黃錦程,劉洪生,寧金魁,歐陽勛志,臧 顥

(1.崇義縣林業(yè)局,江西 贛州 341300；2.江西農(nóng)業(yè)大學(xué) 林學(xué)院,南昌 330045)

樹木生長會受到立地條件的影響,如土壤條件[1-2]和地形因素[3-4]都會影響樹木的生長。造林時,樹種的選擇和配置是首先要解決的問題。如果選擇的樹種,其生物學(xué)特性與造林地的立地條件相適應(yīng),即適地適樹,該樹種的生長潛力才能充分發(fā)揮,從而達(dá)到該立地在當(dāng)前技術(shù)條件下可能達(dá)到的高產(chǎn)水平[5-7]。因此,要充分發(fā)揮立地生產(chǎn)力,實現(xiàn)森林質(zhì)量精準(zhǔn)提升,就需要分析適合各樹種生長的環(huán)境,以此為造林時的適地適樹提供參考。

一直以來,國內(nèi)外學(xué)者采用了很多方法分析樹種在不同環(huán)境下的生長適宜性,即樹種的適生性。其中,一些學(xué)者常采用林分優(yōu)勢高、平均高、林分蓄積量等因子進(jìn)行立地質(zhì)量評價,以某一特定標(biāo)準(zhǔn)(基準(zhǔn)年齡、基準(zhǔn)胸徑、標(biāo)準(zhǔn)密度等)下的林分高或蓄積量等作為樹種在該地段生長的潛力[8-10]。如:張博等[11]以福建省三明市將樂國有林場的杉木(Cunninghamialanceolata(Lamb.)Hook.)純林為研究對象,根據(jù)林分高和立地的關(guān)系,分別采用標(biāo)準(zhǔn)差調(diào)整法和分位數(shù)回歸方法構(gòu)建了地位級模型,并以此對杉木林的立地質(zhì)量進(jìn)行了分級,從而分析了不同地段上杉木林的生產(chǎn)力水平；Liu等[12]探索了基于蓄積潛在生長量的立地評價方法,并以此對北京市、山西省、河北省和內(nèi)蒙古自治區(qū)等4個地區(qū)的華北落葉松(Larixprincipis-rupprechtiiMayr.)人工林的立地質(zhì)量進(jìn)行了評價,進(jìn)而分析了華北落葉松人工林的生長情況。但這種方法只能應(yīng)用于生長了該樹種的喬木林地,當(dāng)造林或補(bǔ)植時,如果該地段上沒有生長該樹種,則無法直接應(yīng)用。而指示植物法則可以通過喬木或者林下植物的種類指示立地特性[13-15],因此沒有生長該樹種的地段上如果生長有一些植被類型,則可以應(yīng)用指示植物法進(jìn)行適地適樹的判斷。如Jumwong等[16]分別采用指示植物分析法和雙向指示植物分析法針對泰國北部3種柚木(TectonagrandisL.f.)人工林的立地質(zhì)量進(jìn)行了分析,獲取了柚木人工林不同立地等級下的指示植物。盡管指示植物法可以通過地段上生長的植被類型判斷樹種的適生性,但由于相較喬木樹種而言,林下植被的生態(tài)適應(yīng)性更窄[7],因此,僅以林下植被作為指示種時,其外延性較差,同時指示植物法對植被類型的發(fā)育程度也有一定的要求,這都在一定程度上限制了指示植物法的應(yīng)用[15]。為了更好地評價無林地的立地質(zhì)量,了解樹種在特定地段上的生長潛力,一些學(xué)者利用地位指數(shù)和立地因子之間的關(guān)系構(gòu)建了多元地位指數(shù)模型。如:劉聘等[17]對福建省安溪縣福建柏(Fokieniahodginsii(Dunn)Henry et Thomas)人工林應(yīng)用了數(shù)量化模型,評價福建柏人工林的立地質(zhì)量；Fiandino等[18]以阿根廷中部濕地松(PinuselliottiiEngelm.)人工林為研究對象,采用線性模型量化了立地因子和濕地松人工林立地質(zhì)量的關(guān)系。近年來,有學(xué)者發(fā)現(xiàn)反映森林生長質(zhì)量的指標(biāo)與立地因子之間的關(guān)系呈現(xiàn)出復(fù)雜的非線性關(guān)系[19-22],而傳統(tǒng)的研究中多是采用線性模型擬合,難以準(zhǔn)確地反映這種復(fù)雜的關(guān)系。作為一種機(jī)器學(xué)習(xí)算法,隨機(jī)森林近年來常被用于模擬變量間的非線性關(guān)系[23-24]。

