黃錦程,劉洪生,寧金魁,歐陽勛志,臧 顥

(1.崇義縣林業(yè)局,江西 贛州 341300；2.江西農(nóng)業(yè)大學 林學院,南昌 330045)

樹木生長會受到立地條件的影響,如土壤條件[1-2]和地形因素[3-4]都會影響樹木的生長。造林時,樹種的選擇和配置是首先要解決的問題。如果選擇的樹種,其生物學特性與造林地的立地條件相適應,即適地適樹,該樹種的生長潛力才能充分發(fā)揮,從而達到該立地在當前技術條件下可能達到的高產(chǎn)水平[5-7]。因此,要充分發(fā)揮立地生產(chǎn)力,實現(xiàn)森林質(zhì)量精準提升,就需要分析適合各樹種生長的環(huán)境,以此為造林時的適地適樹提供參考。

一直以來,國內(nèi)外學者采用了很多方法分析樹種在不同環(huán)境下的生長適宜性,即樹種的適生性。其中,一些學者常采用林分優(yōu)勢高、平均高、林分蓄積量等因子進行立地質(zhì)量評價,以某一特定標準(基準年齡、基準胸徑、標準密度等)下的林分高或蓄積量等作為樹種在該地段生長的潛力[8-10]。如:張博等[11]以福建省三明市將樂國有林場的杉木(Cunninghamialanceolata(Lamb.)Hook.)純林為研究對象,根據(jù)林分高和立地的關系,分別采用標準差調(diào)整法和分位數(shù)回歸方法構建了地位級模型,并以此對杉木林的立地質(zhì)量進行了分級,從而分析了不同地段上杉木林的生產(chǎn)力水平；Liu等[12]探索了基于蓄積潛在生長量的立地評價方法,并以此對北京市、山西省、河北省和內(nèi)蒙古自治區(qū)等4個地區(qū)的華北落葉松(Larixprincipis-rupprechtiiMayr.)人工林的立地質(zhì)量進行了評價,進而分析了華北落葉松人工林的生長情況。但這種方法只能應用于生長了該樹種的喬木林地,當造林或補植時,如果該地段上沒有生長該樹種,則無法直接應用。而指示植物法則可以通過喬木或者林下植物的種類指示立地特性[13-15],因此沒有生長該樹種的地段上如果生長有一些植被類型,則可以應用指示植物法進行適地適樹的判斷。如Jumwong等[16]分別采用指示植物分析法和雙向指示植物分析法針對泰國北部3種柚木(TectonagrandisL.f.)人工林的立地質(zhì)量進行了分析,獲取了柚木人工林不同立地等級下的指示植物。盡管指示植物法可以通過地段上生長的植被類型判斷樹種的適生性,但由于相較喬木樹種而言,林下植被的生態(tài)適應性更窄[7],因此,僅以林下植被作為指示種時,其外延性較差,同時指示植物法對植被類型的發(fā)育程度也有一定的要求,這都在一定程度上限制了指示植物法的應用[15]。為了更好地評價無林地的立地質(zhì)量,了解樹種在特定地段上的生長潛力,一些學者利用地位指數(shù)和立地因子之間的關系構建了多元地位指數(shù)模型。如:劉聘等[17]對福建省安溪縣福建柏(Fokieniahodginsii(Dunn)Henry et Thomas)人工林應用了數(shù)量化模型,評價福建柏人工林的立地質(zhì)量；Fiandino等[18]以阿根廷中部濕地松(PinuselliottiiEngelm.)人工林為研究對象,采用線性模型量化了立地因子和濕地松人工林立地質(zhì)量的關系。近年來,有學者發(fā)現(xiàn)反映森林生長質(zhì)量的指標與立地因子之間的關系呈現(xiàn)出復雜的非線性關系[19-22],而傳統(tǒng)的研究中多是采用線性模型擬合,難以準確地反映這種復雜的關系。作為一種機器學習算法,隨機森林近年來常被用于模擬變量間的非線性關系[23-24]。

本研究以江西省贛州市崇義縣的5種主要造林樹種為研究對象,針對主要立地因子對樹種生長存在的影響,采用隨機森林算法,模擬了樹種適生性與立地因子之間的非線性關系,預測了不同立地條件下各樹種的適生性,并進一步探索了影響各樹種適生性的主導因子及其在針葉樹種和闊葉樹種之間的差異。通過本研究,以期為適地適樹的理論研究、造林決策的制定和區(qū)域森林質(zhì)量精準提升提供支持。

