全 文 ：中国生态农业学报 2010年 3月 第 18卷 第 2期
Chinese Journal of Eco-Agriculture, March 2010, 18(2): 446−452


* 国家“十一五”科技支撑项目(2006BAD03A0206)资助
** 通讯作者: 杨永辉(1965~), 男, 博士, 研究员, 主要研究方向为生态水文和森林生态。E-mail: yonghui.yang@ms.sjziam.ac.cn
杭艳秀(1975~), 女, 硕士, 讲师, 主要研究方向为经济管理和市场营销。E-mail: dmuscyx@163.com
收稿日期: 2009-07-01 接受日期: 2009-10-12
DOI: 10.3724/SP.J.1011.2010.00446
林业决策支持系统(DSS)应用综述*
杭艳秀 1 林 勇 2 康月兰 3 杨永辉 4** 潘玉洲 5
(1. 大连海事大学交通运输管理学院 大连 116026; 2. 国家海洋环境监测中心 大连 116023;
3. 河北政法职业学院园林系 石家庄 050061; 4. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050021;
5. 中国水产科学研究院营口增殖实验站 营口 115004)
摘 要 随着生态学的发展以及环境和资源问题的日益突出, 林业管理已经从单目标(如木材生产、生态防护、
生物多样性保护等)传统林业管理发展到强调生物多样性保护和生态−经济−社会综合功能的多目标可持续林
业管理。由于森林系统的高度复杂性和多尺度性以及林业管理的多目标性, 林业决策支持系统在帮助森林经
营管理者确定经营目标、设计经营管理计划、评价气候变化和管理方案对森林生态系统影响方面具有难以替
代的作用。森林动态模型和生境适应性模型是林业管理决策支持系统模型框架中的核心组分, 通常结合在一
起研究气候变化和林业管理方案对森林生态系统各种生态功能和服务价值, 尤其是生物多样性的影响。本文
在介绍生境适宜性模型和森林动态模型研究历史和现状的基础上, 结合国内开发的两个林业决策支持系统和
国外开发的一个决策支持系统, 就决策支持系统的结构和研究现状进行综述, 并对中国林业管理支持系统开
发进行展望。
关键词 生境适宜性模型 森林动态模型 林业决策支持系统 可持续林业管理
中图分类号: S71; TP18 文献标识码: A 文章编号: 1671-3990(2010)02-0446-07
Review of forestry decision support system
HANG Yan-Xiu1, LIN Yong2, KANG Yue-Lan3, YANG Yong-Hui4, PAN Yu-Zhou5
(1. College of Transportation Management, Dalian Marine University, Dalian 116026, China; 2. Center for National Marine
Environmental Monitoring, State Oceanic Administration, Dalian 116023, China; 3. College of Landscape, Hebei Vocational
College of Political Sciences and Law, Shijiazhuang 050061, China; 4. Center for Agricultural Resources Research, Institute
of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050021, China; 5. Yingkou Enhancement
and Experiment Station, Chinese Academy of Fishery Sciences, Yingkou 115004, China)
Abstract With the rapid development of ecology and increased concern on environment and resources, forest management have
shifted from single-target (such as timber production, ecological shelter, biodiversity conservation) traditional forest management to
multi-target biodiversity-oriented forest management for sustainable ecology, economy and society. Given hierarchical complexities
of forest system and multi-target forest management, forestry decision support system (DDS) has emerged as an important tool to
determine management objectives, design scenarios, assess climate change and management plan. The core components of forest
management DDS are habitat suitability and forest dynamics models used to assess the impact of management scenarios and climate
change on forest functions, services and especially biodiversity conservation. In this paper, the development of forest dynamics and
habitat suitability models are discussed, followed by a forestry DSS review with a particular focus on the current state and problems.
Finally, the future development of China’s forestry DSS are summarized.
