检索结果-内蒙古大学图书馆

基于逐步聚类与GIS结合的县级林业区划方法研究

引用

林业资源管理 2008年第3期 42-47页

作者：张超黄清麟张晓红涂年旺中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术重点实验室福建省永安市林业局

以福建省永安市为例,分别以村和林班为基本单元,应用空间分析方法对永安市林业区划因子数据进行了提取,探讨了基于逐步聚类与GIS结合的县级林业区划方法以及县级林业区划的基本单元等问题。

关键词：地理信息系统林业区划逐步聚类分析判别分析区划单元

来源：评论

学校读者我要写书评

暂无评论

基于激光雷达技术估算钱江源国家公园森林的地上生物量

引用

北京林业大学学报 2022年第10期44卷 77-84页

作者：米湘成余建平王宁宁荚文任海保陈磊庞勇马克平中国科学院植物研究所植被与环境变化国家重点实验室浙江钱江源森林生物多样性国家野外科学观测研究站北京100093 钱江源国家公园管理局浙江开化324300 中国林业科学研究院资源信息研究所北京100091 国家林业和草原局林业遥感与信息技术重点实验室北京100091

【目的】采用激光雷达结合地面调查的方法,拟合并预测钱江源国家公园森林的地上生物量,为国家公园森林生态系统保护和动物生境质量评估提供基础数据。【方法】采用冠层结构指数量化亚热带常绿阔叶林的冠层高度和垂直复杂度,并结合地面... 详细信息

【目的】采用激光雷达结合地面调查的方法,拟合并预测钱江源国家公园森林的地上生物量,为国家公园森林生态系统保护和动物生境质量评估提供基础数据。【方法】采用冠层结构指数量化亚热带常绿阔叶林的冠层高度和垂直复杂度,并结合地面调查数据和地形数据,用模型拟合和预测钱江源国家公园的地上生物量。【结果】冠层结构指数中,与地上生物量的相关程度从大到小依次为冠层平均高度、冠层垂直复杂度、冠层最大高度。钱江源国家公园生物量分布主要在27.24~210.31 Mg/hm^(2)(0.05~0.95分位数),平均为111.21 Mg/hm^(2),总的生物量约为2.57×10^(6) Mg。【结论】结合冠层指数和地形变量能较好地模拟和预测钱江源国家公园地上生物量。钱江源国家公园有大面积低海拔集中分布的常绿阔叶林,冠层平均高度和冠层垂直复杂度都比较大,地上生物量高;同时,也有大面积人工林和次生林,这些人工林和次生林主要分布在国家公园成立后才开始保护的两个片区,冠层平均高度和冠层垂直复杂度小,地上生物量较低,有待进一步恢复。

关键词：地上生物量遥感激光雷达冠层结构指数常绿阔叶林钱江源国家公园

来源：评论

学校读者我要写书评

暂无评论

基于分层的典型中亚热带天然阔叶林的种间关联性

引用

北京林业大学学报 2017年第12期39卷 10-16页

作者：马志波黄清麟庄崇洋郑群瑞王宏中国林业科学研究院资源信息研究所、国家林业局林业遥感与信息技术重点实验室福建省建瓯万木林省级自然保护区管理处

亚热带天然常绿阔叶林群落的乔木层普遍具有自然成层特征,通过划分林层,研究了两个典型中亚热带天然阔叶林群落各层组成种间的种间联结,以揭示各层林木间的关系。结果表明:两个群落树种丰富,乔木层分别有65和53个树种;乔木层都可划分为... 详细信息

亚热带天然常绿阔叶林群落的乔木层普遍具有自然成层特征,通过划分林层,研究了两个典型中亚热带天然阔叶林群落各层组成种间的种间联结,以揭示各层林木间的关系。结果表明:两个群落树种丰富,乔木层分别有65和53个树种;乔木层都可划分为受光层和非受光层两个亚层,受光层对群落起控制作用;两个群落的受光层所有树种都是总体负关联,导致了乔木层的总体负关联;无论是乔木层还是两个亚层,各层林木均可结成数量可观的成对组合,但大多数树种两两之间关系松散或相互独立,只有个别树种与其他树种有显著的正或负关联,表明调查群落主要受随机过程控制。在生物多样性保护实践中需要关注猴欢喜和新木姜子,因为在包含这两个种的显著关联的种对中,前者与其他树种的均为负关联,后者则以正关联为主。

