检索结果-内蒙古大学图书馆

北京林业大学学报 2021年第8期43卷 41-49页

作者：李冠男张春雨赵秀海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

【目的】本文以吉林蛟河不同发育阶段针阔混交林为研究对象,对比分析幼苗密度的核密度估计曲线年际变化规律,探讨土壤因子的边际变化和土壤因子的分布变化对幼苗密度分布动态的相对影响。【方法】在420 m×520 m的中龄林样地和500 m... 详细信息

【目的】本文以吉林蛟河不同发育阶段针阔混交林为研究对象,对比分析幼苗密度的核密度估计曲线年际变化规律,探讨土壤因子的边际变化和土壤因子的分布变化对幼苗密度分布动态的相对影响。【方法】在420 m×520 m的中龄林样地和500 m×840 m的成熟林样地中系统布设幼苗调查样方。利用分位数回归和反事实分解法检验环境因子在不同分位数水平上对幼苗密度的边际影响,进而明确幼苗密度在不同分位点上呈现不均衡变化的主导因素。【结果】幼苗密度的核密度估计曲线呈峰值向左偏移、长尾向右侧延伸的正偏态分布。在θ=0.90的高分位点,中龄林样地中幼苗密度变化值为−5.9,成熟林样地幼苗密度变化值为−2.6。中龄林样地在θ=0.75时幼苗密度变化值为5.8,成熟林样地在θ=0.50和θ=0.75时幼苗密度变化值均为2。在高分位点上幼苗密度的更大变化反映了右单尾概率分布的不均衡性。在不同估计分位点上系数效应和协变量效应对幼苗密度分布变化的相对作用大小不同。中龄林样地中系数效应在全部估计分位点上都具有很高的解释量;成熟林样地中在θ=0.50分位点上,协变量效应对幼苗密度变化具有89%的解释量,在其他的估计分位点上系数效应的解释量更高。因此,土壤因子分布变化对幼苗密度分布变化影响的相对作用更大,而土壤因子边际变化则是导致幼苗密度不均衡变化的主要因素。土壤中速效氮、速效磷、速效钾分布变化对每个估计分位点上幼苗密度变化的解释量大多不足30%,而土壤含水量和土壤pH值对幼苗密度变化具有相对更大的影响。【结论】幼苗密度的年际变化在不同分位点上是不均衡的,在高分位点上的变化尤为明显。土壤因子的边际变化和土壤因子的分布变化共同决定了幼苗的存活动态。

关键词：幼苗更新核密度分布分位数回归反事实分析

来源：评论

学校读者我要写书评

暂无评论

3-PG模型在天然兴安落叶松林生长因子预测中的应用

引用

林业科学研究 2022年第1期35卷 158-165页

作者：曲凌昊赵秀海张春雨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

[目的]运用过程模型模拟天然林的生物量及蓄积生长。[方法]以大兴安岭落叶松天然林为研究对象,探索研究基于生理过程的动态模型3-PG模型在天然林中的应用情况,通过调整模型内置模块方程的参数,优化实测值与模拟值的拟合结果,最终得出适... 详细信息

[目的]运用过程模型模拟天然林的生物量及蓄积生长。[方法]以大兴安岭落叶松天然林为研究对象,探索研究基于生理过程的动态模型3-PG模型在天然林中的应用情况,通过调整模型内置模块方程的参数,优化实测值与模拟值的拟合结果,最终得出适用于该地区落叶林天然林的模型参数组,并对不同林龄的林分预测效果进行了对比。[结果]模型在胸径、枝干生物量、根生物量、地上生物量、整株生物量的模拟取得了很好的效果,其中枝干生物量与整株生物量的模拟值与实测值的相关系数R2达到了0.98,且平均相对误差均控制在8%以内。对不同林龄林分的整株生物量与胸径预测结果表明,模型对3个龄组都有很好的拟合效果。[结论]在进行参数本地化调整后,3-PG模型可以运用在落叶松天然林的生长预测中,在生物量预测与胸径预测上可以取得较好的效果。

