本發(fā)明屬于林業(yè)科學(xué)研究中的森林經(jīng)營(yíng)和結(jié)構(gòu)優(yōu)化，涉及一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法。

背景技術(shù)：

1、林分結(jié)構(gòu)涵蓋森林分布格局、混交程度和大小分化等，可用于林分結(jié)構(gòu)評(píng)價(jià)及其發(fā)展演替預(yù)測(cè)，在森林規(guī)劃過(guò)程中考慮林分的空間結(jié)構(gòu)特征被認(rèn)為是森林可持續(xù)經(jīng)營(yíng)的關(guān)鍵?？紤]單木位置和相鄰木間相互作用的鄰體指數(shù)受到廣泛關(guān)注，包括大小比數(shù)、混交度、角尺度等。通過(guò)領(lǐng)域指標(biāo)來(lái)評(píng)價(jià)森林空間結(jié)構(gòu)，制定相應(yīng)的策略來(lái)改變樹(shù)種多樣性、優(yōu)化林木空間分布、降低競(jìng)爭(zhēng)程度，從而提高森林生態(tài)系統(tǒng)功能質(zhì)量，將不同維度的鄰體指標(biāo)用于制定森林規(guī)劃策略具有重要意義。

2、采伐作為森林規(guī)劃中一種的經(jīng)營(yíng)措施，不但能促進(jìn)林木生長(zhǎng)，改善林分結(jié)構(gòu)，還能維持生物多樣性，預(yù)防病蟲(chóng)害和火災(zāi)。在單木極別的森林采伐中，由于采伐受到多種因素的限制，哪些樹(shù)以何種策略被移除是關(guān)鍵。以往研究中集中在將樹(shù)干質(zhì)量、樹(shù)種多樣性、樹(shù)木之間的相鄰關(guān)系、經(jīng)濟(jì)標(biāo)準(zhǔn)等作為采伐木的選擇標(biāo)準(zhǔn)來(lái)構(gòu)建采伐模型，有一定局限性，忽略了采伐后的保留木屬性及其空間分布特征對(duì)森林生態(tài)系統(tǒng)功能的潛在影響。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)問(wèn)題，本發(fā)明以外業(yè)調(diào)查數(shù)據(jù)為基礎(chǔ)，結(jié)構(gòu)多目標(biāo)優(yōu)化算法和林分空間結(jié)構(gòu)的綜合決策指數(shù)，提供一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法。

2、一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，含有以下步驟：采用常規(guī)的外業(yè)測(cè)量方式記錄了所有被調(diào)查樹(shù)木的樹(shù)高、胸徑、冠幅、枝下高、樹(shù)齡、樹(shù)種、坡度、海拔及郁閉度信息，使用手持實(shí)時(shí)動(dòng)態(tài)測(cè)量?jī)x器，記錄樹(shù)木的經(jīng)緯度坐標(biāo)，綜合考慮對(duì)林木水平空間分布、競(jìng)爭(zhēng)和物種多樣性對(duì)林分空間結(jié)構(gòu)的影響，根據(jù)森林空間結(jié)構(gòu)的主要影響因子，結(jié)合采集的林木屬性數(shù)據(jù)，計(jì)算角尺度、大小比數(shù)、混交度三個(gè)林分結(jié)構(gòu)指標(biāo)，同時(shí)以三個(gè)目標(biāo)函數(shù)作為評(píng)價(jià)方法的約束條件，構(gòu)建林分空間結(jié)構(gòu)綜合評(píng)價(jià)指數(shù)，林分結(jié)構(gòu)涵蓋森林分布格局、混交程度和大小分化，用于林分結(jié)構(gòu)評(píng)價(jià)及其發(fā)展演替預(yù)測(cè)，通過(guò)結(jié)合粒子群算法，初始化粒子群位置，不斷迭代更新粒子群中粒子的位置，尋找最優(yōu)解集，每次迭代后，計(jì)算林分空間結(jié)構(gòu)綜合指標(biāo)，并判斷林分空間結(jié)構(gòu)是否達(dá)到設(shè)定的優(yōu)化目標(biāo)，結(jié)合采伐限額，最終判斷林分結(jié)構(gòu)是否達(dá)到最優(yōu)優(yōu)化效果。

3、本發(fā)明的優(yōu)點(diǎn)是：彌補(bǔ)傳統(tǒng)結(jié)構(gòu)優(yōu)化中優(yōu)化目標(biāo)單一、多個(gè)維度的優(yōu)化目標(biāo)之間往往相互沖突，呈現(xiàn)出非線性和非連續(xù)性的特點(diǎn)，實(shí)現(xiàn)林分質(zhì)量精準(zhǔn)提升，進(jìn)一步加快林分空間結(jié)構(gòu)優(yōu)化采伐模擬技術(shù)的應(yīng)用，為提高森林經(jīng)營(yíng)智能化水平提供一定的技術(shù)支撐。

