林业科学  2003, Vol. 39 Issue (2): 64-70   PDF    
0

文章信息

何东进, 洪伟.
He Dongjin, Hong Wei.
毛竹林生态系统经济阈值模型的研究
A STUDY ON ECONOMIC THRESHOLD MODEL OF PHYLLOSTACHYS PUBESCENS ECOSYSTEM
林业科学, 2003, 39(2): 64-70.
Scientia Silvae Sinicae, 2003, 39(2): 64-70.

文章历史

收稿日期:2000-11-17

作者相关文章

何东进
洪伟

毛竹林生态系统经济阈值模型的研究
何东进 , 洪伟     
福建农林大学林学院 南平 353001
摘要: 如何确定合理的挖笋量是毛竹林丰产经营的关键问题。本文通过在建瓯设立50块毛竹林标准地, 分别建立了毛竹林笋产量预测模型与林分平均胸径预测模型, 在此基础上, 运用经济阈值的手段对毛竹林生态系统进行研究, 提出了毛竹林生态系统经济阈值的概念及研究方法, 建立了毛竹林生态系统经济阈值模型, 并结合实例对毛竹林生态系统经济阈值模型的应用给予了说明。本研究不仅丰富了经济阈值的研究内容与应用范畴, 而且也为毛竹林的优化经营和丰产培育提供新的依据与技术。
关键词: 毛竹    生态系统    经济阈值    
A STUDY ON ECONOMIC THRESHOLD MODEL OF PHYLLOSTACHYS PUBESCENS ECOSYSTEM
He Dongjin, Hong Wei     
Forestry college of Fujian Agriculture and Forestry University Nanping 353001
Abstract: How to determine the reasonable amount of bamboo shoot dug in a certain bamboo stand is a key problem in the high-yield management of Phyllostachys pubescens.Using the data obtained from 50 plots of Phyllostachys pubescens, the predictive models of bamboo shoot yield and mean D.B.H were built in this paper.Based on the two models, the method of economic threshold was introduced into the research field of bamboo, the new concept of economic threshold of Phyllostachys pubescens ecosystem was put forward, and the economic threshold model of Phyllostachys pubescens ecosystem was founded as follows : Therefore, this paper not only enriched and developed the research content and application, field of economic threshold, but also provided a scientific basis for the management of Phyllostachys pubescens, and would contribute to realizing its goal of sustainable development and high yield.
Key words: Phyllostachys pubescens    Ecosystem    Economic threshold    

毛竹(Phyllostachys heterocycla(Carr.)Mastum var.pubescens(Mazel)Owhi)是最重要的一种竹类资源, 具有生长快、产量高、用途广和可持续更新等特点, 在竹类资源中占有最大的面积, 约占整个竹林面积的70%。随着毛竹林种地位的逐步提高, 人们对毛竹林的研究也不断地丰富和深入, 尤其在毛竹丰产技术方面研究较多, 国内已有不少学者公开发表了这方面的论文(周芳纯, 1986; 黄伯惠, 1984; 程有龙, 1983; 洪伟等, 1988; 陈存及, 1992; 郑郁善, 1996; 洪伟等, 1998)。这些研究对于指导我国毛竹林科学经营起到积极的作用。

经济阈值(economic threshold, 简称ET)是现代害虫防治的基本决策依据, 也是当今经济昆虫学和害虫防治中讨论最多的问题。经济阈值概念于20世纪50年代首先由Stern(1959)正式提出, 他把ET定义为:害虫的某一密度, 对此密度应采取防治措施, 以防害虫达到经济危害水平(economic injury level简称EIL), 即引起经济损失的最低虫口密度(Stern, 1959)。不少的学者在ET的研究中, 提出了多种不同的定义(Edwards, 1964; Headley, 1972; Norgaard, 1976)。对于经济阈值的争论问题, 盛承发(1989)结合棉铃虫ET的研究工作, 对经济阈值进行了较为深入的探讨和剖析, 并提出经济阈值的新定义:“害虫的某一密度, 达到此密度时应采取控制措施, 否则, 害虫将引起等于这一措施期望代价的期望损失。”(盛承发, 1989)。

1 资料来源

研究区设在建瓯市位于福建省北部26°14'~28°20'N, 117°02'~119°07'E, 海拔68~1 822.2 m, 年平均温度17.5~19.3 ℃, 极端最高气温41.4 ℃, 最低气温-9.5 ℃, ≥ 10 ℃的年活动积温在5 000 ℃以上, 年平均降水量1 604~2 399 mm, 年平均相对湿度80%。土壤类型以红壤为主, 其次是黄壤, 土层厚度一般为80~150 cm, 腐殖质为5~40 cm, 土壤质地结构较好, 多为轻壤、中壤, 少数为砂壤和重壤, 土壤有机质含量4.9%~5.4%, pH值4.9~5.4。

