1.基于环状分布指数的林分空间结构优化方法，其特征在于，所述方法包括：获取林分空间结构的多个动态目标函数，多个所述动态目标函数包括混交度、竞争指数、环状分布指数、林层指数、空间密度、开阔比数和大小比数；

利用多个所述动态目标函数构建林分空间结构多目标模型；

利用改进粒子群算法和多个约束条件对所述林分空间结构多目标模型进行求解，所述约束条件包括环状分布指数计算中获取的对象木异点数。

2.根据权利要求1所述的方法，其特征在于，所述约束条件包括环状分布指数计算中获取的对象木异点数，包括：当对象木异点数超过三个以上时，则对象木列入采伐候选木。

3.根据权利要求1所述的方法，其特征在于，所述环状分布指数公式如下：其中：Hp为对象木p的环状分布指数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。

4.根据权利要求1所述的方法，其特征在于，所述环状分布指数计算中获取的对象木异点数公式如下：其中：mp为对象木p的异点数，n为对象木p的相邻木的数量，Hdi为与对象木p之间距离小于半径d的相邻木数量，d为0.9H，H为理想状态下相邻木与对象木之间的距离，Hai为两个相邻木与对象木p之间的夹角小于标准角的相邻木数量。

5.根据权利要求1所述的方法，其特征在于，所述约束条件参数还包括空间结构约束、相对显著度约束、采伐强度约束、树种多样性约束、郁闭度约束和径级多样性约束。

6.根据权利要求1所述的方法，其特征在于，利用改进粒子群算法和多个约束条件对所述林分空间结构多目标模型进行求解，包括：初始化参数，参数包括粒子数目、粒子初始位置、粒子速度、惯性权重、适应值、个体最优位置和群体最优位置；

利用距离缓冲区法对样地进行边缘校正，得到位于样地缓冲区内的林木均作为对象木；

更新样地内所有林木的林木属性，林木属性包括编号、采伐标识、对象木标识、树种、胸径、树高、冠幅；

对样地内的每个林木进行迭代更新，并计算更新后林木i的目标函数Fi(t)；

判断Fi(t)≤Fi(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则确定采伐木的编号，并计算采伐木的多个约束条件；

判断多个约束条件是否有一个不满足；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则计算样地内所有林木总的目标函数F(t)；

判断F(t)≤F(t-1)；若是，则撤销本轮采伐操作，重新对样地内的每个林木进行迭代更新；若否，则判断迭代次数t≤Imax；

若是，则重新利用距离缓冲区法对样地进行边缘校正；若否，则输出最优解。

7.根据权利要求6所述的方法，其特征在于，所述总的目标函数F(t)的公式如下：其中，F(t)为样地内所有林木总的目标函数，Fi(t)为样地内对象木i的目标函数，N为样地内所有林木的数量，Mi表示对象木i的混交度，CIi表示对象木i的竞争指数；Hi表示对象木i的环状分布指数；Si表示对象木i的林层指数；Di表示对象木i的空间密度指数；OPi表示对象木i的开阔比；Ui表示对象木i的大小比数； 表示混交度标准差； 表示环状分布指数标准差； 表示开阔比数标准差； 表示林层指数标准差； 表示大小比数标准差；

表示竞争指数标准差； 为对象木i的空间密度指数标准差。