专利名称：一种防护林水平配置方法
技术领域：
本发明涉及林业科学中造林技术领域，特别是涉及一种防护林水平配置方法。
背景技术：
根据自然地理条件，对各个林种及其配置以建立综合的森林体系和达到合理的森林覆盖率，对防护林林带的结构与配置、树种选择、营林技术等方面都能够取得很好的技术效果。现有技术中，通过以农、林、牧、渔各行业基本情况为约束条件，建立线性规划模型，进行林种配置；通过以林业综合发展策略为基础，借助系统动力学(System Dynamics, SD)仿真手段对林种配置进行调控；通过以生态、社会、经济效益为基础的层次分析法对防护林体系进行林种配置；应用生态经济学和多目标灰色局势决策的原理与方法，对研究地区农业总产值及其构成进行灰色关联分析和灰色预测，在此基础上配置防护林体系；运用多目标线性规划的方法，以定量分析为核心，以生态、经济、社会效益最大为目标，建立优化的数学模型，调整了林种结构。但是，上述的现有技术存在以下问题；在不同的地理环境，不同的生态条件以及不同的经济背景下，适宜的防护林林种配置模式不同，上述技术方法描述了特定背景环境下的林种配置模式，对于不同的社会、自然条件下，不能进行广泛的推广。
发明内容
(一)要解决的技术问题本发明要解决的技术问题是如何在快速、全面、能够结合实际环境条件的情况下， 提高防护林林种配置模式在不同背景环境下的适应性，便于其广泛的推广使用。( 二 )技术方案为了解决上述技术问题，本发明提供一种防护林水平配置方法，其包括以下步骤Sl 确定决定植被类型配置的指标；S2 对所述指标的数值进行归一化处理，使其值域在
或[-1，1]之间；S3:将所述指标作为输入节点，植被类型作为输出节点，确定BP神经网络模型的输入层和输出层；S4 确定BP神经网络模型的网络结构；S5:根据所确定的网络结构，输入所述指标的归一化数值，输出植被类型的数值， 确定防护林的水平配置。上述防护林水平配置方法中，步骤S4中，所述BP神经网络模型的网络结构的确定具体包括采用误差反传学习算法，使用梯度搜索技术，实现网络的实际输出与期望输出的均方差最小化；
使用防护林的所述植被类型对所述BP神经网络进行训练，包括神经网络初始化、 为神经网络提供学习样本、以及对每个学习样本进行P循环；采用附加动量法修正神经网络的权值，调整神经网络的自适应学习速率，以及采用Levernberg-Marquart算法使神经网络的误差平方和最小。上述防护林水平配置方法中，步骤S5中，根据所述网络结构输出的植被类型的数值，确定防护林的水平配置具体包括求解该数值与防护林原有植被类型数值的差值，确定防护林的水平配置结果。上述防护林水平配置方法中，所述指标包括海拔、坡向、坡度、坡位、裸岩率、土壤类型、土壤厚度和土壤质地中的一种或几种。上述防护林水平配置方法中，所述归一化处理采用premnmx函数。上述防护林水平配置方法中，所述BP神经网络包含多层隐含层。上述防护林水平配置方法中，所述海拔由GPS测定，所述坡度由手持罗盘仪测定。(三)有益效果上述技术方案所提供的防护林水平配置方法中，以“近自然林业”为理论基础，以 BP神经网络算法为工具，以林地自然、地理、气候条件为源数据对防护林林种配置进行研究，能使防护林的林种符合自然地理气候条件，达到防护效果。
