卞西陳,陳麗華,武巧英,王 鵬,王萍花
(北京林業(yè)大學(xué)水土保持學(xué)院,北京 100083)
森林健康預(yù)警的實(shí)質(zhì)就是根據(jù)森林資源可持續(xù)發(fā)展的要求、森林健康的發(fā)展趨勢(shì)和預(yù)警科學(xué)的基本理論和方法,結(jié)合森林生態(tài)系統(tǒng)的特點(diǎn),制定一系列森林健康的預(yù)警指標(biāo),并在歷史數(shù)據(jù)的定性分析和定量評(píng)價(jià)的基礎(chǔ)上,結(jié)合系統(tǒng)綜合評(píng)價(jià)理論、預(yù)警理論和專家經(jīng)驗(yàn),確定預(yù)警指標(biāo)的合理警限,通過對(duì)森林健康的現(xiàn)狀和未來的測(cè)度,及時(shí)發(fā)布森林系統(tǒng)向不健康方向發(fā)展的警情,為決策者提供及時(shí)、準(zhǔn)確的反饋調(diào)控信息。
PSR模型即“壓力-狀態(tài)-響應(yīng)”(Pressure-State-Response,PSR)框架,1979年由加拿大學(xué)者Rapport和Friend提出。20世紀(jì)90年代,在經(jīng)濟(jì)合作與發(fā)展組織(OECD)和 聯(lián)合國環(huán)境規(guī)劃署(UNEP)共同推動(dòng)下,PSR模型成為研究環(huán)境問題的基本框架[1-3]。隨著PSR模型理論的不斷發(fā)展,其應(yīng)用領(lǐng)域也越來越廣泛,如:生態(tài)安全評(píng)價(jià)、土地質(zhì)量評(píng)價(jià)、土地可持續(xù)利用評(píng)價(jià)、生態(tài)系統(tǒng)健康評(píng)價(jià)等。但該理論在森林生態(tài)系統(tǒng)健康預(yù)警中的應(yīng)用較少,為此我們提出了基于PSR模型的預(yù)警流程圖(圖1)。
圖1 PSR模型的預(yù)警流程圖
由圖1可以看出:PSR模型是一個(gè)循環(huán)的運(yùn)行過程。當(dāng)自然因素和人為因素成為壓力施加到森林系統(tǒng)上,將對(duì)森林健康狀態(tài)產(chǎn)生影響,即外界壓力引起了森林健康狀態(tài)的變化;這種森林健康狀態(tài)信息被管理部門接收到后,管理部門將采取相應(yīng)的響應(yīng)措施對(duì)施加于森林系統(tǒng)的外界壓力因素進(jìn)行管理,從而改善人類活動(dòng)等壓力因素;改善后的壓力因素將再次作用于森林系統(tǒng),使其狀態(tài)再次發(fā)生變化,管理部門再次進(jìn)行響應(yīng)。
北溝林場(chǎng)隸屬于河北省孟灤國營林場(chǎng)管理局,位于圍場(chǎng)縣中南部,分布在半截塔鎮(zhèn)和下伙房鄉(xiāng)境內(nèi),地處七老圖嶺山西側(cè),地勢(shì)東北高,西南低;海拔800~1 600 m,色樹梁東光頂是全場(chǎng)最高峰,海拔1 600 m;灤河支流——伊瑪吐河由北向南從林區(qū)穿過,流入隆化境內(nèi)。林場(chǎng)總經(jīng)營面積約5 733 hm2,林地面積5 000 hm2,活立木蓄積284 000 m3,森林覆蓋率88%。森林以天然次生林和人工林為主,主要樹種有白樺、油松、華北落葉松、山楊、柞樹、五角楓、云杉、日本落葉松等。林區(qū)內(nèi)生物資源十分豐富,高等維管植物有600多種,野生脊椎動(dòng)物有20余種,鳥類有80余種。
在林場(chǎng)森林中選出32 700 m2的典型樣地,其中包括天然次生林和人工林。根據(jù)林地的不同類型把樣地分為88個(gè)小班。其中天然次生林共25個(gè)小班,每個(gè)小班的面積為20×20 m2,人工林共63個(gè)小班,其中62個(gè)小班大小為10×10 m2,另1小班與天然林緊挨,林分結(jié)構(gòu)有別于天然林和人工林,大小為15×20 m2。每塊樣地里面又設(shè)置5×5 m2的中等樣方和1×1 m2的小樣方,分別調(diào)查灌木和草本植物,調(diào)查指標(biāo)包括胸徑、樹高、枝下高、優(yōu)勢(shì)度、干形質(zhì)量、冠幅、土壤厚度、土壤入滲率、病蟲害狀況及森林火險(xiǎn)等。