关键词：天然林兴安落叶松 3-PG模型生物量

来源：评论

学校读者我要写书评

暂无评论

吉林蛟河阔叶红松林物种多度分布模型研究

引用

生态学报 2021年第23期41卷 9502-9510页

作者：李超凡范春雨张春雨赵秀海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

以吉林蛟河阔叶红松林的木本植物为研究对象,将30hm^(2)的样地面积划分为5m×5m,10m×10m,20m×20m,25m×25m的连续取样单元,在4个不同尺度下分别统计各物种在每个取样单元中的有无,得到每个物种在不同尺度下的取样单... 详细信息

以吉林蛟河阔叶红松林的木本植物为研究对象,将30hm^(2)的样地面积划分为5m×5m,10m×10m,20m×20m,25m×25m的连续取样单元,在4个不同尺度下分别统计各物种在每个取样单元中的有无,得到每个物种在不同尺度下的取样单元数。利用随机分布模型和负二项分布模型分析物种的多度分布,对比预测多度与观测多度讨论两个模型的科学性与实用性。结果表明:对于阔叶红松林而言,负二项分布模型在所有研究尺度上的预测精度都要优于随机分布模型。随机分布和负二项分布的模型预测误差随着研究尺度的增大而增大,因此选取较小的取样单元可以切实提高物种多度的预测精度。利用随机分布和负二项分布模型对多度较小的物种进行预测的效果要优于多度较大的物种。负二项分布模型适合用来模拟阔叶红松林的物种多度分布格局,并且模型的拟合效果受取样单元大小影响。

关键词：物种多度分布负二项分布取样单元占据⁃多度关系

来源：评论

学校读者我要写书评

暂无评论

长白落叶松树冠半径分布特征及其对竞争的响应

引用

林业科学研究 2022年第3期35卷 27-37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实验室北京100083

[目的]研究林木树冠形态对外界环境适应的可塑性机理。[方法]以小兴安岭地区的长白落叶松为研究对象,利用详细的树冠半径调查数据,研究长白落叶松的树冠偏冠现象,分析树冠偏冠与林木大小和竞争之间的关系。[结果]在单木水平上,不同林龄... 详细信息

[目的]研究林木树冠形态对外界环境适应的可塑性机理。[方法]以小兴安岭地区的长白落叶松为研究对象,利用详细的树冠半径调查数据,研究长白落叶松的树冠偏冠现象,分析树冠偏冠与林木大小和竞争之间的关系。[结果]在单木水平上,不同林龄样地中林木的树冠变异系数的平均值均大于20%,大部分林木的树冠半径变异系数较大,只有不到1/5的林木的树冠半径变异系数小于15%。不同林龄样地中长白落叶松偏冠距离的平均值在0.35~0.51 m之间,各样地中林木偏冠距离的最大值均在1.2 m以上,其中成熟林中林木偏冠距离的最大值达到1.73 m。树冠的偏冠方向没有特定的方向偏向,是均匀分布的。在幼龄林中,林木的偏冠距离与胸径、冠长、平均树冠半径呈显著正相关,树冠偏冠距离随树木增大而增大。在中龄林和近熟林中,偏冠指数与胸径、树高和平均树冠半径呈显著负相关,与高径比呈显著正相关,树冠偏冠程度随树木增大而减小。在成熟林中,偏冠程度与林木大小的相关性不显著。在幼龄林、中龄林、近熟林中,树冠偏冠与竞争压力呈显著正相关,在成熟林中树冠偏冠与竞争压力的相关性不显著。基于树冠中心坐标计算的林分平均竞争指数均小于基于树干坐标计算的林分平均竞争指数。[结论]长白落叶松树冠偏冠距离一般随着林龄的增大而变大,在不同发育阶段受到不同程度竞争的影响,树冠偏冠在一定程度上降低了林分平均竞争指数,减少了林分竞争压力。

