论文部分内容阅读
本文基于泰森多边形和人工神经网络进行建模。根据前人的研究,单木的生长主要受竞争木、年龄等影响,因此,本文采用以期初胸径D1、期初年龄T1、期末年龄T2、期初泰森多边形断面积点密度TGP、期初泰森多边形面积TA1为输入变量,期末胸径D2为目标变量,在MATLAB软件中进行模型训练,建立TGP单木生长模型。利用宝天曼自然保护区栎类天然次生林10块标准地的调查数据,按3/4和1/4的比例组织训练样本和检验样本,完成模型的训练和检验。该模型可以直接判定各单株木的生长状况和生长潜力,也可以判定经过抚育间伐后各保留木的生长状况,这对林分的集约经营非常重要,在营林生产实践中的应用,比全林分生长模型或径阶分布模型有其独特的优点。本项研究可实现对宝天曼天然次生林森林资源的动态预测,是科学经营森林的重要基础性研究,具有广泛的应用前景。并且,用泰森多边形断面积点密度作为单木生长指标,具有明显的生物学意义,对基于GIS、GPS技术的林分生长模型研究具有很大的应用价值和学术意义。研究结果如下:1.网络模型的数学表达式为: h1 = logsig(13.1917D1+0.15329T1-0.32171T2+0.20718TGP-2.3654TA1-8.7767) h2 = logsig(-2.1533D1+4.6894T1-4.6884T2+0.0056299TGP-0.4482TA1+0.86102) h3 = logsig(-13.1796D1-0.33872T1+0.50708T2-0.20682TGP+7.2201TA1+3.9124) D2= logsig(-89.6246 h1 -1.8871 h2 -89.8187 h3 +90.9554)2.通过模型的仿真效果分析可知,期末胸径D2随着期初年龄T1、期末年龄T2、期初泰森多边形面积TA1、期初泰森多边形断面积点密度TGP的增大而增大,基本上呈线性关系,所建的单木生长模型符合单木生长随年龄、泰森多边形面积、泰森多边形断面积点密度的变化规律;3.模型拟合精度分析结果表明,数学模型的拟合精度达到99.11%,拟合精度很高;4.模型预测精度达到99.99%,模型的预测效果极好;5.所建模型不仅对建模样本具有很高的拟合准确度,而且对未参加建模的样本也具有很高的吻合度,模型泛化能力很强。但是,由于地形复杂原因,数据中的树木的方位角、水平距测量有困难,测量的误差偏大,影响求取的Thiessen Polygon的面积的精度。另外,本模型的拟合精度、预测精度以及回归方程的相关系数极大,置信度不高。在以后的研究中,笔者将会针对本研究中的不足做进一步的研究。