林分结构七篇

2024-09-13

林分结构篇1

关键词：秃杉,人工林,直径结构,函数拟合

1 引言

林分直径结构在许多树种林分中都具有其特定的分布状态以及结构规律性, 可以在定向培育目标树种的过程中及时调整林分的结构, 让目标树种能更好地生长。在林分内各种大小直径林木按径阶的分配状态, 称作林分直径结构 (Stand diameter structure) , 亦称林分直径分布 (Stand diameter distribution) [1]。

秃杉[2,3] (Taizemnia flousiana Gaussen) 除了对生长环境湿度要求较高外, 对其他要求并不严格, 这造就其具有广泛的适应性, 可作为我国常用造林更新树种。云南省是我国秃杉天然林和人工林主要分布区之一, 因此, 秃杉直径结构的研究对于秃杉大径材培育技术研究和云南省速生丰产乡土树种产业经济的发展都具有重要的意义。

2 研究区概况

选取云南西部腾冲县作为研究区域, 是秃杉天然林和人工林分布最为集中地区, 生长最具代表性。研究区属亚热带季风气候类型, 多年平均气温14.9℃。平均降雨量1425.4mm, 1月为最冷月均温7.5℃, 8月均温19.7℃, 年日照指数2176h, 日照百分率49%, 年均相对湿度78%。其地带性土壤有灌丛草甸土、暗棕壤、棕壤、黄棕壤、黄壤和红壤, 非地带性土壤有棕色石灰土、黑色石灰土和火山石灰土。

3 研究内容及方法

3.1 资料收集

按林分不同龄级及立地条件选设标准地, 面积不小于400m2, 闭合差小于1/200。对标准地内的树木进行每木检尺[4~7], 起测径阶按所选标准地的林分生长情况确定, 尽量包括最小径阶;调查林木胸径、林分郁闭度、年龄等基本因子, 记载标准地的地理位置、海拔、坡向、坡度、坡位、土壤类型和土层厚度等立地环境因子, 以及林下灌木、草本的种类、盖度、平均高度和分布等;对林分经营情况如修枝抚育、间伐等经营措施进行调查记录。共设置调查标准地62块, 主要分布于海拔1740~2386m, 林分郁闭度0.60~0.95, 林分年龄6~58年。

3.2 数据整理

用Excel软件和SPASS软件对外业调查数据进行处理, 统计每块样地各径阶株数分布情况, 并求算林分平均胸径Dg和算术平均胸径珡D:

式中:N为林分内林木总株数;di为第i株林木的断面积和胸径。

3.3 研究方法

采用相对直径株数百分数累计法、概率分布函数法和生长函数法分别对腾冲县秃杉人工林的直径结构进行分析和拟合, 其中概率分布函数法采用正态分布[8]和Weibull分布[9~11], 函数, 生长函数法采用著名的Logistic生长函数[12~15], 拟合结果用卡方检验判定各函数拟合效果。

3.3.1 正态分布函数

标准正态分布的概率密度函数为:

式中:为随机变量x的数学期望;σ为随机变量x的标准差。

3.3.2 三参数Weibull分布密度函数

式中:a被定义为位置参数, a的取值为林分中最小径阶的林木的直径下限值;b为尺度参数;c为形状参数。

在用Weibull分布密度函数拟合林分直径分布时, 参数a为直径最小径阶的下限值, 而对于参数b和参数c, 通常用最大似然估计法求解。

3.3.3 Logistic生长函数

应用于林分直径分布模型时, 形式为:

