基于图神经网络的林分空间结构优化

张雨晨; 董希斌; 张甜; 郭奔; 张佳旺; 滕弛; 宋梓恺

doi:10.7525/j.issn.1006-8023.2025.03.002

森林工程 ›› 2025, Vol. 41 ›› Issue (03) : 451 -461. DOI: 10.7525/j.issn.1006-8023.2025.03.002

森林资源建设与保护

基于图神经网络的林分空间结构优化

张雨晨 ¹ ,
董希斌 ¹^,^* ,
张甜 ² ,
郭奔 ¹ ,
张佳旺 ¹ ,
滕弛 ¹ ,
宋梓恺 ¹

作者信息 +

Stand Spatial Structure Optimization Using Graph Neural Networks

Yuchen ZHANG ¹ ,
Xibin DONG ¹^,^* ,
Tian ZHANG ² ,
Ben GUO ¹ ,
Jiawang ZHANG ¹ ,
Chi TENG ¹ ,
Zikai SONG ¹

Author information +

文章历史 +

PDF (2224K)

摘要

林分空间结构优化是实现森林可持续经营的关键问题，传统优化方法在处理复杂空间关系和大规模数据时往往效率较低。为此，提出一种基于图注意力网络（graph attention network，GAT）的林分空间结构优化方法，通过熵权-物元分析法构建综合空间结构评价体系，并以黑龙江省伊春市北部新青林业局汤林林场的林分数据为基础，建立图神经网络模型（graph neural networks，GNN），对林分空间结构进行多目标优化分析。试验结果表明，在25%采伐强度下，林分综合空间结构指数由4.336提升至7.256，GAT模型在捕捉复杂空间关系、优化多目标任务中表现优越。研究结果为林分空间结构优化及森林经营管理提供新的智能化手段，有助于增强森林生态系统的健康与稳定性。