论文部分内容阅读
我国林业已进入提高森林资源质量、转变发展方式的重要阶段,随着大数据、云计算、物联网等多种信息化技术发展,以数据为基础构建人工林经营信息化体系,使得人工林从造林到采伐的经营过程在科学的管理化体系下进行,已成为发展现代林业、建设生态文明、推动科学发展的时代要求。适地适树和密度控制是人工林经营过程中两个重要内容,其中适地适树量化决策研究中最大的问题是经验主观性较大,同时由于人工林培育专家受地域性限制和知识局限性,导致的培育知识的不全面、获取困难也是需解决问题。密度控制研究中许多林业工作者对其经营过程中最优化控制研究经验比较零碎,缺乏新的信息技术手段将其组装成一个有效实用的体系。因此,有必要深入人工林经营中适地适树量化决策和密度控制决策方法,以数据为基础构建人工林经营信息化体系,从而推动营造林工作更好地开展。鉴于此,本研究以南方贵州杉木和马尾松典型人工用材林为研究对象,利用森林资源小班数据、一类清查数据和解析木数据,开展人工林经营过程中适地适树量化决策、林分密度控制决策和经营效益评估研究。主要研究工作如下:(1)人工林经营中适地适树量化决策研究中,利用决策树CART算法从大量数据中自动提取适地适树规则,解决专家系统中宜林性立地规则知识获取和更新维护问题。实现专家系统的造林设计中适地适树规则的智能提取,为造林地规划设计提供理论依据和辅助决策支撑。(2)人工林经营中密度控制决策研究中,将传统回归与机器学习方法相结合,实现人工林经营林分密度控制决策模型库中相关模型构建,主要包括地位级指数模型、生长收获模型、直径结构动态预测模型、最优林分密度决策模型、经济效益计算模型等。结果表明利用机器学习在模拟林分生长和林分直径结构方面的预测精度优于传统方法,使用遗传算法在最优林分密度决策模型中更是提高了决策方案求解的运算速度,经济效益计算中在增加了碳汇收益后,与单一木材经济收益相比,杉木最大经济效益年均净现值增长1.36倍,林地期望值增长1.42倍;马尾松最大经济收益分别增加了1.60%(MNPV)和5.41%(LEV)。(3)结合上面的研究,实现人工林培育经营智能化决策支持系统平台研建,对前面构建模型以及算法进行实际应用。重点实现了规则提取编辑导入、林分生长收获效益评估、林分经营密度控制智能设计三个功能模块。