《表6 枝下高备选模型的拟合优度及检验结果Tab.6 Results of goodness of fitting and validations of height to crown base ca

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于联立方程组的人工樟子松枝下高模型构建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在使用最优子集回归法筛选模型变量时，各模型的拟合效果差异不大，Ra2大多在0.85~0.91之间，RMSE大多在1.35~1.69 m之间，但和枝下高基础模型相比，添加林分因子后的枝下高模型的拟合效果明显提升。考虑到模型在包含所有影响因素的情况下，模型中的变量越少越便于应用。DBH是预测模型中反映林木大小的最常用变量；代表竞争因子的变量G、BAL、HDR在拟合模型时，模型的预测精度差异不大，3个变量均用到枝下高备选模型的拟合中；而代表立地条件的D0和H0相比较，用到D0的模型预测精度普遍比用到H0的模型预测精度低，因此选择H0拟合枝下高模型。最终建立的枝下高备选模型见表6。