4、本發(fā)明提出的多目標(biāo)林分空間結(jié)構(gòu)優(yōu)化方法簡(jiǎn)單、高效，且適用不同經(jīng)營(yíng)場(chǎng)景，充分考慮了森林結(jié)構(gòu)與多個(gè)經(jīng)營(yíng)目標(biāo)的關(guān)系，可實(shí)現(xiàn)了采伐前后林分水平空間結(jié)構(gòu)、競(jìng)爭(zhēng)、生物多樣性的綜合評(píng)價(jià)分析，其精度完全符合基層林業(yè)應(yīng)用需求。

5、本發(fā)明能夠精準(zhǔn)定位混交度小、角尺度大、大小比數(shù)大的林木分布情況，實(shí)現(xiàn)采伐樹(shù)木的精準(zhǔn)、高效定位采伐。具有較低混交度值的樹(shù)木更有可能被采伐，具有較高值的大小比數(shù)的樹(shù)木更有可能被采伐，具有較高或適中角尺度指數(shù)的樹(shù)木數(shù)量相對(duì)較少。表明本發(fā)明的方法對(duì)于具有較高大小比數(shù)或樹(shù)木空間模式為集聚分布的樹(shù)木，具有較高競(jìng)爭(zhēng)優(yōu)勢(shì)、混交程度較低和水平分布集聚性的個(gè)體樹(shù)木能夠進(jìn)行精準(zhǔn)捕捉，實(shí)現(xiàn)精準(zhǔn)采伐，我們提出的模型對(duì)于這些可能對(duì)林分結(jié)構(gòu)、樹(shù)種組成或樹(shù)木競(jìng)爭(zhēng)的強(qiáng)化產(chǎn)生負(fù)面影響的樹(shù)木能夠進(jìn)行精準(zhǔn)定位和采伐。

6、本發(fā)明的模型在優(yōu)化林分空間結(jié)構(gòu)效率和效果方面，相比于傳統(tǒng)線性優(yōu)化模型，具有尋找最優(yōu)解集快、冗余程度低、優(yōu)化效果好的優(yōu)勢(shì)。在五塊自然樣地的實(shí)驗(yàn)中，以每木檢尺數(shù)據(jù)為基礎(chǔ)，使用了多族群粒子群算法、粒子群算法和蒙特卡洛進(jìn)行了模擬采伐，多目標(biāo)粒子群算法模型優(yōu)于基本的粒子群模型和蒙特卡洛。針對(duì)均勻分布、隨機(jī)分布和聚集分布情形，多目標(biāo)粒子群模型下的指數(shù)相對(duì)增加平均值略高于粒子群模型，遠(yuǎn)高于蒙特卡羅模型。同時(shí)，多族群粒子群算法的平均迭代次數(shù)遠(yuǎn)遠(yuǎn)少于蒙特卡羅模的模擬次數(shù)，也略少于普通粒子群模型。當(dāng)多目標(biāo)粒子群模型集成多群體目標(biāo)策略時(shí)，迭代次數(shù)顯然優(yōu)于普通粒子群算法。本發(fā)明的方法在多維度林分空間結(jié)構(gòu)優(yōu)化中具有優(yōu)勢(shì)。

7、本發(fā)明的模型在能夠?qū)Σ煌?jìng)爭(zhēng)、混交、立地條件下的樣地采伐強(qiáng)度進(jìn)行精準(zhǔn)、高效的求解，實(shí)現(xiàn)最優(yōu)采伐強(qiáng)度下的林分結(jié)構(gòu)優(yōu)化。本發(fā)明的模型隨著間伐強(qiáng)度的增加,混交度、角尺度、大小比數(shù)三者呈現(xiàn)出類似的反向u形趨勢(shì)，相對(duì)增加比例的最大值通常出現(xiàn)在t2強(qiáng)度，表明在不同的間伐強(qiáng)度下，整體林分空間結(jié)構(gòu)受到不同程度的影響，確定移除15％的樹(shù)木是優(yōu)化林分結(jié)構(gòu)的最佳間伐強(qiáng)度。

8、本發(fā)明的模型對(duì)于混交度、大小比數(shù)、角尺度和林分綜合評(píng)價(jià)指數(shù)在不同程度上均得到了一定層度的優(yōu)化，林分空間結(jié)構(gòu)整體質(zhì)量有所提升。本發(fā)明提出模型對(duì)林分進(jìn)行優(yōu)化以后，競(jìng)爭(zhēng)程度降低、混交程度增加，分布更加趨近于隨機(jī)分布或均勻分布。提出的林分空間結(jié)構(gòu)多目標(biāo)優(yōu)化方法效果優(yōu)化效果較好。

