全 文 ：天然林保护的神经网络分级规划*
罗传文1 陈 焱1 胡海清1 沈海龙1 范少辉2
( 1 东北林业大学,哈尔滨 150040; 2中国林业科学院林业研究所,北京 100091)
摘要 总结了用神经网络进行天然林保护规划的实施步骤, 阐述了规划举例、小斑标识归一、小斑标识
还原、倾斜因子等概念.应用 Arc/ Info 地理信息系统对帽儿山国家森林公园的树种组成多样性、树种稀有
性、受干扰性、沟系保护特性和分类经营等因子进行了描述, 并分析了天然林保护分级与这些因子之间的
关系, 并将这些因子作为神经网络的输入,经过人为确定训练样本,最终建立了规划神经网络. 用研究区内
的全部小斑检验了网络的泛化性能, 结果较为满意. 规划结果表明,神经网络兼顾了分类经营规划的成果,
并保护了各种森林群落类型, 对生态环境保护有所体现; 网络中激励函数没有严重饱和,体现了倾斜因子
对神经网络优化的引导作用.
关键词 神经网络 分级规划 天然林保护 规划举例 倾斜因子
文章编号 1001- 9332( 2005) 06- 1002- 05 中图分类号 S757 4 文献标识码 A
Neural network grade program of natural forest protection. LUO Chuanw en1, CHEN Yian1 , HU Haiqing1 ,
SHEN Hailong 1, FAN Shaohui2( 1Nor theast Forestr y University , H arbin 150040, China; 2 I nstitute of Forestry ,
A cademy of Chinese For estry , Beij ing 100091, China) . Chin. J . A pp l . Ecol . , 2005, 16( 6) : 1002~ 1006.
In this paper , the implement steps of natur al forest protection pr ogram grading ( NFPPG ) with neural network
( NN ) were summarized, and the concepts of program illustration, patch sign unification and reg ress, and inclining
factor were set forth. Employ ing Arc/ Info GIS, t he tr ee species diversity and rarit y, disturbance degr ee, protection
of channel system, and classification management in Moershan National Forest Park w ere described, and, used as
the input factors of NN, the relationships between NFPPG and above factor s w ere analyzed. Through art ificially
determining training samples, the NFFPG of Moershan National Forest Park was built. T ested with all patches in
the park, the generalization of NFFPG w as satisfied. NFPPG took both the classification management and the
pro tection of forest community types into account, as well as the ecolog ical env ironments. T he excitat ion function
of NFPPG w as not ser iously saturated, indicat ing t he leading effect of inclining factor on the network optimiza
tion.
Key words Neural network, G rade progr am, Natur al for est protection, Pro gram illustration, Inclining factor .
* 国家! 十五∀科技攻关资助项目( 2001BA510B08) .
* * 通讯联系人.
2004- 05- 20收稿, 2004- 09- 17接受.
1 引 言
在原生或次生裸地上自然地发生和演替而形成
的森林称为天然林.近年来,由于木材生产, 黑龙江
省大量天然林被砍伐了, 取而代之的是人工林或杨
桦林.众所周知,天然林必须经过长时间的发生和演
替才能形成.自然演替过程是使环境从原生或次生
裸地向中生化的方向发展, 最终趋于顶极群落的过
程.它包含了生物种群、生物群落和生态环境的演替
过程,是生态系统的成熟过程.现有天然林就是处于
这样的演替过程之中,如果不加以保护,很多有极大
研究价值的生物群落类型就会消失[ 4, 8, 11] , 生态环
境就会退化,灾难性的病虫害发生的概率就会增加,
水土流失强度就也会增加[ 13] .
地理信息系统应用于各种空间规划管理, 能大
大地提高规划的效率和灵活性[ 3, 12, 14] . 地理信息系
统与神经网络的结合, 既能将规划的结果和过程用
三维可视化的方法显示出来,又能将规划的原则和
方法智能化[ 1, 6] .
人工神经网络是由大量处理单元广泛互连而成
的网络,是人脑的抽象、简化、模拟,反映人脑的基本
特性.一般而言,神经网络应具备 3个要素[ 2] : 1)具
有一组突触或联接,常用 w ij表示神经元 i和神经元
j 之间的联接强度, 或称为权值. 与人脑神经元不
同,人工神经元权值的取值可在负值与正值之间. 2)
具有反映生物神经元时空整合功能的输入信号累加
器. 3)具有一个激励函数, 用于限制神经元输出. 激
励函数将输出信号压缩在一个允许范围内.
