CN110163452A - 基于环状分布指数的林分空间结构优化方法 - Google Patents
基于环状分布指数的林分空间结构优化方法 Download PDFInfo
- Publication number
- CN110163452A CN110163452A CN201910491536.0A CN201910491536A CN110163452A CN 110163452 A CN110163452 A CN 110163452A CN 201910491536 A CN201910491536 A CN 201910491536A CN 110163452 A CN110163452 A CN 110163452A
- Authority
- CN
- China
- Prior art keywords
- forest
- object wood
- index
- annular distribution
- wood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 239000002023 wood Substances 0.000 claims abstract description 137
- 239000002245 particle Substances 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 40
- 230000004069 differentiation Effects 0.000 claims abstract description 25
- 230000002860 competitive effect Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 104
- 238000012937 correction Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 239000012723 sample buffer Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 8
- 230000036541 health Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 25
- 241000894007 species Species 0.000 description 24
- 241000196324 Embryophyta Species 0.000 description 14
- 125000004122 cyclic group Chemical group 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 239000004744 fabric Substances 0.000 description 5
- 238000002955 isolation Methods 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 235000014676 Phragmites communis Nutrition 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000029602 competition with other organism Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- VQKFNUFAXTZWDK-UHFFFAOYSA-N 2-Methylfuran Chemical compound CC1=CC=CO1 VQKFNUFAXTZWDK-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 238000012352 Spearman correlation analysis Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- AXONCVPTTFHNOI-UHFFFAOYSA-N kairine Chemical compound C1=CC(O)=C2N(C)CCCC2=C1 AXONCVPTTFHNOI-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了基于环状分布指数的林分空间结构优化方法，获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；利用多个动态目标函数构建林分空间结构多目标模型；利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，约束条件包括环状分布指数计算中获取的对象木异点数。本申请中，利用环状分布指数计算中获取的对象木异点数，作为其中一个约束条件，不仅将角度因素考虑进去，还将距离因素考虑进去，可精准定位林分空间中需要采伐的林木，提高研究的林分空间的准确性，进而使森林生态系统趋于健康和稳定。
Description
技术领域
本申请涉及森林空间结构技术领域，尤其涉及基于环状分布指数的林分空间结构优化方法。
背景技术
森林结构是林分动态变化过程中测度时点的林分状态的高度概括和度量。森林空间结构特征包括物种混合的种间和种内差异，树木大小的变化和林木空间分布格局。林分结构包括空间结构和非空间结构。非空间结构包括直径结构、生长量和树种多样性等，空间结构包括林木空间分布格局、混交、大小分化等3个方面。其中林木空间分布格局指树木位置的空间排列，空间分布模式反映了个体在平面上聚集或散布的方式，研究林分分布格局有助于深化对种群空间结构的认识，为森林生态系统结构优化及人工造林中的树种配置和采伐木选择提供理论依据和支持。