关键词：中亚热带天然阔叶林乔木层成层性种间联结

来源：评论

学校读者我要写书评

暂无评论

基于分层的典型中亚热带天然阔叶林分局部生物多样性

引用

生态学报 2018年第6期38卷 2163-2169页

作者：马志波黄清麟庄崇洋郑群瑞王宏中国林业科学研究院资源信息研究所国家林业局林业遥感与信息技术重点实验室北京100091 建瓯万木林省级自然保护区管理处建瓯353105

选择福建万木林保护区内两块典型中亚热带天然阔叶林样地为对象,按分层和不分层两种情形,研究了小尺度(<20m)范围内各组成树种的单物种-面积关系(individual species-area relationship,ISAR),以探讨局部生物多样性格局及其维持机制... 详细信息

选择福建万木林保护区内两块典型中亚热带天然阔叶林样地为对象,按分层和不分层两种情形,研究了小尺度(<20m)范围内各组成树种的单物种-面积关系(individual species-area relationship,ISAR),以探讨局部生物多样性格局及其维持机制。结果表明,两个群落的乔木层都可以划分出受光层和非受光层两个亚层。以受光层林木为圆心进行ISAR分析,发现在小尺度范围大多数受光层林木为局部生物多样性的中性种,只有个别树种在个别尺度上有显著的促进或排斥作用。研究途径避免了对非随机作用在维持局部生物多样性中的相对重要性的高估。不分层时,乔木层内同样以中性树种为主。研究结果支持小尺度范围内调查的典型中亚热带天然阔叶林的物种多样性由中性作用主导的结论。

关键词：中亚热带天然阔叶林小空间尺度万木林保护区局部生物多样性中性作用乔木层的亚层

来源：评论

学校读者我要写书评

暂无评论

冬奥核心区华北落叶松和白桦单木冠幅预测模型——组级贝叶斯模型、加性模型和混合效应模型比较

引用

林业科学 2022年第10期58卷 89-100页

作者：张晓芳郭旭展洪亮陈涛符利勇张会儒中国林业科学研究院资源信息研究所北京100091 国家林业和草原局森林经营与生长模拟重点实验室北京100091 信阳师范学院计算机与信息技术学院信阳464000 信阳师范学院数学与统计学院信阳464000 中国林业科学研究院华北林业实验中心北京102300 河北省张家口市崇礼区林业和草原局张家口075000

【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603... 详细信息

【目的】构建冬奥核心区华北落叶松和白桦单木冠幅预测模型,对比不同模型的优缺点,给出模型选择建议,为获取更多的单木和林分参数提供支撑,为华北落叶松和白桦科学经营决策提供理论依据。【方法】以冬奥核心区4 537株华北落叶松和2 603株白桦为研究对象,首先,选取10种常用冠幅-胸径模型作为备选模型分别拟合华北落叶松和白桦数据,从中选出AIC和BIC最小的模型作为基础模型;然后,在基础模型中进一步添加与冠幅相关系数大的变量作为协变量构建修正模型;最后,在修正模型基础上分别构建华北落叶松和白桦冠幅的非线性最小二乘模型、单水平非线性混合效应模型、加性模型和组级贝叶斯模型。【结果】4种华北落叶松冠幅模型中,加性模型的预测精度最高(R^(2)_mean=0.704 3,RMSE_mean=0.512 7),4种白桦冠幅模型中,非线性混合效应模型的预测精度最高(R^(2)_mean=0.664 3,RMSE_mean=0.794 4)。在变量方面,华北落叶松和白桦冠幅均随其胸径递增,华北落叶松冠幅随其树高缓慢递增、枝下高递减,白桦冠幅随其冠长率先减小后增大,并受林分密度影响波动较大,当林分密度为600~800 hm-2时,白桦冠幅随林分密度递减,此时应进行适当补植;当林分密度为800~1 000 hm-2时,白桦冠幅随林分密度递增,并在1 000 hm-2时出现拐点,如果经营目的是为了环境保护,可将林分密度控制在1 000 hm-2左右;当林分密度为1 000~1 200 hm-2时,白桦冠幅随林分密度递减,此时可对林分进行抚育间伐调整林分密度。【结论】冬奥核心区华北落叶松冠幅受胸径、树高和枝下高影响较大,白桦冠幅受胸径、冠长率和林分密度影响较大。无论是预测华北落叶松还是白桦冠幅,组级贝叶斯模型、加性模型和非线性混合效应模型效果均优于非线性最小二乘模型,在仅添加样地随机效应的情况下,首选加性模型和非线性混合效应模型,其次选择组级贝叶斯模型,但考虑到训练组级贝叶斯模型时间长、对表达式敏感等因素,可用别的模型替代时建议不使用组级贝叶斯模型。

