检索结果-内蒙古大学图书馆

1990—2022年黄河流域植被时空变化特征及未来趋势预测

生态学报 2024年第19期44卷 8542-8553页

作者：杨鹏辉田佳张楠高雨珊冯雪娟杨灿灿彭道黎北京林业大学森林资源和环境管理国家林业和草原局重点实验室北京100083 宁夏大学林业与草业学院银川750021 滁州学院地理信息与旅游学院滁州239000

黄河流域生态环境脆弱,是我国水土流失最严重的地区,植被对该地区生态恢复和保护发挥重要作用。而以往研究对影响植被变化各驱动因素之间的协同效应及植被未来趋势预测的研究有限。利用像元二分模型反演了1990—2022年的植被覆盖度(Frac... 详细信息

黄河流域生态环境脆弱,是我国水土流失最严重的地区,植被对该地区生态恢复和保护发挥重要作用。而以往研究对影响植被变化各驱动因素之间的协同效应及植被未来趋势预测的研究有限。利用像元二分模型反演了1990—2022年的植被覆盖度(Fractional Vegetation Coverage;FVC),结合趋势分析、重心迁移、转移矩阵和地理探测器等方法,分析了植被覆盖度时空变化特征及驱动因素对植被影响的空间异质性;并利用未来土地利用模拟(FLUS)模型预测了植被未来变化趋势。结果表明:(1)30年来流域植被覆盖度呈上升趋势,空间上表现为东南高西北低的分布特征;植被改善的面积占流域总面积的47.17%,流域中部地区植被恢复趋势明显。(2)流域植被变化受降水、植被类型、土壤类型以及土地利用类型的影响较大;同时研究揭示了影响FVC变化的驱动因子最适宜的范围和类型。(3)2040年黄河流域植被覆盖度呈上升趋势,中部地区植被恢复趋势明显,青海省部分地区植被有退化趋势。该研究结果为黄河流域生态保护和恢复提供科学依据。

关键词：植被覆盖度变化监测驱动分析 FLUS模型黄河流域

来源：评论

学校读者我要写书评

暂无评论

生态用地与农田和沙地的权衡/协同关系定量解析——以西辽河流域为例

引用

生态学报 2025年第6期45卷 2838-2850页

作者：段艺璇沈亲高光耀郑桂姿北京林业大学森林资源和环境管理国家林业和草原局重点实验室北京100083 中国科学院生态环境研究中心城市与区域生态国家重点实验室北京100085 诸城市林业发展中心诸城262200

气候变化和人类活动显著改变了生态系统要素及其之间的权衡/协同关系,探究要素之间的关系及其关键影响因子对于指导生态系统管理和应对未来气候变化至关重要。以西辽河流域为研究区,分析1990—2020年生态系统要素的时空变化及生态用地... 详细信息

气候变化和人类活动显著改变了生态系统要素及其之间的权衡/协同关系,探究要素之间的关系及其关键影响因子对于指导生态系统管理和应对未来气候变化至关重要。以西辽河流域为研究区,分析1990—2020年生态系统要素的时空变化及生态用地、农田和沙地景观梯度的演变,应用相关性分析和双变量空间自相关模型刻画生态用地与农田、沙地之间的权衡/协同关系,并通过地理探测器揭示影响生态用地与农田、沙地之间权衡程度变化的关键因子。结果表明:(1)西辽河流域生态用地减少、非生态用地增加,具体表现为生态用地中水体和草地面积分别减少了25.7%和5.2%,非生态用地中农田面积增加了10.2%,生态系统要素之间的转换主要发生在草地、水体和农田之间。生态用地景观梯度在中部逐渐离散,破碎化程度增加;农田景观梯度由东部向西南方向递增和聚集;沙地景观梯度在中部以聚集分布为主。(2)生态用地与农田之间存在显著的权衡关系,权衡区域面积先增加后减少,主要集中在中部和南部平原地区,约占研究区面积的46%;协同区域面积先减少后增加,约占研究区面积的8%,人均GDP和人口密度是影响生态用地与农田权衡关系的重要因子。(3)生态用地与沙地的权衡区域集中在科尔沁沙地和西部山区,权衡区域与协同区域均呈现长期且相对稳定的态势,其权衡面积占比约为研究区域面积的23%,协同区域约占研究区面积的22%。高程和城市化速率是影响生态用地与沙地权衡关系的重要因子。研究结果可以为流域生态系统空间优化和管理提供科学依据。

关键词：生态系统要素景观梯度时空格局权衡/协同关系驱动因子

来源：评论

学校读者我要写书评

暂无评论

基于Ripley L函数的云冷杉针阔混交林优势树种幼树的空间格局分析

引用

北京林业大学学报 2024年第10期46卷 1-10页

作者：许芳泽孙海龙史景宁贺丹妮王福增向玮北京林业大学森林资源和环境管理国家林草局重点实验室北京100083 吉林省长白山森工集团汪清林业分公司吉林延吉133200

