黑龙江省国有林区森林资源-环境-经济复合系统可持续发展预警模型构建1)

马玉秋

(东北林业大学，哈尔滨，150040)

责任编辑:张 玉。

森林资源系统是当今陆地的最大生态系统，是人类与自然和谐相处的主要载体，在人类长期生存和发展中发挥着巨大的经济和环境功能［1］。因此，为有效保证并维持森林资源系统的长期可持续发展，必须将森林资源系统、生态环境系统、林业经济系统协同考虑，即复合为森林资源-环境-经济的复合系统(FEES)。目前，国外学者针对FEES 系统的研究，主要集中在可持续发展模式和评价分析上。如:J.R.Clark［2］针对城市中的FEES 系统提出了可持续发展模式。国内学者则多从资源与环境经济学角度，针对FEES 系统进行研究。如:Lü Tong，et al.［3］针对区域“经济-资源-环境”复合系统，提出了一种基于协调的复合系统混沌控制模型。但关于FEES 可持续发展的预警研究的不多。

黑龙江省国有林区作为我国重要的林业基地、生态安全保障，其FEES 可持续发展更应着眼于未来，做到未雨绸缪。因此，FEES 可持续发展的预警研究显得尤为重要。本文在前期的研究基础上，进行黑龙江省国有林区的FEES 可持续发展预警研究，努力建立起一套可靠、适用的预警系统。

1 FEES 可持续发展预警内涵

黑龙江省国有林区FEES 可持续发展预警，是以黑龙江省国有林区的合理发展对自然资源、社会经济、生态环境的影响为对象，以林区可持续发展为目标，以已有的林区森林资源、生态环境、林业经济观测和统计分析资料为依据，对未来黑龙江省国有林区的可持续发展进行测度，预报黑龙江省国有林区FEES 不正常状态的时空范围和危害程度，并对已发现问题提出解决措施，对即将出现的问题给出防范措施和调控方法。

黑龙江省国有林区FEES 可持续发展预警，是以警素评价为基础、警界识别为手段、警源寻找为途径、警患排除为目的的一种科学管理模式。故本文采取以警素为具体评价指标［4］，表征黑龙江省国有林区FEES 可持续发展水平;以“可持续发展度”为警界，识别黑龙江省国有林区FEES 可持续发展状况;以定量与定性的方法，寻找黑龙江省国有林区FEES 可持续发展的警源，并采取有效措施解决黑龙江省国有林区FEES 可持续发展中的警患。其中“可持续发展度”值介于0～1 之间。在0.8 以上，可定为无警;超过0.6，小于0.8 时，确定为轻警;小于0.6，超过0.4 时，确定为中警;超过0.2 以上，小于0.4 时，确定为重警;若可持续发展度低于0.2 以下，则被视为巨警［5］。

2 FEES 可持续发展预警模型构建

2.1 研究方法

黑龙江省国有林区FEES，是一个多元、非线形的复杂系统，传统的分析方法较难进行预警分析。人工神经网络方法，是在对人脑神经深入认识的基础上，模仿生物神经系统的功能与结构而建立的一种具有非线性、自组织、自适应的信息处理系统［6］，可较好的满足黑龙江省国有林区FEES 可持续发展预警的需求。故本文以黑龙江省森工林区第八次森林清查数据为依据，结合实际调查情况，在林区内40 个林业局中选取典型林业局FEES 的核心数据作为基础数据，进行相应的人工神经网络模型建立，并适当以一定数量其他林业局的数据进行验证，进而修改并构建最终结构模型。

2.2 预警指标筛选

黑龙江省国有林区FEES 系统的发展，最终是为了保证其可持续性，故将可持续发展力作为终极目标。同时，FEES 系统也是一个由森林资源系统、环境系统、经济系统等组成的相互关联、相互依存的系统，其评价指标主要包含森林覆盖率、森林利用率、森林采伐量、人均林地面积、自然灾害发生次数、生物多样性、水源涵养能力、水土保持能力、固碳制氧能力、生态系统人口承载量指数、林业产值、林业科技投资增长率、林业劳动生产力、林业产值占国民GDP 比值等［7］。为了更加有效的采用核心指标作为预警指标，特采用解析结构模型对评价指标分析，以便最终筛选出基础核心指标，并将其定义为预警指标。

筛选过程:

(1)建立邻接矩阵。即构建系统影响因素之间的关系矩阵。其中各个因素之间的关联程度，采用专家打分法进行赋值，其打分规则如表1所示。依据表1原则，可得黑龙江省国有林区FEES 可持续发展预警邻接矩阵(A)。

(2)求解可达矩阵。即在邻接矩阵的基础上，进行相应公式(1)的布尔运算，求得可达矩阵，从而表征出系统中各因素间接的关系。

表1 构建邻接矩阵赋值评分规则

(3)可达矩阵转换。即为有效进行区域分解和级间分解，特将所得可达矩阵中的元素进行0 或1 转换，其转换依据公式(2)进行，其中截系数(α)取2。通过公式(1)、公式(2)可得0、1 转换后的可达矩阵(B)。

(4)可达矩阵的级间分解。由于所有分析因素都属于一个独立系统，故需进行可达矩阵的级间分解，即将各个因素分解成多级递阶层次结构，从而得到最低层的核心因素。最终黑龙江省国有林区FEES系统的可持续发展解析结构模型，如图1所示。

