基于支持向量機(jī)(SVM)的森林生態(tài)系統(tǒng)健康評(píng)價(jià)及預(yù)警.pdf

1、森林是陸地生態(tài)系統(tǒng)的主體,是人類(lèi)賴(lài)以生存的重要自然資源,也是應(yīng)對(duì)全球溫室效應(yīng)、生物多樣性喪失、生態(tài)失衡等諸多環(huán)境問(wèn)題的重要基礎(chǔ)保障。森林的健康狀況將直接關(guān)系到全球生態(tài)安全和人類(lèi)社會(huì)的可持續(xù)發(fā)展。本研究以生態(tài)學(xué)、統(tǒng)計(jì)學(xué)理論為依據(jù),結(jié)合樣地調(diào)查和林場(chǎng)最新調(diào)查數(shù)據(jù),建立冀北山地典型森林生態(tài)系統(tǒng)健康評(píng)價(jià)和預(yù)警指標(biāo)體系,利用Matlab軟件構(gòu)建了基于支持向量機(jī)(SVM)的森林生態(tài)系統(tǒng)健康評(píng)價(jià)和預(yù)警模型,對(duì)冀北山地森林進(jìn)行了健康評(píng)價(jià)和預(yù)警,旨在為冀

2、北山地森林健康可持續(xù)經(jīng)營(yíng)提供理論依據(jù)。研究結(jié)論如下:
　　 支持向量機(jī)(SVM)是建立在統(tǒng)計(jì)學(xué)理論基礎(chǔ)上的一種小樣本機(jī)器學(xué)習(xí)方法,廣泛應(yīng)用于分類(lèi)和回歸問(wèn)題。SVM的最終決策函數(shù)只由少數(shù)的支持向量所確定,可以抓住關(guān)鍵樣本、剔除大量冗余樣本,該方法不僅算法簡(jiǎn)單,而且具有較好的推廣和泛化能力,能以較小的樣本預(yù)測(cè)較大的范圍,同時(shí),能保證較高的準(zhǔn)確率。
　　 本研究以蒙特利爾進(jìn)程中提出的指標(biāo)為基礎(chǔ),參考國(guó)內(nèi)外相關(guān)研究成果,構(gòu)建了基

3、礎(chǔ)性指標(biāo)、結(jié)構(gòu)性指標(biāo)評(píng)、抗干擾性指標(biāo)和生態(tài)服務(wù)功能指標(biāo)的健康評(píng)價(jià)指標(biāo)體系,以樣地調(diào)查所獲取的21個(gè)典型森林生態(tài)系統(tǒng)類(lèi)型的數(shù)據(jù)作為學(xué)習(xí)樣本,通過(guò)SVM的自適應(yīng)學(xué)習(xí),并對(duì)分類(lèi)器性能進(jìn)行評(píng)價(jià),同時(shí)對(duì)給出反饋信息進(jìn)行修正,建立新的森林生態(tài)系統(tǒng)健康評(píng)價(jià)模型,運(yùn)用該模型對(duì)研究區(qū)進(jìn)行健康預(yù)測(cè)。對(duì)全區(qū)225個(gè)小班的預(yù)測(cè)結(jié)果表明:優(yōu)質(zhì)的森林小班面積占研究區(qū)總面積的5.7％,健康的森林小班占61.5％,亞健康的森林小班面積占28.1％,不健康的森林小班面積

4、占4.7％,總體上健康狀況良好。
　　 參考本研究建立的森林健康評(píng)價(jià)指標(biāo)體系,結(jié)合北京森林健康預(yù)警指標(biāo)體系,確定了本研究中的預(yù)警指標(biāo)體系。采用北京森林健康預(yù)警基值和警兆指標(biāo)值作為訓(xùn)練集和預(yù)測(cè)集進(jìn)行訓(xùn)練,并對(duì)模型的分類(lèi)準(zhǔn)確率進(jìn)行檢驗(yàn),通過(guò)訓(xùn)練好的模型對(duì)研究區(qū)森林生態(tài)系統(tǒng)健康狀況進(jìn)行預(yù)警,根據(jù)森林健康警限來(lái)劃分警度。研究區(qū)225個(gè)小班的預(yù)測(cè)結(jié)果為:無(wú)警森林小班面積占研究區(qū)總面積的35.37％,輕警占58.51％,中警占0.45％,重