【目的】林下幼树的生长和分布通常决定着森林未来林分的结构组成和生长动态,探究优势树种幼树的空间分布格局及种间关联性,以期为森林生态系统的恢复和森林演替动态的预测提供科学依据。【方法】以吉林省汪清县金沟岭林场1 hm2云冷杉... 详细信息

【目的】林下幼树的生长和分布通常决定着森林未来林分的结构组成和生长动态,探究优势树种幼树的空间分布格局及种间关联性,以期为森林生态系统的恢复和森林演替动态的预测提供科学依据。【方法】以吉林省汪清县金沟岭林场1 hm2云冷杉针阔混交林样地内的5个优势树种(臭冷杉、鱼鳞云杉、红松、紫椴和五角槭)幼树为研究对象,分别使用一元Ripley L和二元Ripley L函数对5种幼树的种间空间关联性以及幼树与中树、成树间的种内空间关联性进行分析。【结果】(1)样地内共调查到幼树471株,数量上表现为臭冷杉(357)>鱼鳞云杉(47)>紫椴(23)>五角槭(12)>红松(14),臭冷杉占据绝对优势。(2)臭冷杉、鱼鳞云杉和紫椴幼树的空间格局在0~50 m范围内,随尺度增加表现为聚集–均匀–随机的分布模式;五角槭以聚集分布为主,仅在23~28 m尺度上呈随机分布;红松在14~21 m、31~36 m及39~50 m尺度上呈聚集分布,在其余尺度上均呈随机状态分布。(3)幼树种间关系在中小尺度(0~36 m)上以显著的空间正相关为主,在大尺度(36~50 m)以不相关为主,仅臭冷杉幼树在42~50 m上与其余树种呈显著空间负相关,表明5种幼树间保持着良好的共存的关系。(4)种内空间关联性在0~50 m尺度上以正相关为主,仅臭冷杉幼树与成树在42~50 m较大尺度上存在显著空间负相关,表明种内促进作用明显。【结论】在水平结构上,影响该林分幼树空间分布格局及其关联性的主要因素是种子的扩散限制及环境异质性,幼树在小尺度上以聚集分布为主;在垂直结构上,主林层对幼树具有明显的“庇护效应”,5种幼树种内、种间均存在着良好的互利共生的关系。因此,在天然云冷杉针阔混交次生林的恢复中,建议根据林分经营需要,在0~36 m的小尺度上进行以上幼树的聚集性补植补种,聚集程度为臭冷杉>云杉>红松,以提高幼树的存活率,促进其天然更新。

关键词：混交林幼树 Ripley L函数空间分布格局空间关联性

来源：评论

学校读者我要写书评

暂无评论

耦合时序特征的林分类型遥感识别

引用

北京林业大学学报 2024年第1期46卷 68-81页

作者：高雨珊彭道黎张楠杨鹏辉杨灿灿陈铭捷陈健北京林业大学森林资源和环境管理国家林草局重点实验室北京100083 滁州学院地理信息与旅游学院安徽滁州239000 国家林业和草原局调查规划设计院北京100714

【目的】结合多源遥感数据进行特征提取,获取最优分类策略并探究时间序列特征在林分类型识别中的重要性,为遥感林分类型识别提供技术途径。【方法】结合Sentinel-2光谱特征和时间序列特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特... 详细信息

【目的】结合多源遥感数据进行特征提取,获取最优分类策略并探究时间序列特征在林分类型识别中的重要性,为遥感林分类型识别提供技术途径。【方法】结合Sentinel-2光谱特征和时间序列特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征在Google Earth Engine中进行各特征变量的提取,构建不同特征组合使用随机森林分类器进行分类并对不同分类结果进行制图输出和精度评价。【结果】(1)使用Sentinel-2时间序列光谱特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征的方案分类效果最好,总体精度为84.62%,Kappa系数为0.82;(2)在构建的5个不同特征组合方案中,多特征组合的方案分类效果优于单一特征;(3)地形特征、后向散射特征和时间序列特征对于分类结果非常重要,尤其是时间序列特征的加入能大大提升林分类型识别精度。光谱特征中短红外波段B11和B12最重要,时间序列特征中4月份和10月份为最重要的时间节点。【结论】基于多源遥感数据提取的多特征分类方案能够有效进行研究区林分类型识别,地形特征、后向散射特征和Sentinel-2时间序列特征可以作为光谱特征的有效辅助特征变量提高分类精度,使林分类型识别更为准确,尤其是时间序列特征在提高林分类型识别精度上有突出作用。