1 材料與方法

1.1 研究區(qū)概況

崇義縣位于江西省贛州市西部,屬于南嶺的北端,地理坐標為25°24′～25°55′N,113°55′～114°38′E。全縣屬亞熱帶季風氣候,年平均氣溫20.5℃,極端最高39.9℃,最低-8℃,年均降水量1 638.9mm,無霜期307d。全縣總面積2 207.70km2,主要地貌為低山、丘陵,土壤類型有黃壤、紅壤等。崇義縣屬常綠闊葉林生物氣候帶,主要樹種有絲栗栲(CastanopsisfargesiiFranch.)、杉木、馬尾松(PinusmassonianaLamb.)、苦楝(MeliaazedarachL.)、南酸棗(Choerospondiasaxillaris(Roxb.)Burtt.et Hill)、木荷(SchimasuperbaGardn.et Champ.)等。

1.2 數(shù)據(jù)來源

數(shù)據(jù)來源于2016年江西省贛州市崇義縣的森林資源二類調(diào)查數(shù)據(jù),包括立地因子、林分因子等信息。立地因子有海拔、坡向、坡度、坡位、土壤類型、成土母巖、土層厚度和腐殖質(zhì)層厚度等。本研究選擇了起源為人工林且小班數(shù)在100個以上的喬木林小班進行分析,各樹種信息如表1所示。

表1 主要林分因子統(tǒng)計

1.3 研究方法

1.3.1基于隨機森林的適生性評價模型

隨機森林是一種基于集成學習的決策樹模型,通過Bootstrap重抽樣法對訓練樣本進行多次隨機抽樣,生成一系列訓練子樣本,并用每一個子樣本分別訓練1棵決策樹,組成隨機森林[23,25]。隨機森林有兩個重要的參數(shù),即分類樹的數(shù)量和各節(jié)點備選的變量數(shù)。本研究逐個嘗試不同分類樹的數(shù)量(100～1 000)和各節(jié)點備選的變量數(shù)(1～8)下模型的精度,以此確定最優(yōu)參數(shù)。

為了評價崇義縣主要造林樹種的適生性,構建的適生性評價模型中,輸出變量為各造林樹種的適生性衡量標準,輸入變量為海拔、坡向、坡度、坡位、土壤類型、成土母巖、土層厚度、腐殖質(zhì)層厚度等立地因子。

1.3.2適生性衡量標準

常見的衡量適生性的數(shù)量標準主要有地位指數(shù)、蓄積生長量等[26-27]?？紤]到蓄積生長量受密度和經(jīng)營水平影響較大,而二類調(diào)查數(shù)據(jù)沒有優(yōu)勢高,因此難以獲取各小班的地位指數(shù)。本研究采用地位級指數(shù)作為判斷各樹種適生性的量化標準,若小班的地位級指數(shù)低于相同優(yōu)勢樹種所有小班的平均地位級指數(shù),則判定為不適宜該樹種生長,反之則判定為適宜該樹種生長。地位級指數(shù)是基準年齡下的林分平均高,可采用基于Champion-Richard的差分方程進行計算[28]。具體計算公式為:

(1)

式中:Hi和ti分別表示第i個小班的林分平均高和年齡；SCIi表示第i個小班的地位級指數(shù)；tbase為基準年齡；β1,β2為待估參數(shù)(通過Champion-Richard方程構建林分平均高-年齡的模型即可得到β1和β2的估計值及標準差)。各樹種基準年齡如表1所示。

1.3.3立地因子重要性評價

為了評價立地因子對各樹種適生性的影響程度,以各立地因子對模型精度的影響大小,即隨機森林算法中的平均下降精度作為重要性評價標準[26-27]。具體步驟為:

1)依據(jù)袋外數(shù)據(jù)計算每個決策樹的模型預測誤差。

2)將待評價的立地因子的數(shù)值隨機重置后,再次計算每個決策樹的模型預測誤差。

3)計算每個決策樹前后兩次預測誤差的差值,并以此對所有決策樹求平均值,該平均值即為平均下降精度,可作為衡量待評價的立地因子的重要性指標。其數(shù)值越大,說明該立地因子越重要。

