基于智能选择算法的造林设计决策支持系统研建

王成德,吴保国,刘建成,韩焱云

北京林业大学信息学院,北京 100083

造林设计是森林经营全过程中合理利用林地，最大限度地挖掘林地生产潜力和提高经济效益的一个重要环节[1]。由于树木生长缓慢，森林形成具有长周期性和不可逆转性[2]，因此科学造林非常重要。但是，我国基层林业生产单位缺少造林专家，利用决策支持系统结合专家知识服务基层林业生产单位进行科学造林具有重要的意义。近年来，与造林设计有关的研究也有很多。相关研究主要集中在造林规划相关算法研究[3-9]，探讨不同树种在不同密度下的经济收益问题，并未对造林地选择算法与小班造林决策支持展开研究。本文在分析造林设计决策支持系统需求的基础上，设计系统功能、工作流程，重点研究造林小班智能选择算法。该算法提出了“小班流域选择”的概念，将流域选择与面积选择、立地质量评价相结合，智能筛选造林小班，提高林地利用价值，使造林小班选择不再单纯的依靠技术人员的工作经验。从而弥补了造林设计中选择方式和基本业务需求的不足。在此基础上，本研究还给出了造林设计决策支持系统的运行实例。

1 造林设计决策支持系统设计

1.1 系统功能设计

本研究在分析造林设计空间数据基本浏览与操作、造林工程数据浏览与制版、造林地属性查询与空间查询、造林地智能选择、造林任务管理与造林设计等基本业务需求的基础上，将造林设计决策支持系统划分为文件、视图、工具、造林区划图、造林地空间查询、造林地属性查询、造林地智能选择、造林设计管理、数据库管理和帮助等功能模块，系统功能结构如图1所示。

图1 系统功能结构图Fig.1 System function structure diagram

1.2 系统工作流程

造林设计决策支持系统的基本工作流程如下：

(1)根据造林任务，选择造林小班，可通过基本选择、空间选择、智能选择三种方式；(2)查询小班空间数据库，将选择的造林小班的空间数据和属性数据形成造林设计图层；(3)用户编辑图层数据，创建造林设计工程，保存数据至造林工程数据库；(4)根据造林小班数据，输入模型计算，评价造林小班立地质量；(5)查找造林模式库和规则库，输出立地质量评价结果并进行模式推理；(6)输出推理结果，用户可以对推理出的造林模式进行修改，通过林分三维可视化和生长收获模拟查看当前造林模式的预期生长状况；(6)根据模拟结果，修改造林模式。修改完成后，输出造林设计方案和其他文件，并将结果保存至经营活动数据库和造林工程数据库。系统基本工作流程如图2所示。

图2 系统工作流程图Fig.2 System workflow diagram

1.3 数据库设计

本研究在分析造林设计业务需求的基础上，综合考虑实体间联系和数据存储方便，设计了小班数据表、造林模式表、造林树种表、造林工程表、树种模型表、立地质量评价表。数据设计的各实体间联系如图3所示。

图3 实体-联系图Fig.3 Entity-contact diagram

2 造林小班智能选择算法

造林设计的核心是挑选适合造林的造林地。在大多数基层单位，挑选造林地主要依靠技术人员的工作经验。一般计算机进行辅助造林，主要通过属性查询或空间查询的方式，简单挑选造林地。这种挑选方式也需要依靠技术人员的经验进行，对操作用户的素质要求较高。以这种方式服务基层林业生产单位，并不能解决基层造林专家缺乏的问题。本研究在分析造林设计的基本业务需求和选择方式的不足基础上，研究了造林小班智能选择算法。

智能选择算法首先需要对造林小班进行立地质量评价，然后依据立地质量评价结果和造林小班的空间位置，挑选造林小班形成计算结果。本研究以华北落叶松为主要造林树种，采用数量化地位指数模型[10]，利用数量化I方法建立回归模型实现的。本研究选取坡位、坡向、土壤类型、坡度、海拔高度、土层厚度和腐殖质厚度7个立地因子来构建数量化地位指数模型，并使用“0/1”矩阵，求解各因子权重，最终得到地位指数模型如公式(1)所示。

