基于智能選擇算法的造林設計決策支持系統(tǒng)研建

王成德,吳保國,劉建成,韓焱云

北京林業(yè)大學信息學院,北京 100083

造林設計是森林經(jīng)營全過程中合理利用林地，最大限度地挖掘林地生產(chǎn)潛力和提高經(jīng)濟效益的一個重要環(huán)節(jié)[1]。由于樹木生長緩慢，森林形成具有長周期性和不可逆轉(zhuǎn)性[2]，因此科學造林非常重要。但是，我國基層林業(yè)生產(chǎn)單位缺少造林專家，利用決策支持系統(tǒng)結(jié)合專家知識服務基層林業(yè)生產(chǎn)單位進行科學造林具有重要的意義。近年來，與造林設計有關的研究也有很多。相關研究主要集中在造林規(guī)劃相關算法研究[3-9]，探討不同樹種在不同密度下的經(jīng)濟收益問題，并未對造林地選擇算法與小班造林決策支持展開研究。本文在分析造林設計決策支持系統(tǒng)需求的基礎上，設計系統(tǒng)功能、工作流程，重點研究造林小班智能選擇算法。該算法提出了“小班流域選擇”的概念，將流域選擇與面積選擇、立地質(zhì)量評價相結(jié)合，智能篩選造林小班，提高林地利用價值，使造林小班選擇不再單純的依靠技術人員的工作經(jīng)驗。從而彌補了造林設計中選擇方式和基本業(yè)務需求的不足。在此基礎上，本研究還給出了造林設計決策支持系統(tǒng)的運行實例。

1 造林設計決策支持系統(tǒng)設計

1.1 系統(tǒng)功能設計

本研究在分析造林設計空間數(shù)據(jù)基本瀏覽與操作、造林工程數(shù)據(jù)瀏覽與制版、造林地屬性查詢與空間查詢、造林地智能選擇、造林任務管理與造林設計等基本業(yè)務需求的基礎上，將造林設計決策支持系統(tǒng)劃分為文件、視圖、工具、造林區(qū)劃圖、造林地空間查詢、造林地屬性查詢、造林地智能選擇、造林設計管理、數(shù)據(jù)庫管理和幫助等功能模塊，系統(tǒng)功能結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)功能結(jié)構(gòu)圖Fig.1 System function structure diagram

1.2 系統(tǒng)工作流程

造林設計決策支持系統(tǒng)的基本工作流程如下：

(1)根據(jù)造林任務，選擇造林小班，可通過基本選擇、空間選擇、智能選擇三種方式；(2)查詢小班空間數(shù)據(jù)庫，將選擇的造林小班的空間數(shù)據(jù)和屬性數(shù)據(jù)形成造林設計圖層；(3)用戶編輯圖層數(shù)據(jù)，創(chuàng)建造林設計工程，保存數(shù)據(jù)至造林工程數(shù)據(jù)庫；(4)根據(jù)造林小班數(shù)據(jù)，輸入模型計算，評價造林小班立地質(zhì)量；(5)查找造林模式庫和規(guī)則庫，輸出立地質(zhì)量評價結(jié)果并進行模式推理；(6)輸出推理結(jié)果，用戶可以對推理出的造林模式進行修改，通過林分三維可視化和生長收獲模擬查看當前造林模式的預期生長狀況；(6)根據(jù)模擬結(jié)果，修改造林模式。修改完成后，輸出造林設計方案和其他文件，并將結(jié)果保存至經(jīng)營活動數(shù)據(jù)庫和造林工程數(shù)據(jù)庫。系統(tǒng)基本工作流程如圖2所示。

圖2 系統(tǒng)工作流程圖Fig.2 System workflow diagram

1.3 數(shù)據(jù)庫設計

本研究在分析造林設計業(yè)務需求的基礎上，綜合考慮實體間聯(lián)系和數(shù)據(jù)存儲方便，設計了小班數(shù)據(jù)表、造林模式表、造林樹種表、造林工程表、樹種模型表、立地質(zhì)量評價表。數(shù)據(jù)設計的各實體間聯(lián)系如圖3所示。