Key words Habitat suitability model, Forest dynamics model, Forestry decision support system, Sustainable forestry management
(Received July 1, 2009; accepted Oct. 12, 2009)
随着生态学的发展以及环境和资源问题的日益
突出, 林业管理已经从木材生产为主要目标的传统
林业管理发展到强调森林的生态−经济−社会综合功
能的多目标可持续林业管理[1]。由于森林系统高度复
第 2期 杭艳秀等: 林业决策支持系统(DSS)应用综述 447


杂性、多目标性以及多层次性, 森林决策支持系统在
帮助森林经营管理者确定经营目标、设计经营管理
方案、评价当前森林状况和森林管理方案, 从而实
现可持续森林经营方面具有难以替代的作用。作为
科研群体和森林经营者交流的平台, 森林决策支持
系统现已成为森林营造、森林可持续管理的重要工
具[2]。森林决策支持系统通常借助森林植被动态模
型模拟森林在各种管理方案下各种性状动态变化 ,
在此基础上用生境适宜性模块 (Habitat suitability
model)或各种可持续林业管理的指标体系 (Criteria
& indicators system)来评价各种经营方案对森林各
种生态功能的影响 , 从而确定最佳的森林经营方
案[2]。国内虽然有一些学者就国内外可持续林业管
理决策支持系统研究做了一些综述, 但对森林动态
模型和生境适应性模型在决策支持系统中的作用以
及二者研究进展论述不够。本文以林业决策支持系
统的模型框架为主线, 论述了森林动态模型和生境
适宜性模型(林业决策支持系统模型的核心部分)在
国内外的研究现状及其在林业可持续管理中的作
用, 在此基础上重点论述了林业决策支持系统的研
究现状, 并指出中国林业决策支持系统存在的问题
和发展方向。
1 森林动态模型
评价和预测不同经营管理措施下林分的生长或
收获是森林经理领域的主要工作之一, 对于开展森
林调查规划、加强森林资源管理、提高森林经营水
平具有重要意义。森林动态模型是森林管理决策支
持系统的核心组成部分 , 可用来模拟不同干扰机
制、人类经营活动和气候变化情景下森林生态系统
和森林景观的变化状况, 从而为森林经营方案选择
提供科学依据[3−5]。以美国森林植被模型 FVS(Forest
vegetation simulator)为例, FVS被广泛用于评价林分
现况, 预测不同经营管理方式下林分未来的动态变
化。通过 FVS, 森林经营管理者能够知道各种经营
管理活动对林分结构和组成的作用效果, 评价林分
作为野生动物栖息地的适宜性, 评价病虫害爆发和
火灾的危险等级并预测虫害及火灾发生后森林的损
失量[6]。
在森林动态模型中, 理论体系比较完整、在实
践中应用最成功的模型是林窗模型。林窗模型是建
立在 Watt的林窗更新、斑块镶嵌的森林循环动态理
论基础上, 在样地(Plot)尺度上模拟林分内单木或林
分的动态变化, 模拟结果包括森林结构特征(如林分
的径级分布、树冠剖面结构等)及种类组成、断面积、
生产力和生物量[7]。现在林窗模型包含变量越来越
多, 并且与不同的地区特点结合起来, 更加强调与
生物学过程、环境变量及干扰状况结合[8]。研究林
窗动态的模型很多, 如 JABOWA、FORET、ZELIG、
FORSKA、SPACE等[9]。各模型侧重点有所不同, 如
SPACE模型在森林动态模拟中考虑了样地内各林隙
之间的相互作用, 并通过计算不同距离邻木对目标
树木(幼苗)的影响模拟林隙的边缘效应。FORSKA
以树木个体为基础模拟林隙动态过程, 并通过对一
系列独立斑块上幼苗更新、树木生长和死亡过程的
模拟, 揭示林分结构和动态变化过程。林窗模型虽然
是在样地尺度上模拟林分动态变化, 但现在常常把
模拟结果外推(Extrapolate)到更大(如景观)尺度上。
20 世纪 80 年代末期和 90 年代, 生态系统模型
得到很大发展。与林窗模型不同, 生态系统模型并
不模拟单一林木的动态变化, 而是模拟控制主要生
态过程的物质和能量流动。对生态系统生态过程模
拟是一种结合生物地球化学、生理生态学和小气候
学的综合过程, 它强调生物之间及其生物活动中的
能量和物质的循环、传输和积累[10−11]。FOREST-BGC
是最早能较完整模拟碳、水和营养物质循环的生态
系统过程模型, 其植被生态过程的研究主要有植被
结构动态研究和植被功能研究[10]。生态系统模型既
可以应用在样地尺度上，也可以应用在区域和景观
尺度上 , 一些生态过程模型如 FOREST-BGC 和
PnET可以利用卫星图象和 GIS数据作为输入, 在区
域或景观尺度上模拟植被动态变化[12]。林窗模型和
生态系统模型虽然也具有空间属性 (Spatially ex-
plicit), 但并不能模拟空间过程[3−4]。
可持续林业管理要求在景观尺度上进行森林资
源管理, 景观动态模型因而在森林管理中的应用日
益广泛 [3−4]。近年来各种空间模拟语言的开发如
SME[13]、EcoSim[14], 促进了景观动态模型的发展。
景观生态模型则可以用来模拟空间过程, 如林火、
风及种子在景观内不同斑块间的传播。但不同模型
可以模拟的空间过程数量不同, 但至少要模拟 1 种
空间过程[12]。如 HARVEST 模型只模拟森林采伐过
程, LANDIS模型可以模拟火风、采伐、病害、昆虫
等多种空间过程 ; SIMPPLLE[15]、LANDSUM[16]和