在研究区内共设立了50块毛竹林标准地, 每块标准地的面积皆为0.067 hm2。土壤类型以红壤为主, 海拔165~680 m, 坡度17°~37°, 土层厚度80 cm左右, 腐殖质层为10~20 cm, 林下植被层生长良好, 种类以草本和灌木为主, 盖度在5%~30%, 主要有芒萁Dicranopteris pedata(Houtt.)、五节芒Miscanthus floridulus(Labill.)、蕨类Pteridium Gled、尖叶菝葜Smilax alisanensis Hay.、桃叶石楠Photinia prunifolia (Hook. & Arn.)、老鼠刺Berberis julianae Schneid.、山姜Alpinia japonica(Thunb.)等。对所设置的50块样地, 调查每块样地各度竹的株数、林分总株数、林分平均胸径及产笋量, 作为建立毛竹林笋产量预测模型与平均胸径预测模型的数据。

2 毛竹林生态系统经济阈值问题的提出

要实现笋用林或笋竹两用林的丰产、稳产, 最重要的因素在于密度控制, 反映在毛竹林分上就是竹、笋的留养密度、合理的间伐强度和合理的间伐时间的优化组合。然而, 目前在毛竹林经营过程中, 竹农为了眼前的利益, 滥砍竹材、滥挖竹笋的现象极其普遍, 不仅使毛竹林的未来产量受到影响, 而且对生态环境也造成了极大的破坏, 虽然采取有关的行政手段进行限制, 但是不能彻底解决这个问题。因为这种行政上的干预手段缺乏科学的理论依据和明确的数量性指标, 那么对于某一毛竹林分来说, 应该砍伐多少的竹材和挖多少的笋才是合理呢?或者说应该留养多少密度的竹材和竹笋才是合理?在合理的立竹密度研究中, 不同学者提出了不同的标准(陈存及, 1992; 郑郁善, 1996; 洪伟等, 1998)。由于在竹材的砍伐上, 通常要求砍伐Ⅳ度以上的毛竹, 而Ⅳ度以下的毛竹一般禁止砍伐, 因此, 上述这个问题则主要反映在对于一定的毛竹林来说, 要挖多少的笋才是科学、合理的?一旦解决了这个问题, 不仅保证了竹农当年的收益, 而且可以使毛竹林的经营更加科学、丰产以及生态环境得到改善, 然而, 尚未见该领域的研究报道。要解决这个问题, 可以用经济阈值的手段, 因此, 进行毛竹林生态系统经济阈值的研究具有重要的理论价值和实际意义。

3 毛竹林生态经济阈值的概念及研究方法(何东进等, 2000) 3.1 毛竹林生态系统经济阈值的概念

根据毛竹林的特点, 并参考盛承发给出的经济阈值的定义, 笔者将毛竹林生态系统经济阈值定义如下:在毛竹林生态系统中, 挖笋的某一数量, 达到这个数量时应立即采取停止挖笋的控制措施, 否则将引起等于挖笋期望收入的期望损失。

3.2 研究方法

前人在害虫综合治理中开展ET研究时所依据的基本原理是“挽回损失=防治代价”, 根据本文提出的毛竹林生态系统经济阈值的概念, 笔者采用如下方法来研究毛竹林生态系统经济阈值。

研究方法:“不挖笋代价=未来的产值”。

这里“不挖笋代价”是指一定数量的笋不挖所造成的经济损失; “未来的产值”指这些不挖的笋所带来的产值, 包括这些数量的笋按照一定的经营措施、在一定时间内产生的立竹产值与在这段时间内每年所生产的竹笋产值之和。

4 毛竹林生态经济阈值模型 4.1 毛竹林生态系统笋产量预测模型

毛竹林生态系统笋产量预测模型是毛竹林生态系统经济阈值模型的基础模型之一。在毛竹林生态系统中, 影响竹林笋产量的因素有多方面, 其中年龄结构是影响竹林笋产量的重要因子, 因为不同年龄结构的毛竹林, 其生理代谢能力差异很大, 另外, 由于竹林是通过竹叶进行光合作用来制造其生长所需的有机物质, 当水肥等条件具备后, 叶面积指数就决定其制造物质的能力, 换句话说, 叶面积指数大, 光合作用制造的有机物质多, 竹笋的产量也就高; 反之, 竹笋的产量则较低, 不同年龄结构的毛竹林, 其叶面积指数不同, 因此, 毛竹林中各年龄株数的分配对毛竹林的生产力起着十分巨大的影响, 也是关系到毛竹林笋产量高低的主要因素, 所以选择各竹龄株数作为模型的主要因子, 同时考虑到密度对毛竹林的生产力也存在影响, 而平均胸径则反映了毛竹林总体的平均水平, 综合上述各种因素, 选择毛竹林的各竹龄株数(Ⅰ~Ⅴ度)、总株数和林分平均胸径作为建模因子, 以毛竹林的笋总产量为因变量, 建立毛竹林笋量预测模型。

