Stand Spatial Structure Optimization Using Graph Neural Networks

ZHANG Yuchen, DONG Xibin, ZHANG Tian, GUO Ben, ZHANG Jiawang, TENG Chi, SONG Zikai

PDF(2172 KB)
PDF(2172 KB)
Forest Engineering ›› 2025, Vol. 41 ›› Issue (03) : 451-461. DOI: 10.7525/j.issn.1006-8023.2025.03.002
Construction and Protection of Forest Resources

Stand Spatial Structure Optimization Using Graph Neural Networks

Author information +
History +

Abstract

The optimization of stand spatial structure is a key issue in achieving sustainable forest management. Traditional optimization methods often exhibit low efficiency in handling complex spatial relationships and large-scale data. This study proposed a stand spatial structure optimization method based on Graph Attention Networks （GAT）. An integrated spatial structure evaluation system was established using the entropy-weighted matter-element analysis method， and a graph neural network model was constructed based on stand data from the Tanglin Forest Farm of the Xinqing Forestry bureau in northern Yichun，Heilongjiang Province. The model was applied to perform multi-objective optimization analysis of stand spatial structure. Experimental results showed that at a 25% harvesting intensity， the integrated spatial structure index improved from 4.336 to 7.256. The GAT model demonstrated superior performance in capturing complex spatial relationships and optimizing multi-objective tasks. This study provides an innovative and intelligent approach for optimizing stand spatial structure and managing forests， contributing to the enhancement of forest ecosystem health and stability.

Key words

Stand spatial structure / graph neural networks / matter-element analysis / graph attention network / entropy weighting method

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
ZHANG Yuchen , DONG Xibin , ZHANG Tian , et al . Stand Spatial Structure Optimization Using Graph Neural Networks. Forest Engineering. 2025, 41(03): 451-461 https://doi.org/10.7525/j.issn.1006-8023.2025.03.002