FORMOSAIC[17]也是常用的森林景观模型, 可以模
拟多种生态过程。
许多空间直观景观模型应用在病虫害传播、土
地利用/土地覆盖变化、森林动态、林火传播和种群
动态研究中。景观模型大体可以分为以下 3种类型:
(1)基于多边形的模型(Polygon-based model): 这类
模型模拟的对象是相对匀质的植被多边形(如面积
大于 1 hm2的林分), 每个多边形内演替或干扰导致
448 中国生态农业学报 2010 第 18卷


的森林变化由一系列森林状态和状态转换路径(确
定性或随机性)来确定, 各个多边形内植被的时空变
化结果决定了整个景观的动态变化。这类模型包括
LANDSUM[16]和 SIMPPLE[13]。(2)基于栅格的模型
(Raster-based model): 这类模型将研究景观划分成
一系列的方形立地(即栅格, 一般 0.1~100 hm2), 在
每个栅格内模拟种子传播、林木更新、森林采伐或
林火干扰。这类模型有 LANDIS[18]和 HARVEST[19]。
(3)基于树木生长和产量的模型 (Tree-based growth
and yield model): 这类模型与传统的林分模型不同
之处在于它可在模拟林分动态的基础上, 同时模拟
景观内发生在不同林分之间的空间过程, 这种空间
过程有时候受周围林分邻接效应 (Stand adjacency,
如采伐、虫害或者火)影响。这类模型包括 FVS[20]
和 LMS[21]。
以森林景观研究中常用的 LANDIS 模型为例,
LANDIS 模型主要用于模拟森林景观演替、种子扩
散、干扰和经营管理的效应。LANDIS 模型把景观
看作由相同大小的样地(像元)组成的网格, 追踪每
个像元上各物种存在与否、物种的年龄组成(10年为
步长)、干扰史和可燃物的积累等。LANDIS模型通
过跟踪样地上物种的存在与否模拟在风、火、病虫
害和采伐等自然和人为干扰下样地和景观尺度上森
林的动态变化。同时该模型还在每个像元上记录每
个物种的年龄信息 , 但并不记录物种的准确年龄 ,
而是以 10年为间隔的年龄组。LANDIS模型的输出
包括每个物种的分布图和年龄组分布图、火强度分
布图和采伐分布图等。关于 LANDIS 模型的详细介
绍见文献[18]。
现在植被动态模型也常常用在气候变化对森林
生态系统的影响研究中[22]。如 Iverson[23]用景观动态
模型结合气候情景模拟分析了美国东部 134 个树种
在 6 种未来气候情景下的潜在分布情况, 研究结果
对造林、生态恢复和森林采伐活动具有重要的指导
意义。Bu等[24]利用 LANDIS模型分析了中国东北主
要树种对气候变暖的响应, 发现红松(Pinus koraien-
sis)及硕桦 (Betula costata)将增多 , 而兴安落叶松
(Larix gmelinii)和云杉(Picea koraiensis)将减少, 20%
的采伐区需要特别造林措施而潜在的采伐区面积将
增加 11%~42%。
干扰是生态学研究的热点之一, 现代生态学的
发展已经认识到各种干扰是森林动态变化的驱动力,
在森林经营管理中注重向自然学习, 提倡模拟自然
干扰(包括自然的风、火、虫和林窗等)进行森林采伐,
目的是使经营的森林在组成、结构和功能方面与自
然景观状态比较接近, 从而使人类对森林的干扰减
低到最小程度[25]。实际上, 自然干扰作为驱动力之
一, 在维持森林生态系统物种多样性、群落稳定性
和景观异质性等方面一直起着极其重要的作用, 它
是森林生态系统的正常行为 , 是森林的重要特征 ,
甚至是种群维持的机制之一 [26]。在干扰生态学研
究中 , 常常借助一些植被动态模型来研究各种干
扰对森林的影响, 如 FORMIND[5]、HARVEST[19]、
LANDSUM[16]、LANDIS[18]、SIMPPLE[15]。王绪高
等[27]利用 LANDIS模型模拟了不同火干扰方式和森
林更新措施下大兴安岭 300 年的景观变化。Rüger
等 [5]利用 FORMIND 模型研究了不同采伐方式
(Strip-cutting and selective cutting)对智利 Chiloe’
Island森林组成、结构和木材产量以及生态完整性的
影响。He和 Mladenoff[4]研究了物种和不同频率的火
干扰对森林景观动态的影响。
2 生境适应性模型(Habitat suitability model)
生境适宜性模型(Habitat suitability model)利用
环境指标(包括生物环境因子)确定生境对研究物种
的适宜性以及物种或植被分布区 [23,28−30], 是景观生
态学常用的模型, 常常和森林动态模型结合在一起
研究不同森林营造方案以及气候变化对植物种或植
被分布的影响[31−33]。
在生境适宜性模型中, 气候因子(主要是气温和
降水 )是决定大尺度植被类型分布的主要决定因
子 [34], 但许多研究发现生物气候指标 (Bioclimatic
indices)如潜在太阳辐射、平均相对湿度、潜在蒸散
发等比简单的气候因子(降水和气温)更能揭示植被-
气候关系 , 并广泛地应用在植被分布区预测研究
中[35−36]。在植被分布区研究中, 环境变量选择也在
考虑植物生理生态特性, 如 Woodward[37]和 Prentice
等 [38]从影响植物生理生态特性的角度选取气候变
量, 以反映植物对冬季低温的忍受程度及对热量和
湿度的需求 [39]。随着计算机技术和生态学的发展 ,
生态模型和水文模型开始应用在植被(物种)−环境
(立地)关系研究中。植被和植物物种分布主要取决于