公式(1)中Xij(i=1,2,3；j=1,2,3)取值为1或0，SI为地位指数。华北落叶松立地质量各因子解释与对应得分如表1所示。

表1 华北落叶松立地质量各类目得分Table 1 Larix principis-rupprechtii site quality scores of each category

常规的面积控制算法仅仅是通过立地质量评价结果，根据结果倒序排列，然后挑选立地较好的小班进行造林。但这种挑选方式产生的结果可能位置较为分散，不利于集中造林，对其调整依然需要较大的工作量。在此基础上，本研究提出流域控制与面积控制算法结合进行计算，筛选造林小班。

流域，通常是指由河流分水线所包围形成的河流集水区。本研究引入“流域”的概念，用来形容中心造林小班以及与其相邻的小班所共同构成的区域。造林设计进行流域选择时，需先指定一个中心小班（或参照小班），系统使用骨架线提取算法[11]提取小班骨架线，基于Delaunay三角网确定小班中心，获取坐标。按照流域缓冲半径R，确定第1层Cache Layer（缓冲层）范围，挑选该Cache Layer范围内的符合造林要求的小班，不断叠加造林面积。如果第1层Cache Layer范围内挑选的小班不能满足造林任务要求，则自动增加Cache Layer层级，确定下一层级Cache Layer范围，直至第n层Cache Layer范围内的小班满足任务要求为止，流域选择过程如图4所示。

图4 造林设计流域选择过程图Fig.4 Watershed selection process of afforestation design

流域选择时，假设造林选择中心小班为A，坐标为xA，yA，面积记为M(A)，流域选择范围内的小班为Bi(i=1,2,3…n)，第i个小班Bi的坐标记为xB，yB，面积为M(Bi)，流域层为Li(i=1,2,3…n)，选择的面积为C，每层流域半径为R，则流域选择可按照公式(2)进行。

在公式(2)中，C表示任务要求面积，通过流域层级的不断递增，查找每个流域层级内符合造林要求的小班，叠加造林面积，直至满足任务要求为止，并将满足要求的小班保存到数据库，形成造林任务数据图层。用户可以根据需求，对选择结果进行编辑，增加造林小班或者删除造林小班。流域选择实现算法如下：

①确定小班最远距离md，流域半径记为R。

②确定流域最大层级maxrank。如果md能整除R，则maxrank=md/R；否则maxrank=(md/R)+1。

③设定当前流域层Num=1，进入第一层流域选择。

④判断当前选择面积sum MJ是否满足任务要求面积Task MJ。

⑤若不满足，进入筛选小班，获取符合条件的小班的面积MJ。

⑥叠加造林面积，当前选择面积更新为sum MJ+MJ，并将当前小班标记为已选择，保存小班数据到数据库。

⑦当前流域层级内的小班选择完成后，流域层Num+1，进行步骤④

⑧若满足，算法停止。

选择完成后，有经验的用户还可以对选择结果进行调整，增加或者删除小班。系统会自动读取小班的数据进行推理，推荐小班适合的造林模式。利用系统的收获预估模块对预期生长状况、预期经济效益、预期生态效益和林分密度控制图等进行模拟计算，根据模拟结果，用户可以调整造林模式中的参数，并再次模拟，直至合适为止。

3 实验分析与运行实例

3.1 实验分析

实验以内蒙古桦木沟林场为实验地，有136 MB矢量数据，其中有2611个要素，包含空间数据和属性数据。立地质量是造林设计的核心部分，其决定了森林的形成时间以及森林的质量。但是，在实际造林设计的过程中，如果造林小班过于分散或离造林中心点过远，须在造林过程中不断往返进行整地、测量、规划、运输；在幼林抚育阶段也会增加人力、物力、时间成本。因此，除立地质量外，单位造林小班面积到造林中心的平均距离也是一个重要的衡量指标，本文称其为单位面积中心距。

