整合双期结构预测与采伐-补植协调机制的滇松次生林动态林分结构优化

《BMC Ecology and Evolution》：Dynamic stand structure optimization of secondary Pinus yunnanensis forests integrating two-period structural prediction and harvesting-replanting coordination

　　

摘要

在次生林的可持续管理中，现有的林分结构优化方法通常将采伐和重新造林视为顺序独立的操作，而不是空间上相互关联的决策。传统方法（包括遗传算法和模拟退火）通常首先根据当前的林分状态进行采伐优化，然后使用简单的空隙填充规则进行重新造林。这种顺序分解忽略了两个关键的相互依赖性：重新造林的适宜性取决于采伐后保留树木的空间分布，而重新造林的长期结构效益则取决于对未来与现有树木竞争的预期。这些限制的存在是因为传统的单阶段优化模型是为单一决策变量集设计的，无法在统一的框架内同时解决选择移除哪些树木以及在哪里种植新树木的组合问题。为了解决这些限制，本研究重点关注大理市苍山上的次生云南松林，并提出了一个基于MAPPO-BO的协调动态优化框架，用于采伐和重新造林管理。在重新造林优化方面，通过引入坡度权重，开发了一个坡度加权重新造林可行性指数（SRFI），并根据不同树种的林分密度约束动态确定重新造林的位置。为实现协同决策，采用了结合多智能体近端策略优化（Multi-Agent Proximal Policy Optimization）和贝叶斯超参数优化（Bayesian Hyperparameter Optimization，即MAPPO-BO）的多智能体深度强化学习算法，通过采伐和重新造林智能体之间的并行决策和协同学习来实现协调优化。此外，还引入了一个基于两期库存数据的林分结构预测模型，建立了优化-预测-再优化的闭环反馈机制，从而实现林分结构的动态调整。实验结果表明，MAPPO-BO框架在五个样地中平均将目标函数提高了49.29%，优于MADQN（47.17%）。SRFI有效地将重新造林活动引导至地形较为平缓的区域。动态优化后，三个样地的目标函数改善幅度Range from 44.43% to 64.69%，同时多个林分空间结构指标持续改进，使林分逐渐接近自然森林的特征。这些发现表明，所提出的框架能够有效提高协调采伐和重新造林决策的效率，为次生云南松林的精准管理提供了新的理论框架和方法支持。