具体实施方式

现有技术中林分抚育间伐调控技术如下：

1、针对人工林的抚育间伐调控技术研究

选取1-5年生短轮伐期桉树纸浆用材林，结合大小比数、角尺度、开敞度、竞争指数和材积等5个子目标提出评价指数，并以Monte Carlo法建立林分间伐模型，得出最佳采伐方案。具体步骤包括：

(1)选取1-5年生桉树纯林样地各6块，样地大小20m×20m，测量每株样木的树高、胸径、空间坐标值，并在样地边缘设置3m的缓冲区。

(2)构建林分评价指数：

式中：g为间伐后得到的保留木；W(g)、U(g)、UCI(g)、K(g)、V(g)分别为间伐后的林分角尺度、大小比数、竞争指数、开敞度和平均单株材积；σ_W、σ_u、σ_UCI、σ_K、σ_V分别为林分角尺度、大小比数、竞争指数、开敞度和材积的标准差。

(3)研究间伐强度与评价指数提高幅度之间的关系，并将拐点值作为合理间伐强度区间值；

(4)采用Monte Carlo法计算林分评价指数，输入间伐强度值，设定模型终止条件为连续运行10000次后无更优解，将林分评价指数值最大的方案作为最佳采伐方案。

2、针对次生林的间伐调整技术

以湖南省一类清查样地为基础数据，用全混交度、大小比数、角尺度、竞争指数等空间结构指标作为建模变量，采用乘除法基本思想构建楠木次生林结构目标函数，通过林分相容性收获预估模型拟合结果来确定各年龄阶段林分最适断面积，将最适断面积作为确定间伐量的约束指标，构建湖南省楠木次生林结构化经营模型，通过间伐调整，提出楠木次生林结构化经营技术，促进森林提质增量。具体步骤包括：

(1)选取湖南省1989-2014年一类清查样地中55个楠木样地。样地为边长25.82m，面积0.067hm²的正方形。对样地内胸径大于5cm的样木进行每木检尺，获取树种、胸径、采伐类型、方位角和水平距等因子；

(2)利用前后两期调查数据，构建相容性林分生长收获模型，经检验，模型相关系数分别为0.97、0.97、0.99，模型为：

式中：M₁为现实林分收获量，M₂表示未来林分收获量，SI表示地位指数，t₁为现实林分年龄，t₂为未来林分年龄，G₁为现实林分断面积，G₂为未来林分断面积。

(3)通过林分相容性收获预估模型拟合结果来确定各年龄阶段林分最适断面积，将最适断面积作为确定间伐量的约束指标。

(4)采用全混交度、大小比数、角尺度、竞争指数空间结构指标构建林分结构目标函数：

式中：Q(g)为林分结构目标函数，M(g)、CI(g)、U(g)、W(g)分别代表目标树的全混交度、竞争指数、大小比数以及角尺度，σ_M、σ_CI、σ_U、σ_|W-0.375|为相应指标的标准差。

约束条件：

1)S＝S₀

2)d＝d₀

3)M≥M₀

4)CI≤CI₀

5)|W-0.375|≤|W₀-0.375|

6)N_p≤N_P-0(1-20％)，且N_c＞N_c-0(1-15％)

式中：S₀、S为经营前后物种个数，d₀、d表示经营前后径阶数，M₀、M为间伐前后林分混角度，CI₀、CI为间伐前后竞争指数，W₀、W为间伐前后角尺度，N_P-0、N_p为间伐前后林木株数，N_c-0、N_c即经营前后林分内建群树种株数。

(5)通过计算各空间结构单元中目标函数的取值Q(g)，对其进行排序。将Q(g)取值最小的确定为间伐对象，然后判断约束条件1)～6)是否均满足，如满足以上约束条件则输出为间伐对象，并寻找下一株间伐木。若不满足约束条件则假设不成立，需重新确定间伐木。重复以上操作，满足约束条件后停止间伐，最终确定间伐木。

现有技术的缺点表现为：

1、次生林间伐的目标导向不清晰。次生林抚育间伐应提高林分质量，促进林分正向演替，目前构建的多目标模型中多以林分水平结构和垂直结构指标为主，对林分演替中顶级树种的考虑不足，故本申请提出基于林分发育指数的次生林间伐方法。

