在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方...在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。展开更多
文摘在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。
