智慧林草创新团队研建基于人工智能的人工林择伐-补植协同优化决策新方法

图1：林分择伐-补植协同规划决策方案

图2：增强型君主遗传算法（MEGA-Harvesting Model）的择伐模型

图3：Delaunay-边界力算法（DF-Boundary-Replanting Model）的补植模型

森林结构是森林质量的重要指标，科学合理的开展择伐与补植措施是优化森林结构、提升森林质量的重要手段。当前，择伐与补植规划决策主要依赖经验判断或常规分析方法，难以进行择伐木的精准选择和补植点的精确定位、以及择伐与补植之间的协同优化，不能满足精准、智能开展森林经营管理的高质量发展需求。

针对这一难题，资源所智慧林草创新团队创建了一种基于人工智能的人工林择伐-补植协同优化决策方法。该方法的创新性主要体现在：1）研建了增强型君主遗传算法（MEGA），通过优化初始采伐木群体质量，设计自适应调整的采伐木群体交叉与变异进化策略，实现在多约束条件下对采伐木的精准选择与定位。2）构建了Delaunay-边界力算法（DF-Boundary），通过融合林地三角单元剖分技术，赋予林木和补植单元以边界力属性的“弹簧系统”，以及耦合多目标函数，实现了补植木的精准空间布局和优化配置。3）研发了交互式择伐与补植三维可视化模拟系统，实现了择伐—补植方案的精准模拟、动态调整和智能决策，以及人工林采伐与补植优选决策方案的自动生成。

该方法在亚林中心山下林场人工针阔混交林结构优化调整中进行了应用验证。结果表明，该方法在林分结构优化中取得突出效果，综合空间结构指标的优化效果整体提升约15%，具有良好的稳定性，有助于提升森林精准经营与智能决策水平，为森林质量精准提升提供技术支撑。

研究论文“A novel collaborative planning framework for artificial forest harvesting and replanting”发表在《Biosystems Engineering》（中科院2区TOP，IF=4.4），资源信息研究所硕士研究生廉官俊为第一作者，张怀清研究员为通讯作者。该项研究得到国家自然科学基金项目（32271877）和国家重点研发计划政府间国际科技创新合作项目（2022YFE0128100）的联合资助。

引文信息：

Lian G J, Zhang H Q, Lei K X, et al. A novel collaborative planning framework for artificial forest harvesting and replanting[J]. Biosystems Engineering, 2025: 104156.