本研究以江西省贛州市崇義縣的5種主要造林樹種為研究對象,針對主要立地因子對樹種生長存在的影響,采用隨機(jī)森林算法,模擬了樹種適生性與立地因子之間的非線性關(guān)系,預(yù)測了不同立地條件下各樹種的適生性,并進(jìn)一步探索了影響各樹種適生性的主導(dǎo)因子及其在針葉樹種和闊葉樹種之間的差異。通過本研究,以期為適地適樹的理論研究、造林決策的制定和區(qū)域森林質(zhì)量精準(zhǔn)提升提供支持。

1 材料與方法

1.1 研究區(qū)概況

崇義縣位于江西省贛州市西部,屬于南嶺的北端,地理坐標(biāo)為25°24′～25°55′N,113°55′～114°38′E。全縣屬亞熱帶季風(fēng)氣候,年平均氣溫20.5℃,極端最高39.9℃,最低-8℃,年均降水量1 638.9mm,無霜期307d。全縣總面積2 207.70km2,主要地貌為低山、丘陵,土壤類型有黃壤、紅壤等。崇義縣屬常綠闊葉林生物氣候帶,主要樹種有絲栗栲(CastanopsisfargesiiFranch.)、杉木、馬尾松(PinusmassonianaLamb.)、苦楝(MeliaazedarachL.)、南酸棗(Choerospondiasaxillaris(Roxb.)Burtt.et Hill)、木荷(SchimasuperbaGardn.et Champ.)等。

1.2 數(shù)據(jù)來源

數(shù)據(jù)來源于2016年江西省贛州市崇義縣的森林資源二類調(diào)查數(shù)據(jù),包括立地因子、林分因子等信息。立地因子有海拔、坡向、坡度、坡位、土壤類型、成土母巖、土層厚度和腐殖質(zhì)層厚度等。本研究選擇了起源為人工林且小班數(shù)在100個以上的喬木林小班進(jìn)行分析,各樹種信息如表1所示。

表1 主要林分因子統(tǒng)計

1.3 研究方法

1.3.1基于隨機(jī)森林的適生性評價模型

隨機(jī)森林是一種基于集成學(xué)習(xí)的決策樹模型,通過Bootstrap重抽樣法對訓(xùn)練樣本進(jìn)行多次隨機(jī)抽樣,生成一系列訓(xùn)練子樣本,并用每一個子樣本分別訓(xùn)練1棵決策樹,組成隨機(jī)森林[23,25]。隨機(jī)森林有兩個重要的參數(shù),即分類樹的數(shù)量和各節(jié)點備選的變量數(shù)。本研究逐個嘗試不同分類樹的數(shù)量(100～1 000)和各節(jié)點備選的變量數(shù)(1～8)下模型的精度,以此確定最優(yōu)參數(shù)。

為了評價崇義縣主要造林樹種的適生性,構(gòu)建的適生性評價模型中,輸出變量為各造林樹種的適生性衡量標(biāo)準(zhǔn),輸入變量為海拔、坡向、坡度、坡位、土壤類型、成土母巖、土層厚度、腐殖質(zhì)層厚度等立地因子。

1.3.2適生性衡量標(biāo)準(zhǔn)