图1是BP神经网络的输入输出结构图示；图2是本发明实施例的防护林水平配置方法的流程图；图3是本发明实施例中土门西沟流域防护林配置前的林种分布示意图；图4是本发明实施例中土门西沟流域防护林配置后的林种分布示意图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。植被类型的确定是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的实践经验。对于防护林体系来讲，林种的配置方式主要有水平配置和立体配置，水平配置是指水土保持林体系内各个林种在流域范围内的平面布局和合理规划。立体配置是指某一林种组成的树种或植物种的选择，和林分立体结构的配置和形成。神经网络是一个非线性动力学系统，具有高度的集约性、容错性和自学习的特点， 它将知识的获取、表示和推理合为一体，通过神经网络的学习训练即可完成。与其他方法相比，神经网络具有诸多优势，通过对评价项目的适当确定，神经网络能够克服分析的片面性，全面分析多因素综合作用下植被类型的配置问题，而且神经网络可以处理非数值型指标，通过自学习调整连接权值，使各指标的作用在自学习过程中不断明晰。如图2所示，采用神经网络进行防护林植被类型水平配置的主要步骤如下Sl 确定决定植被类型配置的指标。具体地，研究以海拔、坡向、坡度、坡位、裸岩率、土壤类型、土壤厚度、土壤质地8 个因子作为决定植被类型的指标，其中，坡向、坡位、土壤类型、土壤质地、植被类型等定性因素可表示为表1所示 表 权利要求
1.一种防护林水平配置方法，其特征在于，包括以下步骤51确定决定植被类型配置的指标；52对所述指标的数值进行归一化处理，使其值域在W，l]或[_1，1]之间；53将所述指标作为输入节点，植被类型作为输出节点，确定BP神经网络模型的输入层和输出层；54确定BP神经网络模型的网络结构；S5:根据所确定的网络结构，输入所述指标的归一化数值，输出植被类型的数值，确定防护林的水平配置。
2.如权利要求1所述的防护林水平配置方法，其特征在于，步骤S4中，所述BP神经网络模型的网络结构的确定具体包括采用误差反传学习算法，使用梯度搜索技术，实现网络的实际输出与期望输出的均方差最小化；使用防护林的所述植被类型对所述BP神经网络进行训练，包括神经网络初始化、为神经网络提供学习样本、以及对每个学习样本进行P循环；采用附加动量法修正神经网络的权值，调整神经网络的自适应学习速率，以及采用 Levernberg-Marquart算法使神经网络的误差平方和最小。
3.如权利要求1所述的防护林水平配置方法，其特征在于，步骤S5中，根据所述网络结构输出的植被类型的数值，确定防护林的水平配置具体包括求解该数值与防护林原有植被类型数值的差值，确定防护林的水平配置结果。
4.如权利要求1所述的防护林水平配置方法，其特征在于，所述指标包括海拔、坡向、 坡度、坡位、裸岩率、土壤类型、土壤厚度和土壤质地中的一种或几种。
5.如权利要求1所述的防护林水平配置方法，其特征在于，所述归一化处理采用 premnmx 函数。
6.如权利要求1所述的防护林水平配置方法，其特征在于，所述BP神经网络包含多层隐含层。
7.如权利要求4所述的防护林水平配置方法，其特征在于，所述海拔由GPS测定，所述坡度由手持罗盘仪测定。
全文摘要
本发明属于林业科学造林技术领域，公开了一种防护林水平配置方法，包括步骤S1确定决定植被类型配置的指标；S2对所述指标的数值进行归一化处理，使其值域在
或[-1，1]之间；S3将所述指标作为输入节点，植被类型作为输出节点，确定BP神经网络模型的输入层和输出层；S4确定BP神经网络模型的网络结构；S5根据所确定的网络结构，输入所述指标的归一化数值，输出植被类型的数值，确定防护林的水平配置。本发明以“近自然林业”为理论基础，以BP神经网络算法为工具，以林地自然、地理、气候条件为源数据对防护林林种配置进行研究，能使防护林的林种符合自然地理气候条件，达到防护效果。
文档编号G06N3/08GK102360453SQ20111030041
公开日2012年2月22日 申请日期2011年9月28日 优先权日2011年9月28日
发明者余新晓, 信忠保, 吴海龙, 李轶涛, 樊登星, 牛健植, 贾国栋, 陈丽华 申请人:北京林业大学