对于天然林保护规划而言, 首先需要确定的是:
1)哪些因素是作为规划必须考虑的因素, 这些因素
是神经网络的输入层, 称这些因素为规划因子; 2)确
定神经网络的最终输出范围,在天然林保护分级中
应 用 生 态 学 报 2005 年 6 月 第 16 卷 第 6 期
CHINESE JOURNAL OF APPLIED ECOLOGY, Jun. 2005, 16( 6)#1002~ 1006
分为 3个级别, 即输出范围为[ 1, 3] ,称最终输出为
目标输出; 3)对一些具有明显分级意义的小斑直接
指出其级别,这一过程称为规划举例.
2 研究地区与研究方法
21 研究地区概况
帽儿山国家森林公园座落于长白山脉张广才岭西坡帽
儿山地区, 位于 127∃28%~ 127∃43%E, 45∃14%~ 45∃29%N, 在黑
龙江省尚志市西部.全场地貌属典型低山丘陵,由南向北逐
渐抬高,平均海拔 300 m,最高峰帽儿山海拔 805 m.地带性
顶极植被为阔叶红松林, 但因严重破坏,地带性顶极植被已
不存在,现在以次生林为主, 对帽儿山的林相、地形和沟系已
进行了较深入的研究[ 7] .
本文的研究对象是帽儿山国家森林公园的全部天然林
小斑,使用的资料是 1992 年的二类资源清查, 并于 1999 年
进行的遥感复查.
22 几个基本概念
对于天然林保护分级规划模型(以后简称天保规划模
型) ,为了叙述方便, 需要约定一些基本概念: 倾斜因子是指
规划因子的取值方向与目标函数的取值方向有明显的相关
关系的因子.非倾斜因子是规划模型中不是倾斜因子的规划
因子. 有些规划因子取值的高与低均不能使目标函数取值
高.在天保分级中, 树种组成多样性就是非倾斜因子, 不同的
多样性与不同的演替阶段有关.天保需要保护各种多样性的
林型,而并非只需要保护多样性高的林型. 所以,树种组成多
样性是非倾斜因子.对于非倾斜因子, 经过神经网络模型的
规划计算之后,对规划结果需要人为进行调整,以保证分级
规划的合理性.
小斑标识是指描述小斑的代码 .在一个林场内, 小斑标
识一般是一个 2 维数组: (林斑号,小斑号) .但有作业区号时
小斑标识就是 3 维数组: (作业区号, 林斑号, 小斑号) . 而对
于一个林业局而言,小斑标识就是一个 4 维数组: (林场号,
作业区号,林斑号, 小斑号) . 依此类推,小斑标识要用一个 n
维数组来表示.由于小斑的个数是有限的, 所以小斑标识的
n 维数组可以归算为 1 维数组.称小斑标识的 n 维数组归算
为 1 维数组的算法为小斑标识归一.小斑标识归一的目的是
保持小斑的顺序,且小斑之间不能重号.小斑标识还原是指
将 1维数组反算为常用的 n 维数组的过程. 规划举例是指
对一部分具有明显意义的小斑,规划者应直接指出它的保护
级别,这一过程称为规划举例, 所举出的小斑称为例子小斑.
神经网络正是通过例子小斑!理解∀规划者的意图,并将理解
的结果用神经元的连接权重的方式存贮起来,这一过程称为
神经网络的训练.
23 规划因子的选择及其性质
231 树种珍贵度因子 通过对帽儿山国家森林公园资源
数据统计, 可得有林地面积 21 584 6 hm2 , 其中天然林
17 8415 hm2 ,占 82 6% . 对树种组成项进行拆分,单个树种
所占面积用小斑面积乘以树种比重可得单个树种所占面积.
对 14个树种进行统计得树种比例分布图 1. 由图 1 可见, 其
中红松(树种珍贵度: 1)、黄波罗(树种珍贵度: 2)、胡桃楸、落
叶松、樟子松(树种珍贵度: 3)的比重较少,是主要保护对象,
其它树种的树种珍贵度为 4.
图 1 各树种在天然林中的比重
Fig. 1 Tree species w eight in the natural forest .
1) 白桦 Betula platyphl la , 2) 紫椴 Ti lia amu rensi s, 3) 枫桦 Betu la
costata, 4) 红松 Pinus koraiensis , 5) 胡桃楸 Jug lans mandsh urica , 6)
黄波罗 Phel lodendron amu rense , 7) 兴安落叶松 Larix gmelini , 8 )
色木槭 Acer mono, 9) 山杨 Populus dav id iana , 10) 水曲柳 Fraxinus
mandshuri ca, 11 ) 大青杨 Populus u ssurie nsi s, 12) 裂叶榆 Ulmus
laciniata , 13) 樟子松 Pinus syl v est ris , 14) 蒙古栎 Quercus mongoli
ca .
