黃旭光, 周俊朝, 黃柏華, 黃家榮, 楊保國, 謝鵬芳

(1.河南農(nóng)業(yè)大學(xué)林學(xué)院,河南 鄭州 450000；2.中國林業(yè)科學(xué)研究院熱帶林業(yè)實(shí)驗(yàn)中心,廣西 憑祥 532600)

?

基于人工神經(jīng)網(wǎng)絡(luò)對櫟樹天然林地位指數(shù)模擬系統(tǒng)的研究

黃旭光1,2, 周俊朝1, 黃柏華2, 黃家榮1, 楊保國2, 謝鵬芳1

(1.河南農(nóng)業(yè)大學(xué)林學(xué)院,河南 鄭州 450000；2.中國林業(yè)科學(xué)研究院熱帶林業(yè)實(shí)驗(yàn)中心,廣西 憑祥 532600)

以駐馬店薄山林場的天然櫟樹次生林為研究對象, 用人工神經(jīng)網(wǎng)絡(luò)建立地位指數(shù)模型。 用MATLAB語言編程, 開發(fā)出櫟樹天然林地位指數(shù)模擬系統(tǒng)。以10塊櫟樹標(biāo)準(zhǔn)地的調(diào)查數(shù)據(jù)為訓(xùn)練樣本, 對所建模型進(jìn)行分析、訓(xùn)練。結(jié)果表明, 最佳網(wǎng)絡(luò)結(jié)構(gòu)為1∶3∶1, 其擬合精度為98.36%；系統(tǒng)模擬完全符合森林資源調(diào)查及預(yù)測的精度要求, 是一個(gè)結(jié)構(gòu)簡單、界面直觀、操作方便的地位指數(shù)模擬系統(tǒng)。

薄山林場；櫟樹；人工神經(jīng)網(wǎng)絡(luò)；地位指數(shù)模擬系統(tǒng)

影響林分生長量和收獲量的因素中, 除了林分年齡、密度及相關(guān)經(jīng)營措施外, 林地的立地質(zhì)量也是影響林分生長的一個(gè)重要因素。一般來說, 在林業(yè)上評定林地立地質(zhì)量最常用的方法就是樹高法, 其常用的參考指標(biāo)為地位指數(shù),即在某一立地上特定標(biāo)準(zhǔn)年齡(基準(zhǔn)年齡)時(shí)林分優(yōu)勢木的樹高平均值[1]。通常來講, 樹種不同其基準(zhǔn)年齡不同, 如貴州馬尾松為20 a[2]；太行山櫟樹天然次生林為30 a[3]。地位指數(shù)模型研究方面, 國內(nèi)很多林業(yè)工作者通過不同方法對不同樹種進(jìn)行了研究。徐羅等[4]對云冷杉針闊混交林進(jìn)行研究, 根據(jù)其胸徑-林齡曲線構(gòu)建了3種不同地位指數(shù)導(dǎo)向曲線。高光芹等[5]通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)對馬尾松進(jìn)行研究, 構(gòu)建其多形地位指數(shù)曲線式和計(jì)算式模型, 較傳統(tǒng)技術(shù)構(gòu)建的多形地位指數(shù)模型更能真實(shí)模擬各地位級的多形曲線。 胡欣欣等[6]以優(yōu)勢高和地位指數(shù)的估測誤差最小為目標(biāo)函數(shù), 采用粒子群優(yōu)化算法求解地位指數(shù)曲線模型的參數(shù), 使模型總體誤差更小, 擬合效果更加理想, 為森林經(jīng)營中生長模型的相關(guān)研究提供了新思路。陳紹玲[7]利用馬尾松優(yōu)勢木樹干解析材料, 選擇合適的生長方程構(gòu)建多形地位指數(shù)曲線模型, 便于推廣應(yīng)用。馬天曉[8]基于人工神經(jīng)網(wǎng)絡(luò)建模技術(shù), 以登封少林寺林區(qū)和薄山林場大嶺林區(qū)為對象, 系統(tǒng)地對森林立地的分類和評價(jià)做了深入研究。陳晨等[9]通過對駐馬店薄山林場馬尾松人工林的研究, 分別利用RICHARDS方程和BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立了馬尾松人工林的地位指數(shù)模型。嚴(yán)仁發(fā)[10], 林杰等[11], 梁標(biāo)等[12]分別根據(jù)不同地區(qū)馬尾松人工林的資料為研究對象, 得出了不同的地位指數(shù)導(dǎo)向曲線模型。本研究以BP神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建櫟樹天然林地位指數(shù)模型, 在MATLAB的GUI界面開發(fā)其動(dòng)態(tài)模擬系統(tǒng), 使林場的森林資源經(jīng)營管理更加科學(xué)化和信息化。