式中:y为各径阶对应的累积频率;x为径阶中值。c, p, q>0, c为f (x) 的上渐进值;p为与f (x) 初值有关的参数;q为内秉生长率。

4 结果与分析

4.1 不同年龄段各径阶株数分布

将调查样地秃杉按龄级 (即Ⅰ龄级:0~5年, Ⅱ龄级:6~10年, Ⅲ龄级:11~15年, Ⅳ龄级:16~20年, Ⅴ龄级:21~25年, Ⅵ龄级:26~30年, Ⅶ龄级:31~35年, Ⅷ龄级:36~40年, Ⅸ龄级:41年以上) 统计各径阶株数, 得出各径阶株数分布曲线如图1所示。可看出各龄级林分直径结构表现为以某一径阶为峰点的单峰山状曲线, 并且随着林分年龄的增长, 顶点规律性右移, 峰点对应的直径可看作是林分算术平均胸径;林分直径分布曲线随着林分年龄的增长由尖峭慢慢变为平坦, 林分径阶离散度由小变大, 分布曲线由左偏慢慢向右偏过渡。同时可以看出, Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ龄级曲线之间峰点相对右移程度较大, 说明秃杉在Ⅱ到Ⅵ龄级生长速度快;到Ⅶ、Ⅷ龄级时, 曲线峰点右移不明显, 说明秃杉生长进入缓慢期。

4.2 不同密度林分的株数累积直径分布

将林分密度分为5级, 即Ⅰ级:500株/hm2以下, Ⅱ级:501~1000, Ⅲ级:1001~1500, Ⅳ级:1501~2000, Ⅴ级:2001以上。按林分密度不同对腾冲县秃杉人工林林分做径阶株数累积曲线, 如图2所示, 随林分密度减小, 株数累积曲线规律性右移;在任意的相同累积百分数所对应的不同密度的直径, 密度越大, 直径越小。在同一径阶上林分密度越大, 其株数积累率越高, 说明直径分布曲线随着林分密度的减少而提前右偏;在任意的相同株数累积百分数时, 高密度林分的株数累积百分数所对应的直径均小于低密度的林分, 亦即在获取目标材种的时候, 同样的株数累积百分数, 密度越高的林分所对应的平均直径越小, 整个林分的直径分布较窄, 材种规格低。

4.3 正态分布、Weibull分布函数、Logistic生长函数拟合

4.3.1 参数估计

筛选出调查样地林木株数满足进行直径分布函数拟合条件的13块具有代表性的样地, 年龄从6~32年排序, 分别用正态分布函数、Weibul1分布函数和Logistic生长方程进行拟合, 拟合方程参数如表1所示。

4.3.2 分布拟合及x2检验

由表1中每块样地的参数估计值, 分别求出正态分布、Weibull分布函数和Logistic生长函数各径阶对应的理论株数, 计算结果与实测株数进行卡方检验, 在=0.05时, 查出对应的卡方值, 函数拟合检验结果如表2所示。

由表2看出, 在α=0.05时, 正态分布函数可以较好拟合23、24、25、21、32、8和38号样地的秃杉直径分布;Weibull函数可以较好拟合25、31、32、48和38号样地的秃杉直径结构分布;Logistic函数可以较好拟合14、23、25、21、27、31、32、17、8、48和43号样地的林分直径结构分布。其中23、24、25、21和8号样地为未经过间伐的样地, 其他样地均经历过不同程度的抚育间伐活动。13块样地年龄由小到大, 14号样地林分年龄6年, 43号样地林分年龄32年。从样地林分年龄来看, 三参数Weibull函数和Logistic函数可以拟合秃杉各年龄阶段间伐与未间伐的林分样地的直径分布, 但Logistic函数可以拟合的范围更大, 其拟合效果和适用性优于Weibull函数;正态分布适宜拟合中幼龄未经过间伐活动的林分样地的林分直径分布。

5 结论与讨论

(1) 秃杉人工林林分直径株数分布曲线呈现出以某一径阶为峰点的单峰山状曲线, 随着林分年龄的增大, 林分直径株数分布曲线由左偏逐渐转为右偏。

(2) 随林分密度减小, 直径株数累积百分数曲线规律性右移;在任意的相同累积百分数所对应的不同密度的直径, 密度越大, 直径越小。

(3) 正态分布、Weibull分布函数和Logistic生长函数对于秃杉直径结构规律的模拟均具有一定的适用性。本文在对腾冲县秃杉人工林调查样地的直径结构分析时, 发现正态分布较适宜未经抚育间伐的林分, 而Weibull分布函数和Logistic生长函数的适应性较广, 且适用性Logistic生长函数>Weibull分布函数。至于Logistic生长函数以外的其他生长方程能否用于腾冲县秃杉人工林直径结构拟合还有待于更多的研究。

