葉林妹 李明華李敏 蔣中煒 支邦邦

?

浙江省青田縣森林資源的非等間距灰色模型預測

葉林妹1李明華2李敏3蔣中煒3支邦邦3

（1浙江省青田縣林業(yè)局 323900； 2國家林業(yè)和草原局華東調(diào)查規(guī)劃設計院 浙江杭州 310019； 3浙江省林業(yè)勘測規(guī)劃設計有限公司 浙江杭州 310020）

運用灰色系統(tǒng)理論，以1975-2017年青田縣的森林資源主要指標為原始數(shù)據(jù)序列，建立青田縣森林資源變化的非等間距灰色預測模型。利用模型求得1975-2017年現(xiàn)有森林資源主要指標原始數(shù)據(jù)的擬合值，結(jié)果顯示，除1985、1998年的活立木蓄積擬合誤差為13.69%、10.28%外，其他相對誤差均小于10%，擬合精度較高。模型的預測精度檢驗結(jié)果顯示，小概率誤差均為1，除森林面積的方差比值為0.42，預測精度為二級合格外，林地面積、活立木蓄積的方差比值均小于0.35，預測精度均為一級（好），符合林業(yè)生產(chǎn)實踐對數(shù)據(jù)精度的要求。

灰色模型；森林資源主要指標；非等間距；青田縣

森林面積、活立木蓄積量、林地保有量是森林資源的重要指標，是各級政府林業(yè)績效考核的主要指標。掌握森林資源動態(tài)變化，分析及預測森林資源變化趨勢是森林資源管理的必然要求。森林資源分析預測方法有灰色模型、馬爾科夫模型、神經(jīng)網(wǎng)絡模型、多元統(tǒng)計回歸模型、卡爾曼濾波[1]等。浙江省青田縣分別于1975年、1985年、1998年、2007年、2017年開展過5次森林資源二類調(diào)查。青田縣歷次森林資源調(diào)查中的森林面積、活立木蓄積量、林地保有量數(shù)據(jù)，具有小樣本、貧信息、不確定性、非等時距等特點，適用非等間距灰色模型。

1 數(shù)據(jù)來源

青田縣地處浙江東南部，位于溫州西部、麗水東南部，地跨東經(jīng)119°47′-120°26′E、北緯27°56′-28°29′，中低山丘陵地貌，屬中亞熱帶季風氣候區(qū)，溫暖濕潤，四季分明，海拔高度懸殊，年平均溫度18.3°，年平均無霜期為279天。森林植被屬中亞熱帶常綠闊葉林北部亞地帶浙閩山丘甜櫧、木荷林區(qū)，地帶性植被為亞熱帶常綠闊葉林，植被順演替的“頂級群落”是以甜櫧、木荷為建群樹種，伴生櫟、栗、栲、楠以及山茶科等樹種的群落。

青田縣1975年-2017年歷次森林資源二類調(diào)查結(jié)果見表1。

表1 1975-2017年青田縣林地面積、森林面積、活立木蓄積量統(tǒng)計

2 非等間距灰色預測模型

2.1 建模步驟

（1）設原始數(shù)據(jù)序列：

令間距：

背景值采用參考文獻[2]計算公式,即：

（6）用最小二乘法求白化微分方程的參數(shù)a,u。

2.2 模型精度檢驗

則有：

表2 預測精度等級劃分

3 程序?qū)崿F(xiàn)

Matlab程序?qū)崿F(xiàn)主要代碼如下：

for i=2:m%求算一次累加生成1-AGO序列

for j=1:n

for k=1:j

zy2(i,j)=zy2(i,j)+ zy(i,k)*deta(k);%zy2一次累加生成1-AGO序列

end%zy原始數(shù)據(jù)，首行為年度數(shù)據(jù)，deta為年度差值

end

end

for i=2:m

G=ones(n-1,2);%構(gòu)造G矩陣

for j=2:n

G(j-1,1)=-1*(zy(i,j)*deta(j)/(log(zy2(i,j))-log(zy2(i,j-1))));

G(j-1,2)=1;

end

y=zeros(n-1,1);%構(gòu)造y矩陣

for j=1:n-1

y(j,1)=zy(i,j+1);

end

a1=(G'*G)G'*y%求算參數(shù)

for j=2:n%計算一次累加預測數(shù)據(jù)

zy3(i,j)=(zy2(i,1)-u/a)*exp(-a*(zy(1,j)-zy(1,1)))+u/a;

end

end

4 模型結(jié)果及檢驗

4.1 模型結(jié)果

青田縣非等間距灰色模型如表3所示。

表3 森林資源指標變化預測模型待辨識參數(shù)及預測模型

4.2 模型檢驗

根據(jù)上述精度檢驗步驟，求得均方差比值與小誤差概率、的值如表5所示，求得青田縣林地面積與活立木蓄積的檢驗方差比值都小于0.35，森林面積檢驗方差比值0.35< C0.50，小誤差概率=1，林地面積與活立木蓄積的預測精度等級都為一級“好”，森林面積的預測精度等級為二級“合格”，故建立的青田縣森林資源變化預測模型的函數(shù)方程較為可靠。