4.2 毛竹林林分平均胸径预测模型

毛竹林林分平均胸径预测模型是毛竹林生态系统经济阈值模型的另一个基础模型。毛竹林分平均胸径在一定程度上代表了毛竹林的平均水平, 也是影响毛竹林产量(包括毛竹产量和笋产量)的重要测树因子之一。不同年龄结构或者不同密度的毛竹林, 其林分的平均胸径存在差异。对于同一密度的毛竹林而言, 其林分平均胸径也可能不同。反之, 对于同一平均胸径的毛竹林来说, 其林分的结构也会有很大的差异, 因此, 探讨毛竹林分平均胸径与立竹密度或与毛竹林分年龄结构之间的关系, 就成为了解和掌握毛竹林内部规律, 实现毛竹林丰产、高产和稳产的重要内容之一。笔者认为, 毛竹林立竹密度与平均胸径之间的关系受林分年龄结构的影响, 平均胸径与立竹密度之间的关系实质上是平均胸径与竹林不同年龄的株数之间的关系, 而这种关系十分复杂, 很难用事先选定的某种数学模型来加以研究, 因为这样的研究方法势必存在着人为因素的干扰, 存在着不确定性。因此, 笔者用一种新的方法, 即处理全局性非线性关系的方法———人工神经网络来研究毛竹林分平均胸径与各年龄株数及林分总株数之间的关系, 建立新的平均胸径模拟预测模型。

人工神经网络(Artificial Neural Network, 简称ANN)是源于20世纪40年代, 80年代中期迅速兴起的一门非线性科学。神经网络理论中的Kolmogrov定理(文新辉, 1994)表明:具有n 个输入神经元、2n +1个隐含层和m个输出层的3层BP人工神经网络可以任意精度逼近任何紧致子集上的连续函数f:InRm。这就从数学理论上保证了ANN用于自然经济社会生态系统生产函数建模中的可行性与科学性, 目前该方法已在许多领域得到广泛的应用(Lippmann, 1987; 尹红风, 1990; 戴诗亮, 1996)。在神经网络模型中, 最具代表性和应用最广泛的是BP网络, 它由输入层、输出层和若干隐含层组成, 通过对许多简单的神经元作用函数(如Sigmoid函数)的复合来逼近输入与输出之间的映射。有关BP算法的过程见文献(何东进等, 2000)。

4.3 毛竹林生态系统经济阈值模型

假定经营时间为Ta, 并且在Ta时间内保持如下的经营措施不变。

经营措施:在Ta时间内, 原有的林分结构规律保持不变, 由M数量不挖的笋(sh)所产生的笋增量每年都挖去一定比例, 设为k(k为百分比), 由未挖笋成竹后, 长到第sa就进行采伐。

下面根据毛竹林生态系统经济阈值的定义来建立经济阈值模型。

(1) 首先计算M数量笋不挖造成的当年经济损失, 设为LI, 则:

(1)

(2) 其次计算这M数量笋不挖在Ta时间内所产生的总收益, 记为L2。①计算Ta经营时间内由这M数量未挖的笋所带来的笋增量总收益, 记为T2l。根据经营措施, 在Ta时间内每年挖去k比例的笋增量, 即每年挖去的笋量为k ×Δyiyi为第i年的笋增量, i =1 …T -1), 在第Ta挖去所有的笋增量ΔyT, 因此L2l由(T-1)a内每年挖笋量产生的经济产值与第Ta的挖笋量产生的经济产值之和。于是可得下式:

(2)

式中, Δyi表示第i a的笋增量(kg·hm-2)(下同)。②计算Ta经营时间内由这M数量未挖的笋所产生的立竹产值, 记为L22L22Ta时间内砍伐sa生的毛竹所产生的经济效益(记为L22l)(当T ≥ s时)和第Ta Ⅳ度以下的毛竹所产生的经济效益(记为L222)之和, 当T小于sa时, L22l等于0。L221和L222的表达式如下:

(3)
(4)

这里Pb'表示第Ta Ⅳ度以下立竹(b)竹材的平均价格(元·根-1), 由于Ⅳ度以下的竹子包括Ⅰ~Ⅲ度, 其单根平均价格一般要小于Pb, 因此, 在本文中不妨设Pb' =Pb -1。于是就可以得到L22的值如下:

(5)

(3) 计算在Ta时间内对由这M数量未挖的笋长成竹林后的需的抚育管理费(F)。在Ta经营时间内, 每年的抚育管理费可能不完全一样, 为了简便起见, 本文假定每年的抚育管理费都一样, 不妨设为F0, 于是可以得到Ta时间内总的抚育管理费为:

(6)

综合(2)与(3)的计算结果, 就可以得到在Ta经营时间内, 由M数量的笋不挖所产生的总效益(L2)如下:

(7)

于是根据毛竹林生态系统经济阈值的概念及其研究方法“不挖笋代价=未来的产值”, 即L1 =L2, 就可以得到毛竹林生态系统经济阈值模型如下:

(8)

解上式得M0, 即为该毛竹林分的经济阈值ETm:ETm =M0

各符号的涵义说明如下:

Pb为竹材的平均价格(元·根-1); Psh为笋的平均价格(元·kg-1); δ为贴现率; R为成竹率(0 < R < 1.0);Wsh为笋的平均重量(kg·个-1); T为经营时间(a); M为挖笋量(kg·hm-2); ETm为毛竹林生态系统经济阈值(kg·hm-2); k为每年挖去M数量不挖的笋所产生的笋增量的比例; s为未挖笋成竹后砍伐的年龄; F0为每年的抚育管理费。其中, PbPshδ可根据当年市价确定, RWsh由不同的毛竹林分调查后确定; TksF0由具体的经营措施确定。作为毛竹林生态系统经济阈值模型应用的示范, 在本文下面的实例中以上各参数(除METm外)均为设定值。

4.4 应用实例 4.4.1 毛竹林笋产量预测模型

利用标准地的调查资料, 以(X1~X5, D, N)7个变量为自变量, 进行回归分析, 得到笋产量预测模型如下:

(9)

式中, xi表示i度竹株数(株·hm-2)(i =Ⅰ~Ⅴ度); N表示毛竹林总竹株数(株·hm-2); D表示竹林平均胸径(cm); y表示竹林笋总产量(kg·hm-2)。

式(9)所建立的回归方程相关指数很大, 经F检验F =49.27 >F0.01(7, 42)=3.10, 达到极显著水平, 说明用(9)式作为毛竹林分笋产量估算模型是可行的。

4.4.2 毛竹林林分平均胸径预测模型(何东进等, 2000)

选择一个3层BP网络, 利用50块样地资料中的30块数据作为学习(导师)信息进行训练, 其余20块作为模型预测效果检验之用, 其中输入量选为毛竹林分的Ⅰ、Ⅱ、Ⅲ、Ⅳ及Ⅴ度竹株数和林分总株数, 输出量选为毛竹林分平均胸径, 隐含层节点数依文献1)中原则, 取为M =2L +1 =13(L为输入层的因子数), 网络初始状态的连接权值和阈值皆取大于0小于0.3的随机数, 学习率取为0.75, 冲量因子取为0.35, 网络输出以网络误差来考核网络的学习情况, 直到使E达到最小。当学习了6 900次时, E =0.254 096 7达到最小, 训练后的网络权值与阈值(即毛竹林林分平均胸径预测模型), 结果列于表 1中。

表 1 毛竹林分平均胸径人工神经网络预测模型 Tab.1 The artificial neural network model of mean D.B.H for Phyllostachys pubescens stand

利用训练结束后的BP模型(表 1), 对20组数据进行预报, 平均预测精度为89.26%, 较回归模型(82.93%)与幂函数模型(87.75%)的预测效果好。

1)望月义产.日本机械协会论文集(A 编).1992,57:1 922~1 929.

4.4.3 毛竹林生态系统经济阈值模型的应用

毛竹林生态系统经济阈值的研究, 除了丰富毛竹林的科学研究外, 还必须为毛竹林的生产经营服务, 为毛竹林的科学管理、高产、丰产和稳产提供科学依据与理论指导。为此, 本文就几种不同的毛竹林分, 根据所建立的毛竹林生态系统经济阈值模型来确定其经济阈值。

现假定有5种不同的毛竹林分如表 2所示, 有关参数设定值见表 2下注, 利用本文建立的笋产量预测模型、平均胸径人工神经网络模型和经济阈值模型, 就可以求得它们各自的笋产量(y)和经济阈值(ETm), 结果亦列于表 2中。

表 2 不同林分结构毛竹林的经济阈值 Tab.2 The economical thresholds of P.pubescens stands with different structures

