劉曉農，宋亞斌，邢元軍

（國家林業(yè)局 中南林業(yè)調查規(guī)劃設計院，湖南 長沙 410014）

基于SOM神經(jīng)網(wǎng)絡的新化縣森林健康評價

劉曉農，宋亞斌，邢元軍

（國家林業(yè)局 中南林業(yè)調查規(guī)劃設計院，湖南 長沙 410014）

運用主成分分析法、定量和定性相結合的方法構建了新化縣森林健康評價指標體系，基于SOM神經(jīng)網(wǎng)絡構建了新化縣森林健康評價模型，對新化縣森林進行健康評價，利用GIS技術對健康評價結果和森林屬性進行了數(shù)據(jù)對比分析，結果表明：新化縣森林的總體健康水平不高，主要以較健康狀態(tài)為主；森林的健康狀況存在明顯的空間分布特征，森林的健康狀況與人為干擾程度存在明顯的相關關系；結合森林起源、林種、齡組、主要優(yōu)勢樹種和森林健康等級空間分布進行了對比分析，得出了新化縣森林起源、林種、齡組和主要優(yōu)勢樹種健康狀況的現(xiàn)狀和成因。

森林健康評價；主成分分析；SOM神經(jīng)網(wǎng)絡；新化縣

森林健康[1-2]是指森林作為一個結構體，保持自身良好存在和更新并發(fā)揮必要的生態(tài)服務功能的狀態(tài)和能力，是森林健康評價的基本依據(jù)和森林可持續(xù)經(jīng)營的熱點問題[3-5]。健康的森林能夠最充分持續(xù)地發(fā)揮森林生態(tài)、社會和經(jīng)濟效益[6-8]，極大促進區(qū)域可持續(xù)發(fā)展。隨著生態(tài)環(huán)境日益惡化，森林健康越來越受到關注[9]，其中森林健康評價是研究森林健康的主要途徑。國內外關于森林健康評價的研究多從森林健康的定義、評價尺度、評價方法等方面進行研究和實踐[10-13]，為森林健康經(jīng)營提供了指導[14-16]。

自組織映射（Self-Organizing Maps，簡稱SOM）神經(jīng)網(wǎng)絡是一種自組織特征的映射網(wǎng)絡，同時也是由一個全連接的神經(jīng)元陣列組成的無教師、自組織、自學習的網(wǎng)絡[17]。目前SOM神經(jīng)網(wǎng)絡模型主要應用于土地評價、水質價、空氣質量評價等領域，在森林健康評價領域中應用較少。近年來，相關學者開始將SOM神經(jīng)網(wǎng)絡引入林業(yè)加以應用研究，2011年，施明輝等[18]利用SOM神經(jīng)網(wǎng)絡方法評價了白河市林業(yè)局3個主要森林類型的森林健康狀況，表明SOM神經(jīng)網(wǎng)絡分析方法是一種比較先進的自動化定量分級方法；2014年，楚春暉[19]等以海南省五指山森林為研究對象，通過SOM神經(jīng)網(wǎng)絡方法定量分級評價得出SOM神經(jīng)網(wǎng)絡評價方法相比較其他森林健康評價方法在理論上具有最優(yōu)性。

新化縣是湖南省重點林區(qū)縣、林業(yè)重點生態(tài)工程建設縣，對新化縣森林健康狀況進行評價研究意義重大。本研究以新化縣森林為研究對象，利用SOM神經(jīng)網(wǎng)絡法、主成分分析、定量和定性相結合的方法，對新化縣森林健康進行分析評價，以全面了解新化縣森林健康狀況，為森林保護和可持續(xù)經(jīng)營提供科學參考。

1 材料與方法

1.1 研究區(qū)概況

新化縣位于湖南省婁底市西部、資水中游，總面積364 253.17 hm2，下轄26個鄉(xiāng)鎮(zhèn)、2個林場以及1個辦事處，總人口約為138.64萬，是湖南省重點林區(qū)縣、林業(yè)重點生態(tài)工程建設縣，且素有“湘中寶地”的美稱。地貌類型包括丘陵、山地、盆地、平原等，地形較為復雜。新化縣屬于中亞熱帶季風濕潤氣候，雨熱同期，陽光充足，氣候溫暖，年均氣溫16.8 ℃～17.3 ℃，年均日照時數(shù)1 417 h，年均降水量為1 455.9 mm，土壤風化程度高，以紅壤為主。改縣水資源較為豐富，大小支流90余條，植被以杉木林，馬尾松、楠竹為主。

