【摘要】：全球氣候變化顯著地影響著森林的生長(zhǎng)、分布以及其他過程,因此通過模擬氣候變化下森林的生長(zhǎng)收獲情況來進(jìn)行森林的生長(zhǎng)預(yù)測(cè)和優(yōu)化變得尤為關(guān)鍵。本文以南洞庭湖龍虎山林場(chǎng)的樣地?cái)?shù)據(jù)為研究對(duì)象,考慮第五次耦合模式比較計(jì)劃(Coupled Model Intercomparison Project phase 5,CMIP5)模式下三種不同氣候情景的森林生長(zhǎng)變化情況,結(jié)合天然次生林各種空間結(jié)構(gòu)參數(shù)的技術(shù)手段,在林分水平上建立了不同氣候變化下的動(dòng)態(tài)森林空間結(jié)構(gòu)多目標(biāo)優(yōu)化模型,并在對(duì)算法進(jìn)行性能分析后選擇了多族群粒子群算法(Multi-race particle swarm optimization,MRPSO)對(duì)森林空間結(jié)構(gòu)進(jìn)行優(yōu)化及評(píng)價(jià),這對(duì)促進(jìn)天然次生林健康和穩(wěn)定具有重要的理論和現(xiàn)實(shí)意義。本文的主要研究工作及研究結(jié)論如下:(1)分析了研究區(qū)1980-2016年期間溫度和降雨的變化趨勢(shì),發(fā)現(xiàn)研究區(qū)氣溫和降雨的變化呈現(xiàn)一定的規(guī)律和特征。通過ClimateAP模型對(duì)CMIP5地球系統(tǒng)模式下3種不同情景(典型濃度RCP2.6、RCP4.5、RCP8.5)的氣候模擬輸出進(jìn)行降尺度處理,得到不同情景的平均氣候數(shù)據(jù),根據(jù)獲取的數(shù)據(jù)采取再參數(shù)化的方法重新構(gòu)建了氣候變化下林木的樹高-胸徑生長(zhǎng)模型,并對(duì)所建模型進(jìn)行了模型的檢驗(yàn)和評(píng)價(jià)。最后基于2018年的林木數(shù)據(jù),根據(jù)所建模型預(yù)測(cè)了 2021年三種氣候情景下的林木生長(zhǎng)情況及不同氣候變化下森林空間結(jié)構(gòu)的多個(gè)指標(biāo)變化情況。(2)本文運(yùn)用了MRPSO算法來解決氣候變化下森林結(jié)構(gòu)動(dòng)態(tài)多目標(biāo)優(yōu)化的問題,通過對(duì)四種智能算法(蟻群算法、蜂群算法、粒子群算法、多族群粒子群算法)進(jìn)行性能測(cè)試,實(shí)驗(yàn)結(jié)果表明,相對(duì)于一般的智能優(yōu)化算法來說,MRPSO算法全局搜索能力較強(qiáng),收斂較快,并根據(jù)氣候變化下森林空間結(jié)構(gòu)的實(shí)際情況對(duì)算法進(jìn)行了改進(jìn),選擇了用線性遞減公式計(jì)算的慣性因子,同時(shí)加入了氣候檢測(cè)因子,用重新評(píng)估部分解的方法得到氣候檢測(cè)算子ε,并根據(jù)實(shí)際問題計(jì)算出樣地優(yōu)勢(shì)樹種的平均生長(zhǎng)量作為閾值l，

本文編號(hào)：2625469