圖3 實體-聯(lián)系圖Fig.3 Entity-contact diagram

2 造林小班智能選擇算法

造林設計的核心是挑選適合造林的造林地。在大多數(shù)基層單位，挑選造林地主要依靠技術人員的工作經(jīng)驗。一般計算機進行輔助造林，主要通過屬性查詢或空間查詢的方式，簡單挑選造林地。這種挑選方式也需要依靠技術人員的經(jīng)驗進行，對操作用戶的素質(zhì)要求較高。以這種方式服務基層林業(yè)生產(chǎn)單位，并不能解決基層造林專家缺乏的問題。本研究在分析造林設計的基本業(yè)務需求和選擇方式的不足基礎上，研究了造林小班智能選擇算法。

智能選擇算法首先需要對造林小班進行立地質(zhì)量評價，然后依據(jù)立地質(zhì)量評價結(jié)果和造林小班的空間位置，挑選造林小班形成計算結(jié)果。本研究以華北落葉松為主要造林樹種，采用數(shù)量化地位指數(shù)模型[10]，利用數(shù)量化I方法建立回歸模型實現(xiàn)的。本研究選取坡位、坡向、土壤類型、坡度、海拔高度、土層厚度和腐殖質(zhì)厚度7個立地因子來構(gòu)建數(shù)量化地位指數(shù)模型，并使用“0/1”矩陣，求解各因子權重，最終得到地位指數(shù)模型如公式(1)所示。

公式(1)中Xij(i=1,2,3；j=1,2,3)取值為1或0，SI為地位指數(shù)。華北落葉松立地質(zhì)量各因子解釋與對應得分如表1所示。

表1 華北落葉松立地質(zhì)量各類目得分Table 1 Larix principis-rupprechtii site quality scores of each category

常規(guī)的面積控制算法僅僅是通過立地質(zhì)量評價結(jié)果，根據(jù)結(jié)果倒序排列，然后挑選立地較好的小班進行造林。但這種挑選方式產(chǎn)生的結(jié)果可能位置較為分散，不利于集中造林，對其調(diào)整依然需要較大的工作量。在此基礎上，本研究提出流域控制與面積控制算法結(jié)合進行計算，篩選造林小班。

流域，通常是指由河流分水線所包圍形成的河流集水區(qū)。本研究引入“流域”的概念，用來形容中心造林小班以及與其相鄰的小班所共同構(gòu)成的區(qū)域。造林設計進行流域選擇時，需先指定一個中心小班（或參照小班），系統(tǒng)使用骨架線提取算法[11]提取小班骨架線，基于Delaunay三角網(wǎng)確定小班中心，獲取坐標。按照流域緩沖半徑R，確定第1層Cache Layer（緩沖層）范圍，挑選該Cache Layer范圍內(nèi)的符合造林要求的小班，不斷疊加造林面積。如果第1層Cache Layer范圍內(nèi)挑選的小班不能滿足造林任務要求，則自動增加Cache Layer層級，確定下一層級Cache Layer范圍，直至第n層Cache Layer范圍內(nèi)的小班滿足任務要求為止，流域選擇過程如圖4所示。

圖4 造林設計流域選擇過程圖Fig.4 Watershed selection process of afforestation design

流域選擇時，假設造林選擇中心小班為A，坐標為xA，yA，面積記為M(A)，流域選擇范圍內(nèi)的小班為Bi(i=1,2,3…n)，第i個小班Bi的坐標記為xB，yB，面積為M(Bi)，流域?qū)訛長i(i=1,2,3…n)，選擇的面積為C，每層流域半徑為R，則流域選擇可按照公式(2)進行。

在公式(2)中，C表示任務要求面積，通過流域?qū)蛹壍牟粩噙f增，查找每個流域?qū)蛹墐?nèi)符合造林要求的小班，疊加造林面積，直至滿足任務要求為止，并將滿足要求的小班保存到數(shù)據(jù)庫，形成造林任務數(shù)據(jù)圖層。用戶可以根據(jù)需求，對選擇結(jié)果進行編輯，增加造林小班或者刪除造林小班。流域選擇實現(xiàn)算法如下：