小斑的树种珍贵度按树种的比例加权平均. 树种珍贵
度因子是倾斜因子, 因为,小斑的树种珍贵度越高 ,保护的级
别越高.
2 3 2 树种组成多样性因子 由于客观上很难直接取得帽
儿山群落类型的调查数据, 应用树种组成的多样性来区分群
落类型,保护了各种组成多样性的小斑, 即保护了各种群落
类型.帽儿山森林资源数据于 1992 年进行了调查, 并于
1999 年进行了遥感复查. 笔者对资源数据的树种组成项进
行拆分, 原树种组成项的记录形式如下:
6 水 3 白 1 胡 ( 1)
( 1)式代表该小斑 60%为水曲柳( Frax inus mandschur i
ca) , 30% 为白 桦 ( Betula p latyphylla ) , 10% 为 胡桃 楸
( Juglans) .所以, 对每一个小斑应用申农公式计算其树种组
成的多样性指标[ 5] :
d = &
i
p i lnp i ( 2)
式中, p i 为小斑中第 i个树种所占的比重. 树种组成多样性
指数可以反映树种的组成和结构. 天然林保护应对不同类型
的小斑进行保护. 小斑多样性指数也反映了小斑在群落演替
中的地位和关系. 本文将小斑多样性指数作为规划因子, 但
它不是倾斜因子, 在经过神经网络的规划之后还要进行人为
调整.
2 3 3 沟系保护因子 环境保护是天然林保护的重要内容.
帽儿山国家森林公园主要是山区, 保护沟系是天然林保护的
重要责任.
本文称使用 DEM(数字高程模型)推算出来的沟系为潜
在沟系[ 4] , 它与地形图标注的沟系不同, 现有的沟系图并不
很全,有的小流域并没有画出沟的位置. 潜在沟系比现实的
沟系河流更多更长, 更细致地刻划了径流产生的潜在路径.
10036 期 罗传文等:天然林保护的神经网络分级规划
图 2 经过补充的沟系及沟系小斑
Fig. 2 Renew ed canal systems and the subcompartments protecting the
canal systems.
本文应用潜在沟系与地图沟系结合, 以潜在沟系为引导, 结
合对等高线、立体地形图的目视判读, 增加了在地形图上没
有画出的沟系,从而产生了沟系全图. 沿沟系设置 50 m 宽度
做为沟系区(沟系保护因子取值: 1) ,之外的区域为非沟系区
(沟系保护因子取值: 0) . 将小斑与沟系区重叠边长超过
30%的小斑称为沟系小斑,其余为非沟系小斑.
小斑的沟系保护因子是倾斜因子,沟系小斑的沟系保护
值为 1, 非沟系小斑的保护值为 0.
234 分类经营因子 因为帽儿山国家森林公园已经进行
过分类经营规划,并已经实施, 而且分类经营与天然林保护
有一定的重叠性,在分类经营中已经充分地考虑了各种因子
的协调性, 所以天然林保护应尽量与之协调. 帽儿山分类经
营区划的原则是: 1)在山脊线附近及陡峭之处设水土保护
林; 2)在江河沿岸设水源涵养及护岸林; 3)在铁路及公路沿
线设护路林; 4)在村屯附近设环境保护林; 5)在小于 10∃的
地段设用材林,用材林要求尽量连片. 从上述原则中可见, 分
类经营与天保规划是相关的,但也有不同的侧重点.所以, 将
分类经营规划作为天保的一个因子来对待是有意义的.
帽儿山的分类经营最后划分成了 3 种类型,即重点生态
公益林、一般生态公益林和用材林. 其中重点公益林(分类经
营因子取值为 1) : 6 500 hm2 , 约占有林地的 30% ; 用材林
(分类经营因子取值为 3) : 5 000 hm2, 约占有林地的 25% ;其
余均为一般公益林(分类经营因子取值为 2, 图 3) .在分类经
营区划中,充分考虑了山脊线和陡峭之处.
由于帽儿山分类经营已经实施,天然林保护规划应与分
类经营保持一致(正相关性) ,所以分类经营因子是最明显的
倾斜因子.