常見的衡量適生性的數(shù)量標(biāo)準(zhǔn)主要有地位指數(shù)、蓄積生長量等[26-27]?？紤]到蓄積生長量受密度和經(jīng)營水平影響較大,而二類調(diào)查數(shù)據(jù)沒有優(yōu)勢高,因此難以獲取各小班的地位指數(shù)。本研究采用地位級指數(shù)作為判斷各樹種適生性的量化標(biāo)準(zhǔn),若小班的地位級指數(shù)低于相同優(yōu)勢樹種所有小班的平均地位級指數(shù),則判定為不適宜該樹種生長,反之則判定為適宜該樹種生長。地位級指數(shù)是基準(zhǔn)年齡下的林分平均高,可采用基于Champion-Richard的差分方程進(jìn)行計算[28]。具體計算公式為:

(1)

式中:Hi和ti分別表示第i個小班的林分平均高和年齡；SCIi表示第i個小班的地位級指數(shù)；tbase為基準(zhǔn)年齡；β1,β2為待估參數(shù)(通過Champion-Richard方程構(gòu)建林分平均高-年齡的模型即可得到β1和β2的估計值及標(biāo)準(zhǔn)差)。各樹種基準(zhǔn)年齡如表1所示。

1.3.3立地因子重要性評價

為了評價立地因子對各樹種適生性的影響程度,以各立地因子對模型精度的影響大小,即隨機(jī)森林算法中的平均下降精度作為重要性評價標(biāo)準(zhǔn)[26-27]。具體步驟為:

1)依據(jù)袋外數(shù)據(jù)計算每個決策樹的模型預(yù)測誤差。

2)將待評價的立地因子的數(shù)值隨機(jī)重置后,再次計算每個決策樹的模型預(yù)測誤差。

3)計算每個決策樹前后兩次預(yù)測誤差的差值,并以此對所有決策樹求平均值,該平均值即為平均下降精度,可作為衡量待評價的立地因子的重要性指標(biāo)。其數(shù)值越大,說明該立地因子越重要。

1.3.4模型評價指標(biāo)

模型的精度指標(biāo)包括訓(xùn)練精度和泛化精度,其中,訓(xùn)練精度即對建模樣本應(yīng)用模型計算得到的精度,泛化精度即為對驗證樣本應(yīng)用模型計算得到的精度[29]。本研究采用五折交叉驗證計算模型的泛化精度,并以此作為模型調(diào)整參數(shù)的標(biāo)準(zhǔn)。模型的總體精度可由(2)式[26-27,29]計算得到。

(2)

式中:A表示模型精度;NTP表示實際適宜該樹種生長,模型預(yù)測適宜樹種生長的小班數(shù);NTN表示實際不適宜該樹種生長,模型預(yù)測不適宜樹種生長的小班數(shù);NFP表示實際不適宜該樹種生長,而模型預(yù)測適宜樹種生長的小班數(shù);NFN表示實際適宜該樹種生長,而模型預(yù)測不適宜樹種生長的小班數(shù)。

計算分類精度時,則由各類別預(yù)測正確的小班數(shù)除以該類別的小班總數(shù)計算得到。

所有數(shù)據(jù)處理及制圖均在R語言系統(tǒng)中完成,其中,應(yīng)用Random Forest包構(gòu)建隨機(jī)森林模型,應(yīng)用ggplot 2包進(jìn)行繪圖。

2 結(jié)果與分析

2.1 地位級指數(shù)的計算

各樹種地位級指數(shù)的參數(shù)如表2所示,所有參數(shù)均顯著(α=0.05)。將表中參數(shù)值代入(1)式即可計算出各小班的地位級指數(shù)。

表2 地位級指數(shù)的參數(shù)