林分结构篇2

1 经验的方法

从过去不同密虔的林分, 在满足其经营目的方面所取得的成效, 分析判断其合理性及需要调整的方向和范围, 从而确定在新的条件下应采用的初始密度和经营密度。采用这种方法时, 决策者应当有足够的理论知识及生产经验, 否则会产生主观随意性的弊病。

2 试验的方法

通过不同密度的造林试验结果来确定合适的造林密度及经营密度当然是最可靠的。当前大部分密度试验由于所选择的密度间隔不很合理, 得出许多矛盾的结论。吴增志在总结以往经验教训的基础上, 提出了密度试验应遵循的一般原则。首先是指数 (或几何级数) 原则。生物种群的出生率、死亡率、存活率、植物的生长等数量变化不是按数学级数变化, 而是按指数或几何级数变化。因此在研究种群密度与生产的关系时也必须以指数变化的规律去考虑问题, 这本来是由马尔萨斯 (Malthus) 法则所决定的, 但至今许多密度试验设计常常以增强试验结果的实用性为由, 拒绝接收这个原则。结果其试验设计所跨的密度范围太窄, 这不但不能揭示密度规律, 还引起了许多异义。其次是种质条件一致性原则。即所研究的林分必须是同种、同龄、苗木质量一致。再次是生长条件一致性原则。即树木生长的立地条件等环境条件一致, 只密度不同。除以上三条原则外, 当然还需遵循一般田间试验的统计学要求与设计原则。

由于密度试验需要等待很长时间 (一般应至少达到半个轮伐期以上, 最好是一个完整的轮伐期) 才能得出结论, 且营造试验林要花很大的精力和财力, 不可能为每个树种在各种条件下都搞一套试验, 所以一般只能对几个主要造林树种, 在其典型的生长条件下进行密度试验, 从这些试验中得出密度效应规律及其主要参数, 以便指导生产。通过密度试验得出的是生物学范畴的结论, 还需加上经济分析, 才能最后确定林分密度。

3 调查的方法

如果在现有的森林中, 就存在着相当数量的用不同造林密度营造的, 或因某种原因处于不同密度状况下的林分, 则就有可能通过大量调查不同密度下林分生长发育状况, 然后采用统计分析的方法, 得出类似于密度试验林可提供的密度效应规律和有关参数。这种方法使用也较为广泛, 已得到了不少有益的成果。调查的重点项目, 有树冠扩展速度与郁闭期限的关系;初植密度与第一次疏伐开始期及当时的林木生长大小的关系;密度与树冠大小、直径生长、个体体积生长的关系;密度与现存蓄积量、材积生长量和总产量 (生物量) 的相关关系等。掌握这些规律之后, 一般就不难确定造林密度。例如, 对于用材林来说, 在大量需要小径材 (包括薪材) 的情况下, 可以根据树冠扩展速度, 要求林分适时达到郁闭为标准, 来确定造林密度;在有一定径阶的中小径材有销路的情况下, 以根据密度与直径生长的关系等规律, 按林分第一次疏伐时就能生产适销径阶的树种, 并在经济上合算为准则, 来确定造林密度;在小径材无销路, 并采用林农间作作为初期林地利用方式的情况下, 也可以直接按主伐时所需树木大小与密度的关系来确定造林密度。

4 编制密度管理图 (表) , 查阅图表的方法

对于某些主要造林树种 (如落叶松、杉木、油松等) , 已进行了大量的密度规律的研究, 并制定了各种地区性的密度管理图 (表) , 可通过查阅相应的图表来确定造林密度。但现在的大多数密度管理图 (表) 无论在理论基础上, 还是在实际应用上, 都还存在不完善的地方, 需继续深化研究。近期吴增志根据其发现的合理密度理论编制的华北落叶松、杨树 (毛白杨、欧美杨) 人工林合理密度调控图 (表) , 在人工林密度科学合理管理上又走了一大步, 也可据此确定造林密度和经营密度。如可按照第一次疏伐时要求达到径阶的大小, 在合理密度管理图上查出长到这种大小而合理密度系数较高 (如华北落叶松为1.7) 时对应的密度, 依此密度再适当增加一定数量, 以抵偿生长期间可能产生的平均死亡率, 即可作为造林密度。