References

List( Publishing order | Descend order by publishing year | Descend order by cited within ) Chart analysis
1
张甜，董希斌，唐国华，等.大兴安岭不同类型低质林土壤和枯落物的水文性能[J].东北林业大学学报，2017，45（10）：1-5.
ZHANG T， DONG X B， TANG G H，et al.Hydrological properties of soil and litter in different types of low quality forest in Daxing’an Mountains[J].Journal of Northeast Forestry University，2017，45（10）：1-5.
本文引用 [1]
2
刘帅.天然次生林林分结构分析及多目标智能优化研究[D].株洲：中南林业科技大学，2017.
LIU S.Research on the analysis and multi-objective intelligent optimization of stand structure of natural secondary forest[D].Zhuzhou：Central South University of Forestry and Technology，2017.
本文引用 [1]
3
惠刚盈，胡艳波，徐海.森林空间结构的量化分析方法[C]//中国科协学术年会26分会场.北京：中国林学会，2005．
HUI G Y， HU Y B， XU H.Quantitative analysis method for forest spatial structure[C]//26th Session of the Academic Annual Conference of China Association for Science and Technology.Beijing：Chinese Forestry Society，2005.
本文引用 [1]
4
龚直文，亢新刚，顾丽，等.天然林林分结构研究方法综述[J].浙江林学院学报，2009，26（3）：434-443．
GONG Z W， KANG X G， GU L，et al.Research methods on natural forest stand structure：A review[J].Journal of Zhejiang Forestry College，2009，26（3）：434-443.
本文引用 [1]
5
卿东升，张晓芳，李建军，等.基于蜂群–粒子群算法的天然林空间结构优化[J].系统仿真学报，2020，32（3）：371-381.
QING D S， ZHANG X F， LI J J，et al.Spatial structure optimization of natural forest based on bee colony-particle swarm algorithm[J].Journal of System Simulation，2020，32（3）：371-381.
本文引用 [1]
6
DENG A， HOOI B.Graph neural network-based anomaly detection in multivariate time series[C]// AAAI Conference on Artificial Intelligence，2021.
本文引用 [1]
7
FORTUNE S.Voronoi diagrams and delaunay triangulations[M].Handbook of Discrete and Cy，2nd Ed.，2004.
本文引用 [1]
8
AURENHAMMER F.Voronoi diagrams-a survey of a fundamental geometric data structure[J].ACM Computing Surveys，1991， 23（3）：345-405.
本文引用 [1]
9
汤孟平，陈永刚，施拥军，等.基于Voronoi图的群落优势树种种内种间竞争[J].生态学报，2007（11）：4707-4716.
TANG M P， CHEN Y G， SHI Y J，et al.Intraspecific and interspecific competition analysis of community dominant plant populations based on Voronoi diagram[J].Acta Ecologica Sinica，2007（11）：4707-4716.
本文引用 [1]
10
曹小玉，李际平.林分空间结构指标研究进展[J].林业资源管理，2016（4）：65-73.
CAO X Y， LI J P.Research progress on indicators of the stand spatial structure[J].Forest Resources Management，2016（4）：65-73.
本文引用 [1]
11
惠刚盈，李丽，赵中华，等.林木空间分布格局分析方法[J].生态学报，2007（11）：4717-4728.
HUI G Y， LI L， ZHAO Z H，et al.The comparison of methods in analysis of the tree spatial distribution pattern[J].Acta Ecologica Sinica，2007（11）：4717-4728.
本文引用 [1]
12
惠刚盈，VON GADOW KLAUS， ALBERT MATTHIAS.角尺度——一个描述林木个体分布格局的结构参数[J].林业科学，1999，35（1）：39-44.
HUI G Y， VON GADOW K， ALBERT M.The neighbourhood pattern - A new structure parameter for describing distribution of forest tree position[J].Scientia Silvae Sinicae，1999，35（1）：39-44.
本文引用 [1]
13
赵中华，惠刚盈，胡艳波，等.基于大小比数的林分空间优势度表达方法及其应用[J].北京林业大学学报，2014，36（1）：78-82.
ZHAO Z H， HUI G Y， HU Y B，et al.Method and application of stand spatial advantage degree based on the neighborhood comparison[J].Journal of Beijing forestry university，2014，36（1）：78-82.
本文引用 [1]
14
曹小玉，李际平，周永奇，等.杉木林林层指数及其与林下灌木物种多样性的关系[J].生态学杂志，2015，34（3）：589-595.
CAO X Y， LI J P， ZHOU Y Q，et al.Stand layer index and its relations with species diversity of understory shrubs of Cunninghamia lanceolata plantations[J].Chinese Journal of Ecology，2015，34（3）：589-595.
本文引用 [1]
15
张宁.基于竞争指数的杉木林分结构可视化模拟研究[D].长沙：中南林业科技大学，2013.
ZHANG N.Visual simulation of stand structure in Cunninghamia Lanceolaata based on competiton index[D].Changsha：Central South University of Forestry and Technology，2013.
本文引用 [1]
16
陈建宏，邓伟夏.熵权模糊物元分析法在采矿方法选择中的应用[J].科技导报，2014，32（2）：30-33.
CHEN J H， DENG W X.Entropy fuzzy matter element analysis method of mining method selection[J].Science & Technology Review，2014，32（2）：30-33.
本文引用 [1]
17
杨春燕，蔡文.可拓集中关联函数的研究进展[J].广东工业大学学报，2012，29（2）：7-14.
YANG C Y， CAI W.Recent research progress in dependent functions in extension sets[J].Journal of Guangdong University of Technology，2012，29（2）：7-14.
本文引用 [1]
18
李际平，曹小玉.林分空间结构优化与模拟技术[M].北京：科学出版社，2019.
LI J P， CAO X Y.Optimization and simulation techniques for forest spatial structure[M].Beijing：Science Press，2019.
本文引用 [1]
19
王卓，王成红.简单无向图的同构判定方法[J].自动化学报，2023，49（9）：1878-1888.
WANG Z， WANG C H.Isomorphism determination methods for simple undirected graphs[J].Acta automatica sinica，2023，49（9）：1878-1888.
本文引用 [1]
20
LI Y H， LU Y， ZHANG R C，et al.Deep learning for energy efficient beamforming in MU-MISO networks：A GAT-Based approach[J].IEEE Wireless Communications，2023，12（7）：1264-1268.
本文引用 [1]
21
ZHANG L， HAN S， YANG C，et al.A gradient driven graph neural network for optimizing precoding[C]// 2023 IEEE Globecom Workshops（GC Wkshps），Kuala Lumpur，Malaysia，IEEE，2023：341-346.
本文引用 [1]
22
PIPIN S J， PURBA R， KURNIAWAN H.Prediksi saham menggunakan recurrent neural network （RNN-LSTM） dengan optimasi adaptive moment estimation[J].Journal of Computer System and Informatics（JoSYC），2023，4（4）：806-815.
本文引用 [1]
23
卿东升，彭进香，李建军，等.遗传算法求解林分空间结构优化问题[J].森林与环境学报，2022，42（4）：434-441.
QING D S， PENG J X， LI J J，et al.Genetic algorithm to solve the optimization problem of stand spatial structure[J].Journal of Forest and Environment，2022，42（4）：434-441.
本文引用 [2]
24
周梓轩，杨德岭，刘慧.改进麻雀搜索算法在优化林分空间结构求解中的应用[J].东北林业大学学报，2023，51（11）：68-73.
ZHOU Z X， YANG D L， LIU H.Improved sparrow search algorithm in optimizing spatial structure of forest stands[J].Journal of Northeast Forestry University，2023，51（11）：68-73.
本文引用 [2]
25
刘鑫，黄浪，卿东升，等.基于Voronoi空间单元的林分空间结构智能优化研究[J].林业资源管理，2023（4）：27-35.
LIU X， HUANG L， QING D S，et al.A study on forest stand spatial structure intelligent optimization based on Voronoi spatial unit[J].Forest Resources Management，2023（4）：27-35.
本文引用 [2]

Comments

PDF(2172 KB)

Accesses

Citation

Detail
Sections
Recommended
Copyright © Forest Engineering, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.

/

〈 〉