ПОСТРОЕНИЕ БОНИТЕТНОЙ ШКАЛЫ С ИСПОЛЬЗОВАНИЕМ ОБОБЩЕННОГО АЛГЕБРАИЧЕСКОГО РАЗНОСТНОГО ПОДХОДА

Обложка

Цитировать

Полный текст

Аннотация

Основой прогноза роста древостоев являются бонитетные шкалы. Расширение знаний о процессах функционирования лесных экосистем, характере изменений морфолого-таксационных показателей деревьев и древостоев, их взаимосвязей и взаимообусловленностей и создание более пригодного для описания биологических процессов математического аппарата и соответствующего программного обеспечения формируют предпосылки для постановки и решения проблемы прогноза роста древостоев на более высоком методическом уровне. Цель работы - дать оценку прогностической способности уравнений роста, полученных с использованием обобщенного алгебраического разностного подхода (GADA), для описания хода роста древостоев по средней высоте и построения бонитетной шкалы. Данными для исследования послужили общие таблицы хода роста полных (нормальных) сосновых древостоев Северной Евразии. В общей сложности анализируются 25 уравнений, полученных с помощью подхода GADA. Сравнительный анализ показал, что наилучшее качество выравнивания данных обеспечивает уравнение, основанное на функции Митчерлиха (известной также как Дракина - Вуевского, Чапмана - Ричардса) с заменой параметров, отвечающих за предельные значения высоты и форму кривой. Данная модель полиморфна, имеет форму сигмовидной кривой и переменные асимптоты, т. е. учитывает большинство предъявляемых свойств к моделям хода роста по высоте. Ошибки модели зависят от временного интервала прогнозирования и уровня производительности древостоя. С увеличением срока прогнозирования происходит увеличение ошибки. Для всех интервалов дальности прогноза получено значение средней абсолютной ошибки, не превышающее 2.01 %. Наибольшей средней абсолютной ошибкой прогноза (1.1-2.2 %) характеризуются крайние классы бонитета (Ib, V, Va и Vb). Рассмотренная в исследовании методика может быть применена для разработки моделей хода роста таксационных показателей других лесообразующих пород России.