植物所需资源的供应, 包括光照、水和养分等[39−40],
因而模拟水分平衡和养分动态的生态模型和水文模
型在现代植被分布研究中具有重要作用 [41−42]。LPJ
模型以气候、土壤条件和大气 CO2浓度为输入变量,
借助植被动力学理论, 研究植被-土壤水分动态变化
和植物对环境的生态生理适应性, 在此基础上模拟
植被分布和组成[42]。MAPSS 模型是根据植被(叶面
积指数)动态与土壤水分和光照条件关系预测陆地
植被分布, 模型的主要原理是: 在某一立地条件下,
植被叶面积指数将出现某一最大值以最有效地利用
第 2期 杭艳秀等: 林业决策支持系统(DSS)应用综述 449


有限的土壤水分和光照资源, 因此, 在一定的气候
环境下出现相应的植被叶面积指数和植被类型。模
型中包括计算蒸散发、冠层截留、径流、土壤水入
渗和叶面积指数变化等在内的多个子模块。在模拟
水分平衡和能量的基础上确定研究立地条件下的最
大叶面积指数, 根据最大叶面积指数值确定该立地
上的植被类型[41]。这一原理已得到有关植物生理学
研究和区域水分平衡分析的证实[43−44]。
在区域和洲际尺度, 气候是控制植物分布的主
要环境因子 [37], 随着空间尺度的减小, 其他一些因
素, 如土壤、地形、生物之间的交互作用、物种扩
散能力将对物种的分布产生重大影响[34]。已有研究
将土壤、地形和海拔等环境变量引入到植被预测模
型(Predictive vegetation model)中, 取得了很好的模
拟效果[45]。如 Fei 等[32]根据坡度、坡向、地形位置
指数(Topographic position index, TPI)、海拔等环境
指标确定 Mammoth Cave National Park 内花生树
(American chestnut)的适宜分布区。Loehle等[46]利用
林分和景观水平上的指标如坡位、河流和公路密度、
林龄结构、森林异质性，进行鸟类生境适宜性评价。
3 林业决策支持系统
决策支持系统 DSS (Decision support system)是
20 世纪 70 年代兴起的一种新的管理信息技术，它
利用数据库, 人机交互进行多模型的有机组合, 辅
助决策者实现科学决策。决策支持系统以管理科学、
运筹学、控制论和行为科学为基础, 以计算机技术、
信息技术、人工智能技术为手段, 面对半结构或非
结构化的决策问题, 为决策者提供决策所需要的数
据、信息, 帮助决策者明确目标, 建立和修改模型,
提供多种优化方案, 从而帮助决策者提高决策能力
及决策效率[47]。
森林决策支持系统的核心部分是可以用来预测
或解释不同管理方案后果的模型或模型框架。模型
框架通常由 3部分组成: (1)林分水平上(Stand-level)
的分布、生长和产量模型或者说植被动态模型; (2)
森林经营方案; (3)生境适宜性评价模型。值得一提的
是在森林决策支持系统中, 模型框架的性能不仅仅
取决于单个模型本身, 也取决于模型框架内各个模
型之间的连接能力。比如森林规划者在将植被动态
模型输出(如胸高端面积和立木材积)驱动生境适应
性模型时, 经常会遇到植被动态模型输出结果与生
境的主要基本要素, 如残桩、粗木质残体、非作物物
种(Non-crop species)等相关关系微弱的问题[2]。下面
以中国国内开发的引种决策支持系统和防护林体系
决策支持系统以及国际上知名的 DSSAT决策支持系
统为例, 进一步介绍森林决策支持系统的框架结构。
中国林业科学研究院研制的“计算机引种决策
支持系统”采用多种数学方法(模型)模拟所研究地区
气候空间分布, 在此基础上借助模糊数学模型判断
某一区域对外来树种的适合程度, 并以彩色图形加
以直观描述。该决策支持系统既能为引种树种选择
试验区, 也可根据试验信息反馈修正区划, 还能用
作树种的生态位研究。北京林业大学研制的“区域
生态经济型防护林体系建设模式智能决策支持系
统”由 4 个子系统构成: 数据及数据管理、图形及
图形管理、模型及模型管理、专家系统, 并以数据
及图形系统为基础, 模型系统为分析手段, 专家系
统为智能决策核心, 各系统相互独立, 又以数据系
统为中介, 有机联系, 能实现统计、预测、区域生态
经济系统诊断、土地分类及生态评价、林种的水平
及立体配置、区域经济结构优化等功能。系统采用
统计分析、灰色理论、模糊数学、运筹学等方法来
构造模型, 支持结构化和半结构化的决策问题, 利
用产生式专家系统解决林种配置等非结构化决策问
题, 专家系统包括知识库、专业咨询和交互式咨询
两个推理机[48]。
DSSAT(Decision support system for agrotech-
nology transfer)是国际农业技术传播网(IBSNAT)十
几所大学通过 20多年来的研制、补充、完善发展起
来的大型软件系统, 它主要包括 3 个组成部分: (1)
数据基础管理系统(DBMS), 可用来对数据进行输
入、储存和修复等; (2)作物模型; (3)分析和输出模
块。作物模型包括谷物模块(CERES)(小麦、玉米、水
稻等)、豆类模块(大豆、花生等)及根茎类模块(马铃
薯和木薯)等。DSSAT 以天为步长, 系统动态定量地
模拟作物生长发育、根茎叶的伸长和扩展速率、产量
形成过程等形态和生理待征以及土壤、植物中水分、
养分变化过程, 并研究了外界环境条件对作物光合、
呼吸、蒸腾作用以及光合产物的输送、转化等一系列
物理化学过程的影响(http://www.icasa.net/dssat/)。在
决策支持系统的开发上, 如何根据国家森林营造、