1 材料與方法

1.1 試驗(yàn)地概況

薄山林場于1954年設(shè)立, 地處駐馬店確山縣城南20 km處, 坐標(biāo)為東經(jīng)113°56′, 北緯32°39′, 地處秦嶺淮河南北分界線上, 伏牛山與桐柏山交匯處, 由大嶺、土門、蘆莊、園廟、黃山坡、肖溝6個(gè)營林區(qū)及吳溝茶場組成, 總面積6 017 hm2, 森林覆蓋率82.11%。林場地處南北氣候過渡帶, 年均氣溫15.1 ℃, 年均降雨量786 mm, 無霜期220 d左右；林場地形多系桐柏山余脈的丘陵地, 山勢平緩, 高差較小, 海拔150～250 m, 坡度15～30°。植被屬于亞熱帶與暖溫帶過渡性植被類型, 主要樹種為櫟類、馬尾松、刺槐、楊樹等, 稀有樹種是濕地松、火炬松和毛竹。

1.2 數(shù)據(jù)來源和整理

本研究林分生長模型的數(shù)據(jù)來源于駐馬店薄山林場, 調(diào)查、搜集林場歷年來不同立地條件、不同年齡的櫟樹標(biāo)準(zhǔn)地70余塊。調(diào)查的主要數(shù)據(jù)有：樹齡、林分平均胸徑、平均高、優(yōu)勢木樹高、每公頃株數(shù)，部分標(biāo)準(zhǔn)地調(diào)查數(shù)據(jù)見表1。對各標(biāo)準(zhǔn)地?cái)?shù)據(jù)進(jìn)行整理,選取其中3/4的數(shù)據(jù)作為樣本進(jìn)行模型構(gòu)建, 剩余1/4數(shù)據(jù)作為檢驗(yàn)樣本, 對構(gòu)建的模型進(jìn)行檢驗(yàn)分析。在構(gòu)建模型前, 對數(shù)據(jù)進(jìn)行歸一化處理, 能提高神經(jīng)網(wǎng)絡(luò)泛化能力, 使數(shù)據(jù)樣本在訓(xùn)練迅速收斂, 模型訓(xùn)練能夠較快達(dá)到平穩(wěn)狀態(tài)[13]。

表1 部分標(biāo)準(zhǔn)地?cái)?shù)據(jù)表Table 1 Part of sample date table

1.3 模型的構(gòu)建和訓(xùn)練

以年齡作為模型的輸入矩陣, 以櫟樹的優(yōu)勢木平均樹高HT組成的矩陣作為輸出矩陣, 構(gòu)建櫟樹的地位指數(shù)模型(圖1)。

圖1 模型結(jié)構(gòu)Fig.1 The model structure

結(jié)構(gòu)圖左邊的黑框?yàn)檩斎雽庸?jié)點(diǎn),右邊的方框?yàn)檩敵鰧庸?jié)點(diǎn),2者之間的是隱含層。隱含層神經(jīng)元個(gè)數(shù)是不確定的, 根據(jù)具體樣本訓(xùn)練的結(jié)果比較確定。IW{1, 1}為隱含層到輸入層的權(quán)值矩陣;LW{2, 1}為隱含層到輸出層的權(quán)值矩陣,b{1}、b{2}分別為隱含層到輸入層、輸出層的閾值矩陣。隱含層神經(jīng)元中的“S”形符號表示神經(jīng)元的傳遞函數(shù),1是MATLAB中的Logsig函數(shù)；輸出層神經(jīng)元中的“/”代表其傳遞函數(shù)為線性函數(shù),1是MATLAB中的Purelin函數(shù)。輸出層神經(jīng)元用線性函數(shù)作為傳遞函數(shù),就是要保證輸出值可以是任意值。模型的函數(shù)表達(dá)式為：