2、基于智能优化算法的次生林间伐成果较少。次生林抚育间伐是一项系统性工作，间伐任何一株林木都会对周边林木产生影响，故应采用全局优化的方法，而不是依据适应度值逐指标进行判断。目前林分间伐中采用的Monte Carlo法，是在一确定间伐强度下大量抽样以获取最优间伐方案的方法，该方法计算量大，耗时较多，故本申请提出基于改进的遗传算法对多目标模型进行求解，可有效降低模型运行时间。

3、次生林最优间伐强度无法确定。目前，次生林间伐强度的确定多采用人为设定的方式，即在模型运行初始人为设定一个间伐强度值，或依据林分生长量、林分断面积等设置间伐强度，无法获知该林分的最优间伐强度。本研究基于改进的遗传算法，可同时获得林分最优间伐强度和间伐木位置。

本发明包括一种基于林分发育指数的次生林间伐方法，包括以下步骤，

A、对样地内胸径大于5cm的样木进行每木检尺，记录每株样木的树种名称、胸径、树高、位置坐标；

B、依据样地位置与树种组成，确定植物区系和所处的演替阶段，并按顶级树种、伴生树种、先锋树种和外来树种划分样地树种；

C、构建基于林分发育指数的多目标模型，包括林分混交度、树种优势度、林分竞争指数、林分角尺度和多个约束条件；

D、利用改进的遗传算法对多目标模型进行求解，获取次生林最优抚育间伐方案。

优选的，所述步骤A中样地的规格为100m×100m。

优选的，所述的顶级树种是群落演替的最终方向，即抚育间伐的目标导向。

优选的，所述步骤C中基于林分发育指数的多目标模型为：

其中，SDI为林分发育指数，g为间伐后的保留木，M_g为间伐后林分混交度，A_g为间伐后树种优势度，CI_g为间伐后林分竞争指数，W_g为间伐后林分角尺度。

优选的，所述多目标模型中M_g是单木混交度M_i的均值，M_i计算公式如下：

式中，当参照树i与第j株相邻木为不同种时，u_ij为1，否则为0。

优选的，所述多目标模型中CI_g是单木竞争指数CI_i的均值，CI_i计算公式如下：

式中，d_j为相邻木的胸径,L_D为结构单元内4株相邻木与参照树距离的平均值，d_i为参照树的胸径，L_ij代表相邻木j和参照树i之间的距离。

优选的，所述多目标模型中W_g是单木角尺度W_i的均值，W_i计算公式如下：

式中，当参照树i与第j株相邻木的α夹角＜72°时，Z_ij为1，否则为0。

优选的，所述多目标模型中树种优势度A_g计算公式如下：

式中，D_g为相对显著度，即顶级树种断面积占林分总断面积的比值；为顶级树种大小比数均值，树种大小比数U_i计算公式如下：

式中，如果参照树i的胸径比第j株相邻木小，k_ij为1，否则为0。

优选的，所述多目标模型的约束条件为：

1)S_g＝S₀

2)d_g＝d₀

3)1.3≤q_g≤1.7

4)M_g≥M₀

5)A_g≥A₀

6)CI_g≤CI₀

7)|W_g-0.496|≤|W₀-0.496|

8)N_p≥0.7N₀

9)D_t≤D₀

式中，S₀、S_g为间伐前后林分树种个数；d₀、d_g为间伐前后林分径级个数；q_g为间伐后的林分q值；M₀、M_g为间伐前后林分混交度；A₀、A_g为间伐前后树种优势度；CI₀、CI_g为间伐前后林分竞争指数；W₀、W_g为间伐前后林分角尺度；N₀、N_p为间伐前后林木株数；D_t为间伐木直径；D₀为间伐前林分优势木平均直径。