现有研究林分空间结构优化的方法是角尺度法。角尺度均值的公式为：式中,当第j个α角小于标准角α0时，zij＝1，当第j个α角大于或等于标准角α0时，zij＝0，n为林分空间内参照树的株数，i为任一参照树，j为参照树i的4株最近相邻木，角尺度均值。角尺度法是采用以±3σ为标准所确定的角尺度均值的置信区间[0.475,0.517]进行林木水平分布格局判断。当角尺度均值大于0.517时，林木空间分布为团状分布；当角尺度均值小于0.475时，林木空间分布为均匀分布。
由于角尺度均值的置信空间与样本大小有直接关系，所以采用统一的置信空间显然不适用于评判抽样调查或群落中数量较少的种群的林木分布格局。由于角尺度没有考虑到距离因素，无法反应单株林木及四周相邻木的密集程度,因此，以角尺度法研究的林木空间分布格局的准确性低。
发明内容
本申请提供了基于环状分布指数的林分空间结构优化方法，以解决以现有角尺度法研究的林木空间分布格局的准确性低的技术问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
基于环状分布指数的林分空间结构优化方法，方法包括：获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；利用多个动态目标函数构建林分空间结构多目标模型；利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，约束条件包括环状分布指数计算中获取的对象木异点数。
可选地，约束条件包括环状分布指数计算中获取的对象木异点数，包括：当对象木异点数超过三个以上时，则对象木列入采伐候选木。
可选地，环状分布指数公式如下：
其中：Hp为对象木p的环状分布指数，n为对象木p的相邻木的数量,Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。
可选地，环状分布指数计算中获取的对象木异点数公式如下：
其中：mp为对象木p的异点数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。
可选地，约束条件参数还包括空间结构约束、相对显著度约束、采伐强度约束、树种多样性约束、郁闭度约束和径级多样性约束。
可选地，利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，包括：
初始化参数，参数包括粒子数目、粒子初始位置、粒子速度、惯性权重、适应值、个体最优位置和群体最优位置；
利用距离缓冲区法对样地进行边缘校正，得到位于样地缓冲区内的林木均作为对象木；
更新样地内所有林木的林木属性，林木属性包括编号、采伐标识、对象木标识、树种、胸径、树高、冠幅；
对样地内的每个林木进行迭代更新，并计算更新后林木i的目标函数Fi(t)；
判断Fi(t)≤Fi(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则确定采伐木的编号，并计算采伐木的多个约束条件；
判断多个约束条件是否有一个不满足；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则计算样地内所有林木总的目标函数F(t)；
判断F(t)≤F(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则判断迭代次数t≤I max；
若是，则重新利用距离缓冲区法对样地进行边缘校正；若否，则输出最优解。
可选地，总的目标函数F(t)的公式如下：
其中，F(t)为样地内所有林木总的目标函数，Fi(t)为样地内对象木i的目标函数，N为样地内所有林木的数量，Mi表示对象木i的混交度，CIi表示对象木i的竞争指数；Hi表示对象木i的环状分布指数；Si表示对象木i的林层指数；Di表示对象木i的空间密度指数；OPi表示对象木i的开阔比；Ui表示对象木i的大小比数；表示混交度标准差；表示环状分布指数标准差；表示开阔比数标准差；表示林层指数标准差；表示大小比数标准差；表示竞争指数标准差；为对象木i的空间密度指数标准差。
有益效果：本申请提供了基于环状分布指数的林分空间结构优化方法，考虑影响森林生态系统的林木水平分布格局、树种混交、种内及种间竞争、多层次垂直结构，通过对森林结构生态经营理论分析，获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数。再利用多个动态目标函数构建林分空间结构多目标模型。利用改进粒子群算法对林分空间结构多目标模型进行求解，巧妙地将林分空间优化问题转化为粒子群体迭代寻优问题，获得需要采伐的林木。利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解过程中，利用多个约束条件，其中一个约束条件为环状分布指数计算中获取的对象木异点数。环状分布指数计算中获取的对象木异点数，作为其中一个约束条件，不仅将角度因素考虑进去，还将距离因素考虑进去，可精准定位林分空间中需要采伐的林木，提高研究的林分空间的准确性，进而使森林生态系统趋于健康和稳定。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的基于环状分布指数的林分空间结构优化方法的流程图；
图2为本申请提供的基于改进粒子群算法的流程图；
图3为本申请提供的环状分布指数中环域示意图；
图4为本申请提供的五个样地的角尺度分布频率图；
图5为本申请提供的五个样地环状分布指数与角尺度相关性分析图；
图6为本申请提供的五个样地的环状分布指数频率分布图；
图7为本申请提供的南洞庭湖龙虎山样地LONG1调整前的林分空间结构图；
图8为本申请提供的南洞庭湖龙虎山样地LONG1调整后的林分空间结构图；
图9为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总适应度变化曲线图；
