基于SOM神经网络的白河林业局森林健康分等评价

将自组织特征映射(SOM)神经网络引入森林健康评价领域,与地理信息系统技术(GIS)相结合,基于森林经营小班尺度,对长白山白河林业局3个主要森林类型(阔叶混交林、针阔混交林、长白落叶松林)的森林健康状况进行定量评价,并分析了不同平均年龄段、不同平均树高、不同郁闭度森林小班的健康状况.结果表明:SOM神经网络是自动化定量评价森林健康的一个较先进的方法,其用于森林健康分等评价的最大优点是不需要知道分等类别的先验知识,不需要事先人为确定分等评价因素指标的权重,能有效地克服主观因素的干扰,使分等结果更加客观准确;不同森林类型健康等级状况的比例排序为阔叶混交林Ⅲ>Ⅱ>Ⅰ>Ⅳ>Ⅴ,针阔混交林Ⅱ>Ⅳ>Ⅰ>Ⅲ>Ⅴ,长白落叶松林Ⅰ>Ⅱ>Ⅲ>Ⅴ>Ⅳ;相对来说,森林小班平均年龄越大、平均树高越高、郁闭度越高,呈健康状况的小班比例也越高.以上评价结果可为白河林业局的森林可持续经营和多功能利用提供理论支撑.     

森林健康评价研究进展

森林健康评价是当前国内外十分关注的一个热点问题。开展森林健康评价,是进行森林健康管理的重要基础。本文从森林健康概念出发,明确了森林健康的内涵;森林健康评价主要以林分、森林类型及小班作为评价单元;评价指标主要由森林资源特征指标、灾害指标及社会经济指标构成。文中对森林健康评价模型优缺点进行了对比分析。森林健康评价趋向于定量化和可视化,诸如模糊综合评价、灰色关联度分析、人工神经网络等数学方法则逐渐被用于森林健康的定量评价。目前,森林健康评价在指标体系的构建和评价方法的选取上还有待进一步完善;形成一套量化的森林健康评价指标体系及加强森林健康评价技术和方法的对比研究,并长期进行森林健康动态监测评价是未来森林健康评价的发展方向。