优选的，所述步骤D中改进的遗传算法为：

(1)采用整数编码方式对林分样木进行编码，即用0、1分别表示样木的间伐与保留；

(2)初始化参数，参数包括种群数量、遗传代数、样木间伐概率；

(3)计算个体适应度(即林分发育指数)，记录每一世代中适应度值最大的间伐方案；

(4)采用轮盘赌法对间伐木进行选择，构成配对染色体；

(5)采用多点交叉方式对配对染色体进行交叉；

(6)采用随机突变方式对染色体进行变异；

(7)世代交替，重复(3)-(6)步，直至达到迭代次数为止；

(8)按适应度值大小，输出最优间伐方案。

实施例1：

本申请以吉林省汪清县金沟岭林场的1个天然次生林林分为研究区域。

择取次生林分一处，面积100m×100m，采用相邻网格调查法，将固定标准地划分为100个10m×10m的调查单元，对每个调查单元内胸径大于5cm的样木挂牌，并记录样木的树种名称、胸径、树高、位置坐标。

依据《中国森林》，本区属东北温带针叶林及针阔叶混交林区，树种分类结果如下表所示：

将林分发育指数作为次生林抚育间伐的多目标模型，并计算模型初始值：

林分样木空间坐标图如图1所示，林分初始参数如下表所示：

(1)采用整数编码方式对林分样木进行编码，即用0、1分别表示样木的间伐与保留；

(2)初始化种群参数，种群数量n＝50，遗传代数k＝300，种群空间S＝np.random.randint(0,2,(n,r))，其中r为样木株数，样木间伐概率k＝np.random.uniform(0,1)；

(3)用林分发育指数计算个体适应度值SS_i，然后用多目标模型的约束条件对每一个体进行判断，并设定罚函数系数t，当约束条件①S_g＝13不成立时，时t＝t-0.2，当约束条件②d_g＝20不成立时，t＝t-0.3，当约束条件③1.3≤q_g≤1.7不成立时，t＝t-0.1，当约束条件④M_g≥0.801不成立时，t＝t-0.1，当约束条件⑤A_g≥0.443不成立时，t＝t-0.1，当约束条件⑥CI_g≤3.297不成立时，t＝t-0.1，当约束条件⑦|W_g-0.496|≤0.136不成立时，t＝t-0.1，当约束条件⑧N_p≥428不成立时，t＝t-0.1，当约束条件⑨D_t≤33.48不成立时，t＝t-0.2；

(4)将每一世代中最大的适应度值和种群空间值传递给maxfitness_[k,:]；

(5)用轮盘赌法对个体进行选择，种群中每个个体的被选择概率为个体适应度值与种群适应度值的比值，利用随机函数a＝np.random.random(1)和b＝np.random.random(1)生成选择概率，构成配对染色体；

(6)染色体交叉采用随机方式，对随机函数m₁＝np.random.randint(10000)结果进行分段，当m₁＜10时，生成4个交叉点，当10≤m₁＜100时，生成3个交叉点，当100≤m₁＜1000时，生成2个交叉点，当m₁≥1000时，生成1个交叉点，每个交叉点的位置由t₁＝np.random.randint(left,right)确定，left为染色体起始位置，right为染色体结束位置，配对染色体按交叉点个数和位置进行交叉；

(7)染色体突变采用随机方式，当随机函数m₂＝np.random.randint(10000)结果小于3000时，生成一个突变点，否则，不发生突变，突变点位置由t₂＝np.random.randint(1,right)确定，突变染色体按突变点个数和位置进行突变；

(8)世代交替，对新的子代种群重复(3)-(7)步骤；

(9)对maxfitness_[k,:]中的最大适应度值进行排序，最优间伐方案显示，样地最优间伐强度为15.4％，间伐木信息如下表所示：

(10)间伐木空间坐标图如图2所示，间伐木标记为实心圆，样地间伐方案效果如下表所示：

本发明的优点：

1、构建基于林分发育指数的间伐模型。本申请采用林分角尺度、林分混交度、林分竞争指数、树种优势度构建林分发育指数，该指标综合考虑了林分水平结构、林分物种多样性、林分竞争、顶级树种优势度，可为次生林抚育间伐提供参考依据。

2、可同步确定林分最优间伐强度和间伐木位置。本研究利用改进的遗传算法，在间伐允许强度内智能化寻找最优间伐强度，并准确标记间伐木，可实现次生林抚育的定量化与精准化。

虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式作出多种变更或修改，而不背离本发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。