图10为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总林层指数变化曲线图；
图11为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构开阔比数变化曲线图；
图12为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总环状指数变化曲线图；
图13为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总空间密度指数变化曲线图；
图14为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总竞争指数变化曲线图；
图15为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总混交度变化曲线图；
图16为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构大小比数变化曲线图；
图17为本申请提供的大山冲林样地SHAN1调整前的林分空间结构图；
图18为本申请提供的大山冲林样地SHAN1调整后的林分空间结构图；
图19为本申请提供的大山冲林样地SHAN1林分空间结构总适应度变化曲线图；
图20为本申请提供的大山冲林样地SHAN1林分空间结构总林层指数变化曲线图；
图21为本申请提供的大山冲林样地SHAN1林分空间结构开阔比数变化曲线图；
图22为本申请提供的大山冲林样地SHAN1林分空间结构总环状指数变化曲线图；
图23为本申请提供的大山冲林样地SHAN1林分空间结构总空间密度指数变化曲线图；
图24为本申请提供的大山冲林样地SHAN1林分空间结构总竞争指数变化曲线图；
图25为本申请提供的大山冲林样地SHAN1林分空间结构总混交度变化曲线图；
图26为本申请提供的大山冲林样地SHAN1林分空间结构大小比数变化曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
本申请以环洞庭湖区中低山及丘陵区的芦头国有林场等5个天然次生林林分林地为研究区域。研究区域包括芦头国有林场、沅江龙虎山国有林场，长沙浏阳大围山自然保护区、长沙大山冲国有林场、乌云界自然保护区5个地区。
参见图1，为本申请提供的基于环状分布指数的林分空间结构优化方法的流程图，可知，本申请提供了基于环状分布指数的林分空间结构优化方法，方法包括：
S01：获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数。
本申请中，林分空间结构以林分水平方向(树种隔离、种内及种间竞争、空间格局)和垂直方向(垂直成层、光照条件)两个层面考虑。
(1)从水平方向对林分空间结构进行描述。
混交结构是指林分内林木之间隔离程度，包括树种空间隔离和大小分化隔离。树种空间隔离用混交度描述。
大小比数是反映树木大小在空间分布的一种指标。树木成林郁闭后，林木之间形成竞争，产生林木大小的分化。任何一棵树木与周围树大小的关系，是由树木的生物学特性和环境共同作用的结果，是森林生态系统中林分的结构特征之一。
竞争指数选取按照既要考虑理论上的合理性又要兼顾实践的可行性的原则，既要简便易行，又要有较好的预测效果，且所需数据在野外调查中比较容易准确获得。
林分空间分布格局可用角尺度、空间密度指数、开阔比数以及大小比数来表示。
(2)从垂直方向对林分空间结构进行描述。
林层指数反应了林分垂直格局中乔木层不同林层之间的空间关联特性，是用以揭示森林空间结构分布机理的重要参数。林层指数不仅可反映复层林垂直分布格局，同时能反映出空间结构单元中林层结构的多样性。
综上所述，传统的森林结构动态多目标优化的多个动态目标函数包括：混交度、竞争指数、角尺度、林层指数、空间密度、开阔比数和大小比数。
但角尺度没有考虑到距离因素，无法反应单株林木及四周相邻木的密集程度,因此，以角尺度法研究的林木空间分布格局的准确性低。为了避免这个问题，需要提出一种新的指数取代角尺度，这种指数为环状分布指数。
环状分布指数的定义如下，以四株相邻木为例：
参见图3，为本申请提供的环状分布指数中环域示意图，可知，首先，过对象木P点分别作两条相互垂直的直线L1、L2；其次，过P点作两条直线，两条直线与L1的夹角为θ；再次，过P点作两条直线，两条直线与L2的夹角为θ；然后，以P点为圆心，分别以d和D为半径作圆；最后，得到P点的环域，P点的环域为圆环与各直线形成四个公共区域。其中，D＝1.1H,d＝0.9H，θ＝10度,H为理想状态下对象木与相邻木的距离。
从环状分布指数的定义可知，环状分布指数公式如下：
其中，Hp为对象木p的环状分布指数，n为对象木p的相邻木的数量，此时为4，Hdi为与对象木p之间距离小于半径d的相邻木数量，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量，当相邻木i到对象木p的距离小于半径d，即该林木在小圆内时，Hdi＝1，否则，Hdi＝0；当相邻木i不在小圆内而在圆环内时，Hai用于统计圆环内相邻木角度分布的均匀性，当相邻两株相邻木与对象木p连线的夹角小于标准角80°时，Hai＝1，否则Hai＝0。
林木空间分布格局的形成是林木个体之间相互作用及环境影响的综合结果。然而，现实林分中每株林木都要通过与相邻周边林木竞争来获取必要的资源和生长空间，为避免将林木抽象成平面点而引起的林木空间信息的缺失，遵循生态学和林学中林分随机分布规律，确定环状分布指数的合理取值范围来表征林分空间分布格局十分重要。
当环状分布指数范围在(0,0.25)时，林木邻域空间分布情况差，空间分布极不均匀；
当环状分布指数范围在(0.25,0.5)时，林木空间分布情况较差，空间分布较不均匀，从团状分布到随机分布趋势；
当环状分布指数范围在(0.5,0.75)时，林分空间分布较好，空间分布较为均匀，从随机到均匀分布的趋势；
当环状分布指数范围在(0.75,1)时，林分空间分布好，空间分布均匀；
