作者：郭峰 陳麗華 汲文憲 宋恒川 單位：北京林業大學水土保持學院

1材料與方法

1.1研究區概況研究區位于灤河上游的河北省圍場滿族蒙古族自治縣境內(41°47′~42°06′N，116°51′~117°45′E)，地處陰山山脈、大興安嶺山脈余脈向西南延伸和燕山山脈的結合部，海拔750~1829m，自然坡度為1/150°~1/350°。該地屬大陸性季風型高原山地氣候。年均氣溫-1.4~4.7℃，無霜期67~128d，年均降水量380~560mm，主要集中在6~8月，占全年降水量的69%。年均蒸發量1462.9~1556.8mm，平均相對濕度63%。林管局林區土壤包括棕壤、褐土、風砂土、草甸土、沼澤土、灰色森林土和黑土等7個土類，土壤發育層次不明顯，含石礫較多，一般土層厚度約40cm。北溝林場是木蘭林管局10個直屬林場之一，林場總經營面積約5730hm2，其中林地面積5000hm2，活立木蓄積2.84×105m3，森林覆蓋率88%。森林以天然次生林和人工林為主，主要喬木樹種有白樺（Betulaplatyphylla）、油松（Pinustabulaeformis）、華北落葉松（Larixprincipis-rupprechtii）、山楊(Populusdavidiana)、蒙古櫟(Quercusmongolica)、五角楓（Acertruncatum）、榆樹（Ulmusspp）等；主要灌木有山杏（Prunussibirica）灌叢、繡線菊（Spiraeasalicifolia）灌叢、照山白（Rhododendronmicranthum）灌叢、平榛（Corylusmandshurica）灌叢和沙棘（Hippophaerhamnoides）灌叢等。

1.2研究方法經過全面踏勘，于2009年8月在河北省圍場縣木蘭圍場林管局北溝林場天然次生林內設置4hm2典型樣地，樣地設在山地深處（海拔1350m），地理位置較偏僻（坡度19°，坡向南偏東8°），人為干擾程度較輕。該次生林樹齡為39年，平均胸徑15.33cm，平均數高11.3m，郁閉度90%。將林地分為100個小班，每個小班的面積是20m×20m，對每個小班喬灌草進行常規外業調查。對喬木層進行調查，對胸徑大于5cm的樹木進行定位，記錄每株樹木的坐標、胸徑、樹高、冠幅等。灌木調查采用10m×10m小樣方進行，記錄灌木的種類、高度、地徑、分布狀況等。草本調查采用1m×1m小樣方進行，記錄草本的種類、高度、蓋度、生長狀況等；在樣地內挖掘土壤剖面，將土壤樣品帶回研究分析。

2結果與分析

2.1森林健康預警指標體系的建立森林生態系統的結構決定功能的穩定性。健康的森林是一個結構優化、功能穩定的生態系統，能夠充分發揮其生態、經濟和社會功能。對森林生態系統健康狀況進行預警，預警指標體系的建立是首要和關鍵的步驟，預警指標體系建立的好壞直接關系到預警的科學性和準確程度。

2.1.1指標選取根據指標科學性、代表性、可操作性和系統性的構建原則，在分析和整理國內外現有研究成果的基礎上[5-7]，結合北溝林場的實際情況，采用復合結構功能指標法，本著科學性、代表性、可操作性和系統性的原則，初步構建北溝林場天然次生林森林健康預警指標體系（表1）。

2.1.2指標篩選由于森林健康預警指標之間多存在相關性，即包含重復的信息，因此用較少的綜合指標分別表示存在于各指標間的各類信息是有可能的，需要進行進一步的篩選。本研究采用定量和定性相結合的方法，對各指標進行篩選。（1）定量篩選。由于森林健康預警指標多且復雜，指標間存在相關性，需要找到一個合理的方法，減少分析指標的同時，盡量減少原指標包含信息的損失，對所收集的資料作全面的分析。由于各變量間存在一定的相關關系，因此有可能用較少的綜合指標分別綜合存在于各變量中的各類信息。應用SPSS19.0中文版軟件中的“分析/降維/因子分析”過程對森林健康各預警指標進行分析，輸出結果見表2、表3。從主成分的統計信息(表2)可以看出，相關矩陣的第1個特征值為6.213，第1個特征根的貢獻率為31.602%；前4個主成分的累計方差貢獻率已超過85%，因此取前4個主成分作為綜合預警指標，可以準確地描述原變量的信息，符合統計學的原理。從因子載荷矩陣表（表3）可以看出，群落層次結構、郁閉度、林分生物量、葉面積指數、森林病蟲害程度在第一主成分上有較高載荷，說明第一主成分基本反映了這些指標的信息；森林病蟲害程度、森林火險等級在第二主成分上有較高的載荷，說明第二主成分基本反映了這2個指標的信息；葉面積指數在第三主成分上有較高載荷，說明第三主成分基本反映了這個指標的信息。第四主成分則可作為物種多樣性的描述指標。提取的4個主成分基本可以反映全部指標的信息，因此用這4個綜合變量代替原來的12個變量來進行分析是合理的。（2）定性篩選。考慮到指標的可操作性和應用性，在通過數學統計軟件對指標體系進行定量篩選后，還應對指標結合定性分析進行篩選，以篩選出內容全面且信息不重復的指標，從而更好地滿足加法合成對預警指標的要求，得出更為準確、合理的預警結果。群落層次結構、物種多樣性[8]、郁閉度[9]、葉面積指數是反映群落特性的重要指標，應完整保留，用這4個指標共同反映林分的群落特性。森林火險等級和森林病蟲害程度能夠間接反映森林的抵抗力和恢復力，應予以保留，作為穩定性指標可全面反映森林恢復力和抵抗力。綜上所述，通過定量和定性篩選，森林健康預警指標體系包括2個警兆指標和4個基質指標。警兆指標包括森林病蟲害程度、森林火險等級；基質指標包括群落層次結構、郁閉度、物種多樣性、葉面積指數。

2.2BP神經網絡模型的構建

2.2.1基本原理Rumenlhart等[10]于1985年提出了誤差反傳遞算法，簡稱BP算法，它由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經元負責接收來自外界的輸入信息，并傳遞給中間層各神經元；中間層是內部信息處理層，負責信息變換，根據信息變化能力的需求，中間層可設計為單隱層或者多隱層結構；最后一個隱層傳遞到輸出層各神經元的信息，經進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值、向隱層、輸入層逐層反傳。周而復始的信息正向傳播和誤差反向傳播過程，是各層權值不斷調整的過程，也是神經網絡學習訓練的過程，此過程一直進行到網絡輸出的誤差減少到可接受的程度，或是預先設定的學習次數為止[10-11]。