关键词：华北落叶松冠幅预测模型白桦冠幅预测模型非线性混合效应模型组级贝叶斯模型加性模型冬奥核心区

来源：评论

学校读者我要写书评

暂无评论

地基与无人机LiDAR融合点云的人工林蓄积量估算

引用

遥感技术与应用 2024年第1期39卷 45-54页

作者：朱俊峰刘清旺崔希民张文博中国矿业大学(北京)地球科学与测绘工程学院北京100083 中国林业科学研究院资源信息研究所北京100091 国家林业和草原局林业遥感与信息技术重点实验室北京100091

激光雷达(Light Detection and Ranging, LiDAR)在林业调查中应用广泛,但单独利用地基或无人机LiDAR难以完整描述复杂的森林垂直结构,地基和无人机的结合可以获取更完整的森林空间结构信息。对地基与无人机点云进行配准融合并提取单木主... 详细信息

激光雷达(Light Detection and Ranging, LiDAR)在林业调查中应用广泛,但单独利用地基或无人机LiDAR难以完整描述复杂的森林垂直结构,地基和无人机的结合可以获取更完整的森林空间结构信息。对地基与无人机点云进行配准融合并提取单木主干,使用随机Hough变换分段拟合树干点云,由分段树干直径拟合削度方程并使用区分求积法计算单木材积,累加单木材积得到样地蓄积量。与二元材积模型计算值进行对比,结果表明:基于融合点云计算单木材积的精度优于地基点云,R2可提升2%以上,RMSE降低0.01 m^(3);削度方程结合区分求积法计算出样地蓄积量R2=0.98,RMSE为0.87 m^(3),达到较高精度,其中杉木材积计算结果的R2为0.96、RMSE为0.07 m^(3),桉树材积的R2为0.93,RMSE为0.07 m^(3);简单、中等、复杂3类样地中,简单和中等样地杉木和桉树材积的R2均在0.94以上,RMSE在0.07 m^(3)左右,复杂样地中材积结果的R2在0.9以下;地基和无人机LiDAR融合点云可以更精细地测量森林空间结构,更好地满足森林资源调查业务化应用的需求。

关键词：点云融合单木材积

来源：评论

学校读者我要写书评

暂无评论

基于Boruta和极端随机树方法的森林蓄积量估测

引用

林业资源管理 2020年第4期 127-133页

作者：韩瑞吴达胜方陆明黄宇玲浙江农林大学信息工程学院林业感知技术与智能装备国家林业和草原局重点实验室浙江省林业智能监测与信息技术研究重点实验室醴陵市陶瓷烟花职业技术学校

森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提... 详细信息

森林蓄积量是反映森林资源数量的重要指标之一。本研究应用Boruta特征选择方法和极端随机树(Extremely randomized trees,Extra-trees)方法,以小班为研究单元,估测龙泉市部分区域森林资源的每公顷蓄积量,为县域尺度森林蓄积量的估测提供新的方法和思路。基于研究区的森林资源二类调查数据、高分二号(GF-2)遥感影像数据、数字高程模型数据,提取多元特征组成原始特征集。通过Boruta选择方法对原始特征集进行筛选,利用Extra-trees方法建立森林蓄积量估测模型,选用十折交叉验证法对模型进行检验,并与随机森林(Random Forest,RF)方法和梯度提升(Gradient Boosting)方法进行对比分析。研究结果显示:1)经过Boruta特征选择方法得出的特征有土层厚度、年龄、郁闭度、海拔、坡度和坡向;2)极端随机树方法采用网格搜索调参得到的最优参数组合为:树的个数为250,树的最大深度为14;3)基于Boruta和极端随机树方法的森林蓄积量估测模型的测试精度为84.14%,R2为0.92,RMSE为19.65m3/hm2,MAE为13.95m3/hm2,模型优于随机森林方法和梯度提升方法,表明Boruta特征选择方法结合极端随机树方法估测森林蓄积量可取得更好的效果。