其中ETm的求解过程在电子计算机上进行, 流程图如图 1所示:

图 1 经济阈值模型求解流程图 Fig. 1 Calculation process of economic threshold model of P.pubescens ecosystem 模型(1)表示笋产量模型; 模型(2)表示胸径神经网络模型; 模型(3)表示毛竹林生态系统经济阈值模型。 Model(1), (2) and (3)stand for shoot yield model, mean D.B.H artificial neural network model and economic threshold model of P.pubescens ecosystem.
5 小结与讨论

目前, 全国各地都在扩大毛竹林的种植面积, 经营毛竹林已成为脱贫致富的重要途径之一, 但是, 毛竹林的产量普遍比较低, 其中一个关键的因素在于未能很好地解决毛竹林的合理挖笋量问题, 在毛竹林研究中引入经济阈值的手段与方法, 就能科学地解决这个问题。

不同年龄的毛竹, 其养笋、产笋的能力不同, 从毛竹的生长过程分析, 年龄不同的毛竹养笋、产笋的能力大小依次为:Ⅱ度、Ⅲ度竹>Ⅳ度竹>Ⅰ度竹>Ⅴ度竹, 本文所建立的毛竹林笋产量模型能较好地反映毛竹的实际生长特点, 另外, 从模型的相关指数以及F检验结果看, 达到极端显著。

毛竹平均胸径预测模型是进行毛竹林生态系统经济阈值研究的另一个基础模型。本文运用人工神经网络方法来建立毛竹林分平均胸径与年龄结构、林分立竹度的关系, 所建模型的平均预测精度为89.26%, 说明用该方法建立的毛竹林分平均胸径预测模型效果良好。

本文所建立的毛竹林生态系统经济阈值模型是某个经营措施条件下的一种范例, 不同的经营措施其阈值模型不完全相同, 但进行经济阈值研究的思路与方法则不变。另外, 笔者在前人研究的基础上所提出新的经济阈值的概念和研究方法全面、合理与否还有待于进一步的商榷。

参考文献(References)
陈存及. 1992. 毛竹林分密度效应的初步研究. 福建林学院学报, 12(1): 98-104.
程有龙. 1983. 花年毛竹林增产潜力及培育技术的研究. 竹子研究汇刊, 2(2): 71-81.
戴诗亮. 1996. 人工神经网络用于人体振动响应的分析. 清华大学学报(自然科学版), 36(8): 87-92. DOI:10.3321/j.issn:1000-0054.1996.08.006
何东进, 洪伟, 吴承祯. 2000. 毛竹林生态系统经济阈值研究框架的探讨. 福建林学院学报, 20(1): 42-45. DOI:10.3969/j.issn.1001-389X.2000.01.012
何东进, 洪伟, 吴承祯. 2000. 毛竹林林分平均胸径模拟预测模型的研究. 林业科学, 36(专刊1): 148-153.
洪伟, 王居暖. 1988. 毛竹产量新模型研究. 竹子研究汇刊, 7(1): 1-12.
洪伟, 郑郁善, 邱尔发. 1998. 毛竹丰产林密度效应研究. 林业科学, 34(专): 1-5.
黄伯惠. 1984. 红土丘陵毛竹丰产栽培技术的研究. 竹子研究汇刊, 3(2): 80-91.
盛承发. 1989. 害虫经济阈值的研究进展. 昆虫学报, 32(4): 492-499. DOI:10.3321/j.issn:0454-6296.1989.04.001
文新辉. 1994. 时间序列神经网络预测方法. 电子科学学刊, 16(5): 456-463.
尹红风. 1990. 人工神经元网络信息处理原理. 模式识别与人工智能, 3(1): 1-13.
郑郁善. 1996. 毛竹丰产林密度效应研究. 福建林学院学报, 16(4): 343-346.
周芳纯. 1986. 毛竹林丰产技术研究总结报告. 竹类研究, 5(3): 1-39.
Edwards C A. 1964. The principle of Agricultural Entomology. Charles Thomas.Springfield, Illionois.
Headley J C. 1972. Defining the economic threshold in Pest Control Strategies for the Future. NAS, Washington D.C: 100-108.
Lippmann R P. 1987. An introduction to computing with neural nets. IEEE Assp M agazine: 4-22.
Norgaard R B. 1976. The economic of improving pesticide use Ann. Rev.Entomol, 21: 45-60. DOI:10.1146/annurev.en.21.010176.000401
Stern V M. 1959. The integration of chemical and biological control of the spotted aphid. Hilgarolia, 29(2): 81-101. DOI:10.3733/hilg.v29n02p081