国际发展项目评估比较分析及其对亚太森林组织的启示

亚太森林组织是亚太地区最具活力和影响力的涉林国际组织之一,完善亚太森林组织评估体系是当前的重点工作。文中在总结国际发展项目评估主要理论框架和方法的基础上,分析比较7个具有代表性的国际组织和发展援助机构的评估管理构架、评估政策与实践方面的特点,以及各机构评估体系的共性和差异。结果发现,各机构评估体系特点与其机构性质,管理架构,项目和活动类型、规模等因素密切相关。借鉴成熟国际组织评估管理的成功经验和做法,结合亚太森林组织评估工作现状和问题,提出完善亚太森林组织评估体系的思考和建议。     

多期森林调查样地数据的逻辑检查方法研究

逻辑检查是林业调查内业统计工作的一项重要内容,是对前期调查数据的核查认定。基于数据处理流程,设计了前逻辑检查方法和后逻辑检查方法。前逻辑检查包括样地因子逻辑检查、样木因子逻辑检查和多期数据相关检查。其中多期数据相关检查在以往单期数据逻辑检查的基础上,加入了多期数据的纵向比对,有利于处理数据存在的各种逻辑错误问题。后逻辑检查对统计计算后的同期林分因子进行互算,并用邻期林分因子进行比对,可以较大程度地检查出数据录入和程序计算的纰漏。利用VB和内置SQL语言开发了相关程序工具,将逻辑检查方法嵌入到程序中,以提高工作效率。     

运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析

气候变化下,森林生物量遥感监测是当前研究的热点,机载LiDAR作为重要的遥感信息源,其采样大小对生物量估测精度有着一定的影响。以机载LiDAR数据为信息源,以44块30m×30m的方形橡胶林实测样地数据为基础,对机载激光雷达数据进行不同尺寸采样(共21个采样尺寸,边长从10m至30m,间隔为1m),提取不同采样尺寸下的激光雷达参数,并与橡胶林地上生物量建立PLSR模型,就机载激光雷达采样大小对橡胶林地上生物量估测精度的影响进行研究。研究表明:当采样尺寸小于18m时,估测精度随着采样尺寸的增大而增大;而当采样尺寸大于18m时,估测精度随着采样尺寸的增大而减小,进而趋于平缓。结果虽然呈现出一定的规律性,但是差异并不是很明显。当采样尺寸为18m时估测效果最佳,模型决定系数(R^2)为0.718,均方根误差(RMSE)为17.830 t/hm^2;交叉验证精度P和RMSEcv分别为82.741%和18.874t/hm^2。相较于实际样地(30m)尺寸下的估测结果,18m采样尺寸下的R^2提高了1.989%,RMSEcv降低了2.611%。因此,生物量的估测精度受机载激光雷达数据采样尺寸大小的影响,在生物量估测过程中需结合研究对象和研究区的实际情况对采样尺寸进行选择,从而提高生物量估测精度。     

桉树人工林中433MHz信道LoRa信号的传播特性

LoRa技术是最新出现的一种无线通信技术,具有低功耗、距离远、工作在非授权波段等特点,与ZigBee等现在常用的无线通信技术相比,其在人工林无线传感器网中更具潜力。然而由于LoRa的传输受环境影响较大,目前在人工林中传播特性的研究还处于空白。本研究基于Shadowing信号衰减模型,在广西东门林场中测试了433 MHz信道LoRa信号在两种天线高度下(1.5,2.0 m)和3种不同环境下(开阔环境、3 a林龄桉树人工林,5 a林龄桉树人工林)LoRa信号接收强度(RSSI)随距离变化的情况,每种条件下得到了两组数据。首先利用其中一组数据对模型进行拟合,拟合结果表明,LoRa信号传输遵从Shadowing模型,拟合度在0.886~0.982。然后利用另一组数据对模型的精度进行验证,验证结果表明,模型精度较高,模型的精度介于0.780~0.961。最后分析了桉树人工林中影响LoRa信号传输的主要因素。本研究的方法和获得的信号衰减系数可以为桉树人工林无线传感器网络监测中LoRa节点的组网和部署提供依据和参考。     