1.2 數(shù)據(jù)來源及處理

本研究以2014年完成的湖南省森林資源二類調查小班數(shù)據(jù)為主要數(shù)據(jù)源，并通過野外踏查的方法對所獲取的數(shù)據(jù)進行核查與相關因子的補充調查，共選取小班數(shù)87 020個。小班屬性信息主要包括海拔、坡度級、坡向坡位、土壤質地、土層厚度、土壤名稱、立地等級、優(yōu)勢樹種、群落結構、森林類別、保護等級、地類、林種、起源、林分自然度、樹種組成、齡級、齡組、平均高、平均年齡、平均胸徑、草本蓋度、灌木蓋度、郁閉度、疏密度、單位蓄積、單位株數(shù)等，小班數(shù)據(jù)信息滿足森林健康評價的數(shù)據(jù)要求。在西安80坐標系中配準數(shù)據(jù)，根據(jù)評價模型指標完成相關數(shù)據(jù)指標實際值計算和標準化處理。

1.3 研究方法

1.3.1 主成分分析

主成分分析在因子篩選降維方面應用較多，將多個測定因子歸納為數(shù)量較少的若干指標，以減少研究對象的維數(shù)，并提取因子的特征信息。本研究利用主成份分析法根據(jù)相關但不同質的原則進行指標篩選，運用SPSS軟件對初篩因子進行主成分分析，以方差累計貢獻率≥85%為標準確定主成分，結合當?shù)貙嶋H情況篩選出影響森林健康的主要的指標。

1.3.2 森林健康評價體系的構建

1.3.2.1 評價指標的提取

以二類調查數(shù)據(jù)的屬性為基礎構建森林健康評價體系，根據(jù)研究內容剔除不需要的屬性指標，可進行森林健康評價的屬性指標可分為以下3類：

（1）定量指標：面積、平均年齡、平均樹高、平均胸徑、每公頃蓄積量、每公頃株數(shù)、郁閉度、草本覆蓋度、灌木覆蓋度、枯落物厚度和土層厚度等。

（2）不適宜量化的定性指標：地類、土地權屬、工程類別、生態(tài)區(qū)位、森林類別、林種和優(yōu)勢樹種等。

（3）可以量化的定性指標：群落結構、起源、自然度、齡組和森林災害等級等。

1.3.2.2 評價體系的構建

根據(jù)評價指標篩選原則選取評價指標，利用主成分分析對評價指標進行分析，根據(jù)主成分的荷載情況確定成分性質，篩選出適合本研究的森林健康評價指標構建評價體系。

1.3.3 SOM森林健康評價網(wǎng)絡模型的構建

1.3.3.1 數(shù)據(jù)預處理

森林健康評價主要受生態(tài)結構、植物種類、地被物和人為的干擾程度的影響[14]。本研究選用的指標由于數(shù)據(jù)的單位和數(shù)量級不同，在進行SOM神經(jīng)網(wǎng)絡計算之前必須進行指標數(shù)據(jù)的標準化處理。本研究進行數(shù)據(jù)標準化的公式為：

