生物量建模过程中剔除扰动数据方法探讨

陈文灿 张伟东 申屠惠良 郑春茂（国家林业局华东林业调查规划设计院 浙江杭州 310019）

摘要：采集生物量建模数据过程中，因季节、天气变化、立地条件，以及外业调查人员对数据采集过程的把握，诸多因素均会对采集到的数据产生影响，导致部分数据异常。异常数据称为扰动数据，若参与建模，会引起建模结果的异常，应该剔除。从残差分析的角度，对如何从众多数据中过滤出扰动数据提出了解决方案。关键词：扰动数据；残差分析；三倍标准差中图分类号：TP391 文献标识码： B 文章编号：1004-7743（2012）01-0061-04

生物量建模过程中剔除扰动数据方法探讨

陈文灿 张伟东 申屠惠良 郑春茂
（国家林业局华东林业调查规划设计院 浙江杭州 310019）

摘要：采集生物量建模数据过程中，因季节、天气变化、立地条件，以及外业调查人员对数据采集过程的把握，诸多因素均会对采集到的数据产生影响，导致部分数据异常。异常数据称为扰动数据，若参与建模，会引起建模结果的异常，应该剔除。从残差分析的角度，对如何从众多数据中过滤出扰动数据提出了解决方案。
关键词：扰动数据；残差分析；三倍标准差
中图分类号：TP391 文献标识码： B 文章编号：1004-7743（2012）01-0061-04

1 数据准备

生物量建模数据的准备分为外业数据采集和内业数据处理两个阶段。外业数据采集阶段，按树根、树干、树枝、树叶四个部位，采集样木的鲜重数据，以及样木各部位样品的鲜重数据。内业数据处理阶段，主要是测定样木各部位样品干重与含水率，根据样木鲜重、样品鲜重与样品干重，计算样木整体干重，即生物量。

此处，样木指调查主体；样品指样木的一部分，用来测定生物量。生物量的具体计算过程如下：

其中M为样木总体生物量；iW为样木各部位鲜重；iw为样木各部位样品鲜重；iz为样木各部位样品干重。

经过外业调查和内业数据处理，获得某个树种的生物量总体建模数据，实际样木数量51株，各样本平均值、最大值、最小值的特征数据见表1。

2 扰动数据分析

选择生物量模型形式：M =a(D2H)bV，其中a、b为模型参常数；D 为样木胸径；H为样木树高；V为样木材积。

表1 生物量建模样木特征数据

2.1 建立回归方程

使用普通最小二乘法（OLS），对生物量建模样木数据进行多元非线性回归计算，获得模型的参数a、b，由此建立回归方程，根据此回归方程，计算模型估计值。

2.2 残差分析

生物量建模数据中，样木实测生物量称为观察值，根据回归模型计算的生物量称为估计值，观察值和估计值之差，称为残差。为了消除负数对分析过程的影响，将残差的平方作为统计量。

残差平方的方差：

其中：n为样木总数。

2.3 扰动数据剔除依据

根据《国家森林资源连续清查技术规定》，正常样木的估计区间为。在生物量建模过程中，可以引用此标准，其中为残差平方的平均数，若残差的平方超过样本估计区间范围的样木，即为扰动数据，不能参与回归方程的计算。

3 实际数据分析

以上述生物量调查数据为例，使用普通最小二乘法（OLS）对生物量样木数据进行多元非线性回归计算，结果见表2。

表2 生物量建模结果

按此分析方法，确定的异常样木虽然只有1株，剔除这株样木以后，可以看出，模型参数趋向稳定，确定系数从0.9586到0.9697，有明显的提高；复相关系数从98.50到98.86，也有所改善；因样木建模数据本身的复相关系数较高，所以预估精度没有变化。由附表二可以看出，按此方法，对建模数据进行分析，剔除扰动数据后，明显提高了模型的质量。

[1] 国家林业局.国家森林资源连续清查技术规定. 2004.

[2] 张会儒，唐守正，胥辉. 关于生物量模型中异方差问题. 林业资源管理，1999，01.

2012-01-21