(1)

(2)

模型建立后, 對所建模型進(jìn)行反復(fù)訓(xùn)練和比較, 根據(jù)模型的性能選取最佳模型進(jìn)行地位指數(shù)模擬系統(tǒng)構(gòu)建。

1.4 系統(tǒng)構(gòu)建

MATLAB提供了一個(gè)可視化圖像界面的開發(fā)環(huán)境GUIDE(Graphical User Interface Development Environment), 其功能和VB 等軟件接近。MATLAB在這個(gè)界面可以給用戶提供一個(gè)應(yīng)用程序, 進(jìn)行數(shù)據(jù), 方法的演示。

1.4.1 系統(tǒng)界面構(gòu)建 通過MATLAB的GUI界面編輯器增加控件, 構(gòu)建系統(tǒng)界面及圖像界面(圖2)。

圖2 地位指數(shù)模擬系統(tǒng)界面Fig.2 The interface of site index simulation system

1.4.2 系統(tǒng)程序編寫 系統(tǒng)界面構(gòu)建完成后, 打開與之對應(yīng)生成的M文件, 在M文件里對系統(tǒng)進(jìn)行程序代碼編寫。點(diǎn)擊地位指數(shù)模擬系統(tǒng)的“圖形”菜單, 在菜單編輯器的右側(cè)點(diǎn)擊Callback, 確定回調(diào)函數(shù)在M文件中的位置, 在其框架語言后面編寫代碼：

Function Untitled_11_Callback(hObject, eventdata, handles)；% 系統(tǒng)語言

SIFigure；% 畫出地位指數(shù)曲線

打開地位指數(shù)模擬系統(tǒng)界面, 鼠標(biāo)右鍵“運(yùn)行”按鈕的回調(diào)函數(shù), 找到其回調(diào)函數(shù)在M文件中的位置, 在其后面編寫代碼：

CurrentPath = pwd; FilePath = [CurrentPath, 'SInet.mat']; load(FilePath);

A = Str2num(get(handles.edit1, 'string')); % A--林分年齡

HT = Str2num(get(handles.edit4, 'string')); % HT--優(yōu)勢木平均高

SI=18.7744*HT/sim(SInet, A); SI--地位指數(shù),

Set(handles.edit3, 'string', num2str(si));

2 結(jié)果與分析

2.1 模型訓(xùn)練結(jié)果

在MATLAB系統(tǒng)中，對所建模型反復(fù)進(jìn)行訓(xùn)練和比較, 其結(jié)果為：當(dāng)隱含層神經(jīng)元個(gè)數(shù)S為3, 即模型結(jié)構(gòu)為1∶3∶1, 訓(xùn)練次數(shù)為1 000時(shí), 模型最佳。此時(shí), 模型的均方差指標(biāo)MSE為0.083 794 5, 總體擬合精度為98.36%。將最佳模型命名為HTnet, 即櫟樹平均優(yōu)勢木高生長模型。將其權(quán)值和閾值分別代入(1)、(2)中, 得到HTnet的數(shù)學(xué)模型：

HT=Purelin(-4.032 5h1+156.625 1h2-68.937 7h3-64.492 9)

(3)

h1=Logsig(-0.249 3A-22.598 5)

(4)

h2=Logsig(0.062 1A+1.677 4)

(5)

h3=Logsig(0.486 1A+1.727 7)

(6)