合理的林分结构是森林效益最优发挥的重要基础。林分结构包括组成结构、水平结构、垂直结构和年龄结构, 主要决定于树种组成、林分密度、林木配置和树木年龄等因素, 其中密度和配置主要决定林分水平结构, 树种组成和年龄主要决定林分垂直结构, 组成结构和, 龄结构则由林分的树种比例、林木起源或营造时间决定。人工林分的结构可以经人为设计和培育而得到较充分的调控, 天然林分结构的形成则更依赖于自然因素, 但也可通过一系列营林措施来实现有效的调控。

以上四种方法根据所具备的条件可参照使用, 也可同时使用, 相互检验。

摘要：林分密度在森林的一生中不断变化, 为便于区别, 我们将森林起源时形成的密度称为初始密度, 它是森林生长发育各个时期密度变化的基础, 而将其余各个时期的密度称为经营密度。由于确定合理的森林密度非常困难, 所以迄今为止常将结构简单、影响因子较少的同龄人工纯林作为主要研究对象来分析密度的作用机理, 这使复杂问题简单化了, 同时得出的结论也可在其他类型的森林培育过程中借鉴。

林分结构篇3

通过样地调查对不同干扰方式产生的`过伐天然林、次生白桦林和人工落叶松林等群落的结构组成进行分析和分类探讨,并选取能够表征结构完整性和稳定性的一些指标因子,利用健康距离法对长白山阔叶红松林区的森林生态系统健康进行了评估实践,结果按顺序依次为:原始阔叶类0.14《结构转换型0.23《结构保留型0.32《结构破坏型0.33《严重干扰类型0.44《次生白桦林0.53《人工落叶松林0.68.以期对阔叶红松林生态系统的恢复和区域林业可持续发展提供参考.

作者：代力民陈高邓红兵姬兰柱郝占庆王庆礼作者单位：代力民,陈高,姬兰柱,郝占庆,王庆礼(中国科学院沈阳应用生态研究所,沈阳,110016)

邓红兵(中国科学院生态环境研究中心,北京,100085)

不同抚育方式对毛竹林分的影响篇4

毛竹具有生长快用途广的特点, 大力发展毛竹种植, 可以加快林业结构调整的步伐, 为农民带来可观的经济效益。永安市毛竹种植历史悠久, 素有“笋竹之乡”之称。永安气候温和, 雨量充沛, 土地肥沃, 是毛竹比较适宜的种植区域。至今, 毛竹种植已经成为当地农民发展致富的好门路。笔者根据实地调查, 通过不同抚育方式对毛竹生长影响试验, 获得第一手资料, 旨在为毛竹科学经营提供技术参考。

1 材料和方法

1.1 试验地情况

试验地设在福建省永安市洪田镇洪田、东坑、留山、上石4个村, 毛竹分布在450~600m的坡地中。这里有农户大片承包经营毛竹, 也有散户小面积毛竹种植。试验地位于E116°78′, N25°56′。这里属于中亚热带山地气候, 气候温暖湿润, 冬短夏长, 光照充足。年均气温15℃~18℃, 降雨量1700~1800mm, 年均日照1757h, 无霜期达214~248d。土壤富含腐殖质, 微酸性, 非常适合毛竹生长。

1.2 试验设计

试验设5个处理, 根据不同抚育管理方式, 设置处理1 (A) :全垦砍杂20cm、施用专用肥300kg·hm-2 (或者加施农家肥) 、竹林结构调整;处理2 (B) :全面除草、埋青、施用专用肥300kg·hm-2 (或加施农家肥) 、竹林结构调整;处理3 (C) :全垦20cm;处理4 (D) :全面除草、埋青;对照组 (E) :不采取任何抚育管理。5个处理采取随机分组排列, 4次重复。小区面积为667m2, 每个小区设立5块标准地。不同抚育措施的实施:

1.2.1 全垦砍杂

竹林中有一些杂木灌丛, 争夺地力争夺阳光, 对竹林影响很大, 所以, 实施竹林低产改造的首要措施就是砍除这些杂木灌丛, 对竹林进行一次彻底清理。清除竹蔸、浮鞭、老鞭、石块、杂草, 增加土壤透气性, 可以有效保水保肥, 促进毛竹的生长。