管理的长期目标, 建立类似 DSSAT 这种既应用简
便、又基于机理、高效的模型系统, 是我国林业科
学界森林决策支持系统的发展方向。
森林决策支持系统的基础是模型, 其中机理性
模型的应用因为可以不受环境变化的限制更具有价
值。现在将机理性模型应用到森林决策支持系统进
行森林管理的具体事例很多, 如 Hessburg 等 [49]将
EMDS (Ecosystem management decision support)决
策支持系统应用在落基山(Rocky Mountain)地区评
价了严重野火的风险, 确定了优先需要治理的子流
450 中国生态农业学报 2010 第 18卷


域。Garcia-Quijano等[50]利用 1个包含碳评价、环境
评价和经济评价 3 个模块组成的决策支持系统, 研
究了不同森林经营方案对碳减排影响效果, 该决策
支持系统用到两个机理性模型 SECRETS(Stand to
ecosystem carbon and evapotranspiration simulator)和
SWAT(Soil and water assessment tool), 1个是生态模
型, 1 个水文模型(或者说生态水文模型)。现在机理
性模型发展很快, 但在森林决策支持系统中的应用
相对于其他类型模型而言还比较少。森林决策支持
系统模型主要应用在森林防火、森林采伐方案影响
评价上, 而防护林设计方面的决策支持系统还很少,
建立在水文机理性模型基础上根据树种对水分和能
量的要求确定造林树种的决策支持系统更是少见。
现在有许多决策支持系统应用在林业管理的不
同领域, 如林火管理决策支持系统[51−52]、造林决策
支持系统[53]、植物保护决策系统[54]、小流域环境治
理[55]。虽然不同森林决策支持系统具有通用的理论,
但决策目标的侧重点不同。比如, BOREAL[56]模型主
要应用在立地选择上 , LEEMATH[57]主要是从生态
和经济角度评价不同的经营策略, SBW DSS[58]主要
研究虫害对林业生态系统的影响, REGEN[59]主要侧
重森林更新, FORESTAR[60]侧重研究温带地区森林
采伐和森林恢复。
在森林决策支持系统中, 地理信息系统的作用
非常重要, 可以帮助决策者在更多数量的备选方案
中做出各种空间和非空间的评价[61], 基于地理信息
系统的森林资源多目标决策支持系统在林业管理中
的应用越来越多 [2,62]。土地利用的线性规划程序与
地理信息系统的结合大大提高了森林经营管理水
平 [61]。决策意味着是在各种方案中做出折中选择 ,
期望水平(Aspiration levels)作为量化决策者对不同
选择方案偏爱程度的指标已经和期望函数
(Aspiration utility function)结合应用在林业管理决策
中[63]。随着生物多样性受到社会各界越来越多的重
视, 空间制约因素(如限制破碎化程度)也应用在森
林管理决策支持系统中[64−65]。
DDS 用户通常认为资料信息越多 , 决策越科
学。但实际上管理系统越复杂, 需要考虑的信息越
多, 管理者越难消化和解释核心信息, 从而做出错
误决策的可能性越大。另外, 决策支持系统模型过
于复杂, 需要的参数越多, 在实践中应用越难。决策
支持系统应该具有简单方便的特点, DSSAT (Deci-
sion support system for agrotechnology transfer)就是
因为其结构简单、模型参数较少、数据容易获得而
得到广泛应用, 是世界上最成功的决策支持系统模
型[66]。
4 森林决策支持系统存在的问题和展望
森林管理者非常重视森林生态模型在经营管理
中的应用, 但森林生态模型主要是为生态学研究开
发的, 很少考虑社会和经济因素, 影响了森林生态
模型在林业管理中的价值。模型和森林经营管理尺
度的匹配问题也是森林决策支持系统面临的一个重
要问题[67]。另外, 掌握和获取模型参数以及收集数
据都需要专业知识也影响这类模型在森林经营中的
应用。中国虽然在森林决策支持系统开发方面做了
一些工作, 但决策支持系统所必需的各种模型主要
是来自于国外引进, 模型的前提假设在中国并不一
定能够满足, 影响了森林决策支持系统在中国林业
可持续管理中的价值。自然干扰(如火和虫害)是生态
系统所必须的[68], 但在实践中森林经营者有时很难
理解, 仍然将其看作是灾害加以防治, 其最终结果
是影响森林的生态和社会价值的正常发挥。
在全球变化的背景下, 研究森林植被动态对气
候变化的响应以及气候变化对森林生态系统各种
服务价值的影响, 将是全球变化背景下森林可持续
管理重点关注的问题。目前国内外虽然开发了许多
森林动态模型和生境适宜性模型, 并成功地将干扰
理论应用于森林可持续管理中, 但长期自然干扰历
史纪录以及干扰对森林生态系统影响研究较少, 影
响了干扰理论在中国林业管理中的应用。为此, 在
长期森林生态系统定位试验站生态监测中, 应该重
视各种自然干扰事件及其生态效应的监测和纪
录, 这将对提高中国可持续林业管理水平具有重要
意义。
参考文献
[1] 潘存德 , 师瑞峰 . 森林可持续经营: 从木材到生物多样性
[J]. 北京林业大学学报, 2006, 28(2): 133−138
[2] Seely B, Nelson J, Wells R, et al. The application of a hierar-
chical decision-support system to evaluate multi-objective