式（1）中，Xk為原始數(shù)據(jù)，X′k為輸出數(shù)據(jù)，Xmax和Xmin為變量的最大值和最小值。

1.3.3.2 SOM神經(jīng)網(wǎng)絡學習算法

SOM 的學習算法步驟歸納如下：

（1）輸入層以及映射層的所有權值以隨機值進行設定。

（2）選擇向量x輸入神經(jīng)網(wǎng)絡。

（3）計算某時刻向量x與權值向量的歐式距離。

式（2）中，wij是輸入層神經(jīng)元i與映射層神經(jīng)元j的權值。

（4）修正輸出神經(jīng)元j* 及其“鄰接神經(jīng)元”的權值。

式（3）中，c為的取值為（0，1），根據(jù)時間的推移逐步降為0；

式（4）中，f(*)多為0至1的函數(shù)。

（6）判斷結果是否達到預設要求。若達到，SOM神經(jīng)網(wǎng)絡算法結束；如未達到預期要求，則返回步驟（2）。

（7） SOM神經(jīng)網(wǎng)絡模型

運用Matlab建立SOM網(wǎng)絡模型。首先將選取的森林健康評價指標作為網(wǎng)絡的輸入；然后利用上述的學習算法對網(wǎng)絡進行訓練。當網(wǎng)絡訓練結束后，將各小班的評價指標再次輸入SOM神經(jīng)網(wǎng)絡，利用訓練好的網(wǎng)絡將之聚類；最后通過仿真輸出評價結果。

1.3.4 評價等級的劃分

森林健康評價結果的劃分因研究人員所采用的評價指標體系和評價方法的不同而不同。我國國家森林資源連續(xù)清查將森林劃分為健康、亞健康、中健康、不健康4個等級[23]，而其他學者把森林健康評價結果分為3～6個不同的等級。參照施明輝、楚春暉等[18-19]對森林健康等級的劃分標準，同時結合新化縣實際情況，本研究在構建的SOM神經(jīng)網(wǎng)絡模型中將新化縣森林劃分為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ5個等級，分別代表不健康、亞健康、較健康、健康和優(yōu)質健康，各等級的含義如表1所示。

表1 評價等級分類Table 1 Evaluation grade classification

2 結果與分析

2.1 評價體系的構建

依據(jù)森林健康的內涵，考慮指標選取原則，借鑒森林可持續(xù)經(jīng)營指標體系和森林生態(tài)系統(tǒng)健康評價指標體系[18-22]，結合新化縣實際經(jīng)營狀況和森林資源二類調查數(shù)據(jù)，選取平均樹高、平均年齡、齡級、平均胸徑、每公頃蓄積量、郁閉度、灌木覆蓋度、草本覆蓋度、土層厚度和枯落物厚度10個定量指標以及群落結構、起源、自然度和森林災害等級4個量化的定性指標進行主成分分析，以確定影響湖南省新化縣森林小班健康的主要因子。在SPSS中進行主成分分析根據(jù)測定指標的性質，結合主成分對測定指標進行歸類，本研究最終確定森林小班健康評價的指標體系如表2所示。

2.2 新化縣森林健康分布狀況

利用森林健康評價體系，對新化縣的森林小班進行健康狀況評價（表3），健康等級分布圖如圖1所示。

表2 森林健康評價因子Table 2 Tree forest land health evaluation factor

表3 新化縣森林小班健康狀況Table 3 Health status of forest sub-compartment in Xinhua county

圖1 新化縣森林健康狀況分布Fig.1 Distribution of forest health status in Xinhua county

研究區(qū)域優(yōu)質健康等級的森林面積為26 309.5 hm2，占森林總面積的12.9%，主要分布在新化縣的東部、南部和北部，該區(qū)以山地丘陵為主，屬于林場管護范圍內，森林多為公益林，受人為干擾極少；健康等級的森林面積為43 426.9 hm2，占所有森林總面積的21.3%，主要分布在新化縣的北部和中南部，離人類主要活動區(qū)較遠，地形地貌復雜，受人為干擾較少；處于較健康等級的森林最多，面積為67 726.4 hm2，占森林總面積的33.2%，較均勻地散布在新化縣域；亞健康和不健康的森林面積分別為31 638.0 hm2和34 866.6 hm2，各占森林總面積的15%和13.4%，主要分布在資江干流周邊區(qū)域，該區(qū)地勢平坦，為人類活動主要區(qū)域，受干擾強烈，森林健康程度較低。由此可見，新化縣的森林健康狀況存在明顯的空間分布特征，即東部、南部、中南部、北部的森林健康等級較高，中部和東南部健康等級較低，森林的健康程度與人為干擾存在明顯的相關關系。

