我的目标是建立一个算法,在最基本的层面上,它的基本目标是,给定特定区域的当前树配置,输出种植下一棵树的最佳坐标。树的配置指特定区域内所有树的坐标。
让我从定义这个术语开始树效用,其中包括对森林完整性、当地生态系统的繁荣能力、(对树木)资源竞争的减少等属性的整体定性测量。
从这Xu等人(2021)的论文中,我得到了自然形成的森林倾向于均匀的空间分布的概念。但我对我的推断没有信心,因为我完全没有在这个领域接受过训练。我知道这篇论文是基于一种特定植物的森林模式。但是下面引用的文章让我相信,至少我的推论——统一的空间结构最大化树效用-可以推广到大多数,如果不是所有物种
基于均匀角指数分布的天然林结构研究表明,在随机分布微环境中,天然林的树木数量在50%以上,通常可分为R1(哑铃形随机单元)和R2(火炬形随机单元)两种类型(图1),比例相似(R1:R2 = 1:2),与森林分布区域、树种、森林类型无关
假设我的推断没有错,我为我将用于构建算法的数学模型设计了以下基本框架。
考虑一个4x4网格,假设树存在于左上角的位置(1,1)。我应该在哪里种下一棵树来最大限度地提高效益树效用这个地区的?
我假设网格中单位方格的相邻树越多,情况就越好。这使得(2,2)是我上面问的问题的答案。我将基于这个假设建立的数学模型将这个过程推广到任意的MxN网格。
这一假设的最终含义是,给定区域的树分布越接近均匀分布,则树的分布越接近均匀分布树效用是最大化。我试图通过下面的图片更好地说明我的观点。
把短,
- 我从Xu等人的论文中得出的结论正确吗?
- 我的假设是——森林的空间分布越接近均匀性,森林的死亡率就越高树效用——声音吗?如果是,我希望能参考相关文献。如果不是,请详细说明其谬误的原因。