当环状分布指数为1时，表明林分空间处于理想中的均匀分布。
根据样地内环状分布指数可以确定林分空间分布是否均匀，但并不能说明环状分布指数在林分空间各种具有适用性。为探讨环状分布指数在林分空间格局中的适用性，利用本申请中的环状分布指数与角尺度对比分析。
首先，计算各样地的角尺度指数。参见图4，本申请提供的五个样地的角尺度分布频率图，可知，角尺度分成五个等级(W＝0,0.25,0.5,0.75,1)分别表示林分聚集度增加，为方便统计，将图中1、2、3、4分别表示角尺度值的范围是0-0.25、0.25-0.5、0.5-0.75、0.75-1。25个样地中，大围山样地da1频率最高的区间为0.25-0.5，其余四个样地的角尺度值频率最高分布在0-0.25之间，且角尺度从小到大频数有降低的趋势；龙虎山样地频率分布较高的角尺度值范围主要在0.25-0.5和0.5-0.75；芦头林场样地lu3各范围频率分布相当，其余样地随着角尺度取值的增大，频率降低；大山冲林场中样地shan3和乌云界自然保护区wu1和wu2和样地lu3的情况类似。
其次，随机从五个研究区域中各选出一个样地，通过比较样地中每株林木角尺度值和环状分布指数之间的关系，采用spearman相关性分析检验两者之间的是否具有显著的相关性。选用的林分依次为da1、long1、shan1、lu3和wu2，各样地林木总数分别为50、65、65、40、54。
参见图5，为本申请提供的五个样地环状分布指数与角尺度相关性分析图，可知，五个样地中，角尺度和环状分布指数均具有显著相关性，其中样地shan1的相关系数r为-0.509，相关性相对来说最小；样地lu3的相关系数为-0.985，为所有样地中环状分布指数和角尺度相关性最强的样地。从五组代表性样地的相关性分析说明，环状分布指数与角尺度在不同林分中是存在相关性的。同时，从角尺度频率分布图和环状分布指数频率分布图看，林分空间分布格局不同，单木的角尺度和环状分布指数均不同，随着聚集度的变化有相应的变化，体现出所提出的环状分布指数能够反应林分之间角度分布的均匀性，同时还能将距离作为衡量林木空间分布均匀性的重要因素，改善了原有林分空间结构分布分析方法的局限性，因此环状分布指数作为更全面、更科学的空间格局分析方法在林学和生态学中是存在理论依据和实际使用价值的。
从上述描述可知，环状分布指数可以替代角尺度，作为林木格局分析的参数，是可释性强的格局指数。因此，本申请确定的森林结构动态多目标优化的多个动态目标函数包括：混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数。
以混交度建立的单个动态目标函数：
以竞争指数建立的单个动态目标函数：
以环状分布指数建立的单个动态目标函数：
以林层指数建立的单个动态目标函数：
以空间密度建立的单个动态目标函数：
以开阔比数建立的单个动态目标函数：
以大小比数建立的单个动态目标函数：
Mi表示林分空间结构中对象木i的混交度，νij是混交度的取值变量，当对象木i与相邻木j为同种树木时，νij＝0，而当参照树i与相邻木j为不同种树木时，νij＝1；CIi表示对象木i的竞争指数，Lij表示对象木i与相邻木j之间的距离，di,dj分别表示对象木i与相邻木j的胸径；Hi表示对象木i的环状分布指数，Hdj表示与对象木i之间距离小于半径d的相邻木数量，Haj为两个相邻木与对象木i之间的夹角小于标准角的相邻木数量，当第j株相邻木到对象木的距离小于半径d，Hdj＝1，否则，Hdj＝0；当相邻两株相邻木与对象木i连线的夹角小于标准角80°时，Haj＝1，否则Haj＝0；Si表示对象木i的林层指数，ci表示对象木i的林层数，sij表示林层取值变量，当对象木i与相邻木j不属于同一层时，sij＝1，否则sij＝0；Di表示对象木i的空间密度指数，ri表示对象木i包含n株相邻木时的最小半径，n＝4，rmax表示林分中相邻两株林木的最大距离；OPi表示对象木i的开阔比数，tij表示开阔数取值变量，当对象木i与相邻木j的水平距离大于对象木i与相邻木j的树高只差时，tij＝1，否则tij＝0；Ui表示对象木i的大小比数。
S02：利用多个动态目标函数构建林分空间结构多目标模型。
利用S01中的多个动态目标函数构建林分空间结构多目标模型公式如下：
其中，Fi(t)为样地内对象木i的目标函数，Mi表示对象木i的混交度，si表示对象木i所处结构单元中树种数；CIi表示对象木i的竞争指数；Hi表示对象木i的环状分布指数；Si表示对象木i的林层指数；Di表示对象木i的空间密度指数；OPi表示对象木i的开阔比；Ui表示对象木i的大小比数。表示混交度标准差，表示开阔比数标准差，表示林层指数标准差，表示大小比数标准差，表示竞争指数标准差，为对象木i的空间密度指数标准差。
S03：利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，约束条件包括环状分布指数计算中获取的对象木异点数。
约束条件包括环状分布指数计算中获取的对象木异点数、空间结构约束、相对显著度约束、采伐强度约束、树种多样性约束、郁闭度约束和径级多样性约束。
(1)环状分布指数计算中获取的对象木异点数
当相邻木i与对象木p之间的间距大于1.1H，小于0.9H时，预设相邻木i作为对象木p的异点；当相邻木i、相邻木j与对象木p之间的夹角小于标准角80°时，相邻木i作为对象木p的异点。
公式如下：
其中：mp为对象木p的异点数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。
基于各个对象木的环状分布指数，确定对象木在空间单元中异点数的计算即为对象木异点数。具体确定过程如下：
当对象木的环状分布指数Hi＝1时，空间单元中对象木不存在异点，林分空间为理想状态。
当对象木的环状分布指数时，空间单元中对象木存在一个异点。
当对象木的环状分布指数时，空间单元中对象木存在两个异点。
当对象木的环状分布指数时，空间单元中对象木存在三个异点。
