龍 滔 覃連歡 葉紹明

(廣西大學(xué)，南寧，530004)

林分生長量是衡量林分生產(chǎn)力的依據(jù)，是森林資源經(jīng)營管理必須的基礎(chǔ)數(shù)據(jù)，而平均胸徑和樹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測定樹木的胸徑和樹高來推算的［2］，因此研究林分的胸徑和樹高生長規(guī)律意義重大。桉樹是桃金娘科植物的統(tǒng)稱，是世界的四大速生樹種之一，其速生豐產(chǎn)特性使得其被聯(lián)合國糧農(nóng)組織確定為速生豐產(chǎn)用材林造林樹種［3］，在熱帶和亞熱帶地區(qū)得到迅速的發(fā)展［4］，桉樹已成為廣西地區(qū)最重要的工業(yè)用材造林樹種之一。研究林分的生長規(guī)律是桉樹人工林經(jīng)營林分密度控制和地力維護(hù)的理論基礎(chǔ)，而林分的胸徑、樹高是其生長規(guī)律研究的重要研究對象。目前，桉樹人工林生長規(guī)律的研究多集中于根據(jù)研究目的建立對應(yīng)的回歸方程，以此探究胸徑、樹高、蓄積、林分密度等之間的關(guān)系，而基于模型技術(shù)的桉樹人工林生長因子的生長預(yù)測卻少有研究。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。近年來林業(yè)領(lǐng)域亦開始逐步應(yīng)用BP神經(jīng)網(wǎng)絡(luò)研究林業(yè)問題，BP神經(jīng)網(wǎng)絡(luò)的特點使得其在不了解復(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)在國內(nèi)林業(yè)領(lǐng)域多用于林分生長模型［5－8］的構(gòu)建，然而有關(guān)速生桉樹的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的研究鮮有報道。本研究以3個連栽代次的尾巨桉(Eucalyptus urophylla×E.grandis)人工林林分為研究對象，對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)來實現(xiàn)對連栽桉樹人工林林分的胸徑總生長量和樹高總生長量的預(yù)測，為桉樹人工林經(jīng)營管理提供基礎(chǔ)數(shù)據(jù)和決策參考。

1 研究地概況

研究地點位于廣西國有東門林場，地處北緯22°17'～22°30'，東經(jīng) 107°14'～108°00'。試驗區(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 試驗設(shè)計

試驗區(qū)由在同一坡面彼此相連的第1代、第2代、第3代種植桉樹的林地構(gòu)成。除了種植桉樹的代次及連栽效應(yīng)存在差異外，其他試驗條件基本相同。1998年對試驗區(qū)進(jìn)行隨機區(qū)組設(shè)計，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)行林分生長調(diào)查，調(diào)查3個代次林分的保留密度、平均胸徑和平均樹高，作為建立桉樹人工林林分平均胸徑—林齡、林分密度和平均樹高—林齡、林分密度2類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)測的精度，有必要對輸入層的林分密度(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

采用人工神經(jīng)網(wǎng)絡(luò)中的BP算法，結(jié)合MATLAB2010b科學(xué)計算軟件來構(gòu)建連栽桉樹人工林的生長量預(yù)測模型。以3個代次的連栽桉樹人工林的林分年齡(A)和林分密度(N)作為網(wǎng)絡(luò)的輸入，用其胸徑總生長量(D)和樹高總生長量(H)分別作為網(wǎng)絡(luò)的輸出，即:D=f(A，N);H=f(A，N)。桉樹的主伐年齡一般為7 a，因此用桉樹人工林第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)作為測試樣本，用于預(yù)測桉樹人工林林分隨年齡增長的胸徑和樹高的生長量變化情況。由于試驗設(shè)計了3個連栽代次，因此共建立2×3個BP神經(jīng)網(wǎng)絡(luò)。經(jīng)過大量的訓(xùn)練和參考國內(nèi)外文獻(xiàn)，所有模型的隱層節(jié)點數(shù)均選3個，神經(jīng)元數(shù)目均設(shè)置為2個，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)見圖1。

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

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

3 結(jié)果與分析

3.1 模型訓(xùn)練

模型分別用3代連栽桉樹人工林林分的前5 a胸徑、樹高調(diào)查數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練對象，然后再分別用3代連栽桉樹人工林林分的第6年和第7年的胸徑、樹高調(diào)查數(shù)據(jù)作為網(wǎng)絡(luò)的測試對象，進(jìn)行模型推廣能力檢驗。在樣本數(shù)據(jù)較少的情況下，為了增強模型的推廣能力，抽取一組重復(fù)試驗值加入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練平臺選擇MATLAB2010b科學(xué)計算軟件，使用編程實現(xiàn)方式實現(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)果見表1。

表1 3代連栽桉樹人工林林分胸徑、樹高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個模型平均胸徑的平均預(yù)測精度分別為99.09%、98.35%和 96.37%，平均樹高的網(wǎng)絡(luò)模型平均精度分別為96.22%、96.48%和96.6%。模擬結(jié)果合符速生桉樹人工林的生長規(guī)律，即胸徑和樹高開始迅速生長，隨著林齡增大，生長達(dá)到一定程度后進(jìn)入緩慢生長期，直至林分達(dá)到數(shù)量成熟。6個訓(xùn)練后的網(wǎng)絡(luò)權(quán)值和閾值見表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3代桉樹人工林的3個胸徑BP網(wǎng)絡(luò)模型(模型1、3、5)和3個樹高 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BP神經(jīng)網(wǎng)絡(luò)的回歸方程斜率均接近1，說明網(wǎng)絡(luò)的預(yù)測值和實際值高度擬合，因此可以確定這6個網(wǎng)絡(luò)是較為理想的?；貧w分析結(jié)果見圖2。

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

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

4 結(jié)束語

在相同立地條件和經(jīng)營措施前提下，采用林分林齡和林分密度2個指標(biāo)作為網(wǎng)絡(luò)的輸入，林分平均胸徑和樹高分別作為網(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代連栽桉樹人工林林分的平均胸徑和樹高的生長量預(yù)測模型，林分平均胸徑的網(wǎng)絡(luò)模型平均預(yù)測精度分別為99.09%、98.35%和96.37%，平均樹高的網(wǎng)絡(luò)模型平均精度分別為96.22%、96.48% 和 96.6%。對模型進(jìn)行回歸分析，證明了預(yù)測結(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)方法研究連栽桉樹人工林林分的平均胸徑和樹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)測在相同立地條件和經(jīng)營措施前提下，不同造林密度桉樹人工林林分隨林齡增長整個生長階段的生長量變化情況，用來指導(dǎo)規(guī)劃合理的造林密度和確定桉樹人工林的數(shù)量成熟期，為森林經(jīng)營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)桉樹外商營林投資效益分析［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)的杉木競爭生長模型研究［J］.中南林學(xué)院學(xué)報，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量BP 神經(jīng)網(wǎng)絡(luò)模型［J］.東北林業(yè)大學(xué)學(xué)報，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神經(jīng)網(wǎng)絡(luò)模型研究［J］.山地農(nóng)業(yè)生物學(xué)報，2004，23(5):386－391.

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