①確定小班最遠距離md，流域半徑記為R。

②確定流域最大層級maxrank。如果md能整除R，則maxrank=md/R；否則maxrank=(md/R)+1。

③設定當前流域?qū)覰um=1，進入第一層流域選擇。

④判斷當前選擇面積sum MJ是否滿足任務要求面積Task MJ。

⑤若不滿足，進入篩選小班，獲取符合條件的小班的面積MJ。

⑥疊加造林面積，當前選擇面積更新為sum MJ+MJ，并將當前小班標記為已選擇，保存小班數(shù)據(jù)到數(shù)據(jù)庫。

⑦當前流域?qū)蛹墐?nèi)的小班選擇完成后，流域?qū)覰um+1，進行步驟④

⑧若滿足，算法停止。

選擇完成后，有經(jīng)驗的用戶還可以對選擇結(jié)果進行調(diào)整，增加或者刪除小班。系統(tǒng)會自動讀取小班的數(shù)據(jù)進行推理，推薦小班適合的造林模式。利用系統(tǒng)的收獲預估模塊對預期生長狀況、預期經(jīng)濟效益、預期生態(tài)效益和林分密度控制圖等進行模擬計算，根據(jù)模擬結(jié)果，用戶可以調(diào)整造林模式中的參數(shù)，并再次模擬，直至合適為止。

3 實驗分析與運行實例

3.1 實驗分析

實驗以內(nèi)蒙古樺木溝林場為實驗地，有136 MB矢量數(shù)據(jù)，其中有2611個要素，包含空間數(shù)據(jù)和屬性數(shù)據(jù)。立地質(zhì)量是造林設計的核心部分，其決定了森林的形成時間以及森林的質(zhì)量。但是，在實際造林設計的過程中，如果造林小班過于分散或離造林中心點過遠，須在造林過程中不斷往返進行整地、測量、規(guī)劃、運輸；在幼林撫育階段也會增加人力、物力、時間成本。因此，除立地質(zhì)量外，單位造林小班面積到造林中心的平均距離也是一個重要的衡量指標，本文稱其為單位面積中心距。

在實際造林過程中，通常采用德爾菲法進行人工造林設計。該方法由林場設計人員擬定設計方案，并向?qū)＜医M成員進行征詢獲得意見。根據(jù)專家意見反饋，修改方案并再次征詢。經(jīng)過反復征詢和反饋，確定最終造林方案。傳統(tǒng)選擇方式主要使用立地質(zhì)量作為選擇基準，利用貪心算法獲取立地質(zhì)量最高的造林小班，形成造林方案。本實驗分別采用流域選擇法、傳統(tǒng)選擇算法和德爾菲法進行實驗。實驗隨機選取了5個造林中心點，并設置了不同的目標造林面積，如表2所示。

表2 造林點與造林面積表Table 2Afforestation site and area

利用三種方法分別對5個造林點進行造林設計，對造林設計結(jié)果中的立地質(zhì)量、單位面積中心距、平均可及度進行了統(tǒng)計。其中，對立地質(zhì)量進行統(tǒng)計時，分別統(tǒng)計了設計結(jié)果中立地質(zhì)量為優(yōu)(16～19指數(shù)級)、中(12～15指數(shù)級)、劣(7～11指數(shù)級)的面積占比。實驗結(jié)果如表3所示。

表3 各算法選擇結(jié)果對比表Table 3 Comparison of selected results of each algorithm

由表3中數(shù)據(jù)可知，在選擇面積較小的情況下，傳統(tǒng)算法在選擇立地質(zhì)量高的小班方面較流域選擇算法略占優(yōu)勢，但單位面積中心距遠遠大于流域選擇算法，隨著選擇面積的增大，距離上的劣勢逐漸擴大同時立地質(zhì)量上的優(yōu)勢逐漸減小；可及度指造林小班開發(fā)利用的難易程度，其結(jié)果變化趨勢基本與立地質(zhì)量相同，立地質(zhì)量占比較高的時候，造林小班平均可及度較低；通過德爾菲法進行人工選擇，選擇結(jié)果較傳統(tǒng)算法更集中，但是依靠經(jīng)驗案例難以準確評價小班立地質(zhì)量，波動幅度較大且平均可及度最低；流域選擇除保證立地質(zhì)量為優(yōu)的小班面積占比，還獲得最小的單位面積中心距。在選擇面積越大的情況下，其優(yōu)勢越明顯，選擇結(jié)果中的造林小班立地質(zhì)量較優(yōu)且不分散，便于集中造林。