9、基于粒子群算法的多目標(biāo)結(jié)構(gòu)方法簡(jiǎn)單、高效，且適用不同經(jīng)營(yíng)場(chǎng)景，充分考慮了森林結(jié)構(gòu)與多個(gè)經(jīng)營(yíng)目標(biāo)的關(guān)系，實(shí)現(xiàn)了采伐前后林分水平空間結(jié)構(gòu)、競(jìng)爭(zhēng)、生物多樣性的整體優(yōu)化。

技術(shù)特征：

1.一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，其特征在于，含有以下步驟：采用常規(guī)的外業(yè)測(cè)量方式記錄了所有被調(diào)查樹(shù)木的樹(shù)高、胸徑、冠幅、枝下高、樹(shù)齡、樹(shù)種、坡度、海拔及郁閉度信息，

2.根據(jù)權(quán)利要求1所述的一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，其特征在于，含有以下步驟：

3.根據(jù)權(quán)利要求1所述的一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，其特征在于，構(gòu)建林分空間結(jié)構(gòu)綜合評(píng)價(jià)指數(shù)，含有步驟如下：選取有代表性的人工混交林觀測(cè)樣地進(jìn)行樣地調(diào)查，調(diào)查因子包括單木位置坐標(biāo)、胸徑、樹(shù)高、冠幅，計(jì)算樣地內(nèi)林木的鄰接木，計(jì)算林分的林分結(jié)構(gòu)指標(biāo)，選取角尺度、混交度、大小比數(shù)構(gòu)建林分空間結(jié)構(gòu)綜合評(píng)價(jià)指數(shù)，

4.根據(jù)權(quán)利要求1所述的一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，其特征在于，含有林分空間結(jié)構(gòu)的多目標(biāo)優(yōu)化步驟如下：森林空間對(duì)應(yīng)算法的解，樹(shù)木坐標(biāo)對(duì)應(yīng)粒子的坐標(biāo)，優(yōu)化模型函數(shù)當(dāng)作適應(yīng)度函數(shù)，將森林結(jié)構(gòu)問(wèn)題轉(zhuǎn)為算法的一個(gè)優(yōu)化的過(guò)程，對(duì)于普通粒子群，隨機(jī)初始化n個(gè)粒子，然后通過(guò)k-means算法將這些粒子劃分為子群。選擇其中距離最短的作為中心的粒子，算法的最終輸出是需要在林分中調(diào)節(jié)或記錄的目標(biāo)樹(shù)。

5.根據(jù)權(quán)利要求4所述的一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，其特征在于，含有步驟如下：步驟2.1、導(dǎo)入所有樹(shù)木的空間位置信息和單株屬性數(shù)據(jù)，如胸徑、樹(shù)高和冠幅，

技術(shù)總結(jié)
一種考慮鄰域指數(shù)與粒子群算法的林分空間結(jié)構(gòu)優(yōu)化方法，屬于林業(yè)科學(xué)研究中的森林經(jīng)營(yíng)和結(jié)構(gòu)優(yōu)化技術(shù)領(lǐng)域。采用常規(guī)的外業(yè)測(cè)量方式記錄了所有被調(diào)查樹(shù)木的樹(shù)高、胸徑、冠幅、枝下高、樹(shù)齡、樹(shù)種、坡度、海拔及郁閉度信息，構(gòu)建林分空間結(jié)構(gòu)綜合評(píng)價(jià)指數(shù)，林分結(jié)構(gòu)涵蓋森林分布格局、混交程度和大小分化，用于林分結(jié)構(gòu)評(píng)價(jià)及其發(fā)展演替預(yù)測(cè)，通過(guò)結(jié)合粒子群算法，初始化粒子群位置，不斷迭代更新粒子群中粒子的位置，尋找最優(yōu)解集，每次迭代后，計(jì)算林分空間結(jié)構(gòu)綜合指標(biāo)，并判斷林分空間結(jié)構(gòu)是否達(dá)到設(shè)定的優(yōu)化目標(biāo)，結(jié)合采伐限額，最終判斷林分結(jié)構(gòu)是否達(dá)到最優(yōu)優(yōu)化效果。

技術(shù)研發(fā)人員：張懷清,邱漢清,雷可欣,陳艷,楊廷棟,劉洋
受保護(hù)的技術(shù)使用者：中國(guó)林業(yè)科學(xué)研究院資源信息研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14