毛旭鵬，饒高平，劉星劍

（江西省林業(yè)資源監(jiān)測中心，南昌 330046）

森林不僅具有生產(chǎn)木材產(chǎn)品及附屬品的直接價值，還具有水源涵養(yǎng)、水土保持、氣候調(diào)節(jié)、環(huán)境凈化、生物多樣性保護(hù)等方面的森林生態(tài)功能［1，2］。20世紀(jì)70年代日本通過選取包括水源涵養(yǎng)、水土保持等六大類功能指標(biāo)對全國森林開展了公益效能的計量和評價，對世界各國森林生態(tài)研究、建設(shè)等工作產(chǎn)生了積極影響。侯元兆等［3］比較全面地對包括涵養(yǎng)水源、防風(fēng)固沙、凈化大氣3種生態(tài)價值的中國森林資源價值進(jìn)行了評估。2003年國家林業(yè)局首次采用森林生態(tài)功能指數(shù)（FEFI）作為森林資源連續(xù)清查統(tǒng)計指標(biāo)，并對森林生態(tài)功能進(jìn)行綜合評價。目前，森林生態(tài)功能評價方法多以《國家森林資源清查技術(shù)規(guī)定》（2003）給定的方法進(jìn)行測算分析［4-7］。

森林資源信息采集利用外業(yè)調(diào)查和遙感判讀相結(jié)合的方式，決定了森林資源指標(biāo)數(shù)據(jù)的復(fù)雜性，最明顯的特點是數(shù)據(jù)的非線性、非正態(tài)化，這阻礙了森林生態(tài)功能的精準(zhǔn)評定。神經(jīng)網(wǎng)絡(luò)是高度非線性動力學(xué)系統(tǒng)和自適應(yīng)組織系統(tǒng)，其大量信息并行處理和大規(guī)模并行計算能力能夠很好地解決這個問題［8］?，F(xiàn)實應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型是BP神經(jīng)網(wǎng)絡(luò)，通過信息正向傳播和誤差反向傳播運(yùn)算機(jī)制實現(xiàn)不斷自我學(xué)習(xí)，直至達(dá)到期望目標(biāo)，可以擬合復(fù)雜的非線性關(guān)系［9］。BP神經(jīng)網(wǎng)絡(luò)研究應(yīng)用領(lǐng)域主要涉及信息科技、工程科技、經(jīng)濟(jì)管理科學(xué)及基礎(chǔ)科學(xué)領(lǐng)域，其在林業(yè)領(lǐng)域集中應(yīng)用于4個方面［10-14］：一是森林資源量估測，如生長量、蓄積量、森林碳儲量估測等；二是林業(yè)災(zāi)害預(yù)測，如火災(zāi)預(yù)測、森林病蟲害預(yù)測等；三是森林健康評價及預(yù)警，如小班尺度的森林健康評價；四是構(gòu)建單木生長模型，如樹高-胸徑生長模型。

《國家森林資源清查技術(shù)規(guī)定》（2003）以森林生態(tài)功能指數(shù)與各評價因子之間的線性關(guān)系為邏輯前提，給定了森林生態(tài)功能評價指標(biāo)體系，劃定了評價因子類型標(biāo)準(zhǔn)，確定了各評價因子的權(quán)重，并制定了森林生態(tài)功能評價方法。由于森林資源信息具有非線性特點，這種評價方法不能實現(xiàn)精準(zhǔn)評價。本研究以江西省貴溪市為例，基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建森林生態(tài)功能模型，為研究區(qū)小班尺度及區(qū)域尺度的森林生態(tài)功能的空間格局提供研究基礎(chǔ)，以期達(dá)到3個目標(biāo)：一是為森林生態(tài)功能準(zhǔn)確評定提供新思路、新方法，二是為森林生態(tài)功能價值評估提供可靠依據(jù)，三是為提高研究區(qū)森林生態(tài)功能制定林業(yè)發(fā)展政策、指導(dǎo)林業(yè)生產(chǎn)活動提供理論支撐。

1 研究區(qū)概況

貴溪市（116°55′—117°28′E，27°51′—28°38′N）位于江西省東北部、信江中游，地處武夷山區(qū)向鄱陽湖平原過渡的中間地帶。境內(nèi)整體地勢南北高，中間低，北部為懷玉山余脈，南部有武夷山脈蟠結(jié)，山地丘陵占71%。區(qū)域內(nèi)土壤多偏酸性，丘陵崗地以紅壤為主，河谷盆地多為沖積土。屬亞熱帶季風(fēng)濕潤氣候，氣候溫和，光照充足，雨量豐沛，無霜期長，年均氣溫14.4～18.9℃，年均降水量1 600～2 100 mm，年均無霜期268 d。