Об авторах

Александр Вячеславович Лебедев

Российский государственный аграрный университет - МСХА им. К. А. Тимирязева

Email: avl1993@mail.ru
Москва, Россия

Валерий Васильевич Кузьмичев

Российский государственный аграрный университет - МСХА им. К. А. Тимирязева

Автор, ответственный за переписку.
Email: avl1993@mail.ru
Москва, Россия

Список литературы

  1. Выводцев Н. В. Общие закономерности роста лиственничников Дальнего Востока: автореф. дис. … канд. с.-х. наук. Красноярск: СибТИ, 1984. 21 с.
  2. Дубенок Н. Н., Кузьмичев В. В., Лебедев А. В. Результаты экспериментальных работ за 150 лет в лесной опытной даче Тимирязевской сельскохозяйственной академии. М.: Наука, 2020. 382 с.
  3. Кузьмичев В. В. Закономерности роста древостоев. Новосибирск: Наука. Сиб. отд-ние, 1977. 160 с.
  4. Кузьмичев В. В. Закономерности динамики древостоев: принципы и модели. Новосибирск: Наука, 2013. 207 с.
  5. Лебедев А. В. Динамика продуктивности и средообразующих свойств древостоев в условиях городской среды (на примере лесной опытной дачи Тимирязевской академии): автореф. дис. … канд. с.-х. наук: 06.03.02. СПб: СПбГЛТУ, 2019. 20 с.
  6. Хлюстов В. К. Комплексная оценка и управление древесными ресурсами: модели-нормативы-технологии. М.: РГАУ-МСХА им. К. А. Тимирязева, 2015. Кн. 1. 389 с.
  7. Хлюстов В. К., Лебедев А. В. Товарно-денежный потенциал древостоев и оптимизация лесопользования. Иркутск: Мегапринт, 2017. 328 с.
  8. Швиденко А. З., Щепащенко Д. Г., Нильсон С., Булуй Ю. И. Таблицы и модели хода роста и продуктивности насаждений основных лесообразующих пород Северной Евразии (нормативно-справочные материалы). Изд. 2-е, доп. М.: Междунар. ин-т приклад. систем. анализа, 2008. 886 с.
  9. Allen II M. G., Antón-Fernández C., Astrup R. A stand-level growth and yield model for thinned and unthinned managed Norway spruce forests in Norway // Scand. J. For. Res. 2020. V. 35. Iss. 5–6. P. 238–251.
  10. Amaro A., Reed D., Tomé M., Themido I. Modeling dominant height growth: Eucalyptus plantations in Portugal // For. Sci. 1998. V. 44. Iss. 1. P. 37–46.
  11. Bailey R. L., Clutter J. L. Base-age invariant polymorphic site curves // For. Sci. 1974. V. 20. Iss. 2. P. 155–159.
  12. Castedo-Dorado F., Diéguez-Aranda U., Barrio-Anta M., Álvarez-González J. G. Modelling stand basal area growth for radiata pine plantations in Northwestern Spain using the GADA // Ann. For. Sci. 2007. V. 64. P. 609–619.
  13. Cieszewski C. J. Comparing fixed- and variable-base-age site equations having single versus multiple asymptotes // For. Sci. 2002. V. 48. Iss. 1. P. 7–23.
  14. Cieszewski C. J. Developing a well-behaved dynamic site equation using a modified Hossfeld IV function Y3 = (axm)/(c + xm–1), a simplified mixed model and scant subalpine fir data // For. Sci. 2003. V. 49. Iss. 4. P. 539–554.
  15. Cieszewski C. J., Bailey R. L. Generalized algebraic difference approach: theory based derivation of dynamic site equations with polymorphism and variable asymptotes // For. Sci. 2000. V. 46. Iss. 1. P. 116–126.
  16. Cieszewski C. J., Bella I. E. Polymorphic height growth and site index curves for lodgepole pine in Alberta // Can. J. For. Res. 1989. V. 19. N. 9. P. 1151–1160.
  17. Cieszewski C. J., Strub M., Zasada M. New dynamic site equation that fits best the Schwappach data for Scots pine (Pinus sylvestris L.) in Central Europe // For. Ecol. Manag. 2007. V. 243. Iss. 1. P. 83–93.
  18. Elfving B., Kiviste A. Construction of site index equations for Pinus sylvestris L. using permanent plot data in Sweden // For. Ecol. Manag. 1997. V. 98. Iss. 2–3. P. 125–134.
  19. Ercanli Í., Kahriman A., Yavuz H. Dynamic base-age invariant site index models based on generalized algebraic difference approach for mixed Scots pine (Pinus sylvestris L.) and Oriental beech (Fagus orientalis Lipsky) stands // Turk. J. Agr. For. 2014. V. 38. P. 134–147.
  20. Hevia A., Vilčko F., Álvarez-González J. G. Dynamic stand growth model for Norway spruce forests based on long-term experiments in Germany // Recursos Rurais. 2013. N. 9. P. 45–54.
  21. Hossfeld J. W. Mathematik für Forstmänner, Ökonomen und Cameralisten. Gotha, 1822. 310 p.
  22. Jarosz K., Klapec B. Modelowanie wzrostu drzewostanow z wykorzystaniem funkcji Gompertza // Sylwan. 2002. N. 4. P. 35–42.
  23. Korsuň F. Život normálního porostu ve vzorcích // Lesnická práce. 1935. V. 14. P. 289–300.
  24. Lundqvist B. On the height growth in cultivated stands of pine and spruce in Northern Sweden // Medd. Fran. Statens Skogforsk. 1957. V. 47. P. 1–64.
  25. Neter J., Kutner M. H., Nachtsheim C. J., Wasserman W. Applied linear statistical models. Chicago, IL: Irwin, 1996. 1408 p.
  26. Nunes L., Patrício M., Tomé J., Tomé M. Modeling dominant height growth of maritime pine in Portugal using GADA methodology with parameters depending on soil and climate variables // Ann. For. Sci. 2011. V. 68. P. 311–323.
  27. Richards F. J. A flexible growth function for empirical use // J. Exp. Bot. 1959. V. 10. N. 29. P. 290–301.
  28. Ryan T. P. Modern regression methods. New York: John Wiley & Sons, 1997. 529 p.
  29. Schumacher F. X. A new growth curve and its application to timber yield studies // J. For. 1939. V. 37. N. 3. P. 819–820.
  30. Seki M., Sakici O. E. Dominant height growth and dynamic site index models for Crimean pine in the Kastamonu-Taşköprü region of Turkey // Can. J. For. Res. 2017. V. 47. Iss. 11. P. 1441–1449.
  31. Stankova T. V. A dynamic whole-stand growth model, derived from allometric relationships // Silva Fenn. 2016. V. 50. N. 1. Article id 1406. 21 p.
  32. Tomé M. Modelação do crescimento da árvore individual em povoamentos de Eucalyptus globulus Labill. (1ª rotação). PhD Thesis. Região Centro de Portugal. Univ. Técnica de Lisboa, 1989. 230 p.
  33. Nunes L., Patrício M., Tomé N. P., Tomé M. Modeling dominant height growth of maritime pine in Portugal using GADA methodology with parameters depending on soil and climate variables // Ann. For. Sci. 2011. V. 68. Iss. 2. P. 311–323.
  34. Vargas-Larreta B., Aguirre-Calderón O. A., Corral-Rivas J. J., Crecente-Campo F., Diéguez-Aranda U. A dominant height growth and site index model for Pinus pseudostrobus Lindl. in northeastern Mexico // Agrociencia. 2013. V. 47. P. 1–10.
  35. Yang R. C., Kozak A., Smith J. H. The potential of Weibull-type functions as flexible growth curves // Can. J. For. Res. 1978. V. 8. N. 4. P. 424–431.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».