1.3.4模型評價指標

模型的精度指標包括訓練精度和泛化精度,其中,訓練精度即對建模樣本應用模型計算得到的精度,泛化精度即為對驗證樣本應用模型計算得到的精度[29]。本研究采用五折交叉驗證計算模型的泛化精度,并以此作為模型調(diào)整參數(shù)的標準。模型的總體精度可由(2)式[26-27,29]計算得到。

(2)

式中:A表示模型精度;NTP表示實際適宜該樹種生長,模型預測適宜樹種生長的小班數(shù);NTN表示實際不適宜該樹種生長,模型預測不適宜樹種生長的小班數(shù);NFP表示實際不適宜該樹種生長,而模型預測適宜樹種生長的小班數(shù);NFN表示實際適宜該樹種生長,而模型預測不適宜樹種生長的小班數(shù)。

計算分類精度時,則由各類別預測正確的小班數(shù)除以該類別的小班總數(shù)計算得到。

所有數(shù)據(jù)處理及制圖均在R語言系統(tǒng)中完成,其中,應用Random Forest包構建隨機森林模型,應用ggplot 2包進行繪圖。

2 結果與分析

2.1 地位級指數(shù)的計算

各樹種地位級指數(shù)的參數(shù)如表2所示,所有參數(shù)均顯著(α=0.05)。將表中參數(shù)值代入(1)式即可計算出各小班的地位級指數(shù)。

表2 地位級指數(shù)的參數(shù)

2.2 適生性模型參數(shù)的優(yōu)化

以模型的泛化精度為評價標準,得到的各樹種適生性模型參數(shù)優(yōu)化情況如圖1所示?？偟膩砜?相較闊葉樹種而言,針葉樹種的適生性模型對參數(shù)的變化不敏感。其中,杉木適生性模型的精度變化范圍為69.23%～72.79%,馬尾松的精度變化范圍為80.01%～84.18%；而闊葉樹種的模型精度則在不同參數(shù)下表現(xiàn)出較大的變化,木荷的精度變化范圍為60.03%～77.99%,苦楝的精度變化范圍為63.05%～81.22%,南酸棗的精度變化范圍為72.33%～80.56%。依據(jù)模型精度,各樹種適生性模型的最優(yōu)參數(shù)值及精度如表3所示。

注:“mtry”是各節(jié)點備選的變量數(shù)(1～8)。

2.3 適生性模型的驗證

依據(jù)表3得到的各樹種的最優(yōu)參數(shù)重新模擬各樹種的適生性,得到各樹種的訓練精度(表4)?？偟膩碚f,所有樹種的精度均大于88.00%。就總精度和分類精度而言,杉木的精度均為最低,而南酸棗的精度均為最高。對實際類別不適宜和適宜小班,各樹種的訓練精度差異不大。因此,可以認為構建的適生性模型具有較好的預測效果,在進行選樹適地時,可依據(jù)構建的適生性模型分析適宜該地段生長的樹種。表5給出了部分小班的樹種適生性預測結果。

表3 基于五折交叉驗證的適生性模型參數(shù)優(yōu)化結果

表4 不同類別的訓練精度

表5 適生性模型的預測結果

(續(xù)表)

2.4 立地因子對適生性的影響

以隨機森林算法中的平均下降精度作為立地因子重要性的評價指標,平均下降精度越大,則對應的立地因子重要性越高。各立地因子重要性評價結果如圖2所示。立地因子對不同樹種適生性的影響并不一致,影響杉木和馬尾松適生性的立地因子重要性排序比較相似。影響杉木適生性的立地因子重要性從大到小排序依次為腐殖質(zhì)層厚度、海拔、土層厚度、坡度、土壤類型、坡位、坡向、成土母巖,而馬尾松的則為海拔、土層厚度、腐殖質(zhì)層厚度、坡度、土壤類型、坡位、坡向、成土母巖。影響闊葉樹種的主要立地因子并不完全一致,對木荷適生性的立地因子重要性從大到小排序依次坡度、坡向、坡位、土壤類型、土層厚度、腐殖質(zhì)層厚度、海拔、成土母巖,影響苦楝的則是腐殖質(zhì)層厚度、土壤類型、坡位、坡度、坡向、海拔、成土母巖、土層厚度,而影響南酸棗的則是坡度、海拔、土壤類型、腐殖質(zhì)層厚度、土層厚度、坡向、坡位、成土母巖。

