[发明专利]基于环状分布指数的林分空间结构优化方法

说明书

本申请提供了基于环状分布指数的林分空间结构优化方法，获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；利用多个动态目标函数构建林分空间结构多目标模型；利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，约束条件包括环状分布指数计算中获取的对象木异点数。本申请中，利用环状分布指数计算中获取的对象木异点数，作为其中一个约束条件，不仅将角度因素考虑进去，还将距离因素考虑进去，可精准定位林分空间中需要采伐的林木，提高研究的林分空间的准确性，进而使森林生态系统趋于健康和稳定。

技术领域

本申请涉及森林空间结构技术领域，尤其涉及基于环状分布指数的林分空间结构优化方法。

背景技术

森林结构是林分动态变化过程中测度时点的林分状态的高度概括和度量。森林空间结构特征包括物种混合的种间和种内差异，树木大小的变化和林木空间分布格局。林分结构包括空间结构和非空间结构。非空间结构包括直径结构、生长量和树种多样性等，空间结构包括林木空间分布格局、混交、大小分化等3个方面。其中林木空间分布格局指树木位置的空间排列，空间分布模式反映了个体在平面上聚集或散布的方式，研究林分分布格局有助于深化对种群空间结构的认识，为森林生态系统结构优化及人工造林中的树种配置和采伐木选择提供理论依据和支持。

现有研究林分空间结构优化的方法是角尺度法。角尺度均值的公式为：式中,当第j个α角小于标准角α₀时，z_ij＝1，当第j个α角大于或等于标准角α₀时，z_ij＝0，n为林分空间内参照树的株数，i为任一参照树，j为参照树i的4株最近相邻木，角尺度均值。角尺度法是采用以±3σ为标准所确定的角尺度均值的置信区间[0.475,0.517]进行林木水平分布格局判断。当角尺度均值大于0.517时，林木空间分布为团状分布；当角尺度均值小于0.475时，林木空间分布为均匀分布。

由于角尺度均值的置信空间与样本大小有直接关系，所以采用统一的置信空间显然不适用于评判抽样调查或群落中数量较少的种群的林木分布格局。由于角尺度没有考虑到距离因素，无法反应单株林木及四周相邻木的密集程度,因此，以角尺度法研究的林木空间分布格局的准确性低。

发明内容

本申请提供了基于环状分布指数的林分空间结构优化方法，以解决以现有角尺度法研究的林木空间分布格局的准确性低的技术问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

基于环状分布指数的林分空间结构优化方法，方法包括：获取林分空间结构的多个动态目标函数，多个动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；利用多个动态目标函数构建林分空间结构多目标模型；利用改进粒子群算法和多个约束条件对林分空间结构多目标模型进行求解，约束条件包括环状分布指数计算中获取的对象木异点数。

可选地，约束条件包括环状分布指数计算中获取的对象木异点数，包括：当对象木异点数超过三个以上时，则对象木列入采伐候选木。

可选地，环状分布指数公式如下：

其中：H_p为对象木p的环状分布指数，n为对象木p的相邻木的数量,Hd_i为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Ha_i为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。

可选地，环状分布指数计算中获取的对象木异点数公式如下：