Среда, 22.08.2018, 09:05
Высшее образование
Приветствую Вас Гость | RSS
Поиск по сайту



Главная » Статьи » Сельское и приусадебное хозяйство

ПРИМЕНЕНИЕ МЕТОДА РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ ВЫЧИСЛЕНИЯ ОЦЕНОК СОСТОЯНИЯ ЗАЩИТНЫХ ЛЕСНЫХ ПОЛОС

К.А.Олейникова, ФГБНУ «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук», г. Волгоград

ПРИМЕНЕНИЕ МЕТОДА РАСПОЗНАВАНИЯ ОБРАЗОВ ДЛЯ ВЫЧИСЛЕНИЯ ОЦЕНОК СОСТОЯНИЯ ЗАЩИТНЫХ ЛЕСНЫХ ПОЛОС

Рассмотрена возможность применения метода распознавания образов, в частности алгоритма распознавания, основанного на вычислении оценок для определения состояния полезащитных лесных полос. В качестве объекта исследования выбраны полезащитные лесные полосы Михайловского района Волгоградской области. Для определения таксационных характеристик методом круговых реласкопических площадок заложены пять пробных площадей для ясеня зеленого и дуба черешчатого. Натурные измерения проводились согласно лесоустроительной инструкции. По полученным таксационным характеристикам лесных полос была сформирована матрица наблюдений. В качестве признаков были взяты средняя высота, средний диаметр, полнота, бонитет, запас, категории состояния насаждений. Однако количество показателей, характеризующих состояние данного объекта исследования, не является определяющим и может меняться. Значения признаков в матрице были стандартизированы для определения эталонного образа и интегрального показателя уровня развития (di) полезащитных полос. В результате были получены средние значения интегрального показателя уровня развития ясеня зеленого и дуба черешчатого. Применение интегрального показателя уровня развития при моделировании прогноза состояния полезащитных лесных полос позволит объективно оценивать состояние и продуктивность древесных пород в различных агроэкосистемах, в том числе с учетом временных факторов.

Ключевые слова: полезащитные лесные полосы, таксация, распознавание образов, оценка состояния защитных лесных полос, интегральный показатель уровня развития.

 

Введение. При анализе состояния агроэкосистем, к которым относятся полезащитные лесные полосы, необходимо учитывать большое число разнородных показателей (параметров или признаков), характеризующих состояние объекта исследования. Из-за большого объема информации описать процессы, происходящие в объекте исследования, находящегося в состоянии динамического нестационарного равновесия, и дать строгое математическое описание изучаемого объекта не представляется возможным. Обращение к менее строгим в этом смысле методам многомерного сравнительного анализа, основанным на методе распознавания, вполне закономерно. Данные подходы используют в качестве исходной информации: наборы описаний-наблюдений объектов, предметов, ситуаций или процессов - при этом каждое отдельное наблюдение записывается в виде вектора значений отдельных от его свойств-признаков. Выборки признаковых описаний являются простейшими стандартизованными представлениями первичных исходных данных, которые возникают в различных предметных областях в процессе сбора однотипной информации. Первые работы в области теории распознавания и классификации появились в 30-х годах прошлого столетия и были связаны с байесовской теорией принятия решений (работы Неймана, Пирсона), применением разделяющих функций к задаче классификации (Фишер), решением вопросов проверки гипотез (Вальд) [2]. Значительный вклад в развитие таксономических методов внесли работы Вроцлавской школы математики [9].

Алгоритмы таксономии и анализа данных используются в различных исследованиях: в экономической географии, сельском хозяйстве [9], промышленности [1, 3, 10], радиофизике [13], молекулярной биологии [12], а также в педагогике [11], археологии [7], спорте [4], филологии [8] и других современных науках. В данной работе этот метод применен для расчета оценки состояния защитных лесных полос.

