基于SOM神经网络的森林健康分等评价——以江西上饶林业局为例

□陶 敏

(江西省上饶市广丰区林业局 江西 上饶 334600)

SOM神经系统是一种自组织特征的映射网络，也是一种由全连接的神经元阵列组成的无教师、自组织，自学习的网络。该神经网络能够在不同区域内发挥不同神经元的不同分工作用，从而形成不同的反射区，实现对输入模型的不同响应。该神经系统具有自组织特征，能够减少人为因素对建模带来的不精确的影响，还具有强大的自适应能力，能够大大减少工作人员的编程工作，使健康分等评价具有更大的准确性。采用SOM神经系统进行森林健康分等评价，能够为实现森林健康保护提供有效的渠道参考。

1 基于SOM神经系统的森林健康评价指标体系构建

要实现对林业局中的森林健康分等评价，需要进行森林中各个指标数据的选用。第一是要求进行评价指标的筛选，森林健康评价指标要求由森林资源系统内部的组织结构和外部影响因子共同组成。建立森林健康评价指标首先是确定指标选择的原则，指标体系要求能够对森林的整个生态系统进行全方位的描述，能够反映森林生态系统的发展现状、发展趋势以及影响因素，同时选用的指标需要定性和定量相结合，要求以定量指标为主[1]。第二是对所采用的各项评价指标进行分类，以提高评价系统的科学性和准确性。

2 SOM神经系统下的森林健康分等评价网络模式构建

SOM神经系统是由处理单元、学习规则和网络拓扑结构组成。指标数据的处理主要发生在处理单元。该系统通过模拟生物的神经元，实现多个输入、输出路径管理。输入系统模拟脑神经元的树突功能起到信息传递的作用，输出端主要是模拟神经元的轴突功能，实现对信息处理结果的外输[2]。在森林健康分等评价网络模式中，主要发挥功能作用的是输入端和输出端。根据林业局不同森林健康分等需求，实现对神经元个数（即各个向量指标）的限定。在系统中每个输出层和输入层内部节点没有相连关系。分析好SOM神经网络后，展开森林健康评价分等网络模式的构建，要求按照以下步骤展开：①分等因子数据预处理。森林健康评价主要受到生态结构、植物种类，地被植物和人为活动的干扰和影响。首先要对这些因素指标数据进行标准化处理，常用的处理方式有平均数方差法和最大最小法，达到预期要求后，方可进入下一个步骤；②SOM神经网络学习算法，通过一种高纬可视化和聚类的无监督学习算法，通过模拟人脑处理信号的方式进行智能网络处理，要实现SOM神经网络学习算法，就必须先进行网络初始化，实现输入层和输出层之间权值的初始值，其次向输入层输入向量；然后计算出输入向量和权值向量之间的区域大小，最后实现权值的学习，权值是否达到预期目标。③进行输入评价等级的划分。根据林业局的管理发展现状，将SOM神经系统内的森林资源按照不健康、亚健康、较健康、健康和优质健康划分为5个等级。

3 森林健康经营的趋势

江西上饶林业局森林健康分等评价的最终目的是明确各个区域植被发展情况的等级划分，并且对其采取有效措施。

当前林分结构不合理是造成森林健康不理想的重要因素，其影响着森林生态系统的稳定性，使得森林生态系统缺少多样性。优化林分结构首先要求能够实现封山育林，展开生物的保护。如加强对幼龄林的保护抚育，加快低效林的改造，发挥森林对生态多样性的最优化作用。

4 结束语

展开森林健康分等评价的主要目的在于能够在数据分析的基础上，采取健康经营措施。当前，使用SOM神经系统的林业局首先要确定评价指标因子，进入神经系统，完成系统所需的神经元个数，然后根据系统中的算法进行网络训练，结束训练后转入人工状态，再次进行网络输入以及网络仿真输出，最终得出森林健康分等评价指标情况。针对输出的各类数据指标差异，采用生态优先原则、可持续发展原则、整体协调原则以及自然经营的原则实现对森林健康发展的经营。