关键词： Sentinel-2 Sentinel-1 随机森林 Google Earth Engine(GEE) 时间序列特征

来源：评论

学校读者我要写书评

暂无评论

应用3-PG模型预测杉木人工林生物量及蓄积量

引用

东北林业大学学报 2023年第11期51卷 74-79,94页

作者：万敏孙玉军孙钊庞荣荣国家林业和草原局森林资源和环境管理重点开放性实验室(北京林业大学) 北京100083 北京林业大学

以福建省39块杉木人工林临时样地和10块固定样地数据(胸径、各组分生物量和蓄积量)为基础,应用3-PG(生理过程林分级生长模型)模型预测杉木人工林生物量和蓄积量的生长变化,利用固定样地数据与模型输出回归分析进行精度验证,并选取土壤... 详细信息

以福建省39块杉木人工林临时样地和10块固定样地数据(胸径、各组分生物量和蓄积量)为基础,应用3-PG(生理过程林分级生长模型)模型预测杉木人工林生物量和蓄积量的生长变化,利用固定样地数据与模型输出回归分析进行精度验证,并选取土壤肥力等级(FR)和净初级生产力对根分配的最小值(pRn)进行参数敏感性分析。结果表明:3-PG模型的拟合精度较高,胸径、各组分生物量和蓄积量模拟数据与实测数据的决定系数(R^(2))均在0.72以上,所有指标的相对均方误差均在20%以下;土壤肥力等级和净初级生产力对根分配的最小值对胸径、各组分生物量和蓄积量均具有较高的敏感性。土壤肥力等级和净初级生产力对根分配的最小值是影响3-PG模型预测杉木生长指标变化的关键参数。

关键词：杉木 3-PG模型生物量参数敏感性

来源：评论

学校读者我要写书评

暂无评论

基于实例分割的高郁闭度林分单木树冠无人机遥感提取

引用

林业科学研究 2022年第5期35卷 14-21页

作者：谢运鸿荆雪慧孙钊丁志丹李睿李豪伟孙玉军北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室北京100083

[目的]利用遥感影像获取高郁闭度林分树冠信息。[方法]试验了一种基于实例分割模型的无人机遥感影像单木树冠提取方法,选用7种残差网络用于模型的特征提取,逐一对不同郁闭度杉木纯林进行单木树冠提取。[结果]表明,7个实例分割模型对低... 详细信息

[目的]利用遥感影像获取高郁闭度林分树冠信息。[方法]试验了一种基于实例分割模型的无人机遥感影像单木树冠提取方法,选用7种残差网络用于模型的特征提取,逐一对不同郁闭度杉木纯林进行单木树冠提取。[结果]表明,7个实例分割模型对低郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为55.89%、57.29%,林分东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.161、0.179和0.341,平均预测决定系数R~2分别为0.912、0.918和0.957;对高郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为46.00%、44.45%,单木东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.479、0.497和1.256,平均预测R~2分别为0.806、0.762和0.936。[结论]各参数提取精度均优于传统调查精度,该方法能自动化、快速化、精准化获取树冠信息。

关键词：遥感无人机深度学习实例分割 Mask R-CNN 树冠提取

来源：评论

学校读者我要写书评

暂无评论

基于管道模型理论的长白落叶松叶生物量与径向生长关系研究

引用

林业科学研究 2022年第2期35卷 118-128页

作者：潘磊王轶夫孙钊乔晶晶邱思玉孙玉军北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室北京100083

[目的]为了解长白落叶松单木叶生物量与径向生长之间的关系。[方法]以小兴安岭地区长白落叶松为研究对象,结合管道模型理论,研究单木个体水平和单木内不同方位区间水平上的叶生物量与径向生长的关系,分析树冠分布与径向生长之间的相关性... 详细信息

[目的]为了解长白落叶松单木叶生物量与径向生长之间的关系。[方法]以小兴安岭地区长白落叶松为研究对象,结合管道模型理论,研究单木个体水平和单木内不同方位区间水平上的叶生物量与径向生长的关系,分析树冠分布与径向生长之间的相关性。[结果]叶生物量与胸高处和枝下高处树干直径、断面积、边材面积,近1、2、3、5年断面积生长量均呈显著正相关,使用胸高断面积作为预测因子的叶生物量模型拟合效果最好。单木株内不同方位区域的叶生物量与对应的胸径处和枝下高处的树干半径、断面积,近1、2、3、5年断面积生长量均呈显著正相关。[结论]估测单株叶生物量时,使用胸高断面积作为预测因子的预测精度最高。株内不同方位叶生物量与对应方位的树干半径、断面积及断面积生长量均呈显著正相关,树冠偏冠与髓心偏心具有一定的相关性。

关键词：叶生物量径向生长株内不同方位管道模型理论长白落叶松

来源：评论

学校读者我要写书评

暂无评论

人工神经网络与相容性生物量模型预测单木地上生物量的比较

引用

应用生态学报 2022年第1期33卷 9-16页

作者：梁瑞婷王轶夫邱思玉孙玉军谢运鸿北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室北京100083