机载AISA Eagle Ⅱ高光谱数据在温带 天然林树种分类中的应用

以内蒙古根河地区的温带天然林试验区为研究对象,采用支持向量机(SVM)方法,对经过大气校正后的机载AISA Eagle Ⅱ高光谱地表反射率影像分航带进行树种分类,将地面光谱测量与高光谱同平台的高分辨率航空相片结合,进行训练样本的选择,使用地面样地数据对分类结果进行验证。结果表明:利用AISA Eagle Ⅱ高光谱影像对温带天然林区分类的总体精度和kappa系数分别达到了96.71%和0.95;灌木分类精度最高,其制图精度和用户精度分别达到了98.07%和98.31%;落叶松和白桦的用户精度分别为98%和94%。     

米老排人工林种子雨时空动态特征及其采伐更新设计

【目的】以带状皆伐后米老排人工林为对象,研究其保留带和皆伐迹地种子雨及沉水种子的时空动态,旨在为米老排人工林更新采伐设计及促进天然更新提供科学依据。【方法】在米老排人工林带状皆伐后,分别在保留带和皆伐迹地内各布设3个固定样地,连续2年观测种子雨。采用单因素方差分析和t检验的方法对不同样地的种子雨组成进行分析。采用幂函数、指数函数及其对数转化函数模型,建立皆伐迹地内种子雨及沉水种子密度随离开林缘距离变化的分布预测模型。【结果】种子雨散落的起始期在9月下旬至10月中旬、高峰期在10月下旬至12月中旬、消退期在12月下旬至翌年1月上旬;在保留带内,种子雨密度及沉水种子密度的空间异质性不明显,年际差异也不显著;在皆伐迹地内,部分离林缘等距离样点间的种子雨密度与沉水种子密度的空间异质明显(P0. 05),年际差异也显著(P0. 05);在皆伐迹地,种子雨的沉水种子百分比随离林缘距离增加呈先增后降的变化;保留带的种子雨及沉水种子在林缘外皆伐迹地扩散的空间分布可用指数函数转换的线性模型较好描述,其最远扩散距离分别为25和20 m。【结论】成熟米老排人工林用于天然更新的种源充足,不存在限制;如果米老排人工林采伐时间是从12月至翌年1月底,因种子已散落且足够,故在满足国家有关人工林采伐政策的前提下,可用皆伐或不受宽度限制的带状皆伐;若在不是种子集中散落期且种子活力已丧失的时间采伐,如在6～9月,宜用带状采伐,且其适宜宽度及最大带宽为35与40 m。     

基于自适应滤波算法的树木年轮测量方法

为提高树木年轮测量仪的测量精度,提出了一种自适应低通滤波算法对年轮测量仪的直流电机电流信号进行滤波处理。普通低通滤波算法滤波系数固定,当树木年轮宽度发生变化时,既可能保留了部分噪声信号,又可能滤去部分有效的树木年轮信号,因此降低了年轮测量仪的测量精度。自适应低通滤波算法的滤波系数可随滤波器输入值和输出值的变化自动进行调整,提高了噪声滤除效果,减少了有效信号损失。使用自主研发的年轮测量仪测量了大、中、小3种径阶的60个落叶松圆盘,记录直流电机原始电流信号,分别采用自适应低通滤波算法和普通低通滤波算法对原始电流进行滤波处理,根据滤波后的电流波形图,预估圆盘年龄,并计算2种滤波算法的年轮识别正确率。结果表明,自适应低通滤波器年轮识别正确率的平均值为89. 66%,普通低通滤波器年轮识别正确率的平均值为75. 84%;当平均年轮宽度变窄时,自适应低通滤波器的年轮识别正确率从95. 61%下降到82. 02%,下降了13. 59个百分点,而普通低通滤波器的年轮识别正确率从86. 37%下降到62. 30%,下降了24. 07个百分点。表明自适应低通滤波器年轮识别正确率高,自适应能力强,年轮识别精度稳定。