基于BP神經(jīng)網(wǎng)絡(luò)連栽桉樹(shù)人工林生長(zhǎng)量預(yù)測(cè)1)

龍 滔 覃連歡 葉紹明

(廣西大學(xué)，南寧，530004)

林分生長(zhǎng)量是衡量林分生產(chǎn)力的依據(jù)，是森林資源經(jīng)營(yíng)管理必須的基礎(chǔ)數(shù)據(jù)，而平均胸徑和樹(shù)高是林分的最基本結(jié)構(gòu)要素，它們既是林分的數(shù)量指標(biāo)又是林分的質(zhì)量指標(biāo)［1］，是林業(yè)科研中研究的基礎(chǔ)內(nèi)容。林業(yè)上材積一般也是通過(guò)測(cè)定樹(shù)木的胸徑和樹(shù)高來(lái)推算的［2］，因此研究林分的胸徑和樹(shù)高生長(zhǎng)規(guī)律意義重大。桉樹(shù)是桃金娘科植物的統(tǒng)稱，是世界的四大速生樹(shù)種之一，其速生豐產(chǎn)特性使得其被聯(lián)合國(guó)糧農(nóng)組織確定為速生豐產(chǎn)用材林造林樹(shù)種［3］，在熱帶和亞熱帶地區(qū)得到迅速的發(fā)展［4］，桉樹(shù)已成為廣西地區(qū)最重要的工業(yè)用材造林樹(shù)種之一。研究林分的生長(zhǎng)規(guī)律是桉樹(shù)人工林經(jīng)營(yíng)林分密度控制和地力維護(hù)的理論基礎(chǔ)，而林分的胸徑、樹(shù)高是其生長(zhǎng)規(guī)律研究的重要研究對(duì)象。目前，桉樹(shù)人工林生長(zhǎng)規(guī)律的研究多集中于根據(jù)研究目的建立對(duì)應(yīng)的回歸方程，以此探究胸徑、樹(shù)高、蓄積、林分密度等之間的關(guān)系，而基于模型技術(shù)的桉樹(shù)人工林生長(zhǎng)因子的生長(zhǎng)預(yù)測(cè)卻少有研究。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中的一種，它由Runelhart等在1986提出，隨后在各行各業(yè)得到廣泛的應(yīng)用。近年來(lái)林業(yè)領(lǐng)域亦開(kāi)始逐步應(yīng)用BP神經(jīng)網(wǎng)絡(luò)研究林業(yè)問(wèn)題，BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)使得其在不了解復(fù)雜林分結(jié)構(gòu)內(nèi)部規(guī)律的情況下，可以構(gòu)建復(fù)雜的非線性研究模型。目前BP神經(jīng)網(wǎng)絡(luò)在國(guó)內(nèi)林業(yè)領(lǐng)域多用于林分生長(zhǎng)模型［5－8］的構(gòu)建，然而有關(guān)速生桉樹(shù)的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的研究鮮有報(bào)道。本研究以3個(gè)連栽代次的尾巨桉(Eucalyptus urophylla×E.grandis)人工林林分為研究對(duì)象，對(duì)其林分平均胸徑與林齡、林分密度的BP人工神經(jīng)網(wǎng)絡(luò)模型和平均樹(shù)高與林齡、林分密度的BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了研究，探討利用BP人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)對(duì)連栽桉樹(shù)人工林林分的胸徑總生長(zhǎng)量和樹(shù)高總生長(zhǎng)量的預(yù)測(cè)，為桉樹(shù)人工林經(jīng)營(yíng)管理提供基礎(chǔ)數(shù)據(jù)和決策參考。

1 研究地概況

研究地點(diǎn)位于廣西國(guó)有東門(mén)林場(chǎng)，地處北緯22°17'～22°30'，東經(jīng) 107°14'～108°00'。試驗(yàn)區(qū)以低丘為主，海拔為100～300 m，坡度為5°～10°，屬于北熱帶氣候帶，光熱充足，年日照時(shí)數(shù)為1634～1719 h，年均氣溫為21.75℃，年降雨量1200 mm，年蒸發(fā)量1192～1704 mm，相對(duì)濕度為74% ～83%。土壤為赤紅壤，土層厚度＞100 cm，質(zhì)地為壤土或輕黏土，pH 值4.5～6.0，土壤肥力較低。

2 研究方法

2.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)區(qū)由在同一坡面彼此相連的第1代、第2代、第3代種植桉樹(shù)的林地構(gòu)成。除了種植桉樹(shù)的代次及連栽效應(yīng)存在差異外，其他試驗(yàn)條件基本相同。1998年對(duì)試驗(yàn)區(qū)進(jìn)行隨機(jī)區(qū)組設(shè)計(jì)，區(qū)組面積為40 m×40 m，不同代次林地重復(fù)3次。不同代次林地均采用尾巨桉無(wú)性系組培苗定植。在各代林地的不同區(qū)組中設(shè)置30 m×20 m的固定樣地，1998年4月造林后，分別于每年的12月份采用標(biāo)準(zhǔn)地調(diào)查方法進(jìn)行林分生長(zhǎng)調(diào)查，調(diào)查3個(gè)代次林分的保留密度、平均胸徑和平均樹(shù)高，作為建立桉樹(shù)人工林林分平均胸徑—林齡、林分密度和平均樹(shù)高—林齡、林分密度2類(lèi)BP人工神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)。

