黃龍山林區(qū)白皮松古樹年齡模型構(gòu)建

劉光武，張新權(quán)，陳 晨

(河南林業(yè)職業(yè)學院，河南 洛陽 471002)

1 引言

白皮松(Pinusbungeana)是東亞唯一的三針松，也是我國特有的鄉(xiāng)土樹種[1，2]。白皮松具有重要的經(jīng)濟價值，其材質(zhì)堅硬細致，耐腐蝕性強，可以用于建筑和制作精致的木質(zhì)家具，同時因其具有較強的抗寒、抗旱、壽命長、干形優(yōu)美等特點，是重要的城市綠化及山區(qū)造林樹種[3～5]。但受各種因素影響，野生白皮松存在生長條件差、“島嶼”狀分布、林相不完整等問題，目前僅在陜西、山西、河南、湖北、湖南、甘肅、四川等地分布[6，7]。黃龍山林區(qū)是黃土高原野生動植物資源最豐富的地區(qū)，也是野生白皮松分布相對集中的區(qū)域[8，9]。

古樹年齡確定是古樹名木普查中的一個難點，確定樹木年齡的方法常用文獻檢索法[10]、生長錐測定法[11]、碳同位素法[12]、樹木年輪分析法[13～15]等。文獻檢索法比較適合名木的年齡確定，具有一定局限性。其它幾種確定方法往往存在成本高、周期長或效率低等問題。研究以黃龍山林區(qū)白皮松古樹為研究對象，通過構(gòu)建白皮松年齡—胸徑生長模型，旨在為合理確定古樹年齡提供參考。

2 材料與方法

2.1 研究區(qū)概況

材料來源于陜西省黃龍山林區(qū)(35°26′～35 °46′N, 110°08′～110 °30′E),屬暖溫帶季風型氣候，土壤類型主要有棕壤土、褐色森林土，調(diào)查區(qū)域內(nèi)喬木層主要樹種為白皮松，群落內(nèi)伴生喬木有油松(Pinustabuliformis)、栓皮櫟(Quercusvariabissis)。林下有稀疏的灌木，主要有陜西莢蒾(Viburnum)、繡線菊(Spiraea)、毛黃櫨(CotinuscoggygriaScop. Var. pubescens)、衛(wèi)矛(Euonymus)等。有少量藤本，主要為南蛇藤(Cclaslrusarliculatus)。

2.2 數(shù)據(jù)采集方法

在黃龍山林區(qū)白皮松生長相對集中的區(qū)域，在不同立地條件下設置8塊20 m×30 m的白皮松標準地。在標準地內(nèi)進行常規(guī)林分調(diào)查，依據(jù)每木檢尺、樹高測量結(jié)果，每塊標準地選取1～2株標準木，從得到的12株標準木中選擇4株做為解析木，其余8株實測胸徑，并用生長錐測定樹齡。

2.3 模型構(gòu)建

采用神經(jīng)網(wǎng)絡建模技術(shù)，構(gòu)建D—A的生長模型，模型的數(shù)學表達式為A=purelin(logsig(D))。數(shù)學表達式中purelin為神經(jīng)網(wǎng)絡的直線函數(shù)，logsig為神經(jīng)網(wǎng)絡的曲線函數(shù)。

用未參加建模的標準木數(shù)據(jù)作為檢測樣本，來檢測所構(gòu)建的模型，以驗證模型的適應能力。

3 結(jié)果與分析

3.1 模型擬合

以白皮松解析木胸徑D為輸入向量，以解析木年齡A為輸出變量，對所構(gòu)建的D—A模型進行訓練。所構(gòu)建的神經(jīng)網(wǎng)絡模型，輸入層、輸出層均有一個神經(jīng)元，中間層為隱層，隱層的神經(jīng)元個數(shù)為X個。X≥2，且X為整數(shù)，X的確定通過逐漸增加隱層神經(jīng)元數(shù)，再依據(jù)擬合精度、均方根誤差同時結(jié)合生長曲線圖來判斷，模型結(jié)構(gòu)如表1，擬合曲線圖如圖1所示。

表1 模型結(jié)構(gòu)

圖1 1∶3∶1模型結(jié)構(gòu)D-A擬合曲線

由表1可知，1∶3∶1的模型結(jié)構(gòu)擬合精度最高，均方根誤差相對較小。由圖1可知，隨著年齡增加，胸徑逐漸增大，當年齡達到一定數(shù)值之后，胸徑增長速度降低，這符合樹木的生長規(guī)律。由表1同時結(jié)合擬合曲線圖，認為1∶3∶1的神經(jīng)網(wǎng)絡結(jié)構(gòu)(mynet3)能較好地擬合黃龍山林區(qū)白皮松古樹胸徑D與年齡A間的關(guān)系。1∶3∶1的神經(jīng)網(wǎng)絡模型結(jié)構(gòu)(mynet3)，經(jīng)訓練后，已經(jīng)蘊含所有的權(quán)值和閾值矩陣，其對應的數(shù)學表達式如(1)～(4)式所示，解析木擬合結(jié)果如表2所示。

表2 解析木擬合結(jié)果

A=purelin(-0.83253D1+3.0925D2

-2.3992D3-0.96294)

(1)

D1=4.4305D-0.91583

(2)

D2=2.2985D-0.14466

(3)

D3=-11.4586D-13.598

(4)

3.2 模型檢測

為檢測所構(gòu)建的1∶3∶1的神經(jīng)網(wǎng)絡模型的適應能力，用未參加模型訓練的來自不同立地條件下的標準木數(shù)據(jù)做檢測樣本。以檢測木胸徑為輸入向量，代入mynet3神經(jīng)網(wǎng)絡模型中，或?qū)z測木胸徑數(shù)值代入mynet3對應的數(shù)學表達式(1)～(4)式，能得到同樣的結(jié)果。檢測結(jié)果如表3所示。

表3 mynet3模型檢測結(jié)果

由表3可知，將來自黃龍山林區(qū)不同立地條件的白皮松檢測木胸徑代入經(jīng)訓練后的mynet3模型，即可得到對應樹木年齡的擬合值，擬合精度可達0.9803，說明所構(gòu)建的神經(jīng)網(wǎng)絡模型具有較強的適應性和推廣能力。

4 結(jié)論

樹木的生長過程具有復雜性和非線性，而神經(jīng)網(wǎng)絡具有較好的擬合非線性的功能[16]。本研究采用神經(jīng)網(wǎng)絡建模技術(shù)，構(gòu)建了黃龍山林區(qū)白皮松D-A的神經(jīng)網(wǎng)絡模型，并采用不同立地條件下白皮松樹干解析資料為數(shù)據(jù)源，對所構(gòu)建的D-A神經(jīng)網(wǎng)絡模型進行訓練，模型的擬合精度為0.9916，訓練后的神經(jīng)網(wǎng)絡模型蘊含權(quán)值和閾值矩陣。

用未參與模型訓練的標準木胸徑為檢測數(shù)據(jù)，代入經(jīng)訓練后的神經(jīng)網(wǎng)絡模型，即可得到對應的樹齡擬合值，擬合精度可達0.9803。

研究認為所構(gòu)建的神經(jīng)網(wǎng)絡模型不僅具有較好的擬合效果，而且具有較高的適應性，可以進行推廣使用。

在保證數(shù)據(jù)具有代表性的基礎(chǔ)上，與常用的文獻檢索法、生長錐測定法、碳同位素法、樹木年輪分析法等相比，采用構(gòu)建模型測定林分年齡的方法，不僅效率高，而且成本低、精度高。