2.3 不同起源的森林健康狀況分析

研究區(qū)不同起源森林健康狀況如圖2所示，天然林健康等級以上面積占天然林總面積的比例為42.7%，人工林健康等級以上面積占人工林總面積的30.9%。天然林健康狀況明顯優(yōu)于人工林，其優(yōu)質健康、健康、較健康、亞健康和不健康等級分別占天然林總面積的15.5%、27.2%、37.1%、12.0%、8.2%。人工林健康狀況不太理想，其森林主要等級為較健康占人工林總面積的32.3%。天然林多處于地形地貌復雜的山地丘陵地區(qū)，受人為干擾較少，形成以自然因素為主導的發(fā)展機制，結構較為穩(wěn)定，因此森林健康程度較高；人工林主要分布在人類活動區(qū)域周邊，以木材生產(chǎn)和提供林副產(chǎn)品為主，由于其單一的結構和強烈的人為干擾，因此森林健康等級較低。

圖2 森林起源健康狀況分析Fig.2 Health status analysis of forest origin

2.4 不同林種的森林健康狀況分析

研究區(qū)林業(yè)5大林種均有分布，薪炭林分布所占比例太小此處不做分析。由圖3可知，4大林種健康狀況排序，就整體而言防護林＞特種用途林＞用材林＞經(jīng)濟林。防護林主要以健康和較健康等級為主，面積所占防護林總面積比例分別為23.5%、31.8%。特種用途林5個健康等級所占特種用途林總面積百分比分別為：12.0%、22.0%、32.9%、17.1%、16.0%。用材林5個健康等級所占用材林總面積的百分比分別為12.7%、17.4%、35.5%、14.9%、19.5%。4大林種中，經(jīng)濟林的健康狀況最不理想，5個健康等級所占經(jīng)濟林總面積百分比分別為7.5%、5.5%、2.1%、43.5%、41.4%。森林健康狀況與林種的性質有關，防護林以自然災害預防為主，經(jīng)營管理活動極少，林木生長主要處于自然水平，因此林分結構豐富，地表覆蓋度極高；經(jīng)濟林要求頻繁的經(jīng)營管理活動，受人為干擾最顯著，因而森林健康程度最低。

圖3 林種健康狀況分析Fig.3 Health status of different land classi fi cation

2.5 不同齡組森林健康狀況分析

研究區(qū)各齡組的健康狀況如圖所示，由圖4可知，5大齡組的健康狀況排序為：成熟林＞近熟林＞中齡林＞過熟林＞幼齡林，健康等級以上面積所占相應齡組總面積比例分別為45.9%、45.1%、40.6%、30.3%、26.2%。近熟林和成熟林的健康狀況比較理想，健康等級的比例較大，優(yōu)勢比較明顯。中齡林以健康和較健康等級為主，所占中齡林總面積比例分別為23.7%、36.0%。幼齡林和過熟林健康狀況不太理想，非健康等級的比例較大。成熟林的森林健康等級最高，原因可能是成熟期的林分結構較為豐富完善，生態(tài)系統(tǒng)穩(wěn)定性較高，森林經(jīng)營活動有所減少，因而森林健康程度較高；幼齡林處于生長初期，生態(tài)系統(tǒng)穩(wěn)定性差，需要大量人為活動進行經(jīng)營管理，因此健康程度較低。

圖4 齡組健康狀況分析Fig.4 Health status of different land classi fi cation

2.6 優(yōu)勢樹種健康狀況分析

研究區(qū)的優(yōu)勢樹種主要有柏樹組、馬尾松組、竹林組、杉木組和灌木組等，其所占面積狀況如圖2，健康狀況如圖5所示。由圖可知，優(yōu)勢樹種健康狀況排序為：馬尾松組＞竹林＞杉木組＞柏樹組＞灌木組，其中，馬尾松組健康狀況相對其它樹種占有一定優(yōu)勢，健康等級以上的面積比例占馬尾松組總面積的41.6%；竹林、杉木和灌木組健康狀況不太理想，健康等級以上的面積占相應樹種面積的比例分別為38.7%、32.7%、23.2%、14.3%，其中以經(jīng)濟林為主的灌木組健康狀況最不理想；馬尾松組的健康程度最好，可能是馬尾松經(jīng)營管理活動的影響程度較低，且新化縣的自然條件適合馬尾松生長，因而森林健康狀況較好；杉木組在效益上與馬尾松相似，但杉木的適宜生長環(huán)境、光熱條件與馬尾松不同，因而健康狀況較差；竹林密集和快速生長的特性往往形成單一的生態(tài)結構，不利于形成穩(wěn)定的生態(tài)系統(tǒng)，易受外部環(huán)境干擾，且竹林多分布在人類主要活動區(qū)域的周邊地區(qū)；灌木組的森林健康狀況最低，主要是因為灌木的生態(tài)系統(tǒng)穩(wěn)定性較差，且灌木組多為經(jīng)濟林，受人為干擾強烈，因而森林健康程度低。