1.2.2 除草埋青

除草复垦是竹林抚育管理的最常用方法, 对改善林地土壤环境非常有利。除草要把杂草杂灌植物埋青酿肥, 增加土壤腐殖质, 改善土壤环境。

1.2.3 施肥管理

毛竹施肥要本着少量多施的原则, 施肥最好结合复垦除草同步进行。可以沿等高线挖宽80~100cm, 深为25~30cm的沟, 把腐熟农家肥施入沟中, 覆土压实。也可适当增施无机肥料, 施肥方法可用撒施、穴施、沟施, 也可以竹蔸施肥。

1.2.4 结构调整

调整林分结构也是很重要的抚育措施, 保持竹林不同竹龄竹子的合理比例, 对竹林生长有重要作用。见表1。

结合表1可以看出, 当立竹数量达到272株/hm-2, 竹龄比例调整到3:3:3:1左右, 竹叶面积指数达到7.2以上, 这是毛竹竹林结构的最佳选择。

试验时间为2009年6月~2013年6月。

每年抚育时间为6~10月。每年新竹长成后, 对标准样地新竹的胸径、枝下高、竹杆重等进行测定。将新竹伐倒, 枝叶和主干分别称重, 用随机抽样方法, 取一部分竹叶平铺在1㎡地面上, 然后测定这些竹叶的重量。可以计算出竹叶的总面积, 进而得出叶面指数。

2 结果与分析

2.1 不同抚育管理与毛竹孕笋、成竹的关系 (见表2)

从表2可以看出, A处理表现最好, 全垦松土20cm, 表层土壤透气性加强, 物理条件得到有效改善, 有利于竹鞭延伸和分鞭孕笋, 增施专用肥料, 能够促进毛竹多孕笋、多长新竹。竹林结构调整对保持林分健康也起到重要作用。B处理表现也不错, 因为除草埋青, 也能有效调节土壤环境, 加上施用专用肥, 孕笋、新竹都明显增多。C处理全垦改善了土壤环境, 增加了透气性, 因为不施肥, 孕笋和新竹较少。D处理只是除草、埋青, 对孕笋和新竹有一定的作用。对照组E处理没有抚育管理, 当然处于荒芜状态, 虽然能孕笋和成竹, 但数量和质量都很差。

2.2 不同抚育管理与立竹、新竹的关系 (见表3)

从表3可明显看出, A处理表现依然很强势, 立竹数量、新竹数量都最多, 新竹胸径最大, 新竹枝下高也最高, 新竹杆重最重, 竹叶面积指数最高。说明全垦、施用专用肥、竹林结构调整, 对立竹和新竹生长至关重要。B处理表现也比较优秀, 因为和A处理抚育管理只是相差一个全垦, 所以从各项数据表现看, 还是相当不错的。C、D处理比A、B处理就要逊色一个档次了, 说明不施用肥料, 对立竹新竹长势产生较大的影响。对照组E处理依然最差, 相比A、B处理, 差距更明显。

3 结语

通过试验可以得出结论:不同抚育管理措施对毛竹林分影响很明显。而且抚育管理的项目越全、抚育频率越高, 对毛竹林分的正面影响就会越显著。复垦、砍杂、除草、松土, 不仅可以起到保肥保水、增加土壤透气性改善内循环的作用, 还能有效控制病虫害的发生;由于毛竹对肥料比较敏感, 适时追肥, 可以增强毛竹长势改善林分;调整毛竹林分结构, 可以让新老竹子形成生长互补, 从试验结果不难看出, 相比对照组, 提高幅度可达数倍之多, 特别是当立竹数量达到2310株·hm-2, 竹龄比例调整到3:3:3:1左右时, 竹叶面积指数最高。总之, 加强抚育管理, 对毛竹生长提高毛竹林分防治病虫害有重要意义。

抚育管理措施要遵循毛竹生长规律, 一定要抓住有利时机进行。要对毛竹林分进行考察之后才能决定采取什么样的抚育措施, 只有针对性进行垦复、除草、松土、施用专用肥、林分结构调整, 才能有效促进孕笋和新竹的生长发育, 对新竹胸径、枝下高、新竹杆重和竹叶面积指数等技术指标都会产生积极影响, 获得毛竹最佳生长量。因此, 要保持毛竹高产稳产, 不仅相应的抚育管理不可或缺, 还要注意适时进行的问题。只有全面适时落实各种抚育管理措施, 才能确保毛竹经济效益维持在较高水平。

参考文献

[1]赖建强.不同林分改造措施对毛竹低产林生长效果的影响[J].现代农业科技, 2012 (08) :35-37.