在中國森林植被區(qū)劃中，貴溪市屬亞熱帶常綠闊葉林區(qū)，共有11個植被類型、70個群系、91個群叢，主要植被類型有山地草甸、山頂矮林、山地灌叢、針葉林、針闊混交林、落葉闊葉林、常綠和落葉混交林、常綠闊葉林、硬葉常綠闊葉林、竹林、山地沼澤等，已查明的高等植物有244科848屬1 847種。在全國森林資源經(jīng)營管理分區(qū)方案中，貴溪市屬于南方山地丘陵區(qū)中的南方低山丘陵亞區(qū)，是江西省重點林業(yè)縣（市）之一，全市林業(yè)用地面積14.20萬hm2，占國土總面積的63.5%，活立木總蓄積662.36萬m3，森林覆蓋率61.42%，毛竹6 045.4萬根（2013年）。

2 數(shù)據(jù)來源與處理

2.1 數(shù)據(jù)來源

根據(jù)研究區(qū)2013年森林資源數(shù)據(jù)更新成果及林地年度變更調(diào)查林地“一張圖”數(shù)據(jù)庫，選取了全區(qū)10 569個有林地小班調(diào)查數(shù)據(jù)，采用《國家森林資源清查技術(shù)規(guī)定》（2003）的8個評價因子開展森林生態(tài)功能研究。森林生態(tài)功能評價因子及類型劃分標(biāo)準(zhǔn)見表1。

表1 森林生態(tài)功能評價因子及類型劃分標(biāo)準(zhǔn)

2.2 數(shù)據(jù)處理

1）樣本擴(kuò)充。為了提高網(wǎng)絡(luò)模型的魯棒性與適用性，防止網(wǎng)絡(luò)訓(xùn)練出現(xiàn)過擬合現(xiàn)象，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要足夠的樣本數(shù)據(jù)［15］。如果僅以《國家森林資源清查技術(shù)規(guī)定》（2003）森林生態(tài)功能類型劃分標(biāo)準(zhǔn)臨界值作為訓(xùn)練樣本，則只有3組訓(xùn)練樣本，導(dǎo)致訓(xùn)練結(jié)果不理想。因此，本研究按照森林生態(tài)功能評價指標(biāo)體系，在每級標(biāo)準(zhǔn)值之間隨機(jī)產(chǎn)生500組樣本數(shù)據(jù)，擴(kuò)充后的總樣本數(shù)據(jù)共1 500組，以提高網(wǎng)絡(luò)訓(xùn)練的精確性和適應(yīng)性［16］。

2）網(wǎng)絡(luò)訓(xùn)練樣本隨機(jī)抽取。網(wǎng)絡(luò)模型構(gòu)建包含網(wǎng)絡(luò)訓(xùn)練、網(wǎng)絡(luò)檢驗和網(wǎng)絡(luò)仿真3個階段，需要將樣本數(shù)據(jù)分為訓(xùn)練樣本、檢驗樣本和仿真樣本3部分。本研究仿真樣本為研究區(qū)2013年森林生態(tài)功能評價因子的真實值，從1 500組樣本數(shù)據(jù)中隨機(jī)抽取80%樣本作為訓(xùn)練樣本，檢驗樣本占20%。

3）數(shù)據(jù)歸一化處理。在網(wǎng)絡(luò)訓(xùn)練前，先對訓(xùn)練樣本和檢驗樣本的輸入數(shù)據(jù)和輸出數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)置，使得輸入數(shù)據(jù)和輸出數(shù)據(jù)的列數(shù)據(jù)相對應(yīng)，然后對輸入數(shù)據(jù)進(jìn)行數(shù)據(jù)歸一化處理，以便消除量綱的影響，提高網(wǎng)絡(luò)收斂速度［17］。

4）數(shù)據(jù)反歸一化處理。在網(wǎng)絡(luò)訓(xùn)練完成后，要對樣本數(shù)據(jù)進(jìn)行檢驗和仿真，檢驗和仿真結(jié)果取值范圍為（0，1），對檢驗和仿真結(jié)果進(jìn)行反歸一化處理后得到其森林生態(tài)功能得分值。

3 結(jié)果與分析

3.1 小班尺度森林生態(tài)功能評價

3.1.1 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

1）BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)及參數(shù)。常用的BP神經(jīng)網(wǎng)絡(luò)模型為1個有多個節(jié)點的輸入層、多個節(jié)點的隱含層以及1個或多個輸出節(jié)點的輸出層組成的3層網(wǎng)絡(luò)結(jié)構(gòu)，通過大量的樣本訓(xùn)練以確定網(wǎng)絡(luò)參數(shù)［18］。本研究采用基于數(shù)值最優(yōu)化理論中Levenberg-Marquardt（trainlm）訓(xùn)練算法構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，由于森林生態(tài)功能仿真結(jié)果的輸出范圍在（0，1）之間，隱含層傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為logsig，訓(xùn)練參數(shù)見表2。輸入層節(jié)點數(shù)為8，代表8個評價因子，輸出層節(jié)點數(shù)為1，代表森林生態(tài)功能得分。由隱含層節(jié)點數(shù)的確定方法［19］確定其取值范圍為［4，13］，通過試湊法［20］確定隱含層節(jié)點數(shù)為5時，網(wǎng)絡(luò)均方誤差（MSE）最小，最終構(gòu)建“8-5-1”3層小班尺度森林生態(tài)功能評價BP網(wǎng)絡(luò)結(jié)構(gòu)。