当对象木的环状分布指数时，空间单元中对象木存在四个异点。
环状分布指数求解的是对象木的四个相邻木是否为对象木的异点，而对象木异点数求解的是对象木是否为四个相邻木的异点。在计算环状分布指数的过程中，可以根据每个粒子的异点数，并根据每个粒子的异点数得到对象木异点数。
环状分布指数计算中获取的对象木异点数的约束条件：当对象木异点数超过三个以上时，则对象木列入采伐木。
(2)空间结构约束
经过优化调整后，各子目标取值不能比优化前差，以保证林分空间结构指标不会下降，即要求：
式中，依次代表林分层面的全混交度、Hegyi竞争指数、林层指数、开阔比数，为优化调整前子目标取值。
(3)相对显著度约束
促进森林正向演替，重建顶级森林群落，需优先采伐长势不佳、培育价值低且导致林分结构不合理的入侵树种、先锋树种及部分杂木，尽量保留有发展潜力的顶级树种、珍稀树种、乡土树种或伴生树种，采用相对显著度来进行量化：
上式中，Pr_i0为优化调整前顶级树种、珍稀树种、乡土树种的相对显著度，Pr_j0为优化调整前先锋树种、入侵树种、其它杂木的相对显著度。该条约束要求顶级树种等树种的相对显著度在优化后不降低；而先锋树种等树种的相对显著度在优化后不升高。
(4)采伐强度约束
合理选择采伐强度及周期有利于林木的更新和生长，直径分布呈反J型曲线的采伐强度最好控制在15％以内。故本申请将择伐强度控制在15％以内，即要求：
N≥N0(1-15％)
上式中，N0和N分别为调控前后的林木总数。
(5)树种多样性约束
森林采伐是降低生物多样性最直接的人为干扰。设置树种多样性约束就是为了满足树种多样性保护的需要，确保营林过程中不人为造成树种的消失，即要求：
T＝T0
上式中，T0和T分别为调控前后的林木总数。
(6)郁闭度约束
实际营林过程中，除为了促进林下更新适度开林窗外，通常都要求林冠形成连续覆盖。一般情况下，郁闭度(Canopy density，Cd)不低于0.7可视作林地连续覆盖。故将郁闭度约束设置为：
Cd≥0.7
(7)径级多样性约束
径级多样性约束要求林分调整前后径级不变，即：
D＝D0
上式中，D0和D分别为调控前后的林木总数。
参见图2，为本申请体用的基于改进粒子群算法的流程示意图，可知，利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，包括：
S031：初始化参数，参数包括粒子数目、粒子初始位置、粒子速度、惯性权重、适应值、个体最优位置和群体最优位置。
粒子数目取值越大，则搜索的空间范围越大，搜索的精度越高；但粒子数目过大，又会增大算法的计算开销。本申请中粒子数目设定为样地内目标树总数的10％。
以随机选取的林木坐标作为粒子的初始位置。粒子尽可能均匀散布在整个样地二维平面空间，其初始速度按下式确定：
vxi,vyi分别表示粒子i在x和y轴方向的速度，vxmax,vymax为粒子在x和y轴方向的最大速度。
通常惯性权重前期取值要大，以便扩展搜索区域；而后期取值要小，是为了防止越过最优值。因此，惯性权重随迭代次数线性递减，其计算公式为：
w(t)＝wmax-t·(wmax-wmin)/Imax
式中，t为迭代次数t＝0,1,2,···,Imax，Imax为最大迭代次数，当迭代次数超过Imax，优化算法自动终止。wmax,wmin分别为惯性权重的最大值和最小值，此处wmax取0.9，wmin取0.4。
适应值Fi是粒子i在本轮迭代中所搜索到的对象木的目标函数值，该值是粒子确认择伐木的重要依据。
最优位置指粒子个体或群体所搜索到的待调控区域。个体最优位置记录粒子自身的历史最优位置。设置群体最优位置是为了让粒子间能共享最优位置的信息，加快粒子搜索的效率。
S032：利用距离缓冲区法对样地进行边缘校正，得到位于样地缓冲区内的林木均作为对象木。
由于森林空间结构单元处于样地边缘的边界木会受到边界的影响，且其邻近木可能处于样地外，故以边界木为对象木构建的空间结构单元是不完整的，会影响空间结构特征的分析结果。为了避免这种情况，必须对样地进行边缘矫正。本申请采用距离缓冲区法，在原样地四周设置2m宽的带状缓冲区。此宽度既可消除边界效应，又能充分利用样地内的调查数据。在缓冲区以外的林木为边缘木，只作为对象木的邻近木存在，而位于缓冲区内的林木均作为对象木参与计算。
S033：更新样地内所有林木的林木属性，林木属性包括编号、采伐标识、对象木标识、树种、胸径、树高、冠幅。
本申请中，林木即为粒子。
S034：对样地内的每个林木进行迭代更新，并计算更新后林木i的目标函数Fi(t)。
S035：判断Fi(t)≤Fi(t-1)。
S036：若否，则确定采伐木的编号，并计算采伐木的多个约束条件；若是，则撤销本轮采伐操作，返回S034。
S037：判断多个约束条件是否有一个不满足。
S038：若否，则计算样地内所有林木总的目标函数F(t)；若是，则撤销本轮采伐操作，返回S034。
S039：判断F(t)≤F(t-1)。
S0310：若否，则判断迭代次数t≤Imax；若是，则撤销本轮采伐操作，返回S034。
S0311：若否，则输出最优解；若是，则返回S032。
根据环状分布指数定义，针对研究区5个调查样地数据，借助Matlab编程实现环状分布指数分布频率图，参见图6，为本申请提供的五个样地的环状分布指数频率分布图。从图6可知，从样地环状分布指数的分布频率来看，大围山森林公园da1样地的环状分布指数集中在0.25-0.5的范围，依次向两边递减，而da2样地的环状分布指数主要集中在0.5-1的范围，其余样地的环状分布指数的频率随着环状分布指数的增大而增加。龙虎山森林公园前4个样地的频率高峰主要集中在0.25-0.5和0.5-0.75区域；大山冲林场样地shan1、shan2、shan4、shan5、芦头林场lu1、lu2、lu5、乌云界自然保护区样地wu1、wu4和wu5环状分布指数的频率分布呈上升的梯形，频率最高的环状分布指数主要在0.75-1的范围。其中，因环状分布指数的取值范围为0～1，按照等距划分的原则将其分为0-0.25、0.25-0.5、0.5-0.75、0.75-1四个区间，在图中分别以1、2、3、4简单代替。