式 (3) ～ (6) 的網(wǎng)絡(luò)模型仿真表達(dá)式為：

HT=sim(HTnet, A)

(7)

式中：Sim為MATLAB的仿真表達(dá)函數(shù)；HTnet為訓(xùn)練好的網(wǎng)絡(luò)模型, 它定義和存儲(chǔ)了包括權(quán)值和閾值矩陣在內(nèi)的所有模型參數(shù)。在MATLAB環(huán)境中, 將HTnet調(diào)入工作空間,通過公式 (7) 代入已知的林分年齡, 就可以計(jì)算相應(yīng)的林分平均優(yōu)勢木高。

2.2 模型性能分析

2.2.1 模型仿真效果分析 由式 (7)可知, 所建模型的仿真函數(shù)表達(dá)式一般記作：

HT=Sim(HTnet, A)

(8)

將輸入樣本矩陣A代入可以得出模型模擬的輸出矩陣, 即模擬的平均優(yōu)勢木樹高。用MATLAB的制圖函數(shù)Plot(x, y)做出該模型的仿真過程(圖3中理論值)。其走勢符合林分平均優(yōu)勢木樹高隨年齡的增加而變大的生長過程，表明所建模型符合林木生長規(guī)律。

2.2.2 模型擬合精度分析 擬合精度即準(zhǔn)確度,準(zhǔn)確度計(jì)算公式為：

在MATLAB中, 精度計(jì)算公式為：

Pc=1-Sum(abs(HTnet-errors)/Sum(HT)

(9)

式中：HTnet-errors為網(wǎng)絡(luò)模型的訓(xùn)練誤差, 在訓(xùn)練過程中自動(dòng)生成。用該式計(jì)算最佳模型的擬合精度為98.36%。在訓(xùn)練和比較的諸模型中，該精度不是最高的，但其對應(yīng)的模型最符合林木生長規(guī)律。

2.2.3 模型檢驗(yàn)精度分析 將余下檢驗(yàn)數(shù)據(jù)組織為輸入矩陣輸出矩陣, 將輸入矩陣代入神經(jīng)網(wǎng)絡(luò)模型仿真式 (7) 中, 計(jì)算出理論值。由誤差擬合公式(9)計(jì)算擬合精度, 其檢驗(yàn)擬合精度為98.16%。在MATLAB中用繪圖函數(shù)Plot(x, y)可以在二維空間里繪制平均優(yōu)勢高的理論值和實(shí)際值的對照圖, 這樣可以更加直觀地展示檢驗(yàn)?zāi)Ｐ偷木刃Ч?。林分平均?yōu)勢高隨年齡變化的預(yù)測理論值和實(shí)際值的分布效果(圖3), 模型的檢驗(yàn)精度分析滿足要求。通過仿真效果分析、擬合精度和檢驗(yàn)精度分析, 所建的模型是符合要求的。

圖3 林分平均優(yōu)勢木高隨年齡變化的預(yù)測值與實(shí)際值分布Fig.3 The distribution fitting value with actual value for stand average high dominant tree with age

2.3 地位指數(shù)計(jì)算

由地位指數(shù)的概念可知, 它是在標(biāo)準(zhǔn)年齡A0時(shí)的平均優(yōu)勢高。根據(jù)林分平均優(yōu)勢高生長的神經(jīng)網(wǎng)絡(luò)仿真模型 (7) 式, 地位指數(shù)SI的模型表達(dá)式為：

SI=Sim(HTnet, A0)

(10)

將式 (8) 和 (10) 比較可以得到地位指數(shù)曲線式為：

HT=Sim(HTnet, A)*SI/sim(HTnet, A0)

(11)

地位指數(shù)的計(jì)算式為：

SI=HT*Sim(HTnet, A0)/Sim(HTnet, A)

(12)

櫟樹天然林的標(biāo)準(zhǔn)年齡為30 a,代入式 (12) 可以得到櫟樹天然林地位指數(shù)計(jì)算式：

SI=18.7744HT/Sim(HTnet, A)

(13)