2.2 數(shù)據(jù)歸一化處理

在進(jìn)行網(wǎng)絡(luò)訓(xùn)練之前，為了加快網(wǎng)絡(luò)的收斂速度及提高訓(xùn)練和預(yù)測(cè)的精度，有必要對(duì)輸入層的林分密度(N)進(jìn)行歸一化處理。本研究選擇歸一化處理到［－1，1］，歸一化處理標(biāo)準(zhǔn)如下:=(2(xixmid)/(xmin－xmax)。式中:xmid表示數(shù)據(jù)的中間值，xmin和xmax分別表示數(shù)據(jù)的最大值和最小值，xi和分別表示歸一化處理前后的數(shù)據(jù)。

2.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

采用人工神經(jīng)網(wǎng)絡(luò)中的BP算法，結(jié)合MATLAB2010b科學(xué)計(jì)算軟件來(lái)構(gòu)建連栽桉樹(shù)人工林的生長(zhǎng)量預(yù)測(cè)模型。以3個(gè)代次的連栽桉樹(shù)人工林的林分年齡(A)和林分密度(N)作為網(wǎng)絡(luò)的輸入，用其胸徑總生長(zhǎng)量(D)和樹(shù)高總生長(zhǎng)量(H)分別作為網(wǎng)絡(luò)的輸出，即:D=f(A，N);H=f(A，N)。桉樹(shù)的主伐年齡一般為7 a，因此用桉樹(shù)人工林第1～5年的數(shù)據(jù)作為訓(xùn)練樣本，用第6、第7年的數(shù)據(jù)作為測(cè)試樣本，用于預(yù)測(cè)桉樹(shù)人工林林分隨年齡增長(zhǎng)的胸徑和樹(shù)高的生長(zhǎng)量變化情況。由于試驗(yàn)設(shè)計(jì)了3個(gè)連栽代次，因此共建立2×3個(gè)BP神經(jīng)網(wǎng)絡(luò)。經(jīng)過(guò)大量的訓(xùn)練和參考國(guó)內(nèi)外文獻(xiàn)，所有模型的隱層節(jié)點(diǎn)數(shù)均選3個(gè)，神經(jīng)元數(shù)目均設(shè)置為2個(gè)，學(xué)習(xí)速率設(shè)置為0.05，最大迭代次數(shù)設(shè)置為1000，目標(biāo)精度為0.1，隱層神經(jīng)元的傳遞函數(shù)選用tansig函數(shù)，輸出層傳遞函數(shù)選用purelin函數(shù)。學(xué)習(xí)函數(shù)選learngdm，訓(xùn)練算法選用Levenberg—Marquardt法，性能函數(shù)用mse。在MATLAB2010b中，上述模型結(jié)構(gòu)見(jiàn)圖1。

圖1 桉樹(shù)人工林林分生長(zhǎng)量的BP神經(jīng)網(wǎng)絡(luò)模型

在MATLAB2010b中，訓(xùn)練大致過(guò)程可用下列代碼實(shí)現(xiàn):

3 結(jié)果與分析

3.1 模型訓(xùn)練

模型分別用3代連栽桉樹(shù)人工林林分的前5 a胸徑、樹(shù)高調(diào)查數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練對(duì)象，然后再分別用3代連栽桉樹(shù)人工林林分的第6年和第7年的胸徑、樹(shù)高調(diào)查數(shù)據(jù)作為網(wǎng)絡(luò)的測(cè)試對(duì)象，進(jìn)行模型推廣能力檢驗(yàn)。在樣本數(shù)據(jù)較少的情況下，為了增強(qiáng)模型的推廣能力，抽取一組重復(fù)試驗(yàn)值加入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練平臺(tái)選擇MATLAB2010b科學(xué)計(jì)算軟件，使用編程實(shí)現(xiàn)方式實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建。BP人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果見(jiàn)表1。

表1 3代連栽桉樹(shù)人工林林分胸徑、樹(shù)高BP網(wǎng)絡(luò)模型訓(xùn)練結(jié)果

表1 (續(xù))

模擬結(jié)果表明，6個(gè)模型平均胸徑的平均預(yù)測(cè)精度分別為99.09%、98.35%和 96.37%，平均樹(shù)高的網(wǎng)絡(luò)模型平均精度分別為96.22%、96.48%和96.6%。模擬結(jié)果合符速生桉樹(shù)人工林的生長(zhǎng)規(guī)律，即胸徑和樹(shù)高開(kāi)始迅速生長(zhǎng)，隨著林齡增大，生長(zhǎng)達(dá)到一定程度后進(jìn)入緩慢生長(zhǎng)期，直至林分達(dá)到數(shù)量成熟。6個(gè)訓(xùn)練后的網(wǎng)絡(luò)權(quán)值和閾值見(jiàn)表2。

