1、森林是陸地生態(tài)系統(tǒng)的主體,是人類賴以生存的重要自然資源,也是應(yīng)對全球溫室效應(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)安全和人類社會的可持續(xù)發(fā)展。本研究以生態(tài)學、統(tǒng)計學理論為依據(jù),結(jié)合樣地調(diào)查和林場最新調(diào)查數(shù)據(jù),建立冀北山地典型森林生態(tài)系統(tǒng)健康評價和預警指標體系,利用Matlab軟件構(gòu)建了基于支持向量機(SVM)的森林生態(tài)系統(tǒng)健康評價和預警模型,對冀北山地森林進行了健康評價和預警,旨在為冀

2、北山地森林健康可持續(xù)經(jīng)營提供理論依據(jù)。研究結(jié)論如下:
　　 支持向量機(SVM)是建立在統(tǒng)計學理論基礎(chǔ)上的一種小樣本機器學習方法,廣泛應(yīng)用于分類和回歸問題。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,該方法不僅算法簡單,而且具有較好的推廣和泛化能力,能以較小的樣本預測較大的范圍,同時,能保證較高的準確率。
　　 本研究以蒙特利爾進程中提出的指標為基礎(chǔ),參考國內(nèi)外相關(guān)研究成果,構(gòu)建了基

3、礎(chǔ)性指標、結(jié)構(gòu)性指標評、抗干擾性指標和生態(tài)服務(wù)功能指標的健康評價指標體系,以樣地調(diào)查所獲取的21個典型森林生態(tài)系統(tǒng)類型的數(shù)據(jù)作為學習樣本,通過SVM的自適應(yīng)學習,并對分類器性能進行評價,同時對給出反饋信息進行修正,建立新的森林生態(tài)系統(tǒng)健康評價模型,運用該模型對研究區(qū)進行健康預測。對全區(qū)225個小班的預測結(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價指標體系,結(jié)合北京森林健康預警指標體系,確定了本研究中的預警指標體系。采用北京森林健康預警基值和警兆指標值作為訓練集和預測集進行訓練,并對模型的分類準確率進行檢驗,通過訓練好的模型對研究區(qū)森林生態(tài)系統(tǒng)健康狀況進行預警,根據(jù)森林健康警限來劃分警度。研究區(qū)225個小班的預測結(jié)果為:無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