景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究。结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变更数据结果相比较,随机森林法估测值接近真实值,估测精度较高。     

基于高光谱数据的互花米草营养成分反演

  目的  粗蛋白、粗纤维和粗脂肪含量是决定草本质量的指标之一，研究以江苏大丰麋鹿国家级自然保护区（核心三区）内的互花米草为对象，结合高光谱数据和实测数据，找到光谱数据与互花米草营养成分的关系，建立相应的营养成分估测模型。  方法  在2018年3、5、7和10月，利用ASD Field Spec Pro FR2500高光谱仪采集互花米草叶片的光谱数据，同时采集互花米草叶片，测定其粗蛋白、粗纤维和粗脂肪含量，对原始反射率及其一阶导数和互花米草粗蛋白、粗纤维和粗脂肪含量实测值之间进行相关性分析，在350 ~ 1 364 nm和1 411 ~ 1 799 nm的范围内选取与互花米草各营养成分含量的相关系数绝对值大于0.7的波段，同时构建选定的8个植被指数，进行建模分析，筛选出最优模型。  结果  粗蛋白的估测模型以673 nm和1 740 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.917，RMSEP = 1.344）；粗纤维的估测模型以1 738 nm处的光谱一阶反射率的线性估测最优（R2为0.741，RMSEP为1.708）；粗脂肪含量的估测模型以1 734 nm和880 nm处的光谱一阶反射率的多元线性估测最优（R2 = 0.737，RMSEP = 0.343）。  结论  在构建的估测模型中，粗蛋白和粗纤维的估测模型对互花米草粗蛋白和粗纤维含量的估测结果极好，粗脂肪含量的估测模型可以对互花米草粗脂肪含量做出很好的预测。研究结果为评估互花米草营养质量提供参考和技术依据。      

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

内蒙古草原枯草期可燃物量遥感估测模型研究

可燃物量是草原火险预警研究中的主要指标。国内外草原火险预警研究都是基于生长季的可燃物量,但在我国草原火灾多数发生在枯草期,因此,为了提高草原火险预警精度急需建立枯草期可燃物量遥感估测模型。文中以内蒙古草原为研究区,结合可燃物量实测数据和EOS/MODIS数据,应用回归分析方法建立枯草期可燃物量估测模型。结果表明:建立的模型能够准确的反演内蒙古各草地的枯草期可燃物量。精度检验结果表明:典型草原、草原化荒漠和荒漠反演结果与实测的相关性分别为0.78、0.84、0.71;草甸草原和荒漠草原分别为0.71和0.78的显著相关。内蒙古草原枯草期可燃物量遥感估测模型的建立对内蒙古草原火险预警具有重要意义。     

建昌马体重估测公式探讨

通过对成年建昌母马体尺体重实测研究,应用多种研究方法推导出相应的体重估测公式,供生产实践运用.     

张家港市机插水稻生产中存在的问题与对策

近年来，张家港市通过行政推广和引导示范，逐步将机插秧推广开来，成为该市水稻生产上的主导播式。虽然机插秧技术已经比较完善，但仍有部分机插秧田块产量不高。究其原因，主要还是穗数不足。为此，笔者通过多年的实践和总结，寻找了制约机插秧的产量的几个突出的问题，并找出了相应的技术对策。     

利用地径建立林木材积估测模型的探讨

通过实测铁杉、红桦和湖北花楸的地径、胸径、树高和材积，我们建立了根据林木地径估测树木材积的数学模型，具有较高的相关系数，可以应用于森林资源管理和森林生态系统研究。     

运用数量化方法估测普洱县森林蓄积量

根据普洱县森林遥感调查资料 ,利用卫星影像特征判读数据与地面实测数据建立数学类型 ,估测森林蓄积量。首先将 2 0 0块有、疏林地数据输入数据本中 ,然后分析其与优势树种、龄组、郁闭度、海拔、坡向、坡度的关系 ,结果把样地分为针叶林、阔叶林、针阔混交林三个类型分别建立数学模型 ,以估测每公顷蓄积量。数学模型的建立是根据数量化模型的原理来编程 ,并通过计算机的不断调试 ,直到可行为止。蓄积量比较精度达到 90 3%。     

应用多重极化L—波段合成孔径雷达数据估测森林生物量,林冠结构和树…

本文报道了应用多重极化Ｌ－波段合成孔径雷达（ＳＡＲ）数据估测森林生物量，冠层结构和树种组成的主要研究成果。ＳＡＲ数据与树高，胸径，植株密度，方位和样地几何形状等因素呈显著相关（Ｐ＝０．０５或Ｐ＝０．０１），特别能反映硬阔叶林分子其它森林树种组间林冠特征差异（包括分枝形态，冠重量和面积），主要树种组内，树种组间与林结构的变化（包括树高，植株胸径和密度）以及一些低生物量和部分疏林地与潮湿土壤及枯枝落叶