圖2 立地因子重要性評價

選取對各樹種適生性影響最大的立地因子,采用隨機森林進行邊際效應分析,結果如圖3所示。由圖3可知:研究區(qū)腐殖質(zhì)層厚度為25～30cm的地區(qū)比較適合杉木生長,而適合馬尾松、木荷、苦楝和南酸棗生長的分別是海拔小于250m、坡度小于15°、腐殖質(zhì)層厚度在8～13cm和坡度小于5°的區(qū)域。

圖3 主要立地因子對5種樹種適生性的影響

3 討論與結論

森林經(jīng)營過程中,把造林樹種栽種在適合其生長的地方,從而使造林地的“地”與造林樹種的“樹”相適應,即適地適樹[30-32]。本文以江西省崇義縣的5種主要造林樹種為對象,應用隨機森林算法構建了5種樹種的適生性模型,以此分析了各樹種的適地適樹問題。結果顯示,基于五折交叉驗證的5個樹種適生性模型的泛化精度在72.79%～84.18%之間,而采用全部數(shù)據(jù)作為訓練樣本時的模型總訓練精度在88.69%～98.92%之間,對實際類別為適生的訓練精度在88.84%～98.50%之間,對實際類別為不適生的訓練精度在88.56%～99.31%之間。可見,具有較高的分類準確率,可以對給定立地因子的造林地進行各樹種的適生性預測。

利用隨機森林的變量重要性評估功能,本研究分析了8個立地因子對研究區(qū)5種主要造林樹種適生性的影響程度,研究結果表明:1)研究區(qū)內(nèi)對針葉樹種(杉木和馬尾松)適生性影響較大的立地因子均為腐殖質(zhì)層厚度、海拔、土層厚度。相關研究[26,33-34]中,盡管腐殖質(zhì)層厚度、海拔、土層厚度對杉木和馬尾松生長的重要性存在一定差異,但總體上均為對杉木和馬尾松生長影響較大的立地因子。2)研究區(qū)中對闊葉樹種影響較大的立地因子則因樹種而異,對木荷適生性影響較大的立地因子為坡度、坡向和坡位,而對苦楝影響較大的則是腐殖質(zhì)層厚度、土壤類型和坡位,而南酸棗的則是坡度、海拔和土壤類型。目前,國內(nèi)在闊葉樹種適地適樹方面的研究較少,且影響生長的主導因子也因樹種而異。如:李紹忠等[35]以東北地區(qū)珍貴闊葉樹種為研究對象,采用逐步回歸和地位指數(shù)分析了各立地因子對造林樹種生長的影響,結果發(fā)現(xiàn)影響特定樹種生長的主導因子并不一致,影響黃波羅(PhellodendronamurenseRupr.)生長的主導因子是土壤濕度和淋溶層的土層厚度,影響胡桃楸(JuglansmandshuricaMaxim.)和水曲柳(FraxinusmandshuricaRupr.)生長的主導因子則是坡向和土壤濕度,裂葉榆(Ulmuslaciniata(Trautvetter)Mayr)受土壤濕度和坡度影響較大,紫椴(TiliaamurensisRupr.)則受坡度影響較大；羅也等[36]也以東北三省的胡桃楸為研究對象,分析了立地因子對胡桃楸地位指數(shù)的影響,結果顯示坡位是最主要的影響因子,這與李紹忠等[35]的研究并不一致；杜雨菲等[27]以廣西桉樹(Eucalyptusspp.)人工林為研究對象,分別采用了樸素貝葉斯、支持向量機和隨機森林算法構建了桉樹適生性分類模型,結果顯示海拔、土層厚度、坡向是影響桉樹生長的主導因子?？偟膩碚f,立地因子對不同樹種的適生性影響并不相同,因此在造林時,應根據(jù)經(jīng)營目的和樹種的特性綜合考慮各立地因子的影響程度,以使得所選地段能使該樹種的生長環(huán)境盡可能處于最佳組合狀態(tài)。如果沒有地段能同時使得所有立地因子均為最適,則應優(yōu)先保證主要立地因子。

基于隨機森林算法構建的樹種適生性評價模型可以較好地對造林樹種的適生性進行預測,為適地適樹和區(qū)域森林質(zhì)量精準提升提供了決策依據(jù)?？紤]到樹木的生長不僅受到立地因子的影響,也會受到氣候和土壤養(yǎng)分的影響[1,24],因此下一步可考慮將氣候因子和土壤物養(yǎng)分因子也作為輸入變量,以便能獲取更精準的適地適樹的決策。