OM17-應用深度學習進行紅檜人工林生長模擬及效能評估

湯適謙^{1, *}、吳俊霖²、陳奕安²、陳瑋旋¹

¹ 行政院農業委員會林業試驗所。100051 台北市中正區南海路53號。

² 國立中興大學資訊科學與工程學系。402202 台中市南區興大路 145 號。

^* 通訊作者：stantang@tfri.gov.tw

疏伐作業是人工林經營重要的工作，具有經濟和生態之效益。不同疏伐強度之林木生長收穫預測，也是經營管理者需要了解之資訊。近來人工智慧之理論具有長足之發展，應用其衍生出之各種方法進行非線性之林分生長模式模擬，逐漸受到重視。本研究嘗試以國軍退除役官兵輔導委員會榮民森林保育事業管理處太平山事業區第20林班紅檜(Chamaecyparis formosensis) 人工林永久樣區為對象，應用人工智慧深度學習之方法，進行不同疏伐強度之林分生長模擬。所採用之預測模組為「長短期記憶模組」 (Long-Short Term Memory, LSTM)，該模組係基於遞迴神經網路(Recurrent Neural Network, RNN)所發展之變形模組，適合處理和預測時間序列中，間隔和延遲非常長之重要事件。各樣區疏伐處理之保留胸高斷面積分別為8、11、15及21 m ^{2}/ha，並設有對照區，從林齡9年生調查至林齡35年生之胸徑及樹高。應用前述之深度學習方法分別建構各不同疏伐強度之胸徑-時間、樹高-時間及樹高-胸徑生長曲線LSTM模型。並以均方誤差(Mean Squared error, MSE)及平均絕對百分比誤差（Mean Absolute Percentage Error, MAPE）進行模型效能評估，結果獲得預測模型具有良好的精確度。模型效能評估的結果顯示以人工智慧的方法進行林分生長的預測具有發展的潛力，可供林分經營及疏伐規劃之參考。