2.3 基于BP 神经网络的预警模型构建

(1)网络结构构建。BP 神经网络是一种按误差逆传播算法训练的多层前馈网络。该网络能学习和存贮大量的输入-输出模式映射关系，它的学习规则，是使用下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小［8］。该网络通常包含三层，即输入层、隐含层和输出层。通过前文可知，影响黑龙江省国有林区FEES 系统的核心因素，是森林覆盖率、林业产值占国民GDP 比值;其目标因素，是可持续发展力。因此，可将森林覆盖率、林业产值占国民GDP 比值作为输入层神经元，将可持续发展力作为输出层神经元。其隐含层构造，遵循公式(3)进行。本研究中，输入层神经元数为2 个，输出层神经元数为1 个，故隐含层神经元个数为2 到11 个。

式中:m 为隐含层神经元个数;n 为输入层神经元数;w 为输出层神经元数;R(10)为0～10 之间的数。

图1 黑龙江省国有林区FEES 可持续发展的解析结构模型

(2)网络结构训练。为使所建立的网络结构最优，使用trainlm 函数进行训练优化。训练步长为30，最大训练次数100 000，目标误差小于0.01，学习速率0.01，普适性效果为6。

(3)网络结构模拟结果检验。为有效验证优化后的网络结构模拟结果的精度，选取乌伊岭等20 个林业局第八次森林清查数据中森林覆盖率、林业产值占国民GDP 比值数据为样本数据，对乌伊岭林业局的FEES 系统的可持续发展做评估预测，并将预测结果与前期研究成果进行比较分析(见表2)。由表2可见，网络结构预测值与实际值之间的方差，并不显著，可以认为两者结果基本一致。

表2 网络结构预测值与实际值方差分析

3 FEES 可持续发展预警结果

利用上文构建的BP 神经网络，通过计算分析并结合GIS 技术，将黑龙江省国有林区各个林业局FEES 2020年的可持续发展预警以专题图的形式得以呈现(见图2)。由图2可见，黑龙江省国有林区各个林业局的FEES 系统中，巨警占2.5%、重警占10.0%、中警占22.5%、轻警占37.5%、无警占27.5%。可以基本确定，在2020年，黑龙江省国有林区整体可持续发展形式较为严重，建议从以下几个方面加以强化管理:

图2 2020年黑龙江省国有林区FEES 可持续发展的预警分布图

(1)有效划分土地功能，增加生态用地比例。黑龙江省国有林区，是我国最大的重点国有林区和森林工业基地;其可持续发展的动力，来源于其林地面积的大小与结构的合理性。因此，有效优化国有林区土地利用结构，适当增加生态建设和保护用地数量，为国有林区可持续发展提供基础动力。

(2)有效改变发展模式，注重发展内涵。今后黑龙江省国有林区的发展，不能简单的追求GDP 的增长，而应有效改变发展模式，实现由“速度粗放型”转为“效益集约型”的经济发展模式，并以“科技投入主导型”内涵为发展主流。真正实现资源可再循环，经济发展有保障，生态可持久的全新发展模式。

(3)控制林区周围污染总量排放，保证林区生态流量。为保证黑龙江省国有林区生态功能的可持续性，应合理布局国有林区周边工业布局，控制向林区污染总量的排放，合理保证林区生态流量。

4 结束语

在黑龙江省国有林区森林资源-环境-经济复合系统可持续发展预警分析中，采用解析结构模型计算结果作为输入、输出变量，并通过样本训练构建了整体BP 神经网络预警模型。预警结果与实际情况较为吻合，故该预警模型的应用结果可为黑龙江省国有林区的发展提供参考。

运用已构建的预警模型，针对黑龙江省国有林区的2020年的FEES 可持续发展水平进行了预测，并将预警结果以专题图的形式呈现。专题图结果表明，黑龙江省国有林区的可持续发展力仍存在一定警情，并依据警情实际情况提出了有针对性的解决措施。

［1］ 张智光，竺杏月.森林资源-环境-经济复合大系统可持续发展优化模型及其应用［J］.中国人口·资源与环境，2006，16(6):85-89.

［2］ Clark J R，Matheny N P，Cross G，et al.A model of urban forst sustainability［J］.Journal of Arboric，1997，23(1):17-30.

［3］ Lü Tong，Han Wenxiu.Model for chaos control of regional Ec-REv system［J］.Transactions of Tianjin University，2001，7(2):81-85.

［4］ 徐伟，董增川，付晓花，等.基于BP 人工神经网络的河流生态健康预警［J］.河海大学学报:自然科学版，2015，43(1):54-59.

［5］ 宋敏，刘学敏.西北地区能源-环境-经济可持续发展预警研究:以陕西省为例［J］.中国人口·资源与环境，2012，22(5):133-138.

［6］ 苏广实，胡宝清，梁铭忠，等.基于神经网络的喀斯特石漠化预警分析模型研究:以广西都安为例［J］.地球与环境，2009，37(3):287-292.

［7］ 马玉秋.黑龙江省国有林区森林资源-环境-经济复合系统可持续发展评价［J］.东北林业大学学报，2015，43(6):143-148.

［8］ 卞西陈，陈丽华，王鹏，等.BP 神经网络在森林健康预警中的应用［J］.水土保持通报，2011，31(4):108-111.