整合机器学习与林分变量以建模高海拔Pinus patula人工林树木材积

《International Journal of Forestry Research》：Integrating Machine Learning and Stand Variables to Model Tree Volume in High-Elevation Pinus patula Plantations

　　

准确的单木材积估算对于秘鲁安第斯山脉Pinus patula人工林的可持续管理至关重要，该地区森林清查数据和本地验证的生长模型仍然有限。本研究评估了用于预测带皮单木材积的机器学习算法，并将其与Schumacher–Hall异速生长模型在两组预测变量集下进行了比较：基于胸径（DBH）和总高（H）的树木水平集，以及包含DBH、H、断面积（G）、优势高（HD）、林分密度（N）和年龄（t）的林分水平集成集。采用了来自Chota省21个样地的125棵伐倒P. patula树的数据集。使用重复分组3折外部交叉验证（重复30次）评估了随机森林（RF）、支持向量机（SVM）、人工神经网络（ANN）和Schumacher–Hall模型，以考虑样地水平结构并避免信息泄漏。具有林分水平预测变量的ANN取得了最佳的整体外部验证性能（R²=0.9699，RMSE=0.0371 m³，MAE=0.0262 m³），而树木水平Schumacher–Hall模型仍然极具竞争力，并产生了最低的MAPE（12.5%）。置换重要性显示DBH和H是主要预测变量，而断面积提供了最强的林分水平贡献。这些结果表明，整合林分描述因子的ANN模型可以提高材积预测的稳定性，并为高安第斯P. patula人工林的森林清查和管理提供稳健的工具。

秘鲁安第斯山脉高海拔地区的Pinus patula人工林在可持续管理中面临显著挑战，主要问题包括森林清查数据匮乏、本地验证的生长模型稀缺，以及缺乏精确的单木材积估算工具，这阻碍了人工林的经济评估和合理经营。针对这一现状，研究人员评估了机器学习算法与传统异速生长模型在预测带皮单木材积方面的性能，并探讨了整合林分水平变量的潜在优势。研究基于来自Chota省21个样地的125棵伐倒P. patula树数据，比较了随机森林（RF）、支持向量机（SVM）、人工神经网络（ANN）与Schumacher–Hall模型，在树木水平（胸径DBH+总高H）和林分水平（DBH、H、断面积G、优势高HD、林分密度N、年龄t）两组预测变量集下进行建模。结果表明，林分水平ANN模型在外部验证中表现最佳（R²=0.9699，RMSE=0.0371 m³），而树木水平Schumacher–Hall模型仍具竞争力（MAPE=12.5%），证明ANN整合林分描述因子能提升预测稳定性，为高安第斯P. patula人工林的清查和管理提供了稳健工具。该论文发表在《International Journal of Forestry Research》。

关键技术方法概述（不超过250字）：样本来源于秘鲁Chota省21个样地的125棵伐倒P. patula树，覆盖全直径和高度范围。主要方法包括：采用Schumacher–Hall异速生长模型（非线性最小二乘法拟合）和三种机器学习算法——随机森林（RF，1000棵树，调优mtry）、支持向量机（SVM，径向基核，调优sigma和cost）、人工神经网络（ANN，单隐层多层感知器，调优隐层单元数和权重衰减）。使用重复分组3折外部交叉验证（30次重复）评估模型，内部采用5折分组交叉验证（10次重复）调优超参数，以避免样地水平信息泄漏。变量重要性通过置换法计算（100次置换）。最终选择ANN模型（size=2，decay=0.001）作为操作模型。

研究结果：
3.1 数据一般描述：125棵样本树的DBH（4.80–44.90 cm）和H（5.88–23.60 m）分布与森林清查总体一致，确认样本代表性。相关性分析显示材积（v）与DBH（r=0.95）和H（r=0.87）高度正相关，与G（r=0.76）、HD（r=0.65）、t（r=0.56）中度正相关，与N（r=-0.35）负相关，表明DBH和H是直接预测因子，林分变量可补充解释变异。
3.2 参数和超参数选择：Schumacher–Hall模型中，树木水平集参数显著（β₁=1.751，β₂=1.005），林分水平集仅G显著（β₄=0.233，p=0.0178）。RF倾向于选择最多预测变量（mtry=2或6），SVM常选C=100且sigma=0.01，ANN常选decay=0.001且size=1，表明ML算法偏好简单结构以避免过拟合。
3.3 外部验证性能：林分水平ANN在90次交叉验证中表现最优（R²=0.9699，RMSE=0.0371 m³，MAE=0.0262 m³，SSE=0.0609），而树木水平Schumacher–Hall的MAPE最低（12.5%）。树木水平SVM和ANN也有较好表现，RF则稳定性较差（宽箱线图和高异常值）。
3.4 林分变量的附加价值：仅ANN在整合林分变量后均值优势为正（R²、RMSE、SSE），但优势比例在36%–47%，非均匀提升；Schumacher–Hall、RF和SVM的均值优势接近零或负值，表明林分变量对ANN最有效。
3.5 Schumacher–Hall与ML模型比较：在树木水平预测集下，ANN和SVM在多数指标上优于Schumacher–Hall（如ANN在MAE上91%分裂优势）；在林分水平集下，ANN在R²、RMSE、MAE和SSE上77%–79%分裂优势，但MAPE优势低（32%）。RF和SVM未显示系统性优势。
3.6 图形评估和残差模式：观测-预测散点图显示Schumacher–Hall、树木水平SVM和ANN模型接近1:1线，RF分散；残差图显示林分水平ANN的LOESS平滑线接近零，残差分布最平衡，无系统性偏差，优于其他模型。
3.7 变量重要性（ANN模型）：DBH置换后RMSE增加0.2305 m³，H增加0.0653 m³，G增加0.0265 m³，HD和t增加较小（0.0063和0.0042 m³），N增加最少（0.0009 m³），表明DBH和H为主导，G是重要林分变量。
3.8 最终模型选择：选用林分水平ANN（size=2，decay=0.001），最终内部交叉验证RMSE为0.0396 m³。

讨论部分总结：林分变量仅在ANN中显著提升预测性能，这归因于ANN能灵活捕捉非线性交互。断面积（G）是最重要的林分变量，反映林分蓄积和竞争，与生物学原理一致。优势高（HD）代表立地质量，林分密度（N）的贡献被G和HD间接捕获。模型对高海拔人工林清查有实际价值，树木水平Schumacher–Hall模型仍可作为基础工具。但模型转移性需在更广立地条件下验证，未来可扩展至其他松树种和整合遥感数据。

研究结论翻译：本研究结果表明，机器学习模型（特别是ANN）在树木水平测量辅以林分描述因子时，能够提高Pinus patula人工林单木材积估算的准确性和稳定性。这一发现有助于解决安第斯针叶人工林对可靠、本地校准材积模型的需求，该地区森林清查信息和生长工具仍有限。同时，树木水平Schumacher–Hall模型的表现证明，经典DBH-H异速生长模型在仅使用基本清查变量时仍是一种稳健且可解释的选择。除预测性能外，研究结果强调了将林分结构和立地相关信息纳入材积模型中的生物学价值。林分变量并未统一改进所有模型，但增强了ANN的校准和稳定性，特别是通过断面积作为蓄积和生长空间占用的代理指标。所选ANN模型可直接用于野外清查，也可作为未来本地校准多源遥感工作流程的生物学校准层。