235 受干扰度因子 天然林保护的一个重要内容是保护
天然林不受人为逆境因素的干扰,使它能够自然地完成演替
过程.在公路两侧 100 m 以内,村屯附近 200 m 以内,用材林
区 100 m 以内均是易受干扰的区域,在这样的区域应对天然
林施以特别的保护.图 2 表达了受干扰区域.
在受干扰区, 小斑的受干扰因子取值为 1, 否则取值为
0.受干扰因子为倾斜因子, 受干扰度越大,保护级别越高.
图 3 帽儿山国家森林公园的分类经营规划
Fig. 3 Classification management of Moarshan∋ s Nat ional Forest Park.
图 4 帽儿山国家森林公园受干扰区
Fig. 4 Area easily disturbed in Moarshan Nat ional Forest Park.
3 规划过程与神经网络模型的检验
根据神经网络模型的基本特点, 以及天然林保
护规划的基本要求, 可以归纳出神经网络规划的 7
个基本步聚(图 5) . 7个步聚中 2~ 4在本文第 2部
分已完成.
在举例的过程中, 每个级别应至少有 30倍于规
划因子的规划例子,而规划例子的选择有一定困难.
为使输入的变化与输出的变化有相近的百分比, 而
不至于使激励函数饱和、使训练在错误的水平上滞
留,应使激励函数保持在不饱和状态,要避免使网络
陷入小输入变化引起大输出变化的不稳定状态.
31 确定神经网络的类型、神经元个数、激励函数
类型
基于规划因子对目标的贡献是线性函数的假
设,神经网络类型确定为 BP 网络. 神经网络的规模
是很难准确确定的, 但可根据分级的全部样本来确
定.帽儿山的天然林小斑只有 1 600个, 将 600个作
1004 应 用 生 态 学 报 16 卷
图 5 天然林分级规划神经网络的 7个基本步骤
Fig. 5 7 steps of NFPPG w ith neural network( NN) .
为例子,而规划因子有 5个,神经元个数应接近如下
的经验公式计算数:
n< 600/ ( 3 ( 5) ( 3)
因为有 5个输入项, n 个神经元的单层网络, 共
有 2n ( 5个权重参数, n 个域值参数.共有 3 n ( 5
个参数. 600个例子, 可产生 600 个方程,参数不能
超过 600个, 所以将神经元个数设定为 30个. 激励
函数应用线性传递函数.
32 规划举例
规划举例在地理信息系统和立体地形图的支持
下进行(图 6) . 规划举例就是对一部分有明显意义
的小斑,经过专家的综合评判后, 直接指出它的级
别.在此规划中, 对山脊线附近的小斑, 在考虑树种
组成多样性的情况下, 定为 1级; 对于易受干扰的
小斑,在考虑树种组成多样性的情况下,定为 2级;
图 6 规划举例
Fig. 6 Programm ing exampling.
对于 5个规划因子,其保护价值不大的部分小斑,定
为 3级.
在地理信息系统中的规划举例完成后,将相应
的小斑因子数据建成数据库,相应的目标值也建立
数据库,取名为: pp2和 tt2.
33 用规划例子对神经网络进行训练
神经网络的训练过程是取得网络参数的过
程[ 9, 10] ,也是网络根据输入和目标之间的对应关系
进行迭代,使网络输出与目标之间的误差趋于最小
的过程(图 7) .
net= t rain( net , pp2, tt2)
图 7 神经网络的训练过程
Fig. 7 Training process of neural netw ork.
神经网络经过训练其模型参数就已经确定, 之
后的步聚是进行泛化性能的检验.
34 泛化性能检验
泛化性能是指网络能够合理地响应被训练以外
的输入的性能.由于训练中仅用了 600个小斑, 余下
的 1000个小斑就是用于检验模型的泛化性能(图
8) . 由图 8可见, 通过 600个举例小斑的训练,所建
立的神经网络有较好的泛化性能, 可以用于帽儿山
天然林保护的小斑分级规划.
图 8 神经网络对天然林的分级规划结果
Fig. 8 Natural forest protect ion grade w ith neural network.
10056 期 罗传文等:天然林保护的神经网络分级规划
4 讨 论
由图 8可见, 它与分类经营图(图 4)有一个相
似性,原因是两种规划在环境保护上是一致的.而在
人为干扰方面, 天然林保护意在阻止人为干扰,设更
高的保护级别; 在分类经营中为了保护人居环境,
而设更高的保护级别(只是不分天然和人工) , 两者
确是疏途可归. 由图 8还可见,分级规划的结果是有
序的.这说明网络的激励函数没有严重饱和, 倾斜因
子对分级结果的引导是有效的.