[2]万绍平.不同抚育措施下笋竹两用毛竹林产量及效益比较[J].林业科技开发, 2004 (06) :54-57.

[3]尹洁, 张喜, 彭培好, 等.不同采伐强度对毛竹林分质量的影响[J].安徽农业科学, 2009 (36) :23-25.

林分结构篇5

1 林木施肥的意义

林木施肥是提高土壤肥力、改善林木营养状况和促进其速生高产的一项重要营林技术措施。多年以来, 我们给林木进行施肥, 大多集中在给经济林木上施肥了, 随着民有林的大力发展, 以及人工林集约经营程度的普遍提高, 对用材林进行施肥也逐年得到增加, 同时也被大多林木培育经营者所认识和接受, 因此, 在同等经营周期内, 通过给林木施肥, 加速其生长, 提高林地利用期限, 缩短木材培育周期, 效益非常突出, 意义现实深远。

2 林木施肥的效益

对林木进行施肥, 林分的生态效益自然不必多说, 而它的经济效益也是非常可观的。有研究证明:美国对黄杉结合间伐进行施肥, 增加木材蓄积量18%~32%, 施肥收益和成本比值为1.03~3.30;日本对柳杉施肥后, 5年木材蓄积量增加60%~150%;一般地区对针叶树施肥, 使林木连年生长量一般都增加30%~50%。与针叶树种相比, 对人工栽植的阔叶树种杨树、水曲柳等进行施肥的生长效应更为明显, 杨树中的一些品种通过合理施肥, 林木生长量最大可增加500%。在同等经营期内进行林木施肥, 林木的生长量会大大增加, 其经济效益也会大提高。

3 林木施肥的条件及要求

林木施肥要与当地的气候和土壤条件、树种、林龄及营林措施密切结合, 确定有机肥与化肥的配合、各种营养元素化肥的比率、化肥品种、经济的施肥量、适宜的施肥期和施肥方法, 以提高肥料利用率和经济效益。林木施肥要在林木和土壤进行营养诊断之后, 根据林木对营养元素的需要, 如氮、磷、钾、钙、镁、铁等养分吸收利用和程度以及土壤供给养分的需求不同, 只有各种养分之间保持一定协调的比例, 才能达到最高的产量。

4 林木施肥的期限及措施

林木适宜的施肥期在施肥过程中显得尤为重要, 主要分三个时期:

第一期施肥:为幼林时期施肥。是在造林后郁闭前进行施肥, 目的是提高造林成活率。促进幼林生长, 使林木提前郁闭, 节省除草费用。具体方法是造林时结合整地施有机肥作基肥, 有时掺入过磷酸钙等磷肥;或在造林后, 在幼树周围开浅沟施入氮肥或氮、磷、钾复合肥。施肥量视幼林生长情况逐年递增。幼林施肥与松土除草结合, 防止杂草争夺养分。

林分结构篇6

1 标准的BP算法

BP网络按有学习目标的方式进行学习,当为网络提供一对学习样本后,经过神经网络内的工作信号一系列正向传播,得到网络的输出值,然后根据期望输出与网络的实际输出间的误差按反向误差信号对网络进行调节,这样,随着学习过程的不断迭代进行,网络的实际输出值也就逐渐逼近希望输出值。

在样本学习中第k个样本的第n次迭代中输出层的第1个单元的网络实际输出为ylk(n),样本希望输出值为tlk(n),则该单元的误差信号为:

经典的即算法的目标函数为:

BP算法是通过梯度下降法调整所有权值和阀值使网络的实际输出值逼近希望输出值的。以三层网络为例,梯度下降法的各层权值的修正量为:

Q为训练样本总数,N为输出层单元总数,E(n)为学习的目的应使E(n)达到某一规定小量。E(n)是网络所有权值以及输入信号的函数。另外:

