基于ChatGPT的科尔沁沙地杨树人工林健康评价

摘要

【目的】现有森林健康评价方法在处理复杂多维数据时存在局限性，难以准确反映森林健康的真实状况。针对这个问题，本研究提出一种结合ChatGPT大语言模型与机器学习算法的新型评价框架，以优化森林健康评价方法，并探索影响科尔沁沙地杨树（Populus spp.）人工林健康的关键指标。【方法】基于地面调查数据与森林景观照片，构建了包含15个指标的综合健康评价体系，利用ChatGPT模型通过few-shot学习实现健康等级预测，并结合YOLOv5提取图像视觉特征进一步优化健康评估结果，同时采用K均值聚类自动划分森林健康等级。此外，通过DeepSeek大语言模型、模糊综合评价法以及8种机器学习模型对ChatGPT预测结果进行交叉验证和比较，并利用SHAP分析方法识别影响森林健康的主导因子。【结果】科尔沁沙地杨树人工林健康等级所占比例依次为中健康（53.3%）>不健康（21.7%）>亚健康（20.7%）>健康（4.3%），森林整体处于中健康状态。DeepSeek模型的预测准确率为76.1%;ChatGPT的预测结果与传统方法（模糊评价法）无显著差异（p=0.29）;8种机器学习模型中，随机森林分类模型的验证准确率最高，达到84.2%。研究识别出林分平均高和土壤有机碳密度为影响森林健康的主要指标。【结论】本研究构建的基于ChatGPT与多源数据融合的森林健康评价方法科学可靠，能够有效提升森林健康等级划分的准确性和解释性，为干旱半干旱地区人工林健康监测与管理提供了新思路。

关键词

杨树人工林 / 森林健康评价 / 森林经营 / ChatGPT / DeepSeek / 机器学习 / 变量重要性 / SHAP