为了检验MO-PSO解决森林空间结构优化问题的有效性。本申请对每一个阔叶林样地进行了优化模型应用模拟优化经营测试。从南洞庭湖龙虎山林场和长沙县大山冲林场中各选择一块样地为例说明，龙虎山林场long1样地调整株数为7棵，大山冲林场shan1样地调整株数为6棵。确定根据森林结构调控要求，粒子初始群体数设置为各样地林木棵数的分别为7、6株，使用MO-PSO算法计算得到的森林结构调整前、调整后及各个目标值的变化情况如图所示。图7为本申请提供的南洞庭湖龙虎山样地LONG1调整前的林分空间结构图，图8为本申请提供的南洞庭湖龙虎山样地LONG1调整后的林分空间结构图，图9为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总适应度变化曲线图，图10为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总林层指数变化曲线图，图11为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构开阔比数变化曲线图，图12为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总环状指数变化曲线图，图13为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总空间密度指数变化曲线图，图14为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总竞争指数变化曲线图，图15为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构总混交度变化曲线图，图16为本申请提供的南洞庭湖龙虎山样地LONG1林分空间结构大小比数变化曲线图，图17为本申请提供的大山冲林样地SHAN1调整前的林分空间结构图，图18为本申请提供的大山冲林样地SHAN1调整后的林分空间结构图，图19为本申请提供的大山冲林样地SHAN1林分空间结构总适应度变化曲线图，图20为本申请提供的大山冲林样地SHAN1林分空间结构总林层指数变化曲线图，图21为本申请提供的大山冲林样地SHAN1林分空间结构开阔比数变化曲线图，图22为本申请提供的大山冲林样地SHAN1林分空间结构总环状指数变化曲线图，图23为本申请提供的大山冲林样地SHAN1林分空间结构总空间密度指数变化曲线图，图24为本申请提供的大山冲林样地SHAN1林分空间结构总竞争指数变化曲线图，图25为本申请提供的大山冲林样地SHAN1林分空间结构总混交度变化曲线图，图26为本申请提供的大山冲林样地SHAN1林分空间结构大小比数变化曲线图。
从林分空间结构指标的变化来看，通过择伐经营措施调节目标树空间结构单元，使目标树均质性指数均得到不同程度的提高，其空间布局趋向合理，整体上优化了林分结构。在样地LONG1中，森林的总体适应度从调整之前的0.5882上升到了0.6205，森林空间结构评价等级不变。林木总混交度从0.5825上升至0.5891，总竞争指数从0.2493下降至0.2287，环状分布指从0.5839下调至0.5819，总空间密度指数从0.9447下调至0.9408，总林层指数从0.2556上升至0.2587，总开阔比数从0.7669下调至0.7496，总大小比数从0.5177上调至0.5233；在样地SHAN1中，森林的总体适应度从调整之前的2.506上升到了6.123，森空空间结构评价等级从2级上升到了5级。林木总混交度从0.5783下调至0.5227，总竞争指数从0.4245下降至0.2148，环状分布指从0.631下调至0.597，总空间密度指数从0.9395下调至0.9294，总林层指数从7.393上升至10.65，总开阔比数从0.7669下调至0.7496，总大小比数从0.1833下调至0.1686。依据测试样地数据，在样地LONG1和SHAN1中，在调控林木棵数为各样地的10％的基础上，除了样地LONG1森林结构没有得到明显的改善外，SHAN1的森林结构均得到了大幅度的提高，森林稳定性增强。同时也说明样地LONG1的初始林分结构较差，间伐已经不能满足该林分结构的调控要求，还需要对该林分进行补植。另外，在调控过程中，样地SHAN1中的混交度及环状分布指数等出现了下降的趋势，从单个指标上分析不利于林木发展，而其林木总体评价指标得到了提升，森林结构稳定性增强，这个数据也表明了森林结构的调整是多个目标共同作用的结果。
本申请提供了基于环状分布指数的林分空间结构优化方法，考虑影响森林生态系统的林木水平分布格局、树种混交、种内及种间竞争、多层次垂直结构，通过对森林结构生态经营理论分析，获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数。再利用多个动态目标函数构建林分空间结构多目标模型。利用改进粒子群算法对林分空间结构多目标模型进行求解，巧妙地将林分空间优化问题转化为粒子群体迭代寻优问题，获得需要采伐的林木。利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解过程中，利用多个约束条件，其中一个约束条件为环状分布指数计算中获取的对象木异点数。环状分布指数计算中获取的对象木异点数，作为其中一个约束条件，不仅将角度因素考虑进去，还将距离因素考虑进去，可精准定位林分空间中需要采伐的林木，提高研究的林分空间的准确性，进而使森林生态系统趋于健康和稳定。
需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种电路结构、物品或者设备所固有的要素。
本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (7)
1.基于环状分布指数的林分空间结构优化方法，其特征在于，所述方法包括：
