ANN在林分密度控制图及森林资产评估中的应用

摘要

杉木我国南方最主要的速生经济用材树种,在福建地区尤其是闽北种植已成规模。近年来,杉木人工林的经营管理越来越受林业工作者的关注。林分密度控制图是根据林分密度效应法则理论,以林分密度效应规律为基础,建立株数密度与林分各测树因子之间的数量关系的数学模型来编制的一种森林经营图。林分密度控制图是森林经营的重要工具,合理适用的林分密度控制图能正确指导人工林的定量间伐和收获预估,也可以为造林涉及、资源清查、评定更新等级以及划分经营类型等方面提供参考数据。
　　 人工神经网络(ANN)是现代智能算法之一,它的突出特点是不需要考虑数学模型的内部结构,不需要假设前提条件,不需要人为地确定因子权重等。神经网络在非线性建模方面具有突出的优势,它不仅能够对任意非线性映射进行任意逼近而且能够根据已有数据的输入输出,学习得到输入输出之间的函数关系,从而能够做到,给定一个输入,就能根据这个函数关系给出它的输出。与传统的建模方法相比,具有精确度更高、速度更快尤其是不依赖已有的数学模型等优点。由于林学上的许多模型都是非线性的,因此神经网络在林学上的应用备受关注,应用的领域越来越广泛。
　　 本文将把ANN应用于建立等树高线模型和等直径线模型,并将这些模型与传统的等树高线和等直径线模型进行精确度比较,目前这类研究进行的很少。在建模的过程中可以发现,ANN的精确度比传统的模型高,所做出的资产评估也符合实际情况,这对今后的林分密度控制图的编制有重要的指导意义。
　　 在模型参数的求解过程中将用到免疫进化算法。免疫进化算法是在深入理解现有进化算法的基础上,受生物免疫机制的启发而形成的一种新的优化算法。
　　 最后,本文还将把人工神经网络建立的林分密度模型用于森林资源资产评估,进行生长收获的预估。实现在保证森林资源永续利用的基础上实现目标最优、采伐量最大,为森林资源资产评估探讨了一个全新的方法。