关键词： Boruta特征选择极端随机树随机森林森林蓄积量机器学习

来源：评论

学校读者我要写书评

暂无评论

木材径切面内部缺陷的应力波成像算法

引用

浙江农林大学学报 2019年第2期36卷 211-218页

作者：郑泽宇冯海林杜晓晨方益明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距... 详细信息

为了获得木材径切面上的缺陷形状、大小和位置,提出一种木材径切面内部缺陷成像的方法。首先,基于应力波在木材径切面上的传播规律,提出一种木材径切面上的应力波速度修正方法。将应力波速度转换为径切面上的若干个预估点的值,结合反距离加权插值(IDW)法提出一种速度修正插值(VCI)方法。最后,使用VCI方法在不同树木样本上进行了木材径切面缺陷的二维成像实验。结果表明:①VCI方法可以重建木材内部缺陷大小以及缺陷位置,缺陷成像结果与真实的缺陷情况相吻合。②对比IDW方法的成像结果, VCI方法对缺陷的大小以及缺陷形状、位置的成像结果有较大提高。③利用混淆矩阵方法对VCI与IDW方法进行定量分析表明, VCI方法的平均准确率、平均精确度和平均查全率均高于IDW方法,说明VCI方法成像效果的可行性和有效性。

关键词：木材学应力波径切面成像缺陷检测速度修正插值法

来源：评论

学校读者我要写书评

暂无评论

基于融合MaxEnt和HSI模型的驼鹿生境适宜性评价

引用

林草资源研究 2023年第4期 115-122页

作者：曾浩威凌成星张军刘华赵峰金跃刘曙光张雨桐中国林业科学研究院资源信息研究所国家林业和草原局林业遥感与信息技术重点实验室大兴安岭林业集团公司黑龙江南瓮河国家级自然保护区管理局

驼鹿是国家一级保护野生动物，研究驼鹿生境适宜性是保护驼鹿种群的关键内容。以黑龙江南瓮河国家级自然保护区为对象，结合最大熵（MaxEnt）模型和生境适宜性指数（HSI）模型对驼鹿生境适宜性进行评价，利用无人机样带调查得到驼鹿分... 详细信息

驼鹿是国家一级保护野生动物，研究驼鹿生境适宜性是保护驼鹿种群的关键内容。以黑龙江南瓮河国家级自然保护区为对象，结合最大熵（MaxEnt）模型和生境适宜性指数（HSI）模型对驼鹿生境适宜性进行评价，利用无人机样带调查得到驼鹿分布点数据，采用MaxEnt模型得到各环境因子贡献度情况和单一环境变量响应曲线，结合保护区自然地理情况，再构建不同环境因子对驼鹿影响程度的评价模型，定量评价保护区驼鹿生境适宜性。结果表明，该区域影响驼鹿生境分布的主要环境因子是海拔（20.3%）、坡度（11.4%）、距河流距离（11.3%）,而坡向、坡位、植被覆盖度对于驼鹿生境影响较小；驼鹿偏好在低海拔、坡度缓和、阳坡、靠近河流、远离人为干扰、覆盖度高的森林区域活动。在保护区内，驼鹿高适宜生境区域面积为424.6 km2,占保护区总面积的18.5%;低适宜生境区域面积为1 422.9 km2,占保护区总面积的62.0%;不适宜生境区域面积为447.5 km2,占保护区总面积的19.5%。

关键词：生境适宜性 MaxEnt模型 HSI模型驼鹿

来源：评论

学校读者我要写书评

暂无评论

基于逐步回归的XGboost方法的森林蓄积量估测

引用

中南林业科技大学学报 2020年第6期40卷 72-80页

作者：黄宇玲吴达胜方陆明浙江农林大学信息工程学院浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【... 详细信息

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区,以单位蓄积量(m3/mu)为研究对象,集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型(DEM)数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子,在不区分树种的情况下,利用极端梯度提升(eXtreme gradient boosting,XGboost)方法、决策树梯度提升(Light generalized boosted regression models,LGBM)方法和梯度提升(Gradient boosting)方法分别建立蓄积量估测模型。然后,基于区分针叶林、阔叶林、针阔混交林的情况下,用XGboost方法再次建立蓄积量估测模型,并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下,XGboost呈现了最佳的效果,优于LGBM方法和Gradient boosting方法,其建模精度为89.65%,估测精度为83.19%。在区分树种结构下,XGboost方法的建模精度(89.31%)与不区分树种情况下没有明显区别,但估测精度(84.5%)有一定提升,其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果,区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便,提供了在短时间内估测森林蓄积量的可能性,从而为森林蓄积量的估测提供了新的方法。

关键词：极端梯度提升算法决策树梯度提升算法梯度提升算法森林蓄积量高分二号

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

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

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

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

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：