20世紀(jì)80年代初,波蘭數(shù)學(xué)家Z.Pawlak針對(duì)G.Frege的邊界線區(qū)域思想首次提出了粗糙集(Rough sets,RS)概念。粗糙集理論是一種處理含糊和不精確性問題的新型數(shù)學(xué)工具,其基本思想是在保持分類能力不變的前提下通過知識(shí)約簡,導(dǎo)出概念的分類規(guī)則。其特點(diǎn)是:不需要提供求解問題時(shí)所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)知識(shí),僅對(duì)實(shí)測(cè)數(shù)據(jù)本身進(jìn)行分類處理即可發(fā)掘隱含知識(shí),揭示潛在的數(shù)據(jù)內(nèi)部規(guī)律;可處理不完備的數(shù)據(jù)信息;能在保留關(guān)鍵數(shù)據(jù)信息的前提下對(duì)數(shù)據(jù)進(jìn)行化簡并求出知識(shí)的最小表達(dá);能評(píng)估數(shù)據(jù)間的依賴關(guān)系,從經(jīng)驗(yàn)數(shù)據(jù)中獲得易于驗(yàn)證的分類規(guī)則,有利于智能控制[4-9]。近年來,粗糙集理論逐漸被引用到綜合評(píng)價(jià)中,成為綜合評(píng)價(jià)中確定權(quán)重,進(jìn)行評(píng)價(jià)的一種有效的方法。
利用Rosetta軟件對(duì)各指標(biāo)的數(shù)據(jù)進(jìn)行處理,根據(jù)各指標(biāo)在總指標(biāo)中的權(quán)重確定出本次研究中用的指標(biāo)。其中,壓力指標(biāo)包括病蟲害程度和森林火險(xiǎn)等級(jí);狀態(tài)指標(biāo)包括群落層次結(jié)構(gòu)、林分郁閉度、近自然度、土壤侵蝕程度、生物多樣性和土壤厚度;響應(yīng)指標(biāo)包括人工育林比例、專業(yè)技術(shù)人員比例。各指標(biāo)占總指標(biāo)的權(quán)重見表1。
表1 森林生態(tài)系統(tǒng)健康預(yù)警指標(biāo)權(quán)重
警限的劃分關(guān)系到預(yù)報(bào)警度的準(zhǔn)確性,以及誤警和漏警的預(yù)防。本文依據(jù)生態(tài)學(xué)基本原理以及國內(nèi)外有關(guān)森林健康研究和實(shí)踐的結(jié)果,對(duì)森林健康預(yù)警指標(biāo)的各單項(xiàng)指標(biāo)進(jìn)行等級(jí)劃分,將各預(yù)警指標(biāo)分為無警、輕警、中警、重警和巨警5個(gè)警度[10-12],見表2。
表2 森林生態(tài)系統(tǒng)健康警度的劃分
Specht于1988年提出了概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Netural Networks,簡稱PNN),它構(gòu)成一個(gè)Bayes分類器,實(shí)現(xiàn)多分類的Bayes判別,它把輸入的樣本模式,經(jīng)網(wǎng)絡(luò)變換為輸出的分類決策。與BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)相比,具有網(wǎng)絡(luò)學(xué)習(xí)過程簡單、網(wǎng)絡(luò)的容錯(cuò)性好、模式分類能力強(qiáng)、網(wǎng)絡(luò)的擴(kuò)充性能好等特點(diǎn)。但在運(yùn)算過程中,該網(wǎng)絡(luò)無法分辨所給數(shù)據(jù)的冗余性和重要性,將所有數(shù)據(jù)不加區(qū)別進(jìn)行運(yùn)算。當(dāng)樣本屬性過多時(shí),其運(yùn)算量隨著變量的增加呈指數(shù)級(jí)增加,從而增加了運(yùn)算的難度和時(shí)間,嚴(yán)重限制了支持向量機(jī)的應(yīng)用。