forest management strategies: A case study in northeastern
British Columbia, Canada[J]. Forest Ecology and Manage-
ment, 2004, 199(2/3): 283−305
[3] He H S, Mladenoff D J. The effects of seed dispersal on the
simulation of long-term forest landscape change[J]. Ecosys-
tems, 1999, 2: 308−319
[4] He H S, Mladenoff D J. Spatially explicit and stochastic
simulation of forest landscape fire disturbance and succes-
sion[J]. Ecology, 1999, 80: 81−99
[5] Rüger N, Gutiérrez A G, Kissling D W, et al. Ecological im-
pacts of different harvesting scenarios for temperate ever-
green rain forest in southern Chile—A simulation experi-
ment[J]. Forest Ecology and Management, 2007, 52: 252−266
[6] 刘平, 马履一, 贾黎明, 等. 美国的森林植被模型[J]. 世界
第 2期 杭艳秀等: 林业决策支持系统(DSS)应用综述 451


林业研究, 2006, 19(5): 63−66
[7] 梁晓东, 叶万辉. 林窗研究进展(综述)[J]. 热带亚热带植物
学报, 2001, 9(4): 355−364
[8] 桑卫国 , 陈灵芝 , 马克平 . 蒙古栎红松林演替模型
FOROAK的研究[J]. 植物学报, 1999, 41(6): 658−668
[9] 周丹卉, 贺洪士, 孙国臣, 等. 林窗模型及其在全球气候变
化研究中的应用[J]. 生态学杂志, 2007, 26(8): 1303−1310
[10] Running S W, Coughlan J C. A general model of forest eco-
system processes for regional applications. I. Hydrologic
balance, canopy gas exchange and primary production proc-
esses[J]. Ecological Modeling, 1988, 42: 125−154
[11] Sellers P J, Dickinson R E, Randall D A, et al. Modeling the
exchanges of energy, water, and carbon between continents
and the atmosphere[J]. Science, 1997, 275: 502−509
[12] He H S. Forest landscape models, definition, characterization,
and classification[J]. Forest Ecology and Management, 2008,
254: 484−498
[13] Maxwell T, Costanza R. A language for modular spa-
tio-temporal simulation[J]. Ecological Modeling, 1997, 103:
105−113
[14] Lorek H, Sonnenschein M. Object-oriented support for mod-
eling and simulation of individual-oriented ecological mod-
els[J]. Ecological Modeling, 1998, 108: 77−96
[15] Chew J D, Stalling C, Moeller K. Integrating knowledge for
simulating vegetation change at landscape scales[J]. West J
Appl Foresters, 2004, 19: 102−108
[16] Keane R E, Parsons R A, Hessburg P F. Estimating historical
range and variation of landscape patch dynamics: Limitations
of simulation approach[J]. Ecological Modeling, 2002, 151:
29−49
[17] Liu J, Ashton P S. FORMOSAIC: An individual-based spa-
tially explicit model for simulating forest dynamics in land-
scape mosaics[J]. Ecological Modeling, 1998, 106: 177−200
[18] Mladenoff D J. LANDIS and forest landscape models[J].
