杜 志，甘世书

(国家林业局中南林业调查规划设计院，长沙 410014)

胸径和树高是森林调查的重要测量因子，是森林资源经营管理研究和林木生长收获分析的必需因子。相对于胸径测量的方便准确，树高测量费时费力。在森林调查中，常根据部分林木树高、胸径测量数据来构建不同树种的树高曲线[1-2]，通过胸径和树高曲线来预测其它林木树高。传统树高曲线模型(以胸径为自变量)忽视了立地因子和林分因子对林木生长的影响，应用范围有限。对此，以胸径和林分因子为自变量的标准树高曲线模型得到了更广泛运用[3-5]。近年来，基于误差逆传播算法训练的BP神经网络逐渐应用于林分生长模型的研究，表现出非线性拟合能力强的特点[6-7]。本文以杉木(Cunninghamialanceolata)和马尾松(Pinusmassoniana)为例，构建基于BP神经网络的树高曲线模型，并比对传统树高曲线模型的拟合结果，为树高曲线模型研建提供可靠的参考依据。

1 数据来源

研究数据来源于2014年湖南省森林资源清查固定样地，在乔木林中根据平均胸径大小，在主林层优势树种中选择3～5株平均样木测定其树高；选择杉木和马尾松样木分别为714株和634株，随机选取约60%的样木数据用于建模，其余40%的样木用于模型验证。

表1 模拟和验证数据概况树种数据来源株数胸径/cm树高/m最小值最大值平均值标准差最小值最大值平均值标准差杉木建模数据4165 226 511 94 23 217 89 03 1验证数据2985 227 912 74 83 120 29 63 5马尾松建模数据3885 435 915 45 83 019 510 63 8验证数据2465 328 514 65 53 020 010 13 7

2 研究方法

2.1 传统模型

普通树高曲线模型以胸径为自变量，模拟树高生长，常用的经典方程有Weibull方程、幂函数方程、Logistic方程等[2]，见表2中M1～M5。……