为H函数Dg2＝exp(ε+θa+μb)带入参数ε，θ，μ的具体值而得，P函数为F函数c＝φbυ带入参数φ，υ的具体值而得；L函数、K函数与P函数联合在一起，在只知道林分平均胸径的条件下可以解出任何一个林分的Weibull概率密度函数3参数，进而可以建立待估年份毛竹林分胸径分布的通用模型。本发明具有可以估算任意毛竹林分胸径分布的优点。

主权项

1.毛竹林分胸径分布的估算方法，其特征在于，包括以下步骤：步骤一，收集待估年份的N个毛竹固定样地连续清查数据；步骤二，用3参数Weibull概率密度函数分别拟合步骤一中每个毛竹样地连续清查数据并用柯尔莫哥洛夫检验法对每个样地的Weibull概率密度函数进行拟合优度检验；步骤三，根据柯尔莫哥洛夫拟合优度检验结果，计算能用3参数Weibull概率密度函数描述毛竹样地胸径分布的样地数占总毛竹样地数的比例，得毛竹林分服从Weibull分布；步骤四，从N个毛竹样地中取M个样地为建模样本，其余的N‑M个样地为检验样本；步骤五，设样地平均胸径Dg与样地平均胸径的平方Dg2都服从gamma分布，联接函数均为对数函数，以待估年份毛竹样地Weibull概率密度函数的位置参数a、尺度参数b与形状参数c为解释变量，毛竹样地的平均胸径Dg与Dg2为因变量，用广义线性模型建立样地平均胸径与位置参数a、尺度参数b、形状参数c的函数关系式Dg＝exp(ω+βa+γb+ηc)，即为G函数，其中ω，β，γ，η为G函数参数，用广义线性模型建立样地平均胸径的平方Dg2与位置参数a、尺度参数b的关系式Dg2＝exp(ε+θa+μb)，即为H函数，其中ε，θ，μ为H函数参数；步骤六，用matlab软件的glmfit函数分别拟合G函数的参数ω，β，γ，η与H函数的参数ε，θ，μ，拟合函数的数据采用建模样地连续清查数据；步骤七，用matlab软件的glmfit函数分别计算G函数与H函数的拟合误差W₁与W₂，计算拟合误差的数据采用建模样地连续清查数据，再查χ²分布表得与的值，其中M为建模样本数，r₁与r₂分别为G函数与H函数的参数个数；步骤八，对M个建模样本与建模样本的Weibull概率密度函数参数a，b，c，用非线性最小二乘拟合G函数，得建模精度，用表示，把步骤六中得到的参数ω，β，γ，η带入G函数得L函数，把N‑M个检验样本的Weibull概率密度函数参数a，b，c带入L函数，得检验样本平均胸径的估计值，根据检验样本平均胸径估计值与实测值，得检验精度，用表示；步骤九，对M个建模样本与建模样本的Weibull概率密度函数参数a，b，用非线性最小二乘拟合H函数，得建模精度，用表示，把步骤六中得到的参数ε，θ，μ带入H函数得K函数，把N‑M个检验样本的Weibull概率密度函数参数a，b带入K函数，得检验样本平均胸径平方的估计值，根据检验样本平均胸径平方的估计值与实测值，得检验精度，用表示；步骤十，建立N个毛竹样地的Weibull概率密度函数尺度参数b与形状参数c的关系式c＝φbυ，即F函数，其中φ，υ为F函数参数，经非线性最小二乘法拟合得参数φ，υ与R2的值；步骤十一，把步骤十中得到的参数φ，υ带入F函数得P函数；步骤十二，建立待估年份毛竹样地胸径分布的通用模型，即由L函数，K函数，P函数与3参数Weibull概率密度函数组成的方程组。