Ecological Modeling, 2004, 180: 7−19
[19] Gustafson E J, Lytle D E, Swaty R, et al. Simulating the cu-
mulative effects of multiple forest management strategies on
landscape measures of forest sustainability[J]. Landscape
Ecology, 2007, 22: 141−156
[20] Crookston N L, Dixon G E. The forest vegetation simulator: A
review of its structure, content, and applications[J].
Computers and Electronics in Agriculture, 2005, 49(1): 60−80
[21] Baker P J, Wilson J S. A quantitative technique for the iden-
tification of canopy stratification in tropical and temperate
forests[J]. Forest Ecology and Management, 2000, 127:
77−86
[22] 延晓东 , 赵士洞 , 于振良 . 中国东北森林生长演替模拟模
型及其在全球变化研究中的作用[J]. 植物生态学报, 2000,
24(1): 1−8
[23] Iverson L R, Prasad A M, Matthews S N, et al. Estimating
potential habitat for 134 eastern US tree species under six
climate scenarios[J]. Forest Ecology and Management, 2008,
254: 390−406
[24] Bu R, He H S, Hu Y, et al. Using LANDIS model to evaluate
forest harvesting and planting strategies under the warming
climate in Northeastern China[J]. Forest Ecology and Man-
agement, 2008, 254: 407−419
[25] 郑景明 , 罗菊春 , 曾德慧 . 森林生态系统管理的研究进展
[J]. 北京林业大学学报, 2002, 24(3): 103−109
[26] 朱教君 , 刘足根 . 森林干扰生态研究 [J]. 应用生态学报 ,
2004, 15(10): 1703−1710
[27] 王绪高 , 李秀珍 , 贺红士 . 大兴安岭森林景观在不同火干
扰及人工更新下的演替动态[J]. 北京林业大学学报, 2006,
28(1): 14−22
[28] 张文广, 唐中海, 齐敦武, 等. 大相岭北坡大熊猫生境适宜
性评价[J]. 兽类学报, 2007, 27(2): 146−152
[29] Kroll A J, Haufler J B. Development and evaluation of habitat
models at multiple spatial scales: A case study with the dusky
flycatcher[J]. Forest Ecology and Management, 2006, 229:
161−169
[30] Brown G S, Rettie W J, Brooks R J, et al. Predicting the im-
pacts of forest management on woodland caribou habitat
suitability in black spruce boreal forest[J]. Forest Ecology and
Management, 2007, 245(1/3): 137−147
[31] Bakkenes M A, Alkemade J R M, Ihle F, et al. Assessing ef-
fects of forecasted climate change on the diversity and distri-
bution of European higher plants for 2050[J]. Global Change
Biol, 2002, 8: 390−407
[32] Fei S L, Schibig J, Vance M. Spatial habitat modeling of
American chestnut at Mammoth Cave National Park[J]. Forest
Ecology and Management, 2007, 252: 201−207
[33] Leng W F, He H S, Bu R C, et al. Predicting the distributions
of suitable habitat for three larch species under climate
warming in Northeastern China[J]. Forest Ecology and Man-
agement, 2008, 254: 420−428
[34] Pearson R G, Dawson T P. Predicting the impacts of climate
change on the distribution of species: Are bioclimate enve-
lope models useful[J]. Global Ecol Biogeogr, 2003, 12:
361−371
[35] Leathwick J. Are New Zealand’s Nothofagus species in equi-
librium with their environment?[J]. J Veg Sci, 1998, 9:
719−732
[36] Cairns D M. A comparison of methods for predicting vegeta-
tion type[J]. Plant Ecol, 2001, 156: 3−18
[37] Woodward F I. Climate and plant distribution[M]. Cambridge:
Cambridge University Press, 1987
[38] Prentice I C, Cramer W, Harrison S P, et al. A global biome
model based on plant physiology and dominance, soil proper-
ties and climate[J]. Journal of Biogeography, 1992, 19:
117−134
[39] 曹铭昌 , 周广胜 , 翁恩生 . 广义模型及分类回归树在物种
分布模拟中的应用与比较 [J]. 生态学报 , 2005, 28(5):
2031−2040
[40] 曹明奎 , 李克让 . 陆地生态系统与气候相互作用的研究进
展[J]. 地球科学进展, 2000, 15(4): 446−452
[41] Neilson R P. A model for predicting continental scale vegeta-
452 中国生态农业学报 2010 第 18卷


tion distribution and water balance[J]. Ecological Application,
1995, 5: 362−385
[42] Sitch S, Smit H B, Prentice I C, et al. Evaluation of ecosystem
dynamics, plant geography and terrestrial carbon cycling in
the LPJ dynamic global vegetation model[J]. Global Change
Biology, 2003, 9: 161−185
[43] Bachelet D, Brugnach M, Neilson R P. Sensitivity of a bio-
geography model to soil properties[J]. Ecological Modeling,
1998, 109(1): 77−98
[44] Luo T X, Neilson R P, Tian H Q, et al. A model for seasonality
and distribution of leaf area index of forests and its applica-
tion to China[J]. Journal of Vegetation Science, 2002, 13(6):
817−830
[45] Thuiller W, Araújo M B, Lavorel S. Generalised models ver-
sus classification tree analysis: A comparative study for pre-
dicting spatial distributions of plant species at different
scales[J]. Journal of Vegetation Science, 2003, 14: 669−680
[46] Loehle C, Irwin L L, Rock D, et al. Are survival rates for
northern spotted owls biased?[J]. Canadian Journal of Zool-
ogy, 2005, 83: 1386−1390
[47] 陈文伟. 决策支持系统及其开发[M]. 第 2 版. 北京: 清华
大学出版社, 2000: 89−159
[48] 徐天蜀 , 彭世揆 , 杨树华 . 林业及生态系统管理决策支持
系统研究综述[J]. 西南林学院学报, 2001, 21(1): 50−63
[49] Hessburg P F, Reynolds K M, Keane R E, et al. Evaluating
wildland fire danger and prioritizing vegetation and fuels
treatments[J]. Forest Ecology and Management, 2007, 247:
1−17
[50] Garcia-Quijano J F, Deckmyn G, Moons E, et al. An inte-
grated decision support framework for the prediction and
evaluation of efficiency, environmental impact and total so-
cial cost of domestic and international forestry projects for
greenhouse gas mitigation: Description and case studies[J].