表2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)

2）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練與檢驗。按照本研究構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，借助MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行網(wǎng)絡(luò)訓(xùn)練，經(jīng)過12次訓(xùn)練循環(huán)，目標(biāo)誤差小于1×10-5，網(wǎng)絡(luò)模型收斂，訓(xùn)練結(jié)束，網(wǎng)絡(luò)均方誤差（MSE）為1.14×10-6。

利用300組檢驗樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)檢驗，檢驗樣本數(shù)據(jù)的絕對誤差（E）最大值為0.004 8，最小值為5.10×10-6，平均絕對誤差為0.000 9，相對誤差最大值為0.359 5%，最小值為0.000 3%，平均相對誤差為0.052 1%。網(wǎng)絡(luò)檢驗誤差分析結(jié)果表明，該網(wǎng)絡(luò)結(jié)構(gòu)及檢驗誤差能夠滿足研究的要求。

3）小班尺度森林生態(tài)功能模型構(gòu)建。根據(jù)BP神經(jīng)網(wǎng)絡(luò)基本原理，通過網(wǎng)絡(luò)訓(xùn)練得到網(wǎng)絡(luò)輸入、輸出的連接權(quán)值和閾值，建立研究區(qū)小班尺度森林生態(tài)功能模型，見式1～式6。

式中，M表示小班森林生態(tài)功能得分，mi表示隱含層中的第i個神經(jīng)元的輸出，i∈[1,5]，dj表示森林生態(tài)功能各評價因子值，j∈[1,8]。

根據(jù)樣本數(shù)據(jù)擴(kuò)充規(guī)則及《國家森林資源清查技術(shù)規(guī)定》（2003）的森林生態(tài)功能等級評定標(biāo)準(zhǔn)，當(dāng)M＜1.5、M∈[ 1.5,2.5)、M≥2.5時，小班森林生態(tài)功能等級分別為“好”“中”“差”。

3.1.2 小班尺度森林生態(tài)功能評價結(jié)果與分析 通過網(wǎng)絡(luò)仿真，測算研究區(qū)各有林地小班森林生態(tài)功能得分，得到研究區(qū)森林生態(tài)功能等級分級結(jié)果（圖1）。研究區(qū)森林生態(tài)功能等級為“好”“中”“差”的小班面積分別占林地小班面積的3.6%、88.4%、8.0%。森林生態(tài)功能中等的小班占研究區(qū)比例較大，分布廣泛，主要因素是研究區(qū)森林質(zhì)量普遍不高。森林生態(tài)功能好的小班主要集中分布在冷水鎮(zhèn)平均海拔400 m的國家公益林林區(qū)，國家公益林面積占53.1%，主要森林植被類型為常綠闊葉林和針闊混交林。森林生態(tài)功能差的小班主要集中分布在文坊鎮(zhèn)平均海拔100 m左右的商品林林區(qū)，商品林面積占46.9%、省級公益林面積占27.7%，主要森林植被類型為馬尾松和杉木等針葉林。

圖1 森林生態(tài)功能等級分級

3.2 區(qū)域尺度森林生態(tài)功能評價

3.2.1 區(qū)域尺度森林生態(tài)功能模型構(gòu)建 本研究對象森林生態(tài)功能指有林地上森林植被的森林生態(tài)功能，盡管灌木林地等其他林地植被也具有一定的生態(tài)功能，但不具備森林生態(tài)功能。因此，假定研究區(qū)非有林地之外的區(qū)域為一個整體小班，則其森林生態(tài)功能得分為0。根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型得到研究區(qū)有林地各小班森林生態(tài)功能得分，通過小班面積加權(quán)后得到區(qū)域尺度森林生態(tài)功能模型，見式7。

式中，Q為研究區(qū)區(qū)域尺度森林生態(tài)功能得分，j為研究區(qū)有林地與非有林地小班數(shù)量之和，本研究j=10 569+1，Si為第i個小班面積，S為研究區(qū)總面積，Mi為第i個小班的森林生態(tài)功能得分。

