传统回归和机器学习人工林生长模型与经济成熟研究 ——以广西高峰林场桉树和林朵林场杉木为例.pdfVIP

摘要 摘要 优化森林经营是实现森林质量提升的根本途径。结合立地条件、林分密度等因素 对胸径、蓄积的准确预估是其中重要环节。针对目前广西桉树与杉木的林分胸径与蓄 积模型由于没有充分考虑立地条件与林分密度因素而存在的预估精度不高的问题。本 文采用修正模型与机器学习决策树类两种方法，构建林分胸径生长与蓄积预估模型。 在此基础上，以杉木为例采用三种经济成熟标准计算不同造林密度下的经济效益与对 应经济成熟龄。最后研建林分生长预测与经济效益模拟系统。本文主要研究如下： (1)采用修正模型方法，以 Richards 等 6 种理论生长方程作为基础函数，以地位 指数、株密度为底数的幂函数乘积组合作为误差函数，构建桉树和杉木的林分胸径和 2 2 蓄积修正模型。结果表明：桉树胸径模型R =0.738 ，MAE=1.158 ，杉木胸径R =0.782 ， 2 2 MAE=1.751 ，桉树蓄积模型 R =0.772 ，MAE=9.235 ，杉木蓄积模型 R =0.785 ， MAE=7.540 。 (2)采用9 种决策树类机器学习方法，以二类调查小班数据的立地因子(海拔、坡 向、坡位、坡度、枯枝落叶厚度、腐殖质层厚度、土层厚度、土壤种类)和林分因子(年 龄、公顷株数)作为输入，以平均胸径、蓄积作为输出，构建桉树和杉木的林分胸径 和蓄积决策树模型。结果表明：对于决策树类机器学习，集成学习高于非集成，串行 集成高于并行集成，XGboost 决策树模型表现相对优。对于XGboost 模型，桉树胸径 2 2 2 R =0.7410 ，MAE=0.382 ，蓄积 R =0.8125 ，MAE=0.3434 ；杉木胸径 R =0.9320 ， 2 MAE=0.3446 ，蓄积R =0.9972 ，MAE=0.3446 。对于XGboost 模型变量占比，桉树蓄 积依次为年龄(78.0%)、海拔(4.9%)、土层厚度(3.8%)、密度(3.2%) 。杉木蓄积模型依 次为年龄(80.2%)，海拔(5.0%)、土层厚度(4.1%)、密度(3.6%) 。 (3) 以净现值、林地期望值以及考虑林分固碳效益的林地期望值作为经济成熟判 断指标，以某种立地条件为例，固定立地自变量，在5 种密度条件下进行经济效益模 拟，结果表明：经济效益值起始为负值，随着林龄的增加而增长，到极大值都开始减 少，随着密度的增加而减少，林分密度取每公顷 1000 株时经济效益值相对最大，对 应最大净现值（21202.71 元/公顷）、林地期望值（29930.50 元/公顷）、固碳效益林地 I 摘要 期望值（32423.60 元/公顷）。净现值对应的经济成熟龄为16a，林地期望值和考虑林 分固碳效益的林地期望值对应经济成熟龄均为15a。 关键词：林分生长模型，杉木，桉树，修正模型，决策树机器学习，经济成熟 II 目录 目录 1 绪论 1 1.1 研究背景与意义 1 1.2 国内外研究述评 1 1.2.1 林木生长模型 1 1.2.2 回归方法在林分生长模型中的应用 2 1.2.3 机器学习方法在林分生长模型中的应用 4 1.2.4 研究现状与存在的问题 5 1.3 研究目标与研究内容 6 1.3.1 研究目标 6