获取林分空间结构的多个动态目标函数，多个所述动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；
利用多个所述动态目标函数构建林分空间结构多目标模型；
利用改进粒子群算法和多个约束条件对所述林分空间结构多目标模型进行求解，所述约束条件包括环状分布指数计算中获取的对象木异点数。
2.根据权利要求1所述的方法，其特征在于，所述约束条件包括环状分布指数计算中获取的对象木异点数，包括：
当对象木异点数超过三个以上时，则对象木列入采伐候选木。
3.根据权利要求1所述的方法，其特征在于，所述环状分布指数公式如下：
其中：Hp为对象木p的环状分布指数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。
4.根据权利要求1所述的方法，其特征在于，所述环状分布指数计算中获取的对象木异点数公式如下：
其中：mp为对象木p的异点数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。
5.根据权利要求1所述的方法，其特征在于，所述约束条件参数还包括空间结构约束、相对显著度约束、采伐强度约束、树种多样性约束、郁闭度约束和径级多样性约束。
6.根据权利要求1所述的方法，其特征在于，利用改进粒子群算法和多个约束条件对所述林分空间结构多目标模型进行求解，包括：
初始化参数，参数包括粒子数目、粒子初始位置、粒子速度、惯性权重、适应值、个体最优位置和群体最优位置；
利用距离缓冲区法对样地进行边缘校正，得到位于样地缓冲区内的林木均作为对象木；
更新样地内所有林木的林木属性，林木属性包括编号、采伐标识、对象木标识、树种、胸径、树高、冠幅；
对样地内的每个林木进行迭代更新，并计算更新后林木i的目标函数Fi(t)；
判断Fi(t)≤Fi(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则确定采伐木的编号，并计算采伐木的多个约束条件；
判断多个约束条件是否有一个不满足；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则计算样地内所有林木总的目标函数F(t)；
判断F(t)≤F(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则判断迭代次数t≤Imax；
若是，则重新利用距离缓冲区法对样地进行边缘校正；若否，则输出最优解。
7.根据权利要求6所述的方法，其特征在于，所述总的目标函数F(t)的公式如下：
其中，F(t)为样地内所有林木总的目标函数，Fi(t)为样地内对象木i的目标函数，N为样地内所有林木的数量，Mi表示对象木i的混交度，CIi表示对象木i的竞争指数；Hi表示对象木i的环状分布指数；Si表示对象木i的林层指数；Di表示对象木i的空间密度指数；OPi表示对象木i的开阔比；Ui表示对象木i的大小比数；表示混交度标准差；表示环状分布指数标准差；表示开阔比数标准差；表示林层指数标准差；表示大小比数标准差；表示竞争指数标准差；为对象木i的空间密度指数标准差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910491536.0A CN110163452B (zh) | 2019-06-06 | 2019-06-06 | 基于环状分布指数的林分空间结构优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910491536.0A CN110163452B (zh) | 2019-06-06 | 2019-06-06 | 基于环状分布指数的林分空间结构优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110163452A true CN110163452A (zh) | 2019-08-23 |
| CN110163452B CN110163452B (zh) | 2023-05-30 |
Family
ID=67628025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910491536.0A Active CN110163452B (zh) | 2019-06-06 | 2019-06-06 | 基于环状分布指数的林分空间结构优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110163452B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111340643A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101199266A (zh) * | 2006-12-13 | 2008-06-18 | 中国林业科学研究院林业研究所 | 判断林木水平分布格局的方法 |
| CN103353913A (zh) * | 2013-06-30 | 2013-10-16 | 中南林业科技大学 | 一种基于粒子群算法的林分空间结构优化模型建立方法 |
| CN103440415A (zh) * | 2013-08-23 | 2013-12-11 | 中国林业科学研究院林业研究所 | 基于混交度的林木种群分布格局测度方法 |
| CN103473432A (zh) * | 2013-09-24 | 2013-12-25 | 中国林业科学研究院资源信息研究所 | 一种基于最小空间结构单元的林分空间结构自相似可视化模拟方法 |
| CN106383953A (zh) * | 2016-09-21 | 2017-02-08 | 江西天祥通用航空股份有限公司 | 一种建立森林树冠数字模型的方法及系统 |
| CN107590540A (zh) * | 2017-09-18 | 2018-01-16 | 中国林业科学研究院资源信息研究所 | 一种依赖于相邻木特征的林木冠幅估算方法 |