在实际造林过程中，通常采用德尔菲法进行人工造林设计。该方法由林场设计人员拟定设计方案，并向专家组成员进行征询获得意见。根据专家意见反馈，修改方案并再次征询。经过反复征询和反馈，确定最终造林方案。传统选择方式主要使用立地质量作为选择基准，利用贪心算法获取立地质量最高的造林小班，形成造林方案。本实验分别采用流域选择法、传统选择算法和德尔菲法进行实验。实验随机选取了5个造林中心点，并设置了不同的目标造林面积，如表2所示。

表2 造林点与造林面积表Table 2Afforestation site and area

利用三种方法分别对5个造林点进行造林设计，对造林设计结果中的立地质量、单位面积中心距、平均可及度进行了统计。其中，对立地质量进行统计时，分别统计了设计结果中立地质量为优(16～19指数级)、中(12～15指数级)、劣(7～11指数级)的面积占比。实验结果如表3所示。

表3 各算法选择结果对比表Table 3 Comparison of selected results of each algorithm

由表3中数据可知，在选择面积较小的情况下，传统算法在选择立地质量高的小班方面较流域选择算法略占优势，但单位面积中心距远远大于流域选择算法，随着选择面积的增大，距离上的劣势逐渐扩大同时立地质量上的优势逐渐减小；可及度指造林小班开发利用的难易程度，其结果变化趋势基本与立地质量相同，立地质量占比较高的时候，造林小班平均可及度较低；通过德尔菲法进行人工选择，选择结果较传统算法更集中，但是依靠经验案例难以准确评价小班立地质量，波动幅度较大且平均可及度最低；流域选择除保证立地质量为优的小班面积占比，还获得最小的单位面积中心距。在选择面积越大的情况下，其优势越明显，选择结果中的造林小班立地质量较优且不分散，便于集中造林。

3.2 运行实例

造林设计专家决策支持系统现已在内蒙古桦木沟林场和河北塞罕坝机械林场进行部署，系统运行状况良好，并长期为林场的造林设计提供辅助决策支持服务。系统主要包括造林任务管理、选择造林地、小班造林设计和编辑造林模式四个功能界面。小班造林设计界面如图5所示，造林方案模拟收获预估界面如图6所示。

图5 小班造林设计图Fig.5 Subcompartment afforestation design diagram

图6 收获预估模拟Fig.6 Harvest prediction simulation

4 结 论与讨 论

本文在分析目前造林设计存在的问题和业务需求的基础上，设计了造林设计决策支持系统的功能结构、工作流程和数据库，并针对造林小班选择的核心问题，提出了基于小班流域的造林地智能选择算法。该算法将流域选择与面积控制、立地质量评价相结合，智能筛选造林小班，提高林地利用价值。

本研究已在国家高技术研究发展计划（863计划）课题“数字化森林与牧场经营管理关键技术研究”项目（项目编号：2012AA102003）中进行了应用，并在内蒙古桦木沟林场和河北省塞罕坝机械林场进行实地运行，长期为林场提供造林设计服务。

研究还存在一定的问题，比如在进行流域选择时，欠缺对系统运行效率的考虑。当系统小班要素数量较大时，流域选择数据预读时间较长。在今后的研究工作中，还需要改进流域选择算法，优化系统效率，减少用户等待时间。

[1]俞新妥,林思祖.计算机辅助造林设计系统[J].林业科学,1986,22(4)：337-346

[2]吴保国,李成赞,马 驰,等.森林培育专家决策支持系统的研究[J].北京林业大学学报,2009(S2)：1-8

[3]吴承祯,洪 伟.用遗传算法改进约束条件下造林规划设计的研究[J].林业科学,1997,33(2)：133-141

[4]李金铭,王梅芳.基于改进粒子群算法的造林规划[J].厦门大学学报：自然科学版,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,陈 辉,等.应用遗传算法的工业原料林多树种造林设计[J].林业科学,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]韩焱云,吴保国,刘建成,等.不确定性推理在森林培育专家系统中的应用[J].北京林业大学学报,2014,36(1)：88-93

[9]韩焱云.服务于林农的森林培育专家决策支持系统开发[D].北京：北京林业大学,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]沈立辉,吴保国,杨 乃.面状要素主骨架线自动提取算法研究[J].武汉大学学报：信息科学版,2014,39(7)：767-771