Материалы и методы. Наблюдения проводились на территории Михайловского района, расположенного в северо-западной части Волгоградской области. Выбор района исследований обусловлен достаточно благоприятными климатическими и почвенными условиями для выращивания древесных пород, в частности полезащитных лесных полос. Для определения таксационных показателей были выбраны чистые по составу полезащитные лесные полосы из ясеня зеленого (Fraxinus lanceolata), координаты 50o07'20.9'' с.ш., 43°15'50.3" в.д и дуба черешчатого (Quercus robur), координаты 50o08'28.9'' с.ш., 43o12'17.0'' в.д. Натурные измерения проводились согласно лесоустроительной инструкции [6]. Состояние насаждения определялось по категориям состояния согласно приказу МПР РФ от 16.09.2016 №480. В каждой лесной полосе было заложено по 5 пробных площадей методом круговых реласкопических площадок полнотомером Биттерлиха. В процессе таксационных работ осуществлялись следующие измерения: координаты местоположения пробных площадок определялись с помощью GPS приемника GARMIN Oregon 650; высота дерева измерялась оптическим высотомером SUUNTO; диаметр измерялся мерной вилкой Haglof Sweden в двух взаимно перпендикулярных направлениях на высоте 1,3 м от корневой шейки; образцы (керны) для определения возраста деревьев и величины текущего прироста отбирались с помощью возрастного бура Haglof Sweden. Число годичных колец на кернах подсчитывалось с помощью определителя годичных колец Haglof Tree Core Reader. На основе этих данных определялась сумма площадей сечения, запас насаждения, полнота; класс бонитета - устанавливался по таблицам проф. М. М. Орлова в зависимости от возраста и высоты преобладающей породы. При определении класса бонитета учитывалось происхождение древостоя: семенное или порослевое. Состояние насаждения оценивалось по категориям состояния в процентах от запаса.

Таксационные данные являются признаками конкретной пробной площади, записываются в виде матрицы с неотрицательными элементами, в столбцах которой расположены одноименные показатели, в строках - все определяющие единичные показатели одного из образцов.

Поскольку данные имеют разную размерность и разные порядки величин необходимо стандартизировать значения признаков по формуле [5]:

После стандартизации данных проводится построение эталонного образа (P0), относительно которого будет оцениваться состояние насаждений на пробных площадях. С этой целью все признаки делятся на стимуляторы и дестимуляторы. Стимуляторы - это признаки, высокие значения которых желательны для данного аспекта исследования, а дестимуляторы - признаки с противоположными свойствами. Наибольшие значения стимуляторов и наименьшие значения дестимуляторов образуют координаты искомого эталона [9]. В нашем исследовании к стимуляторам относятся такие показатели, как средняя высота, средний диаметр, полнота, бонитет, запас, категории состояния «здоровые», «ослабленные»; к дестимуляторам - категории состояния «сильно ослабленные», «усыхающие», «свежий сухостой», «старый сухостой».

Для сравнения пробных площадей с эталонным образом проводится процедура поиска ближайшей окрестности, которая основана на использовании метрики, заданной на множестве пар точек признакового пространства. Расстояние между отдельными точками-единицами (пробными площадями) и точкой P0, обозначается cio и рассчитывается следующим образом:

(2)

 

где zis- стандартизированное значение признака k для единицы i; zоs- эталонный образ развития признака k.

Оценка состояния лесной полосы проводится с использованием интегрального показателя уровня развития (di), который зависит от расстояния пробной площади до эталонного образа [9]:

 

 

Данный показатель di является положительной величиной и с вероятностью, близкой к нулю, может оказаться больше единицы. Интерпретировать показатель следует так: объект находится на более высоком уровне развития (т.е. имеет лучшее состояние), чем ближе значение показателя di к единице.

Результаты и обсуждение. В результате обследования получено множество неоднородных признаков, описывающих состояние полезащитных лесных полос. В таблице 1 представлены данные измерений на каждой пробной площади, необходимые для расчета интегрального показателя уровня развития лесной полосы.

Таблица 1 - Таксационные характеристики полезащитных лесных полос

Анализ показал, что средний возраст ясеня зеленого составляет 43 года, дуба че- решчатого - 44 года. Средняя высота ясеня зеленого достигает 14 м, дуба черешчатого - 18 м. Средний диаметр составляет соответственно 14 и 20 см. Средний запас для насаждения из ясеня зеленого составляет 110 м3, для дуба черешчатого - 160 м3. На пробных площадях из ясеня зеленого преобладают ослабленные и сильно ослабленные деревья, на пробных площадях из дуба - здоровые и ослабленные.

На основании данных таблицы 1 сформирована матрица наблюдений. Количеству строк матрицы соответствует число пробных площадей, а количеству столбцов - число признаков каждой пробной площади (кроме возраста). В столбцах матрицы расположены одноименные показатели, а в строках - все определяющие единичные показатели пробных площадей.