3.2 運行實例

造林設計專家決策支持系統(tǒng)現(xiàn)已在內(nèi)蒙古樺木溝林場和河北塞罕壩機械林場進行部署，系統(tǒng)運行狀況良好，并長期為林場的造林設計提供輔助決策支持服務。系統(tǒng)主要包括造林任務管理、選擇造林地、小班造林設計和編輯造林模式四個功能界面。小班造林設計界面如圖5所示，造林方案模擬收獲預估界面如圖6所示。

圖5 小班造林設計圖Fig.5 Subcompartment afforestation design diagram

圖6 收獲預估模擬Fig.6 Harvest prediction simulation

4 結(jié) 論與討 論

本文在分析目前造林設計存在的問題和業(yè)務需求的基礎上，設計了造林設計決策支持系統(tǒng)的功能結(jié)構(gòu)、工作流程和數(shù)據(jù)庫，并針對造林小班選擇的核心問題，提出了基于小班流域的造林地智能選擇算法。該算法將流域選擇與面積控制、立地質(zhì)量評價相結(jié)合，智能篩選造林小班，提高林地利用價值。

本研究已在國家高技術研究發(fā)展計劃（863計劃）課題“數(shù)字化森林與牧場經(jīng)營管理關鍵技術研究”項目（項目編號：2012AA102003）中進行了應用，并在內(nèi)蒙古樺木溝林場和河北省塞罕壩機械林場進行實地運行，長期為林場提供造林設計服務。

研究還存在一定的問題，比如在進行流域選擇時，欠缺對系統(tǒng)運行效率的考慮。當系統(tǒng)小班要素數(shù)量較大時，流域選擇數(shù)據(jù)預讀時間較長。在今后的研究工作中，還需要改進流域選擇算法，優(yōu)化系統(tǒng)效率，減少用戶等待時間。

[1]俞新妥,林思祖.計算機輔助造林設計系統(tǒng)[J].林業(yè)科學,1986,22(4)：337-346

[2]吳保國,李成贊,馬 馳,等.森林培育專家決策支持系統(tǒng)的研究[J].北京林業(yè)大學學報,2009(S2)：1-8

[3]吳承禎,洪 偉.用遺傳算法改進約束條件下造林規(guī)劃設計的研究[J].林業(yè)科學,1997,33(2)：133-141

[4]李金銘,王梅芳.基于改進粒子群算法的造林規(guī)劃[J].廈門大學學報：自然科學版,2009,48(6)：823-826

[5]Han YY,Wu BG,Wang CQ.Decision support system based site quality evaluation for plantation[J].International Journal of Smart Home,2014,8(5)：45-54

[6]林 晗,洪 滔,陳 輝,等.應用遺傳算法的工業(yè)原料林多樹種造林設計[J].林業(yè)科學,2010,46(5)：92-101

[7]Dong C,Wu BG,Wang CD,etal.Study on crown profile models for Chinese fir(Cunninghamia lanceolata)in Fujian Province and its visualization simulation[J].Scandinavian Journal of Forest Research,2016,31(3)：302-313

[8]韓焱云,吳保國,劉建成,等.不確定性推理在森林培育專家系統(tǒng)中的應用[J].北京林業(yè)大學學報,2014,36(1)：88-93

[9]韓焱云.服務于林農(nóng)的森林培育專家決策支持系統(tǒng)開發(fā)[D].北京：北京林業(yè)大學,2012

[10]Guo Y,Han Y,Wu BG,etal.Study on modelling of site quality evaluation and its dynamic update technology for plantation forests[J].Nature Environment and Pollution Technology,2013,12(4)：591-597

[11]沈立輝,吳保國,楊 乃.面狀要素主骨架線自動提取算法研究[J].武漢大學學報：信息科學版,2014,39(7)：767-771