η:学习步长,η的取值过小则收敛速度慢,过大则容易引起震荡,一般取0.5~0.9;

xik:第k个样本的输入层的第i个单元值;

hjk(n):第k样本的第n次迭代中隐含层的第j个单元值;

ylk(n):第k个样本的第n次迭代中输出端的第1个单元实际输出值;

tlk(n):第k个样本的第n次迭代中输出端的第1个单元样本希望输出值;

δlk(n),δjk(n):第k个样本的第n次迭代中的权值局部梯度。

误差逆向传播,得n+1次迭代的权值为

在第n+1迭代中重复以上各步,同样求得w(n+2)。如此反复循环,最终得到一组权值,网络的代价函数值小于规定数值,则学习成功。

3 数据处理

由于BP网络模型的建立在很大程度上依赖于培训样本集,因此,培训样本的选择也就格外的重要。与传统建模一样,样本可以来自实验室,也可以来自实际生产数据,甚至设计时的模拟数据。

总共收集到三年度(2003年,2004年,2005年)的137份数据资料,根据森林经营分公司对伐区设计的要求(即设计出材与实际出材的误差不超过390)对数据进行预处理,最后得到87份样本数据。

3.1 数据的标准化处理

我们所用的BP网络的传递函数为Siglnoid函数,其工作区域为[0,1],因此对于具体对象的真实样本还要进行预处理,将其对应到区间[0,1]之中。对于归一化计算公式的选择,原则上没有限制,只要能将培训样本变成区间[0,1]上的数即可。本文采用的公式为

式中:xi'一样本归一化后的数值;

xi一学习样本数值;

xmin一样本系列中的最小值;

xmax一样本系列中的最大值;

把样本归一到0到1的区域内,最大地节约了网络资源,减轻了网络的学习负担,能够加快网络收敛并且较大地改善了网络的训练结果。经过研究样本数据,发现输出单元己经在(0,1)之间,因此只要对输入单元进行归一化处理。

3.2 模型变量主成分分析

在实际问题中,为了尽可能完整地获取有关的信息,往往需要考虑众多的变量,这虽然可以避免重要信息的遗漏,但增加了分析的复杂性。一般说来,同一问题所涉及的众多变量之间会参在一定的相关性,这种相关性会使变量的信息有所“重叠”。于是,人们希望对这些相关的变量加以“改造”,用为数较少的、信息互不重叠的新变量来反映原变量提供的大部分信息,从而通过对为数较少的新变量的分析达到解决问题的目的。主成分分析便是在这种降维的思想下产生的处理高维数据的统计方法。影响林分材种出材率的因素主要有:平均胸径、平均树高、立木密度、郁闭度、林龄、立地类型、公顷蓄积量等。为了确定输入矢量,对样本数据进行主成分分析。

从表2中我们可以看出前4个主成分其累计方差百分比达到90.99%,表明4个因素能够代表原始数据提供的绝大部分的信息,即平均胸径、平均树高、立木密度、公顷、蓄积量。

4 BP神经网络的结构的确定

在本次研究过程中,由于输入层的需要训练数据较多,使用双隐含层将会似训练过度复杂化,同时需要极大地增加训练样本数目,在现有样本数的情况下可能导致过度适应(即样本数无法满足过多的节点的需要,结果无效的训练收敛假象)的情况出现,所以研究中使用了单隐层的网络结构。即一个输入层、一个隐含层、一个输出层的三层BP网络结构。最后确定平均胸径、平均树高、立木密度、公顷蓄积量等四个因子作为输入单元。输出单示数则根据模型预测的要求来确定:

1)林分出材率的预测模型输出单元个数为1个,为林分出材率;

2)林分总出材率和非规格出材率预测模型输出单元个数为2个,为林分总出材率和非规格出材率;

3)林分径阶材种出材率模型输出单元个数为4个,为8cm以下、10-12cm、14-16cm、18cm以上。

5 林分出材率预测神经网络模型的确定

根据上述因素对BP网络学习效果和预测精度的硬性,确定林分出材率模型采用L—M学习算法、隐含层激励函数选择109519、学习速率为0.01,BP网络学习数据选择2004年—2005年度的70个小班数据。隐含层神经元的个数只能在实际运算中进行选择。根据实际运算中的调试,最后确定模型的隐含层神经元个数为9个。