Таблица 2 - Матрица наблюдений

В результате обработки матрицы по формулам (1) - (6) была составлена таблица 3. Обобщенный эталон развития для всех пробных площадей составил 9,025. Для отдельных пробных площадей эталон колеблется от 3,311 (ПП№4) до 9,000 (ПП№2). Следовательно, уровень развития изменяется в диапазоне от 0,003 до 0,633.

Ясень зеленый на пробных площадях №2 и №5 имеет самый низкий интегральный показатель уровня развития. Пробные площади с №3, №4, №8 имеют более высокий интегральный показатель уровня развития, по сравнению с другими пробными площадями.

Таблица 3 - Результаты вычисления оценок состояния

Полученные значения среднего интегрального показателя уровня развития di ясеня зеленого составляет 0,38, а среднее значение di дуба черешчатого - 0,44. Более высокий интегральный показатель развития дуба черешчатого определяется его более высокой продуктивностью в схожих лесорастительных условиях по сравнению с ясенем зеленым.

Заключение. Результаты проведенных исследований показали, что использование алгоритма распознавания, основанного на вычислении оценок, вполне оправдано, однако список таксационных показателей (признаков), описывающих состояние лесной полосы, приведенный в данной работе, не является исчерпывающим и может быть расширен. Применение метода распознавания образов позволит объективно оценивать состояние и продуктивность защитных лесных полос в агроэкосистемах, в том числе с учетом временных факторов. Интегральный показатель уровня развития di может быть использован при моделировании и прогнозировании состояния полезащитных лесных полос .

Библиографический список

1. Городнов, В.П. Таксономический анализ как метод оценки конкурентоспособности промышленной продукции [Текст]/ В.П. Городнов, Т.В. Романчик // Бизнесинформ. - 2010. - №2. - С. 24-28.
2. Журавлев, Ю.И. Распознавание. Математические методы. Программная система. Практические применения [Текст] / Ю.И. Журавлев, В.В. Рязанов, О.В. Сенько. - М.: Издательство Фазис, 2005. - 161 c.
3. Котеленец, А.А. Совершенствование методов оценки технического уровня угольных шахт и объединений [Текст] : дисс. к. э. н.: 08.00.05 / А.А. Котеленец. - М., 1984. - 171 с.
4. Лебедь, Ф.Л. Метод построения двухмерного таксономического пространства для классификации игр и видов спорта [Текст]/ Ф.Л. Лебедь // Теория и практика физической культуры. - 2002. - №8. - С. 18-26.
5. Лепский, А.Е. Математические методы распознавания образов [Текст]/ А.Е. Лепский, А.Г. Броневич. - Таганрог: Изд-во ТТИ ЮФУ, 2009. - 155 с.
6. Лесоустроительная инструкция [Текст]. - М.: Рослесхоз, 2012. - 54 с.
7. Нестеров, С.П. Таксономический анализ минусинской группы погребений с конём [Текст]/ С.П. Нестеров // Проблемы реконструкций в археологии. - Новосибирск, 1985. - С. 111-121.
8. Новиков, Л.А. Таксономия языковых единиц. Опыт метаописания [Текст]/ Л.А. Новиков // Филологические науки. - 2002. - №6. - С. 36-46.
9. Плюта, В. Сравнительный многомерный анализ в экономических исследованиях. Методы таксономии и факторного анализа [Текст]/ В. Плюта. - М.: Статистика, 1980. - 151 с.
10. Саблина, Н.В. Использование метода таксономии для анализа внутренних ресурсов предприятия [Текст]/ Н.В. Саблина, В.А. Теличко // Бизнесинформ. - 2009. - №3. - С. 78-82.
11. Чошанов, М.А. Обзор таксономий учебных целей в педагогике США [Текст]/ М.А. Чошанов // Педагогика. - 2000. - №4. - С. 86-91.
12. Horton, P. Probablistic Classification System for Predicting the Cellular Localization Sites of Proteins Horton P., Nakai K.A // Intelligent Systems in Molecular Biology. 1996. - P. 109-115.
13. Ryazanov, V.V. One approach for classification (taxonomy) problem solution by sets of heuristic algorithms // Proceedings of the 9-th Scandinavian Conference on Image Analysis, Uppsala, Sweden, 6-9 June 1995. - Vol.2. - P.997-1002.

"Известия нижневолжского агроуниверситетского комплекса" № 2 (50), 2018

Категория: Сельское и приусадебное хозяйство | Добавил: x5443 (26.07.2018)
Просмотров: 25 | Теги: лесные полосы | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
...




Copyright MyCorp © 2018 Обратная связь