地位指數(shù)曲線式為：

HT=0.0533SI*Sim(HTnet, A)

(14)

通過式 (13) 計(jì)算年齡A和優(yōu)勢木平均高HT對應(yīng)的地位指數(shù)SI；通過式 (14) 計(jì)算年齡A和地位指數(shù)SI所對應(yīng)的優(yōu)勢木平均高HT，并可繪制不同地位級的優(yōu)勢木平均高生長過程曲線(地位指數(shù)曲線)。

2.4 系統(tǒng)運(yùn)行結(jié)果

打開MATLAB軟件, 選擇保存好的系統(tǒng)文件, 打開進(jìn)入GUI界面, 點(diǎn)擊主菜單“櫟樹天然林地位指數(shù)模擬系統(tǒng)”出現(xiàn)2個(gè)下拉菜單, 選擇地位指數(shù)模擬系統(tǒng)的“系統(tǒng)”菜單, 單擊打開, 彈出1個(gè)地位指數(shù)模擬系統(tǒng)的彈窗, 在林分年齡和優(yōu)勢木平均高的窗口里分別輸入 “10”和“8.5”, 點(diǎn)擊“運(yùn)行”按鈕, 在輸出界面的地位指數(shù)窗口出現(xiàn)模擬的地位指數(shù)“17.750 7”(圖4左部)；單擊地位指數(shù)模擬系統(tǒng)菜單下的“圖形”菜單, 則出現(xiàn)地位指數(shù)曲線圖(圖4右部)。

3 結(jié)論與討論

以駐馬店薄山林場的櫟樹天然林標(biāo)準(zhǔn)地調(diào)查數(shù)據(jù)為研究對象, 用BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)對地位指數(shù)模型進(jìn)行了系統(tǒng)研究。研究結(jié)果表明, 人工神經(jīng)網(wǎng)絡(luò)建模技術(shù)對森林地位指數(shù)的模擬是可行的, 并且能解決一些常規(guī)方法不能解決的問題。

(1)由于地位指數(shù)與林分優(yōu)勢木平均高之間的存在非線性關(guān)系, 用各種數(shù)學(xué)模擬方法得到的相關(guān)模型總存在著差異, 難以完全正確反映2者之間的關(guān)系。ANN能對任意非線性映射進(jìn)行任意逼近, 在非線性系統(tǒng)建模方面具有明顯的優(yōu)勢[14]。本研究通過人工神經(jīng)網(wǎng)絡(luò)建模技術(shù)構(gòu)建的地位指數(shù)模型精確度高, 模擬效果較好, 適宜推廣應(yīng)用。

(2)以薄山林場的櫟樹天然林標(biāo)準(zhǔn)地的資料為訓(xùn)練樣本, 以年齡為輸入變量, 以優(yōu)勢木平均高為輸出變量, 創(chuàng)建網(wǎng)絡(luò)結(jié)構(gòu)為1∶3∶1的優(yōu)勢木高人工神經(jīng)網(wǎng)絡(luò)模型, 模型的均方差指標(biāo)MSE為0.083 794 5, 其擬合精度為98.36%, 檢驗(yàn)精度為98.16%。

圖4 地位指數(shù)模擬系統(tǒng)運(yùn)行界面和地位指數(shù)曲線Fig.4 The operation interface of site index simulation system and site index curve

(3)利用MATLAB的圖形用戶界面構(gòu)建櫟樹天然林地位指數(shù)模擬系統(tǒng), 系統(tǒng)不需要復(fù)雜計(jì)算和操作便能夠模擬地位指數(shù)的動(dòng)態(tài)變化情況, 而且系統(tǒng)界面簡單、明了, 更加方便實(shí)現(xiàn)人機(jī)交互, 從而使天然林經(jīng)營管理更加快捷、簡單、準(zhǔn)確。

[1] 孟憲宇. 測樹學(xué)[M]. 北京：中國林業(yè)出版社, 2006.