2.2 適生性模型參數(shù)的優(yōu)化

以模型的泛化精度為評價標(biāo)準(zhǔn),得到的各樹種適生性模型參數(shù)優(yōu)化情況如圖1所示。總的來看,相較闊葉樹種而言,針葉樹種的適生性模型對參數(shù)的變化不敏感。其中,杉木適生性模型的精度變化范圍為69.23%～72.79%,馬尾松的精度變化范圍為80.01%～84.18%；而闊葉樹種的模型精度則在不同參數(shù)下表現(xiàn)出較大的變化,木荷的精度變化范圍為60.03%～77.99%,苦楝的精度變化范圍為63.05%～81.22%,南酸棗的精度變化范圍為72.33%～80.56%。依據(jù)模型精度,各樹種適生性模型的最優(yōu)參數(shù)值及精度如表3所示。

注:“mtry”是各節(jié)點備選的變量數(shù)(1～8)。

2.3 適生性模型的驗證

依據(jù)表3得到的各樹種的最優(yōu)參數(shù)重新模擬各樹種的適生性,得到各樹種的訓(xùn)練精度(表4)。總的來說,所有樹種的精度均大于88.00%。就總精度和分類精度而言,杉木的精度均為最低,而南酸棗的精度均為最高。對實際類別不適宜和適宜小班,各樹種的訓(xùn)練精度差異不大。因此,可以認(rèn)為構(gòu)建的適生性模型具有較好的預(yù)測效果,在進(jìn)行選樹適地時,可依據(jù)構(gòu)建的適生性模型分析適宜該地段生長的樹種。表5給出了部分小班的樹種適生性預(yù)測結(jié)果。

表3 基于五折交叉驗證的適生性模型參數(shù)優(yōu)化結(jié)果

表4 不同類別的訓(xùn)練精度

表5 適生性模型的預(yù)測結(jié)果

(續(xù)表)

2.4 立地因子對適生性的影響

以隨機(jī)森林算法中的平均下降精度作為立地因子重要性的評價指標(biāo),平均下降精度越大,則對應(yīng)的立地因子重要性越高。各立地因子重要性評價結(jié)果如圖2所示。立地因子對不同樹種適生性的影響并不一致,影響杉木和馬尾松適生性的立地因子重要性排序比較相似。影響杉木適生性的立地因子重要性從大到小排序依次為腐殖質(zhì)層厚度、海拔、土層厚度、坡度、土壤類型、坡位、坡向、成土母巖,而馬尾松的則為海拔、土層厚度、腐殖質(zhì)層厚度、坡度、土壤類型、坡位、坡向、成土母巖。影響闊葉樹種的主要立地因子并不完全一致,對木荷適生性的立地因子重要性從大到小排序依次坡度、坡向、坡位、土壤類型、土層厚度、腐殖質(zhì)層厚度、海拔、成土母巖,影響苦楝的則是腐殖質(zhì)層厚度、土壤類型、坡位、坡度、坡向、海拔、成土母巖、土層厚度,而影響南酸棗的則是坡度、海拔、土壤類型、腐殖質(zhì)層厚度、土層厚度、坡向、坡位、成土母巖。

圖2 立地因子重要性評價

選取對各樹種適生性影響最大的立地因子,采用隨機(jī)森林進(jìn)行邊際效應(yīng)分析,結(jié)果如圖3所示。由圖3可知:研究區(qū)腐殖質(zhì)層厚度為25～30cm的地區(qū)比較適合杉木生長,而適合馬尾松、木荷、苦楝和南酸棗生長的分別是海拔小于250m、坡度小于15°、腐殖質(zhì)層厚度在8～13cm和坡度小于5°的區(qū)域。

圖3 主要立地因子對5種樹種適生性的影響

3 討論與結(jié)論

森林經(jīng)營過程中,把造林樹種栽種在適合其生長的地方,從而使造林地的“地”與造林樹種的“樹”相適應(yīng),即適地適樹[30-32]。本文以江西省崇義縣的5種主要造林樹種為對象,應(yīng)用隨機(jī)森林算法構(gòu)建了5種樹種的適生性模型,以此分析了各樹種的適地適樹問題。結(jié)果顯示,基于五折交叉驗證的5個樹種適生性模型的泛化精度在72.79%～84.18%之間,而采用全部數(shù)據(jù)作為訓(xùn)練樣本時的模型總訓(xùn)練精度在88.69%～98.92%之間,對實際類別為適生的訓(xùn)練精度在88.84%～98.50%之間,對實際類別為不適生的訓(xùn)練精度在88.56%～99.31%之間。可見,具有較高的分類準(zhǔn)確率,可以對給定立地因子的造林地進(jìn)行各樹種的適生性預(yù)測。