关键词：树冠半径偏冠指数竞争树冠垂直投影面积长白落叶松

来源：评论

学校读者我要写书评

暂无评论

基于Mask R-CNN和迁移学习的无人机遥感影像杉木单木树冠提取

引用

北京林业大学学报 2024年第3期46卷 153-166页

作者：谢运鸿孙钊丁志丹罗蜜李芸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实验室北京100083

【目的】利用无人机遥感影像对树冠进行自动化提取,获取高精度树冠信息。【方法】该研究提出一种基于Mask RCNN和迁移学习的无人机影像单木树冠提取方法。首先,选用在Faster R-CNN基础上改进优化的Mask R-CNN实例分割模型,特征提取网络... 详细信息

【目的】利用无人机遥感影像对树冠进行自动化提取,获取高精度树冠信息。【方法】该研究提出一种基于Mask RCNN和迁移学习的无人机影像单木树冠提取方法。首先,选用在Faster R-CNN基础上改进优化的Mask R-CNN实例分割模型,特征提取网络在ResNet50残差网络和ResNet101残差网络二者间选取最优。其次,引入迁移学习与Mask RCNN一起训练,联合迁移学习的导向作用降低训练时间,提高训练精度。【结果】Mask R-CNN模型的总体精度为93.59%,用户精度为65.46%,F1分数为76.05%,平均精度均值为0.31;载入迁移学习后的Mask R-CNN模型在同等训练条件下比原模型的用户精度提升29.53%,F1分数提升19.63%,平均精度均值提升0.21;分别以ResNet50和ResNet101为特征提取网络的Mask R-CNN模型中,ResNet50+Mask R-CNN模型的总体精度、用户精度、F1分数、平均精度均值各为96.94%、95.57%、96.17%、0.54,ResNet101+Mask R-CNN模型的总体精度、用户精度、F1分数、平均精度均值各为96.20%、94.41%、95.19%、0.49;其中载入迁移学习的ResNet50+Mask R-CNN模型在预测东西冠幅、南北冠幅、树冠面积与样方郁闭度的预测决定系数分别为0.87、0.84、0.93和0.83。【结论】本研究提出的基于Mask R-CNN和迁移学习的方法得到了较为精准的树冠参数结果,为无人机遥感影像评估树木资源提供了一种快速高效的解决方案。

关键词：无人机遥感影像深度学习 Mask R-CNN 迁移学习树冠提取

来源：评论

学校读者我要写书评

暂无评论

基于无人机影像的高郁闭度杉木纯林树冠参数提取

引用

北京林业大学学报 2020年第10期42卷 20-26页

作者：孙钊潘磊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实验室北京100083

【目的】冠幅是树冠结构的重要特征因子,直接影响树木的生产力和生命力,郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行,易于获取图像,精度高,低成本等优势,研究无人机影像上提取... 详细信息

【目的】冠幅是树冠结构的重要特征因子,直接影响树木的生产力和生命力,郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行,易于获取图像,精度高,低成本等优势,研究无人机影像上提取树冠参数的方法,使无人机影像提取林木树冠参数的操作系统化,实现精准高效的森林资源清查和监测。【方法】以福建将乐林场杉木人工纯林为研究对象,采用四旋翼无人机影像为数据源,基于面向对象分类的方法,将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度,然后根据影像的分割结果将树冠对象聚为一类,进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。【结果】面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时,单木树冠分割效果最好,树冠被单独分割出来,但也存在一定的过分割以及未分割的问题,以至于部分单木的丢失。分割结束后,对分割对象进行特征空间的优化,选取适当的分类特征,最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数,计算得出的林分因子包括林分郁闭度,树冠面积。以地面实测数据作为参考,冠幅面积提取精度为0.8291,林分郁闭度测量精度为0.9731。【结论】研究结果表明,基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用,能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。