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络。本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体... 详细信息

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络。本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差。然后,基于最优的变量组合建立人工神经网络(ANN)生物量模型,并采用留一交叉验证法对模型进行检验,比较两种生物量估测方法的精度。结果表明:仅基于胸径一个变量的生物量模型已经能较准确地估测生物量,引入树高和冠幅因子能进一步提高模型精度,最优模型体系为AMS4。通过两种方法建立的生物量模型都能较准确地进行估测,各组分生物量的决定系数(R^(2))均高于0.87。相比AMS4,人工神经网络模型系统中,树叶生物量模型的R^(2)高了约0.05,其余各器官也高了0.01左右。此外,均方根误差(RMSE)等指标明显更小,树干和地上生物量的RMSE分别减小了2.135和3.908 kg,模型的检验指标如平均相对误差(MRE)等也表现更优。总体来看,人工神经网络(ANN)是一种灵活可靠的生物量估计方法,估测林木地上生物量或单独某器官生物量时,ANN模型是值得考虑的替代方法。

关键词：人工神经网络相容性模型似乎不相关回归地上生物量

来源：评论

学校读者我要写书评

暂无评论

偏冠对树冠垂直投影面积计算的影响

引用

林业科学研究 2022年第1期35卷 166-171页

作者：孙钊潘磊乔晶晶丁志丹孙玉军王轶夫北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室北京100083

[目的]针对树冠结构复杂、形状不规则等问题,实现树冠垂直投影面积自动计算并提高树冠投影区域面积计算精度。[方法]以研究区453棵杉木为研究对象,精确测量每木8向冠幅。以Visualstudio和ArcGIS混合编程,进行树冠测量半径的坐标转换,采... 详细信息

[目的]针对树冠结构复杂、形状不规则等问题,实现树冠垂直投影面积自动计算并提高树冠投影区域面积计算精度。[方法]以研究区453棵杉木为研究对象,精确测量每木8向冠幅。以Visualstudio和ArcGIS混合编程,进行树冠测量半径的坐标转换,采用Bezier曲线进行边界平滑,实现树冠垂直投影面积自动提取,并与传统计算方法进行对比分析。利用“圆度”来衡量树冠偏冠,并计算树冠偏冠指数与树冠垂直投影面积计算的相关性。[结果]本研究提出的树冠垂直投影面积计算方法能够计算出树冠真实面积,计算过程中测量冠幅半径数量越多,计算结果越接近真实冠幅面积,相比于椭圆的计算方法,把树冠视为正圆所得面积更接近真实面积。不同树冠垂直投影面积计算方法的结果和树冠垂直投影面积差值与树冠偏冠指数呈显著正相关。[结论]基于树冠投影区域形状的面积计算相较于传统的面积计算方法更加准确,为林业遥感冠幅提取精度验证提供了一种新思路。

关键词：偏冠树冠投影形状树冠垂直投影面积边界平滑树冠不对称指数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的内蒙古大兴安岭林区火灾预测建模研究

引用

林业科学研究 2024年第1期37卷 31-40页

作者：张金钰彭道黎张超珺贺丹妮杨灿灿北京林业大学森林资源和环境管理国家林业和草原局重点实验室北京市100083 山西农业大学林学院山西晋中030801 滁州学院地理信息与旅游学院安徽滁州239000

[目的]对内蒙古大兴安岭地区的森林火灾进行预测,为森林防火工作的开展提供重要支持。[方法]以内蒙古大兴安岭林区为研究对象,结合MCD64 A1月度火点产品、地形、气候等数据,构建森林火灾潜在影响因子数据集,分别利用卷积神经网络、随机... 详细信息

[目的]对内蒙古大兴安岭地区的森林火灾进行预测,为森林防火工作的开展提供重要支持。[方法]以内蒙古大兴安岭林区为研究对象,结合MCD64 A1月度火点产品、地形、气候等数据,构建森林火灾潜在影响因子数据集,分别利用卷积神经网络、随机森林、支持向量机模型对研究区森林火灾的发生概率进行预测与可视化,在此基础上对模型效果进行评价并分析森林火灾空间分布特征。[结果]大兴安岭的主要林火驱动因子按重要性值由高到低排序为海拔、平均气温、总降水量、与水域的距离等;CNN、RF、SVM预测森林火灾发生概率的AUC值分别为0.838、0.794、0.788,CNN的精度最高;CNN能够有效划分出森林火灾易感性极高、极低的区域,有利于划分森林火灾的警示区。[结论]CNN模型比RF、SVM模型更适用于大兴安岭林火发生概率的预测;大兴安岭林火风险的空间分布有明显的区域性,主要发生在东南地区。

关键词：森林火灾预测卷积神经网络森林火灾敏感性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：