圖5 優(yōu)勢樹種健康狀況分析Fig.5 Health status of different land classi fi cation

3 結 論

本研究運用主成分分析法、定量和定性相結合的方法構建了新化縣森林健康評價指標體系，基于SOM神經(jīng)網(wǎng)絡構建了新化縣森林健康評價模型對新化縣森林進行健康評價，利用GIS技術對健康評價結果和森林屬性進行了數(shù)據(jù)分析，結果表明：

（1）利用Matlab構建了新化縣森林健康評價的SOM神經(jīng)網(wǎng)絡模型，有效地克服了主觀因素的干擾，結果更加客觀準確。新化縣森林的總體健康水平不高，為較健康狀態(tài)；其中優(yōu)質健康、健康、較健康、亞健康和不健康的森林面積分別為 26 309.5 hm2、43 426.9 hm2、67 726.4 hm2、31 638.0 hm2和34 866.6 hm2，分別占總面積的12.9%、21.3%、33.2%、15.5%和17.1%。森林的健康狀況存在明顯的空間分布特征，東部、南部、中南部和北部區(qū)域的森林健康狀況明顯高于中部和東南部區(qū)域，森林的健康狀況與人為干擾存在明顯的相關關系。

（2）結合新化縣森林的起源、林種、齡組以主要及優(yōu)勢樹種和森林健康等級空間分布進行了分析，人為干擾和林分結構是影響森林健康程度的主要因素。就起源而言，天然林的健康程度明顯大于人工林；就林地類型而言，健康狀況排序為混交林＞純林＞竹林＞灌木林；就林種而言，健康狀況排序為防護林＞特種用途林＞用材林＞經(jīng)濟林；就齡組而言，健康狀況排序為成熟林＞近熟林＞過熟林＞中齡林＞幼齡林；就優(yōu)勢樹種而言，健康狀況排序為馬尾松組＞竹林＞杉木組＞柏樹組＞灌木組。

[1]高志亮,余新曉,陳國亮,等.北京市八達嶺林場森林健康評價研究[J].林業(yè)資源管理,2008(4):77-82.

[2]李 杰,高 祥,徐 光,等.森林健康評價指標體系的研究[J].中南林業(yè)科技大學學報,2013,33(8):79-82.

[3]Zeng D H, Jiang F Q, Fan Z P, et al.Ecosystem health and sustainable development for human[J].Chinese Journal of Applied Ecology, 1999, 10(6): 751-756.

[4]肖風勁,歐陽華,傅伯杰,等.中國森林健康生態(tài)風險評價[J].應用生態(tài)學報,2004,15(2):349-353.

[5]徐 梅,關慶偉.徐州側柏人工林健康評價研究[J].西南林業(yè)大學學報,2014,34(2):39-43+54.

[6]蔡小溪,林文樹,吳金卓,等.森林健康評價研究綜述[J].森林工程,2014,30(5):22-26.

[7]Alonso S, Sulkava M, Prada M A, et al.EnvSOM: A SOM Algorithm Conditioned on the Environment for Clustering and Visualization[C].Advances in Self-Organizing Maps-8th International Workshop, WSOM 2011, Espoo, Finland, June 13-15, 2011.Proceedings.2011: 61-70.

[8]馬克明,孔紅梅,關文彬,等.生態(tài)系統(tǒng)健康評價：方法與方向[J].生態(tài)學報,2001,21(10):2106-2116.