-
2019
- 2019-06-06 CN CN201910491536.0A patent/CN110163452B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101199266A (zh) * | 2006-12-13 | 2008-06-18 | 中国林业科学研究院林业研究所 | 判断林木水平分布格局的方法 |
| CN103353913A (zh) * | 2013-06-30 | 2013-10-16 | 中南林业科技大学 | 一种基于粒子群算法的林分空间结构优化模型建立方法 |
| CN103440415A (zh) * | 2013-08-23 | 2013-12-11 | 中国林业科学研究院林业研究所 | 基于混交度的林木种群分布格局测度方法 |
| CN103473432A (zh) * | 2013-09-24 | 2013-12-25 | 中国林业科学研究院资源信息研究所 | 一种基于最小空间结构单元的林分空间结构自相似可视化模拟方法 |
| CN106383953A (zh) * | 2016-09-21 | 2017-02-08 | 江西天祥通用航空股份有限公司 | 一种建立森林树冠数字模型的方法及系统 |
| CN107590540A (zh) * | 2017-09-18 | 2018-01-16 | 中国林业科学研究院资源信息研究所 | 一种依赖于相邻木特征的林木冠幅估算方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘帅: "《天然次生林林分结构分析及多目标智能优化研究》", 《中国博士学位论文全文数据库·农业科技辑》 * |
| 卿东升，李建军: "《天然林空间结构多目标优化评价模型探究》", 《林业科技通讯》 * |
| 李建军: "《洞庭湖森林生态系统空间结构均质性评价》", 《生态学报》 * |
| 郝珉辉: "《抚育采伐对蛟河次生针阔混交林功能结构和谱系结构的影响》", 《林业科学》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111340643A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110163452B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106408132A (zh) | 一种基于种植设备的作物产量预测方法及装置 | |
| CN109376462B (zh) | 一种基于相邻木关系的林分结构多样性的测度方法 | |
| CN107392376A (zh) | 一种农作物气象产量预测方法及系统 | |
| CN107329511A (zh) | 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统 | |
| CN109002621A (zh) | 一种顾及邻域与地理差异的林分平均高与胸径计算方法 | |
| CN111915062B (zh) | 水分利用率与光合速率协同的温室作物需水调控方法 | |
| CN109858180B (zh) | 一种区域作物耗水空间格局优化设计方法 | |
| CN108388566A (zh) | 一种植物物种丰富度分布的空间模拟方法 | |
| CN113111504B (zh) | 一种基于目标树经营间伐木智能选择算法 | |
| CN107145941A (zh) | 基于最优光质和光子通量密度的需光量实时动态获取方法 | |
| CN116258060A (zh) | 基于机器学习的测土配方施肥方法 | |
| CN105913326B (zh) | 约束性知识与精英个体策略遗传算法融合的作物生育期模型品种参数优化方法 | |
| CN110414115A (zh) | 一种基于遗传算法的小波神经网络番茄产量预测方法 | |
| CN103353913A (zh) | 一种基于粒子群算法的林分空间结构优化模型建立方法 | |
| CN104620879B (zh) | 一种基于冠层光分布模拟的树木剪枝优化方法 | |
| Liu et al. | Prediction model of photosynthetic rate based on SOPSO-LSSVM for regulation of greenhouse light environment | |
| CN110163452A (zh) | 基于环状分布指数的林分空间结构优化方法 | |
| CN106096305A (zh) | 森林抚育间伐后林分的总生产量最大的间伐优化设计方法 | |
| CN109767046A (zh) | 一种土地空间优化配置方法及系统 | |
| CN116595333B (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
| CN113553767A (zh) | 一种温室作物光合速率预测模型构建方法及系统 | |
| CN111126827A (zh) | 一种基于bp人工神经网络的投入产出核算模型构建方法 | |
| CN108898277A (zh) | 一种农业大数据智能分析调控系统 | |
| Jiao et al. | Prediction model of rice seedling growth and rhizosphere fertility based on the improved Elman neural network | |
| CN109033968A (zh) | 一种基于改进算法的森林空间结构动态多目标优化模型 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |