摘要: 森林管理实践及多方面的森林规划需求在森林资源管理和规划研究中十分重要。 本研究利 用多目标粒子群优化算法提出了 ＨＰＳＯ 框架, 该框架能够通过分布式资源和多样化的约束条件提 供经营管理规划元数据。 ＨＰＳＯ 框架由森林资源元数据模型、 管理实际剖面模型和使用规划需求 模型 3 个子部分组成, 包括一个利用这些子模型的架构。 基于这个框架, 设计了一个多角度-信 息解译-多信息的整合概念验证平台, 对森林资源的经营管理规划做了适当改进。 在原有物理属 性粒子群的基础上增加结构质量属性粒子群, 以粒子群总体的统计特征、 统计分布特征等为划分 亚粒子群的依据； 将森林资源属性维度化、 尺度化、 动态化； 还充分考虑了资源弹性经营、 森林 服务、 森林文化、 森林遗产、 森林碳平衡等目标； 结合生态方面的知识, 将生态采伐、 碳管理、 水安全、 木材安全、 环境安全等作为未来的规划方向。
关键词: 森林资源； 经营管理； 系统； 稳定性； 适应性； 多目标规划
粒子群优化算法是基于最大目标对资源调配 方案的选择, 是一种群体智能的优化算法, 概念 简单, 易于实现, 且具有较高的收敛速度, 广泛 应用于电力系统、 移动通信系统、 滤波器的设计、 交通网络的设计、 供热系统规划、 云计算、 无线 传感器网络、 车间作业调度、 农产品供应等领域。 对森林资源进行有效的经营管理, 是森林综合效 益最大化的前提。 传统的经营管理主要是为了提 高森林木材的产量, 满足人类的生产生活需求, 局限于经济效益。 现代森林资源监测技术、 计算 机应用技术、 大数据技术等技术的飞速发展为模 拟预测森林动态、 有效管理森林资源、 提高森林 质量、 森林生态系统稳定性及适应性等带来了机 遇。 规划是有效管理的手段, 合理的规划能够优 化森林资源利用空间, 提高资源使用度, 有效预 测未来气候变化对森林的影响, 为森林的持续发 展提供保障, 为生态研究和管理提供支撑。 现有 的森林经营规划方法主要有数学规划方法、 启发 式算法、 多目标优化方法等几种类型, 通过皆 伐 、 混交 、 林分改造 、 幼林抚育等具体 手段得以实施。 这些规划方法只考虑了自然资源 的状态、 政治经济形势、 经济状态、 财政力度、 市场形势以及育林的一些技术环节等因素, 主要 着重于提高森林的经济效益、 增加森林结构的多 样性、 以及实现森林的永续利用。
本研究采用动态多族群多目标粒子群算法构建 森林经营管理多目标规划模型, 该算法在木材产量 最大化、 可持续经营、 环境治理、 水资源安全管理 等方面应用前景广阔, 有利于优化资源利用空间、 提高资源使用度、 有效预测未来气候变化对森林的 影响、 为未来生态研究和管理提供支撑。 并在已有 的数据、 信息、 技术基础上, 根据生态学理论, 将 森林资源数据信息、 经营目标、 规划途径分为群 落、 林分、 生理等层次, 记录其属性尺度比。 在 此基础上形成森林资源属性变量的混合粒子群多 维信息特征化方案, 搭建森林系统稳定性的分布 式元数据管理及概念模型, 建立森林过程稳定性 自检测混合粒子群多目标动态规划概念模型。
１ 森林资源的混合粒子群概念框架
１. １ 森林资源属性变量群特征
森林是全球陆地生态系统的重要组成, 森林 资源是地球上最重要的资源之一。 森林资源丰富 多样、 结构复杂, 本研究从多个角度对其进行调查、 分类, 将森林资源属性维度化、 归一化, 并动态的 对各维属性信息解译。 主要属性可分为过程和机理、 价值和价值观、 驱动力和异质性等类别 （图 1)。
价值和价值观类的属性主要表现在木材、 林 副产品、 生态服务功能等方面。 木材是森林的主 要输出, 其价值随着林业政策、 木材需求量、 市 场供应量的变化而变化, 除此之外广告的宣传、 教育的普及以及人类文明的发展都将影响到木材 的价值。 林副产品是森林除了木材以外的其他具 有经济价值的林产品, 其价值受到经济生产环节、 供应需求、 加工方式等因素的制约。 生态服务功 能是森林生态系统的主要功能之一, 主要体现在 森林生态系统的社会生态需求等方面, 同时又制 约于区域碳排放量、 污染物水平、 社会生产结构 组成、 经济发展水平等因素。
驱动力和异质性类属性主要有林木的数量、 组成、 森林的空间结构、 空间分布、 种群的变异 以及与周围环境之间的关系。 林木的数量、 组成 主要与森林经营方式、 森林恢复、 遗传、 外来物 种的入侵、 环境的变化等相关。 森林的结构和空 间分布主要取决于林分的抚育措施、 采伐、 集约 度、 新的经营理念等条件。 遗传、 气候变化、 地理 异质性等在一定程度上会引起种群的变异, 产生新 的物种, 改变森林的群落组成。 森林资源属性变量 以及与其相关的制约特征外, 还有一些其他的因素 对森林的属性变量起到制约的作用, 见表 1。
１. ２ 粒子群特征
粒子群算法起源于对鸟类捕食行为的研究, 鸟类族群中的每个个体都用 1 个粒子表示, 因此粒 子群表示鸟类的 1 个族群。 在将粒子群算法用于多 目标优化时, 传统的粒子表示决策空间中的 ｎ 维决 策变量 （即自变量) ｘ ＝ （ ｘ1 , ｘ2 , …, ｘｎ ), 粒子群表示决策变量的集合即决策空间 [X], ｘ∈X。 然 而对于复杂多目标问题, 既要考虑自变量又要考 虑因变量时, 这样的粒子群并不适用, 混合粒子 群的出现为解决这样的问题提供了可能。
现有的混合粒子群主要由决策空间 [X]、 目 标函数集 [Ｐ（X, Ｙ)]、 参考面 [Ｙ] ＝ [Ｆ（X)] 3 个 部分组成, 其中参考面为因变量的集合。 决策空 间主要是由物理变量实现, 在划分亚粒子群的时 候主要是根据其物理属性, 得到物理属性粒子群。 分类的主要方法有基于值的统计量特征 （平均值、 最大值、 最小值等) 的 Ｋ-means 聚类算法, 基于距离、 密度或连通性的 ＢＩＲCＨ 算法, 基于密度的 ＤＢＳCＡＮ 算法, 基于网格的 ＳTＩＮＧ 算法等。 目标 函数主要由物理途径实现, 具体方法有惯性权重、 模拟退火 、 蚁群算法、 遗传算法 、 线性搜 索法等。 参考面粒子群主要是由物理潜力实现, 即最大因变量乘以参考面面积。 现有的混合粒子 群特征量见表 2。
１. 3 森林资源的混合粒子群概念模型
森林资源的混合粒子群概念模型如图 1 所示。 在模型中, 粒子群表示森林资源空间, 分为突变 粒子群和混合粒子群, 粒子则表示森林资源的每 个属性。 当资源空间中的某些属性 （例如种群结 构) 由于自身条件和周围环境发生变化而随之产生 变异时, 代表该属性的粒子就划分到突变粒子群 中。 混合粒子群由决策空间、 目标函数集、 参考 面 3 个部分组成, 其中决策空间表示森林资源的属 性变量集, 目标函数则是经营管理规划森林资源 的路径集, 参考面表示管理规划森林资源要达到 的最终目标值集。 采用这种混合粒子群不仅可以 考虑森林资源自身属性的约束, 还将把目标值和 管理规划产生的影响也作为森林规划的约束条件, 为决策者提供更加合理、 更加可靠的技术支撑。 为了寻找最优的规划路径, 本研究将粒子群算法 与模拟退火算法相结合, 同时在寻优的过程中加 入惯性权重。 根据环境的变化自适应的调整粒子 （即森林资源各属性) 在目标函数集中的比例, 若 惯性权重增大, 说明在这条路径中该属性的重要性增大, 反之则说明该属性对达到该目标的作用 不明显。 在寻找最佳规划方法时, 本研究将分为 4 个单元进行, 分别为比例单元、 选择单元、 收敛 单元和进化遗传单元。
２ 森林系统稳定性管理的元数据概念框架
２. １ 森林经营管理元数据模型
森林资源复杂多样, 是人类赖以生存不可或 缺的重要资源, 对森林的经营管理尤为重要。 森 林资源特征可分为群落特征、 林分特征、 生理特 征、 生物多样性特征、 生态 -信息特征、 反馈特 征, 除此之外, 还要考虑森林的经营管理策略、 森林自身调节策略, 森林经营管理目标的阈值、 管理约束的阈值, 以及森林自身的进化 （例如种群 进化、 群落进化等), 由这些特征组成元数据模型 的数据库和信息库。 群落包括森林的物种组成、 空间结构的分布特征以及林地面积等, 在调查该 特征时采用的是群落调查技术。 林分调查内容主 要包括树木的胸径、 树高、 冠幅、 冠高、 林分密 度、 林分年龄 （表 3~4)。
生理特征包含叶面积指数 （ ＬＡＩ)、 树木的蒸 腾作用以及森林的肥力需求等, 相关数据通过实 验观测获得。 生物多样性主要表现在遗传多样性 和物种多样性等方面, 通过数据统计、 记录观察 样本并对其进行鉴定等技术获得相关信息。 虫灾、 树木年轮、 木材收获期等特征可通过记录数据、 比较分析数据、 分析时间序列等方法提取森林资 源的生态信息。 森林资源的反馈方式主要有正反 馈和负反馈, 通过遥感反演、 历史反演、 重建等 技术判断森林各种现象的反馈方式。
2.２ 系统稳定性管理元数据模型
自然资源系统稳定性管理主要针对管理的需 求、 管理途径、 管理实践以及管理过程中所要考 虑的因素。 通过市场调查、 统计分析、 因子分析、 机会成本分析、 计算机模拟等, 发现资源管理的 基本需求有民生需求、 社会稳定、 经济发展、 木材 生产、 生态功能、 生物多样性、 碳平衡等 （表 4)。
自然资源管理途径的具体内容有干预措施、 过程模拟、 系统分析、 风险评估等, 这些措施的 实施主要依靠政策、 补贴、 宣传、 教育、 文化、 立法等。 自然资源管理的实践主要包括预警系统、 仿真智能系统的应用、 大数据的分析、 政策的公 开等方面, 这些实践主要依托于数字地球、 数字 资源、 手持设备、 遥感、 传感器等技术的发展。 对自然资源进行管理的过程中, 需要考虑政治经 济形势、 自然资源状态、 经济状态、 财政力度、 市场形势、 处理过程中的技术环节、 最新森林系 统经营说明和研究成果等很多方面的因素, 这些 因素主要依靠资源共享、 数据共享、 跨平台数据 整合、 云计算技术、 技术库、 专家库等技术分析 它们的影响, 根据分析结果调整管理方案, 提高 管理系统的稳定性。
2.3 基于森林系统稳定性管理元数据概念模型
基于森林系统稳定性管理元数据概念模型见图 2。 森林资源属性和管理的需求、 途径、 实践共 同组成森林系统稳定性管理的数据库和信息库, 同时为满足管理需求、 优化管理途径, 将管理应 用于实践, 分析影响管理过程构成模型的技术库 和标准库, 综合各因素要达到的管理目标构成模 型的目标库。 在模型中, 通过监测、 同化技术观 测森林资源各项属性, 应用计算机模拟森林的管 理过程, 根据模拟过程预测森林资源变化, 并分 析变化原因。 通过综合数据库、 信息库、 标准库、 技术库和目标库的信息, 评估管理方案的可行性 和稳定性, 最后将其应用于森林经营管理规划。 在该概念模型中, 除了考虑政治经济形势、 自然 资源状态、 经济状态、 财政力度、 市场形势、 处 理过程中的技术环节、 最新森林系统经营说明和 研究成果等因素, 还将参考信息、 干扰类型、 功 能生物地理特征、 时间尺度等作为影响森林系统 稳定性管理的影响因子, 以期得到适应性更好的 管理模型 （图 2)。
3 森林过程自检测多目标管理的动态约束 概念框架
3. １ 森林多目标规划模型
规划模型主要由目标函数、 约束条件、 评价 指标 3 个主要部件组成。 目标函数主要考虑规划对 象的属性变量、 值域、 特征及聚类等； 约束条件 主要为已知的规划必须要考虑的前提条件； 评价 指标主要指对所得规划路径优劣的评价, 具体指 标要根据实际的规划内容来确定 （表 5~6)。
现有森林多目标规划模型的规划目标主要有 木材产量最大化、 生物多样性、 可持续经营、 环 境治理、 水资源安全管理、 森林功能等目标, 规 划对象为森林资源, 森林资源的属性变量和特征 见表 1 和表 3。
现有森林多目标规划的原则是密集型和集约 型, 规划方法是试验模拟自然干扰的影响, 规划 途径有增加木材产量、 提高木材经济价值、 扩大 木材供应市场等, 规划的约束条件有林地资源、 调查分析的可配置的自然资源和有效的规划途径、 市场前景等。 现有森林多目标规划的评价指标主 要集中在经济和社会效益, 如林地生产率、 年均 纯收益、 产出投入比、 木材蓄积量、 劳动力利用 率、 效益稳定性等 （表 5)。
3.２ 过程自检测多目标动态规划
多目标优化是指多个目标在给定区域上的最 优化问题, 多目标规划是指优化的路径[7] 。 过程 自检测即在多目标规划过程中会自动的检测周围 环境的变化, 针对这些变化自动的调整变量属性 权重, 根据调整后的结果继续寻优, 将过程自检 测应用于多目标规划中, 即为过程自检测多目标 动态规划。 混合粒子群优化算法 （ＨＰＳＯ) 是一种 常用的过程自检测方法, 是多目标优化的一种常 用方法。
3.3 基于森林过程自检测多目标管理的动态约束 概念模型
森林过程自检测是在森林资源管理规划过程 中, 森林会自动的检测周围环境的变化, 针对这 些变化自动调整森林资源各属性变量的权重以及 相应规划约束条件的权重, 将森林过程自检测应 用于多目标管理规划中, 即为森林过程自检测多 目标动态规划。 主要从森林资源规划的原则、 方 法、 途径和约束条件 4 个方面来构建森林过程自检 测多目标管理的动态约束概念模型 （图 3)。
将现有的规划方法与基于混合粒子群的规划 方法进行了比较, 并在此基础上改进了混合粒子 群算法, 形成改进型的混合粒子群规划方法。 改 进型的混合粒子群规划方法着重于规划的自适应 性和灵活性； 规划方法除了实验模拟自然干扰、 自适应管理、 数学模拟等方法外, 增加了专家判 断的方法； 规划途径也有做了相应改进, 如生态 服务的系统评价和管理、 效益和风险评估等； 同 时增加了气候变化的影响、 土地利用变化、 土地 覆盖变化、 环境污染、 环境可承载度以及文化等 约束条件。
4 结论与讨论
本研究主要构建了一种基于系统稳定性自检 测及粒子群优化的森林经营管理多目标规划模型, 在前人研究的基础上提出了 3 个观念框架, 即森林 资源的混合粒子群概念框架、 森林系统稳定性管 理的元数据概念框架和森林过程自检测多目标管 理的动态约束概念框架。 同时对森林资源的经营 管理规划做了适当改进, 结论如下：
1) 在原有物理属性粒子群的基础上增加结构 质量属性粒子群, 以粒子群总体的统计特征、 统计分布特征等为划分亚粒子群的依据。
2) 将森林资源属性维度化、 尺度化、 动态化。
3) 将原有的目标进行扩充。 前人大都将木材 产量最大化、 生物多样性、 可持续经营、 环境治 理、 水资源安全管理、 森林功能的多样性等作为 优化的目标, 本研究在此基础上还考虑了资源弹 性经营、 森林服务、 森林文化、 森林遗产、 森林 碳平衡等目标。
4) 提出新的规划方向。 原有的规划方向主要 有抚育、 集约经营、 防虫、 经济采伐、 混交、 复 合经营、 林业政策、 生态补偿等, 本研究结合生态 方面的知识, 同时将生态采伐、 碳管理、 水安全、 木材安全、 环境安全等作为未来的规划方向。
致谢: 本研究得到中南林业科技大学计算机 与信息工程学院和湖南会同杉木林生态系统国家 野外科学观测研究站的大力支持。 中南林业科技 大学计算机与信息工程学院的李建军教授在粒子 群算法改进的初步技术方案及论文撰写等方面提 供了支持, 会同杉木林站的赵梅芳老师在森林资 源算法整合的理论-算法-建模指导与设计制图方 案以及论文撰写方面提供了帮助, 在此一并致谢!
立即询价