由于珍贵树种和各种组成多样性的小斑分布是
随机的,可选的范围很大,所以在规划中一般不起限
制作用,在规划的结果中没有明确显现分布特征.
神经网络应用于天保规划是切实可行的. 它可
以综合地考虑各个因素的对目标的贡献, 对规划因
子和目标函数均没有限制非倾斜因子会使神经网络
的输入不独立, 从而影响神经网络的收敛性. 所以,
将非倾斜因子转换为倾斜因子是神经网络规划模型
今后需要解决的问题,这也会使规划过程更为简化.
参考文献
1 Chang Y (常 禹 ) , Bu RC (布仁仓 ) , Hu YM (胡远满) , et al .
2003. GIS and RS determinat ion of abiot ic range of forest landscape
dist ribut ion in Changbai Mountain Natural Reserve, Chin J App l
Ecol (应用生态学报) , 14( 5) : 671~ 675
2 Gao J (高 隽) . 2003. Artif itial Neural Network T heory and Simu
lat ing Example. Beijing: China Machine Press. 7~ 8( in Chines)
3 Hong LX(洪铃霞) , Tang SZ(唐守正) , Du JS(杜纪山) , et al .
2001. T he forest resource data and forest map renew ing method in
natural forest area. Sci S il v ae S in ( 林业科学) , 37 ( 1) : 83~ 89( in
Chinese)
4 Liu AZ(刘爱忠) , Pei SJ(裴盛基) , Chen SY(陈三阳) . 2000. Yi
nat ionalit y∋ s sacred groves and biodiversity conservat ion in C hux
iong, Yunnan. Chin J App lEcol ( 应用生态学报) , 11( 4) #489~
492( in Chinese)
5 Liu GL(刘桂林) , Pang H (庞 虹) , Zhou CQ(周昌清) , et al .
2004. Diversity of butterf lies in Lianhua Mountain nature reserve of
Dongguan city,Guangdoang Provin ce. Chin J App l Ecol (应用生态
学报) , 15( 4)#571~ 574( in Chines)
6 Luo CW( 罗传文) , Zhang J ( 张 杰) , Liu C (刘 强 ) , et al .
2000. Const ruction of GIS forest themes and it s application to
stream protect ive forest planning. J Northeast For Univ (东北林业
大学学报) , 28( 2) : 4~ 8
7 Luo CW( 罗传文) . 2002. T he const ruct ion of virtual forest in
Moarshan. J Nor theast For Univ (东北林业大学学报) , 30( 5) : 40
~ 43( in Chinese)
8 Mu CR( 穆从如 ) , Yang LS ( 杨林生) , Wang JH (王景华 ) .
2000. Wet land ecosystems format ion and it s protect ion in Yellow
River Delta. Chin J App l Ecol (应用生态学报) , 11( 1) : 123~ 126
( in Chinese)
9 Polycarpou MM, Joannou PA. 2001. Learning and convergence
analysis of neuralt ype st ructured netw orks. IEEE T rans Neural
Networks, 3( 1) : 39~ 50
10 Rumclhart D, Hinton G, Williams R. 1986. Learn ing representa
tions by backpropagating errors. Natur e, 323: 533~ 536
11 Yan XF(阎秀峰) . 2003. Ecological protection of medicinal w oody
plants. Chin J App l Ecol (应用生态学报) , 14( 9) : 1561~ 1564( in
Chinese)
12 Yang SH (杨树华 ) , Pang MC (彭明春) , Yan HZ( 闫海忠 ) .
1999. Studies on the funct ion division of Mengyang Natural Con
versation area in Xishuangbanna. J Yunnan Univ ( 云南大学学
报) , ( 2) : 81~ 85( in Chinese)
13 Yang XM(杨学明) , Zhang XP(张晓平) , Fang H J(方华军 ) , et
al . 2004. Conservat ion t illage systems in North America an d their
sign if icance for China. Chin J App l Ecol (应用生态学报) , 15( 2) #
335~ 340( in Chinese)
16 Zang SY(臧淑英) , Zhang DY (张冬有 ) , Wang LM( 王立明 ) .
2000. The sustainable forest resource using programming sustained
by GIS. E con Geogr (经济地理) , ( 4) : 101~ 104( in Chinese)
作者简介 罗传文, 男, 1962 年生, 教授, 博士生导师. 主要
从事空间信息学及空间规划研究,发表论文 20 余篇,著作 4
部. Email: luocwcf@ nefu. edu. cn
1006 应 用 生 态 学 报 16 卷