當(dāng)Q＜1.5、Q∈[ 1.5,2.5)、Q≥2.5時，區(qū)域尺度森林生態(tài)功能等級分別為“好”“中”“差”。

3.2.2 區(qū)域尺度森林生態(tài)功能評價結(jié)果與分析 根據(jù)區(qū)域尺度森林生態(tài)功能模型測算，研究區(qū)區(qū)域尺度森林生態(tài)功能得分為0.609 7。在有林地中，中等水平森林生態(tài)功能小班面積占88.4%，比例較大。研究區(qū)有林地面積占區(qū)域總面積的41.9%，比例較小，導(dǎo)致整體森林生態(tài)功能處于較差水平。

3.3 森林生態(tài)功能空間均衡度評價指數(shù)模型構(gòu)建

3.3.1 森林生態(tài)功能空間均衡度指數(shù)模型構(gòu)建 為了研究區(qū)域森林生態(tài)功能的分布均衡狀況，根據(jù)研究區(qū)面積和空間形態(tài)，采用ArcGIS軟件創(chuàng)建漁網(wǎng)，將研究區(qū)劃分為97個等面積空間單元（圖2），按照式（8）分別測算每個單元的森林生態(tài)功能得分。參照張建國［21］提出的森林分布均衡度指數(shù)，提出森林生態(tài)功能空間均衡度指數(shù)，見式9。

圖2 森林生態(tài)功能空間單元劃分

式中，E為研究區(qū)森林生態(tài)功能空間均衡度指數(shù)，Q為研究區(qū)區(qū)域尺度森林生態(tài)功能得分，Qm為研究區(qū)第m個空間單元森林生態(tài)功能得分，Smi為第m個空間單元中第i個小班所占面積，Sm為研究區(qū)在第m個空間單元的總面積，Mi為第i個小班的森林生態(tài)功能得分，j為研究區(qū)有林地與非有林地小班數(shù)量之和，本研究j=10 569+1，n為劃分的空間單元個數(shù)。

當(dāng)E=1時，森林生態(tài)功能在空間分布上最均衡，最有利于發(fā)揮區(qū)域森林生態(tài)功能。當(dāng)E=0時，森林生態(tài)功能在空間分布上最不均衡，森林生態(tài)功能的發(fā)揮效果最差。

3.3.2 森林生態(tài)功能空間均衡度評價結(jié)果與分析根據(jù)森林生態(tài)功能空間均衡度指數(shù)模型測算，研究區(qū)森林生態(tài)功能空間均衡度指數(shù)為0.863 8，森林生態(tài)功能在空間分布上較為均衡，有利于發(fā)揮區(qū)域森林生態(tài)功能。97個空間單元的森林生態(tài)功能得分分布如圖3所示，第7、第54空間單元森林生態(tài)功能等級為“中”，其余95個空間單元森林生態(tài)功能等級為“差”。其中，第54空間單元與龍虎山世界地質(zhì)公園毗鄰，有林地面積占研究區(qū)在此空間單元總面積的83.8%，95.6%的有林地面積為生態(tài)公益林，森林生態(tài)功能相對較強(qiáng)。

圖3 空間單元的森林生態(tài)功能得分分布

4 小結(jié)與討論

1）研究區(qū)小班尺度森林生態(tài)功能等級為“中”的占比較大，國家公益林保護(hù)成效顯著，加強(qiáng)對省級公益林的保護(hù)力度，重點從提升改造難度小且成本低的中等水平森林生態(tài)功能小班著手，通過實施低產(chǎn)低效林改造、開展近自然森林經(jīng)營等措施方法提升小班森林質(zhì)量，分階段逐步提升森林生態(tài)功能。

2）研究區(qū)森林生態(tài)功能在空間分布上較為均衡，整體森林生態(tài)功能較差，建議有計劃、科學(xué)地開展造林活動，逐步將有條件的其他林地轉(zhuǎn)變?yōu)橛辛值兀哟筢橀熁旖涣只蛘唛熑~混交林的造林范圍，以營造群落結(jié)構(gòu)更加完整、生態(tài)功能更加穩(wěn)定的林分，充分發(fā)揮區(qū)域森林生態(tài)功能。

3）在前人研究的基礎(chǔ)上，首次提出了森林生態(tài)功能空間均衡度指數(shù)，彌補(bǔ)了森林生態(tài)功能分布均衡狀況研究的空白，為研究區(qū)域森林生態(tài)功能的發(fā)揮功效奠定了基礎(chǔ)。

4）對研究區(qū)小班尺度森林生態(tài)功能進(jìn)行了測定，分析其空間分布格局。測定了區(qū)域整體森林生態(tài)功能，并分析了其空間分布均衡狀況，對把控區(qū)域森林生態(tài)功能總體狀況及空間格局提供了新思路、新方法，森林生態(tài)功能動態(tài)變化、科學(xué)確定提升現(xiàn)有有林地小班森林生態(tài)功能的順序以及科學(xué)確定造林地塊順序?qū)闆Q策者提供更加具體的參考，有待后續(xù)深入研究。