降低PNN輸入樣本的復(fù)雜程度是解決上述問題的一個(gè)方向。為了降低PNN輸入樣本的復(fù)雜程度,減少PNN中運(yùn)算的維數(shù),提高運(yùn)算效率,可以選擇在運(yùn)算前進(jìn)行數(shù)據(jù)約簡,壓縮數(shù)據(jù)的空間,從而降低分類中的維數(shù),以提高PNN的運(yùn)算效率。粗糙集理論依據(jù)數(shù)據(jù)的依賴性,對(duì)數(shù)據(jù)進(jìn)行約簡,在保留重要信息的前提下消除冗余的數(shù)據(jù),簡化數(shù)據(jù)之間的關(guān)系,優(yōu)化評(píng)價(jià)結(jié)構(gòu)。因此,將粗糙集理論引入到PNN的運(yùn)算過程之中,充分發(fā)揮其屬性約簡的能力,以降低PNN計(jì)算的維數(shù)。
基于算法的原理,首先要進(jìn)行粗糙集的屬性約簡的計(jì)算,然后再進(jìn)行PNN的分類以及預(yù)測(cè)計(jì)算,具體的計(jì)算步驟如下。(1)樣本預(yù)處理:進(jìn)行初步數(shù)據(jù)處理,保留具有屬性值的樣本,發(fā)現(xiàn)樣本數(shù)據(jù)中的特征;(2)屬性約簡:利用粗糙集理論的屬性約簡能力,對(duì)樣本集進(jìn)行進(jìn)一步處理,得到最簡屬性樣本集;(3)挑選合適的訓(xùn)練函數(shù)和參數(shù)值,建立概率神經(jīng)網(wǎng)絡(luò);(4)利用PNN進(jìn)行分類預(yù)測(cè)計(jì)算:計(jì)算模型見式(1)。
式中:Fi為第i號(hào)小班森林健康基值得分;Pij為第i號(hào)小班第j個(gè)指標(biāo)森林健康等級(jí)得分;Rj為第j個(gè)指標(biāo)的權(quán)重;i為小班號(hào);j為森林健康預(yù)警基值指標(biāo)。
以小班為單位,應(yīng)用Matlab7.0軟件中的PNN神經(jīng)網(wǎng)絡(luò)工具箱[4-8]對(duì)北溝林場(chǎng)的森林生態(tài)系統(tǒng)進(jìn)行健康預(yù)警,預(yù)警統(tǒng)計(jì)結(jié)果見表3。
表3 北溝林場(chǎng)森林生態(tài)系統(tǒng)健康預(yù)警結(jié)果
由表3可以看出,在88個(gè)小班中,27個(gè)處于綠色警戒,占地面積10 200 m2;49個(gè)處于藍(lán)色警戒,占地面積5 100 m2;9個(gè)處于黃色警戒,占地面積900 m2;3個(gè)處于橙色警戒,占地面積300 m2;0個(gè)處于紅色警戒,占地面積0。各預(yù)警等級(jí)占樣地總面積的百分比分別為:61.82%、30.91%、5.45%、1.82%、0。
在森林生態(tài)系統(tǒng)88個(gè)典型小班中,處于綠色和藍(lán)色警戒范圍內(nèi)森林小班為76個(gè),面積為15 300 m2,占樣地總面積的92.73%。由此得出,林場(chǎng)的森林生態(tài)系統(tǒng)整體處于綠色和藍(lán)色警戒內(nèi),整體生長狀況良好,但需對(duì)林場(chǎng)采取必要的健康經(jīng)營[12-18]方法,具體措施如確定合理的林分密度、加強(qiáng)林分的撫育管理、制定合理的森林管理制度、預(yù)防森林火災(zāi)和病蟲害的發(fā)生等,以確保森林的可持續(xù)利用。
本文首次將粗糙集理論作為預(yù)警計(jì)算模型應(yīng)用于森林健康預(yù)警中,為預(yù)警指標(biāo)的約簡和指標(biāo)權(quán)重的計(jì)算提供了新的思路。將粗糙集理論與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合,有效克服了PNN神經(jīng)網(wǎng)絡(luò)構(gòu)造復(fù)雜、訓(xùn)練時(shí)間長的缺點(diǎn),并進(jìn)一步擴(kuò)展了粗糙集理論的應(yīng)用范圍。基于PSR模型,構(gòu)建了森林生態(tài)系統(tǒng)健康預(yù)警體系,并對(duì)河北省北溝林場(chǎng)進(jìn)行了實(shí)例研究,結(jié)果表明,該模型能夠反映森林健康預(yù)警結(jié)果,具有一定的科學(xué)性、可操作性和靈敏性。
[1] 高均凱.森林健康基本理論及評(píng)價(jià)方法研究[D].北京:北京林業(yè)大學(xué),2007.18-21.