关键词：无人机影像面向对象分类树冠参数提取杉木

来源：评论

学校读者我要写书评

暂无评论

杉木人工林与年龄无关的优势高生长模型

引用

南京林业大学学报(自然科学版) 2019年第5期43卷 121-127页

作者：邱思玉曹元帅孙玉军潘磊北京林业大学森林资源和环境管理国家林业局重点实验室

【目的】地位指数法是森林立地质量评价常用的一种方法,优势高又是地位指数模型中重要的参数。本研究以杉木优势高生长为切入点,使用与年龄无关方法建立杉木人工林的优势高生长模型,模拟在林分年龄未知的情况下预测杉木人工林优势高。... 详细信息

【目的】地位指数法是森林立地质量评价常用的一种方法,优势高又是地位指数模型中重要的参数。本研究以杉木优势高生长为切入点,使用与年龄无关方法建立杉木人工林的优势高生长模型,模拟在林分年龄未知的情况下预测杉木人工林优势高。【方法】利用福建省将乐国有林场杉木人工林的65个固定样地连续观测数据,基于Richards方程、Lundqvist-Kolf方程和Hossfeld方程3个树高生长方程,使用与年龄无关的方法建立了9个优势高生长模型。模型检验使用决定系数、平均误差和均方根误差3个统计指标来确定最佳模型。【结果】构建的9个优势高生长模型都具有较好的拟合优度,其中以Hossfeld方程为基础方程,以参数a作为林分因子扩展参数推导而来的模型为最佳模型,而且模型参数年龄差Δt越小,模型预测精度越高。【结论】与年龄无关的地位指数模型能够准确地拟合和预测优势高生长。在异龄林中或林分年龄难以获得时,建议采用与年龄无关的地位指数模型来评估立地质量。

关键词：杉木优势高年龄无关方法生长模型

来源：评论

学校读者我要写书评

暂无评论

将乐林场马尾松树轮宽度对气候变化的响应

引用

北京林业大学学报 2019年第9期41卷 30-39页

作者：王童孙玉军乔晶晶北京林业大学森林资源和环境管理国家林业局重点实验室

【目的】研究福建将乐地区马尾松年轮宽度对气候变化的响应,为本地区的树木年轮生态学研究提供参考,为当地马尾松的生产、农林业的发展提供数据支撑。【方法】以福建将乐林场采集的80根马尾松树芯为对象,运用ARSTAN程序建立差值年表和... 详细信息

【目的】研究福建将乐地区马尾松年轮宽度对气候变化的响应,为本地区的树木年轮生态学研究提供参考,为当地马尾松的生产、农林业的发展提供数据支撑。【方法】以福建将乐林场采集的80根马尾松树芯为对象,运用ARSTAN程序建立差值年表和标准年表,通过相关函数、响应函数、单年分析等方法研究马尾松径向生长对气候因子变化的响应,并采用响应面函数建立树木径向生长-气候因子关系模型。【结果】马尾松年轮宽度序列对气候变化相当敏感,上一年5月到当年12月的月降水量和月平均气温的响应函数模型可解释年轮宽度变化的57.43%;温度对马尾松径向生长的影响存在一定'滞后性',上一年6月平均气温促进马尾松径向生长;月降水量和月极端最低气温是马尾松抽梢期生长的气候限制因素,当年抽梢期的降水和极端最低气温对马尾松年轮宽度有显著的正效应,其中当年3月份的降水和极端最低气温对马尾松年轮宽度的作用尤为显著;月极端最高气温是马尾松伏旱期径向生长的气候限制因素,其中8月份的气温对马尾松年轮宽度表现出显著的负效应。【结论】该研究地区马尾松生长具有明显的季节性,马尾松年轮宽度序列对气候变化相当敏感。建立的马尾松径向生长-气候因子关系模型R2为51.2%,进一步验证了当年的逐月气候因子对马尾松径向生长的影响,该模型可较好地模拟马尾松树木径向生长对气候的响应。

关键词：马尾松年轮宽度径向生长气候响应

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

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：