排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
托克逊县光照充足,热量丰富,降水量少,夏季炎热,冬季干旱,无霜期长,俗称"火洲"。土壤以沙壤土和粘泥土为主。这里栽种的红枣根系发达,果树吸水性强,果实脆甜,口感独特、果形匀称、色泽鲜亮、香甜润口,品质上乘。因此,托克逊县近年来大力发展红枣产业,主栽品种以灰枣和冬枣为主,截止目前,大部分枣树已经进入结果期,经长期总结和探索,并参照食品生产标准,总结出适宜托克逊县的红枣绿色栽培技术。 相似文献
2.
3.
4.
基于辅助信息的森林蓄积量空间模拟 总被引:1,自引:0,他引:1
以北京市密云县一类清查的样地蓄积量为研究对象,结合与蓄积量相关的辅助因子,采用普通克里格法、协同克里格法对森林蓄积量进行空间插值估测,并与文献[25]同一研究区的基于偏最小二乘法回归法估测结果进行比较分析。结果表明,普通克里格法、基于辅助信息的协同克里格法、偏最小二乘回归法的蓄积量估测值与实测值间的相关系数分别为0.389、0.845、0.766;基于辅助信息的协同克里格法要优于普通克里格法和偏最小二乘回归法,能够明显提高预测精度;与普通克里格法相比,所产生的均方根误差减小了71%,预测值和实测值的相关系数提高了54%。最后生成了密云县森林蓄积量空间分布图。研究表明应用地统计学方法进行蓄积量估测具有很好的应用前景,可以为森林蓄积量的估测提供一种可行的方法。 相似文献
5.
北京市蒙古栎单木与年龄无关的生长预测模型研究 总被引:1,自引:0,他引:1
为了准确预测林木的生长动态变化、科学经营管理林分,利用定期清查数据,以年龄隐含的单木模型拟合北京市蒙古栎单木胸径、材积和断面积生长预测模型,并进行检验。结果表明:所拟合的3个模型对蒙古栎单木胸径、材积和断面积生长状况的预测效果较好,预测精度分别高达99.72%、99.40%、99.46%,预测精度大小排序为:胸径>断面积>材积。预测精度较高的原因可能是年龄隐含的生长模型以单木自身的观测值为自变量,且蒙古栎生长较慢,短期内不会有太大变化。该模型具有与年龄无关的特点,但建模时有一定的限制条件,要求样地固定、重复观测。 相似文献
6.
以小陇山山麓耕地培育的4年生人工油松(Pinus tabulaeformis Carr.)苗为对象,通过逐步回归方法,分析了油松苗生长与表层土壤养分之间的相关关系,为科学管理小陇山油松人工林提供理论参考。结果表明:全P和全N是影响油松苗高生长的主要养分因子,其回归方程为:Y_1=135.14+21.801X_3+21.092X_4,复相关系数为0.938,相关程度高,说明全P和全N与苗高生长呈显著正相关关系;而影响油松地径和冠幅生长的主要土壤因子分别是有效P和全P,其回归方程分别为:Y_2=25.968+0.256X_6、Y_3=93.090-27.487X_3,复相关系数分别为0.777和0.922,相关程度均比较高,说明有效P与地径生长呈显著正相关关系,而全P与冠幅生长呈显著负相关关系。因此,在苗期管理期间,适当补给土壤有机氮肥和磷肥是提高在油松苗生长力的主要途径。 相似文献
7.
以辽宁省为例,应用中分辨率成像光谱仪影像(MODIS)数据进行森林信息提取,并选取森林面积为研究对象,采用网格单元作为抽样单元,应用随机、系统、分层的抽样方法对辽宁省森林面积进行抽样估算,在获得最优抽样方法的基础上进行第2阶段抽样,设计不同样本容量水平下的森林面积空间抽样方法试验。结果表明:以县森林面积覆盖百分比为分层标志的分层抽样方法抽样效率最高,在第2阶段抽样估算的8种样本容量水平下,当样本容量为8时,抽样精度达到95%,并且所需样本数量最少,达到了森林面积抽样精度要求。应用此方法能够减少森林资源调查成本和工作量,可以结合遥感、地理信息系统和全球定位系统技术(3S技术),进行大区域范围森林面积的监测。 相似文献
8.
通过对甜菜夜蛾不同的诱杀方式实验,把其生长阶段的发生发展情况汇总分析,阐述了影响甜菜夜蛾的发生规律,重点分析了降雨量和温度对其的影响。 相似文献
9.
选取抚顺市为研究区,以森林盖度为研究对象,利用MODIS、TM多光谱遥感影像和航片数据,基于Bottom-up方法,建立两阶段森林盖度经验模型,并对模型进行了检验。结果表明:TM NDVI均值与地面实测森林盖度具有较好的相关性,两阶段模型可以较为精确的将航片解译的地面森林盖度扩展到中尺度空间范围;MODIS森林盖度预测值与实测值的RMSE为0.175,误差为15.9%;应用MODIS NDVI数据和第二阶段模型对抚顺市森林盖度进行估测,并将估测值转换为森林面积,结果与森林一类二类调查数据相差在15%以内,整体估测精度达到85%,在实际应用中具有一定的参考价值。 相似文献
10.
基于地理加权回归模型的亚热带地区乔木林生物量估算 总被引:2,自引:0,他引:2
基于浙江省碳汇样地调查数据,以乔木林生物量(含地上和地下生物量)为因变量,将筛选的与因变量相关性较高的因子作为解释变量,采用地理加权回归和协同克里格方法对乔木林生物量进行估算,对比分析两种估测方法的精度。结果表明:基于地理加权回归方法构建的乔木林生物量估算模型(R2adj=0.820 4,RMSE=23.021 5 t/hm2)精度优于协同克里格方法(R2adj=0.726 3,RMSE=28.054 9 t/hm2),同时使用地理加权回归方法的乔木林生物量预测值的变异系数(Cv=0.618 9)高于协同克里格法(Cv=0.585 4),由此可知地理加权回归方法因考虑了待估变量的局部变异,比协同克里格方法具有更好的拟合结果,预测精度较高。 相似文献