利用隨機(jī)森林的變量重要性評估功能,本研究分析了8個立地因子對研究區(qū)5種主要造林樹種適生性的影響程度,研究結(jié)果表明:1)研究區(qū)內(nèi)對針葉樹種(杉木和馬尾松)適生性影響較大的立地因子均為腐殖質(zhì)層厚度、海拔、土層厚度。相關(guān)研究[26,33-34]中,盡管腐殖質(zhì)層厚度、海拔、土層厚度對杉木和馬尾松生長的重要性存在一定差異,但總體上均為對杉木和馬尾松生長影響較大的立地因子。2)研究區(qū)中對闊葉樹種影響較大的立地因子則因樹種而異,對木荷適生性影響較大的立地因子為坡度、坡向和坡位,而對苦楝影響較大的則是腐殖質(zhì)層厚度、土壤類型和坡位,而南酸棗的則是坡度、海拔和土壤類型。目前,國內(nèi)在闊葉樹種適地適樹方面的研究較少,且影響生長的主導(dǎo)因子也因樹種而異。如:李紹忠等[35]以東北地區(qū)珍貴闊葉樹種為研究對象,采用逐步回歸和地位指數(shù)分析了各立地因子對造林樹種生長的影響,結(jié)果發(fā)現(xiàn)影響特定樹種生長的主導(dǎo)因子并不一致,影響黃波羅(PhellodendronamurenseRupr.)生長的主導(dǎo)因子是土壤濕度和淋溶層的土層厚度,影響胡桃楸(JuglansmandshuricaMaxim.)和水曲柳(FraxinusmandshuricaRupr.)生長的主導(dǎo)因子則是坡向和土壤濕度,裂葉榆(Ulmuslaciniata(Trautvetter)Mayr)受土壤濕度和坡度影響較大,紫椴(TiliaamurensisRupr.)則受坡度影響較大；羅也等[36]也以東北三省的胡桃楸為研究對象,分析了立地因子對胡桃楸地位指數(shù)的影響,結(jié)果顯示坡位是最主要的影響因子,這與李紹忠等[35]的研究并不一致；杜雨菲等[27]以廣西桉樹(Eucalyptusspp.)人工林為研究對象,分別采用了樸素貝葉斯、支持向量機(jī)和隨機(jī)森林算法構(gòu)建了桉樹適生性分類模型,結(jié)果顯示海拔、土層厚度、坡向是影響桉樹生長的主導(dǎo)因子?？偟膩碚f,立地因子對不同樹種的適生性影響并不相同,因此在造林時,應(yīng)根據(jù)經(jīng)營目的和樹種的特性綜合考慮各立地因子的影響程度,以使得所選地段能使該樹種的生長環(huán)境盡可能處于最佳組合狀態(tài)。如果沒有地段能同時使得所有立地因子均為最適,則應(yīng)優(yōu)先保證主要立地因子。

基于隨機(jī)森林算法構(gòu)建的樹種適生性評價模型可以較好地對造林樹種的適生性進(jìn)行預(yù)測,為適地適樹和區(qū)域森林質(zhì)量精準(zhǔn)提升提供了決策依據(jù)。考慮到樹木的生長不僅受到立地因子的影響,也會受到氣候和土壤養(yǎng)分的影響[1,24],因此下一步可考慮將氣候因子和土壤物養(yǎng)分因子也作為輸入變量,以便能獲取更精準(zhǔn)的適地適樹的決策。