精品文献
白松木密度
落叶松和樟子松木材基本密度的变异及早期选择
落叶松和樟子松木材基本密度的变异及早期选择
以黑龙江省七台河市林业局金沙林场落叶松和樟子松人工成熟林为研究对象,在树干基部、树干1.3m处以及树高的20%、40%、60%和80%处截取5cm厚的圆盘各1个。在每个圆盘南向通过髓心锯下一个楔形木块,将每个楔形木块沿径向切割成相等的8段,测量其宽度和年轮数,并用排水法测定各样品的基本密度。采用方差分析、多重比较、相关分析和回归分析等方法,研究了落叶松和樟子松木材基本密度的株内变异、株间变异、径向变异、沿树干方向的变异以及年轮组间的相关性。结果表明:落叶松和樟子松单株树木内木材基本密度存在变异,在树干不同高度处存在显著的株间变异和径向变异。落叶松树干基本密度在纵向呈现逐渐递减趋势,而樟子松呈现的密度变化趋势是先减小,约在树干高度的20%处之后又开始增加。年轮组间基本密度相关性分析表明:落叶松可在早期时淘汰生长较差的林木,约在5～10年时可基于木材基本密度对林木进行选择;而樟子松木材基本密度早期选择是可行的。
基于近红外技术的落叶松木材密度预测模型
基于近红外技术的落叶松木材密度预测模型
运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。