Forest Ecology and Management, 2005, 207: 245−262
[51] 臧淑英 , 张冬有 , 冯仲科 . 黑龙江省森林防火地理信息辅
助决策支持系统设计[J]. 北京林业大学学报 , 2005, 27(增
刊): 69−74
[52] 赵刚, 陈杰远, 胡健, 等. 基于资源竞争决策的森林火灾扑
救智能决策支持系统[J]. 应用科技, 2006, 33(8): 55−57
[53] 谭伟, 冯仲科, 胡涌, 等. 基于组件 GIS的造林决策支持系
统的构架[J]. 浙江林学院学报, 2005, 22(1): 77−81
[54] 徐建祥 , 刘宇 . 决策支持系统在植物保护上的应用[J]. 河
南科技大学学报, 2005, 26(3): 65−68
[55] 徐天蜀 , 岳彩荣 . 小流域森林生态环境治理决策支持系统
的研制[J]. 福建林学院学报, 2004, 24(4): 349−352
[56] Puttock G D, Timossi I, Davis L S. BOREAL: A tactical
planning system for forest ecosystem management[J]. For
Chron, 1998, 74(3): 413−420
[57] Li H B, Gartner D I, Mou P, et al. A landscape model
(LEEMATH) to evaluate effects of management impacts on
timber and wildlife habitat[J]. Comput Electron Agric, 2000,
27(1/3): 263−292
[58] Maclean D A, Erdle T A, MacKinnon W E, et al. The Spruce
Budworm Decision Support System: Forest protection plan-
ning to sustain long-term wood supply[J]. Can J For Res,
2001, 31(10): 1742−1757
[59] Haddon B, Sauvageau F, Wang E. REGEN: A program for
reporting on forest regeneration[J]. For Chron, 1996, 72(5):
505−512
[60] Shao G F, Dai L M, Li Y S, et al. FORESTAR: A deci-
sion-support system for multi-objective forest management in
Northeast China[J]. Journal of Forestry Research, 2003, 14(2):
141−145
[61] Varma V K, Ferguson I, Wild I. Decision support system for
the sustainable forest management[J]. Forest Ecology and
Management, 2000, 128: 49−55
[62] Eastman J R, Jin W, Kyem P A K, et al. Raster procedures for
multi-criteria/multi-objective decisions[J]. Photogrammetric
Engineering & Remote Sensing, 1995, 61(5): 539−547
[63] Ogryczak W, Lahoda S. Aspiration/reservation-based decision
support— a step beyond goal programming[J]. Journal of
Multi-Criteria Analysis, 2006, 1(2): 101−117
[64] Bertomeu M, Romero C. Managing forest biodiversity: A
zero-one goal programming approach[J]. Agricultural Sys-
tems, 2001, 68(3): 197−213
[65] Baskent E Z, Jordan J A. Forest landscape management with
simulated annealing[J]. Forest Ecology and Management,
2002, 165: 29−45
[66] 罗群英 , 林而达 . 农业技术转移决策支持系统(DSSAT)新
进展[J]. 气象, 1996, 22(12): 10−13
[67] Sturtevant B R, Fall A, Kneeshaw D D, et al. A toolkit mod-
eling approach for sustainable forest management planning:
Achieving balance between science and local needs[J]. Ecol-
ogy and Society, 2007, 12(2): 7
[68] Mitchell R J, Hunter M L, Palik B J. Natural disturbance as a
guide to silviculture[J]. For Ecol Man, 2002, 155: 315−317