[2] 黃家榮, 任宜群, 高光芹.森林生長的人工神經(jīng)網(wǎng)絡(luò)建模[M].北京：中國農(nóng)業(yè)出版社, 2006.

[3] 馬增旺, 畢 君, 劉德章. 太行山天然次生林主要樹種地位指數(shù)表的編制[J].山西林業(yè)科技, 1995(3) : 13-16.

[4] 徐 羅, 亢新剛, 劉 洋,等.長白山天然云冷杉針闊混交林地位指數(shù)導(dǎo)向曲線的模擬[J].東北林業(yè)大學(xué)學(xué)報(bào), 2014(4):32-37.

[5] 高光芹, 郭 芳, 黃家榮,等.用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建多形地位指數(shù)模型[J].西部林業(yè)科學(xué), 2014 (4):101-105.

[6] 胡欣欣, 王李進(jìn).應(yīng)用粒子群算法優(yōu)化地位指數(shù)曲線模型參數(shù)研究[J].南京信息工程大學(xué)學(xué)報(bào), 2011, 3(4):360-364.

[7] 陳紹玲.馬尾松人工林多形地位指數(shù)曲線模型的建模方法[J].中南林業(yè)科技大學(xué)學(xué)報(bào), 2008, 28(2):125-128.

[8] 馬天曉.基于人工神經(jīng)網(wǎng)絡(luò)的森林立地分類與評價(jià)[D]. 鄭州：河南農(nóng)業(yè)大學(xué), 2006.

[9] 陳 晨, 劉光武, 康文濤, 等.馬尾松人工林地位指BP模型研究[J].西北林學(xué)院學(xué)報(bào), 2009, 24(2):128-130.

[10]嚴(yán)仁發(fā). 貴州馬尾松(人工林)地位指數(shù)表初步編制[J]. 貴州農(nóng)學(xué)院叢刊, 1989(12):115-121.

[11]林 杰, 陳平留, 倪傳彪, 等. 馬尾松人工林地位指數(shù)表編制的研究[J]. 福建林學(xué)院學(xué)報(bào).1981, 1(1):39-48.

[12]梁 標(biāo), 譚勵(lì)健. 廣東大嶺山林場馬尾松人工林立地指數(shù)表編制探討[J]. 中國林業(yè)調(diào)查規(guī)劃, 1983 (1):1-30.

[13]聞 新, 周 露, 李 翔, 等. Matlab神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M]. 北京：科學(xué)出版社, 2003.

[14]黃家榮. 馬尾松人工林生長的人工神經(jīng)網(wǎng)絡(luò)模型研究[D]. 北京：北京林業(yè)大學(xué), 2005.

(責(zé)任編輯：梁保松)

Study of oak growth dynamic simulation system based on artificial neural network

HUANG Xuguang1,2, ZHOU Junchao1, HUANG Baihua2, HUANG Jiarong1, YANG Baoguo2, XIE Pengfang1

(1.College of Forestry, Henan Agricultural University, Zhengzhou 450000, China；2.Experimental Center of Tropical Forestry, Chinese Academy of Forestry, Pingxiang 532600, China)

The site index model was established based on artificial neural network, taking the natural secondary forest oak tree in Boshan forest farm of Zhumadian as research object. By using MATLAB programming language and based on the established site index model, an automatic query interface was developed, and a natural oak forest site index simulation system was developed. Using the survey data from 10 oak standard plots as training samples, the established model was analyzed and trained. The results show that the optimal network structure is 1∶3∶1, and the overall fitting accuracy is 98.36%. The simulation system is fully in compliance with the accuracy requirements of forest resource survey and prediction, with simple structure and intuitive interface, and is easy to operate.

Boshan forest farm； oak tree； artificial neural network； site index simulation system

2015-01-10

河南省科技攻關(guān)項(xiàng)目(0624050007)

黃旭光 (1987-)，男，河南舞鋼人，碩士，從事森林經(jīng)理方面的研究。

黃家榮 (1957-)，男，貴州水城人，教授，博士。

1000-2340(2015)02-0190-05

S757

A