[9]劉素芝,何小東,李建軍,等.基于知識粒度的森林生態(tài)系統(tǒng)健康評價指標賦權方法[J].生態(tài)學雜志,2014,33(1):1082-1088.

[10]姜孟竹,劉兆剛,李 元.大興安嶺盤古林場森林健康評價與分析[J].中南林業(yè)科技大學,2014,34(7):73-79.

[11]De Vries W, Reinds G J, Deelstra H D, et al.Intensive monitoring of forest ecosystems in Europe: technical report [R].Forest Intensive Monitoring Coordinating Institute, Netherlands, 1999: 173.

[12]方 舟,王霓虹.基于改進 MNN 的森林健康評價方法研究[J].安徽農業(yè)科學,2014,42(16):5292-5294.

[13]徐世芳,李小英,夏 靜.美國森林健康狀況[J].西南林業(yè)大學學報,2015,35(2):68-72.

[14]Tkacz B, Moody B, Castillo J, et al.Forest health conditions in North America.Environmental Pollution, 2008, 155(3): 409-425.

[15]Christopher William W,Amacher M C,Bechtold W A, et al.Status and future of the forest health indicators program of the USA[J].Environmental Monitoring & Assessment, 2011, 177(1):419-436.

[16]張國禎,甘 敬,朱建剛.北京山區(qū)森林健康的多尺度評價[J].林業(yè)科學,2011,47(6):143-151.

[17]張徳豐.MATLAB神經(jīng)網(wǎng)絡應用設計[M].機械工業(yè)出版社,2009.

[18]施明輝,趙翠薇,郭志華,等.基于SOM神經(jīng)網(wǎng)絡的白河林業(yè)局森林健康分等評價[J].生態(tài)學雜志,2011,30(6):1295-1303.

[19]楚春暉,佘濟云,陳冬洋.基于SOM神經(jīng)網(wǎng)絡的五指山市森林健康評價[J].中南林業(yè)科技大學學報,2015,35(10):69-73.

[20]胡煥香,佘濟云,張 敏.基于小班尺度的寧遠河流域森林健康評價研究[J].西北林學院學報,2013,28(2):182-186.

[21]高志亮,余新曉,岳永杰,等.北京市松山自然保護區(qū)森林健康評價研究[J].北京林業(yè)大學學報,2008,30(2):127-131.

[22]王懿祥,陸元昌,張守攻,等.森林生態(tài)系統(tǒng)健康評價現(xiàn)狀及展望[J].林業(yè)科學,2010,46(2):134-139.

[23]陳小梅,王 軍.森林健康評價研究綜述[J].廣東林業(yè)科技,2007, 23(4):61-65.

Forest health assessment of Xinhua county based on SOM neural network

LIU Xiaonong, SONG Yabin, XING Yuanjun
(Central South Forest Inventory and Planning Institute of State Forestry Administration, Changsha 410014, Hunan, China)

In order to build the Xinhua county forest health evaluation system using principal component analysis, quantitative and qualitative methods, map neural network constructed Xinhua county forest health assessment model based on SOM self-organizing feature of Xinhua county forests health assessment.Health assessment and forest attributes were analyzed by GIS technology and the results show that the overall health of Xinhua county forest is not high, mainly in the relatively healthy state based high-quality health;the health status of forest has obvious spatial distribution characteristics, which existing signi fi cant correlation with human disturbance.Comparative analysis was carried out combining with origin of forest, category, age group, and dominant tree species with spatial distribution of forest health.Thus, the status quo and the causes about category of forest origin in Xinhua county was concluded.

forest health assessment; principal component analysis; SOM neural network; Xinhua county

S718.54+5

A

1673-923X(2017)04-0021-06

10.14067/j.cnki.1673-923x.2017.04.004

2016-05-20

湖南省教育廳科學研究項目（13A122）；國家林業(yè)公益性行業(yè)項目（201004032）

劉曉農，高級工程師；E-mail：sycsupper@qq.com

劉曉農，宋亞斌，邢元軍.基于SOM神經(jīng)網(wǎng)絡的新化縣森林健康評價[J].中南林業(yè)科技大學學報，2017, 37(4): 21-26.

[本文編校：文鳳鳴]