表4 實際值與擬合值的相對誤差單位：hm2、萬m3、%

指標類型年份 實際值擬合值相對誤差 林地面積19752000602000600.00 19851972301991070.95 1998203953202644-0.64 2007207088206083-0.49 20172076912091010.68 森林面積19751445741445740.00 19851515721665639.89 1998195893180794-7.71 2007200256195479-2.39 20172004252091594.36 活立木蓄積1975153.9153.90.00 1985171.4194.8713.69 1998336.4370.9710.28 2007632.8673.496.43 20171051.71140.828.47

表5 檢驗精度表

指標類型原始序列標準差S1殘差標準差S2方差比C小誤差概率F預測精度 林地面積4509.7959271418.4404290.311一級好 森林面積27984.9360811713.946290.421二級合格 活立木蓄積量378.089265932.733879030.091一級好

4.3 森林資源變化預測

運用上述模型，對青田縣的森林資源指標進行預測，得到青田縣2025年林地面積、森林面積、活立木蓄積的預測值如表6所示。

表6 森林資源變化預測

年份林地面積/hm2森林面積/hm2活立木蓄積/萬m3 20252120002206991866.8

5 結(jié)論與討論

模型結(jié)果中，林地面積和活立木蓄積預測精度為一級“好”，森林面積預測精度為二級“合格”。預測結(jié)果顯示，2017-2025年青田縣通過合理的林地保護管理措施，將使得林地面積呈穩(wěn)定態(tài)勢；森林面積總體呈增長趨勢，增速趨穩(wěn)；活立木蓄積在森林面積增速趨穩(wěn)的情況下，保持較高的增長速度，說明青田縣森林經(jīng)營措施得當，經(jīng)營成效顯著，在以后的林業(yè)發(fā)展中，應繼續(xù)加強森林經(jīng)營，重視撫育，增加單位面積森林產(chǎn)量，使得活立木蓄積保持高速增長，森林質(zhì)量得到提升，森林保護和經(jīng)營成效顯著。

[1] 惠雪峰，劉應安，夏業(yè)茂.基于集合卡爾曼濾波的森林面積動態(tài)預測[J].林業(yè)調(diào)查規(guī)劃，2011，36（5）：1-4．

[2] 戴文戰(zhàn),李俊峰.非等間距GM(1，1)模型建模研究[J].系統(tǒng)工程理論與實踐,2005，(9)：89-93.

[3] 李亦秋,馮仲科.山東省森林資源動態(tài)變化的非等間距灰色預測[J].浙江林學院學報,2009,26(1)：7-12.

[4] 宋星旻,胡厚臻.廣西橫縣森林資源變化的非等間距灰色預測[J].安徽農(nóng)業(yè)科學,2018,46(9)：1-3+7.

[5] 王鐘羨,吳春篤.非等間距序列的灰色模型[J].數(shù)學的實踐與認識,2003,33(10)：16-19.

[6] 陳勇．非等間距序列的灰色模型的程序?qū)崿F(xiàn)［J］．商洛學院學報，2005，19(2)：20-21.

Non-equidistance gray mode prediction for the forest resources in Qingtian county of Zhejiang Province

YeLinmei1, LiMinghua2，LiMin3, JiangZhongwei3, ZhiBangbang3

Using the Grey System Theory, A non-equidistant grey prediction model of time-series data for the change of forest resources in Qingtian County was established based on the main data indicators of forest resources in Qingtian County from 1975 to 2017. Through the model, the fitted values of the original data of the main indicators of existing forest resources from 1975 to 2017 was obtained. The results showed that, except for the relative errors of the forest stock in 1985 and 1998, which were 13.69% and 10.28%, the others were less than 10%, which indicated that the model had high precision. The test results of the prediction accuracy of the model showed that the small probability error was 1. Except for the variance ratio of forest area, which was 0.42 and the prediction accuracy reached the “second grade”, the others were less than 0.35 and the prediction accuracy reached the “first grade”, it meant that the prediction accuracy met the requirements of forestry production practices.

Grey mode forecast; Main indicators of forest resources; Non-equidistance sequence; Qingtian County

O242.1

A

1004-7743（2019）01-0067-04

2018-11-15