3.2 回歸分析

為了充分證明已構(gòu)建的BP網(wǎng)絡(luò)模型的合理性和泛化能力，在MATLAB中對(duì)3代桉樹(shù)人工林的3個(gè)胸徑BP網(wǎng)絡(luò)模型(模型1、3、5)和3個(gè)樹(shù)高 BP網(wǎng)絡(luò)模型(模型2、4、6)進(jìn)行回歸分析，用目標(biāo)值和輸出值建立回歸方程。結(jié)果表明，6個(gè)BP神經(jīng)網(wǎng)絡(luò)的回歸方程斜率均接近1，說(shuō)明網(wǎng)絡(luò)的預(yù)測(cè)值和實(shí)際值高度擬合，因此可以確定這6個(gè)網(wǎng)絡(luò)是較為理想的。回歸分析結(jié)果見(jiàn)圖2。

表2 3代連栽桉樹(shù)人工林林分胸徑、樹(shù)高BP網(wǎng)絡(luò)模型網(wǎng)絡(luò)權(quán)值、閾值表

圖2 3代連栽桉樹(shù)人工林林分胸徑、樹(shù)高BP網(wǎng)絡(luò)模型線性回歸圖

4 結(jié)束語(yǔ)

在相同立地條件和經(jīng)營(yíng)措施前提下，采用林分林齡和林分密度2個(gè)指標(biāo)作為網(wǎng)絡(luò)的輸入，林分平均胸徑和樹(shù)高分別作為網(wǎng)絡(luò)的輸出，即2∶2∶1的網(wǎng)絡(luò)結(jié)構(gòu)分別建立了3代連栽桉樹(shù)人工林林分的平均胸徑和樹(shù)高的生長(zhǎng)量預(yù)測(cè)模型，林分平均胸徑的網(wǎng)絡(luò)模型平均預(yù)測(cè)精度分別為99.09%、98.35%和96.37%，平均樹(shù)高的網(wǎng)絡(luò)模型平均精度分別為96.22%、96.48% 和 96.6%。對(duì)模型進(jìn)行回歸分析，證明了預(yù)測(cè)結(jié)果和目標(biāo)值之間的線性關(guān)系顯著。以上結(jié)果表明，用人工神經(jīng)網(wǎng)絡(luò)方法研究連栽桉樹(shù)人工林林分的平均胸徑和樹(shù)高與林分林齡和密度的關(guān)系，研究結(jié)果比較理想。利用此模型可預(yù)測(cè)在相同立地條件和經(jīng)營(yíng)措施前提下，不同造林密度桉樹(shù)人工林林分隨林齡增長(zhǎng)整個(gè)生長(zhǎng)階段的生長(zhǎng)量變化情況，用來(lái)指導(dǎo)規(guī)劃合理的造林密度和確定桉樹(shù)人工林的數(shù)量成熟期，為森林經(jīng)營(yíng)和管理提供決策依據(jù)。

［1］劉素青，李際平.森林生態(tài)系統(tǒng)中林分胸徑和樹(shù)高的Granger因果關(guān)系研究［J］.林業(yè)科技，2007，32(1):8－10.

［2］曾慎松.巨尾桉人工林地徑與胸徑、樹(shù)高相關(guān)模型的研究［J］.福建林業(yè)科技，2007，34(1):40－42.

［3］葉紹明，張麗群.廣西沿海地區(qū)桉樹(shù)外商營(yíng)林投資效益分析［J］.中南林業(yè)調(diào)查規(guī)劃，2002，21(1):49－51，64.

［4］謝直興，嚴(yán)代碧.桉樹(shù)人工林現(xiàn)狀及其可持續(xù)發(fā)展［J］.四川林業(yè)科技，2006，27(1):75－81.

［5］姚東和，呂勇.基于人工神經(jīng)網(wǎng)絡(luò)的杉木競(jìng)爭(zhēng)生長(zhǎng)模型研究［J］.中南林學(xué)院學(xué)報(bào)，2001，21(1):17－20.

［6］史宇，余新曉，張佳音，等.北京山區(qū)油松人工林單木材積生長(zhǎng)量BP 神經(jīng)網(wǎng)絡(luò)模型［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2010，38(2):20－22.

［7］黃家榮，孟憲宇，關(guān)毓秀.馬尾松人工林單木生長(zhǎng)神經(jīng)網(wǎng)絡(luò)模型研究［J］.山地農(nóng)業(yè)生物學(xué)報(bào)，2004，23(5):386－391.

［8］馬翔宇，段文英，崔金剛.白樺人工林單木生長(zhǎng)的人工神經(jīng)網(wǎng)絡(luò)模型研究［J］.森林工程，2009，25(3):30－33，38.