1)林分出材率的预测模型的网络结构

2)林分总出材率和非规格出材率预测模型的网络结构

3)林分径级材种出材率模型的网络结构

6预测结果的分析

林分总出材率的预测模型的结构是:4-9-1,输入层有4个影响因素,分别为平均胸径、平均树高、立木密度、公顷蓄积量,隐含层数目为1层,输出神经元为林分出材率。为了更直观地观察训练效果,利用电子表格绘制了预测值与实际值的比较图,结果如图1。

7 结束语

人工神经网络方法具有高度非线性函数映射功能,采用人工神经网络结合生产实践进行林分材种出材率表的编制,有利于节约大量人力物力,其结果较为理想,同时由于模拟所需样本均来源于生产实际亦有利于提高编表结果的实用性。由此可见,人工神经网络应用于林分径级材种出材率模拟编表具有良好的应用与发展前景,有助于拓展林分径级材种出材率编表的新方法与新思路。

摘要：通过对伐区设计资料,及实际生产码单数据进行学习,确定以平均胸径、平均树高、保留密度、蓄积量为输入神经元,分析了影响BP网络学习效率和预测精度的影响因素,主要从隐含层神经元数量、训练数、隐含层激励函数、学习样本数量几个方面对材种出材率预测BP网络模型进行了优化,确定了林分经验材种出材率预测人工神经网络模型。为林分经验材种出材率表的编制提供一种新的思路与方法。

关键词：神经网络,林分材种出材率,预测,BP学习算法

参考文献

[1]何美成.我国材种出材率表编制技术规程的研究[J].林业资源管理,2004(2):22-25.

[2]谢哲根,唐正良,翁卫松,等.材种出材率预估模型研究[J].浙江林学院学报,1996,13(4):392-396.

[3]胥辉,秦安臣.树干削度方程研究概述[J].河北林学院学报,1996,11(3,4):297-301.

[4]张立明.人工神经网络的模型及其应用[M].上海:复旦大学出版社,1994:3-31.

林分结构篇7

1 建立Access数据库

建立一个Access数据库,文件名为“数据库.mdb”,数据库中树高级统计,具体数据如表1所示。

2建立Excel表

建立一个Excel表,文件名为“树高分布图.xls”。在Excel表中的数据格式及内容如图1。

Excel表中的宏包括4个Sub:Sub Addchart1()、Sub Addchart2()、Sub Addchart3(),Sub clear()。具体代码如下:

3 程序设计

首先在VB中创建一个窗体,窗体名称为“Form1”,Caption属性为“树高分布图”。该窗体用于显示不同树高级统计表中的树高级分布图,如图2所示。窗体有2个CommandButton控件CmdPaint、CmdExit(画图、退出),1个ListBox控件ListTB,1个Label控件Label1(选择表),1个SSTab控件SSTab1,在SSTab控件的每一个Tab中分别加入1个PictureBox控件(Picture1、Picture2、Picture3)。

4 程序原理

在VB中,利用ADO对象连接Access数据库,把树高级统计表显示在ListBox控件中,然后把所选表的内容写进Excel表中,在Excel表中显示出不同树种在不同树高级下的株数;之后调用Excel表中的宏,来画出3种不同的图表。在Excel表中画出图之后,还需要把图复制到VB树高级分布图界面中。这里用到的方法是每调用Excel表中一个宏画出一个图表就把其复制到剪贴板中,然后通过剪贴板把图粘贴到树高级分布图相对应的条形图下的picture中。接着再调用另外一个宏画其他的图表,重复上面的动作。

最后清空Excel表中的内容,关闭Excel。

5 程序代码

5.1 连接数据库

'ListTB中显示不同树高级统计表

5.2 控件ListTB的事件脚本

5.3 控件CmdPaint(画图)的事件脚本

5.4 画图过程脚本

6程序运行

在“选择表”里选择需要的树高级统计表,点击“画图”,即可得到3种不同的树高级分布图(图3)。

7结语

本程序在VB和Excel环境下编写完成,实现了林分树高分布图,这种方法同时适用于实现其他的垂直分布图,希望给编程工作者提供一些帮助。

参考文献