[2] 黃小磊.粗糙集屬性約簡及在電力系統(tǒng)中的若干應(yīng)用[D].浙江:浙江大學(xué),2008.
[3] 馬 立.北京山地森林健康綜合評(píng)價(jià)體系的構(gòu)建與應(yīng)用[D].北京:北京林業(yè)大學(xué),2007.24-32.
[4] 譚 旭,唐云嵐,等.雜合數(shù)據(jù)的粗糙集屬性約簡方法[J].國防科技大學(xué)學(xué)報(bào),2008,30(6):83-88.
[5] 吳延熊.區(qū)域森林資源預(yù)警系統(tǒng)的研究[D].北京:北京林業(yè)大學(xué),1998.
[6] 余 亮,邊馥苓.粗糙神經(jīng)網(wǎng)絡(luò)在森林火災(zāi)預(yù)警中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2006,31(8):720-723.
[7]張建設(shè).基于粗糙集的多屬性決策問題[D].重慶:重慶大學(xué),2006.
[8] 王 兵,郭 浩,王 燕,等.森林生態(tài)系統(tǒng)健康評(píng)估研究進(jìn)展[J].中國水土保持科學(xué),2007,5(3):114-120.
[9] Paul A Mistretta.Managing for forest health.Journal of Forestry,2002,100(7):24-27.
[10]Hubert H,Dieter M,Martin W.Estimating tree mortality of Norway spruce stands with neural networks[J].Advances in Environmental Research,2001,5(4):405-414.
[11]陸元昌.森林健康狀態(tài)監(jiān)測(cè)技術(shù)體系綜述[J].世界林業(yè)研究,2003,16(1):20-25.
[12]肖風(fēng)勁,歐陽華,傅伯杰,等.森林生態(tài)系統(tǒng)健康評(píng)價(jià)指標(biāo)及其在中國的應(yīng)用[J].地理學(xué)報(bào),2003,58(6):803-809.
[13]周早弘.油料林森林健康評(píng)價(jià)指標(biāo)體系的研究[J].湖南農(nóng)業(yè)科學(xué),2009,(2):114-117.
[14]蔣萬杰,杜連海,吳記貴,等.北京松山國家級(jí)自然保護(hù)區(qū)森林健康經(jīng)營研究[J].安徽農(nóng)業(yè)科學(xué),2010,(2):982-984,1042.
[15] Shalabh P.Bharadwaj,Siva Subramaian,Sudhakar Manda,Taniya Ray,Prabir Mukherjee,I.V.Ramanuja Rao.Bamboo livelihood development planning,monitoring and analysis through GISand remote sensing[J].Journal of Bamboo and Rattan,2003,2,(4).
[16]USDA Forest Service.Healthy Forests Report[R].(2005-12-02)[20060719].USDA Forest Service.
[17] O’Laughlin J,Cook P S.Inventory-based forest health indicators:Implications for national forest management[J].Journal of forestry,2003,101(2):11-17.
[18] O’Laughlin J,Cook P S.Inventory-based forest health indicators:Implications for national forest management[J].Journal of forestry,2003,101(2):11-17.