排序方式: 共有20条查询结果,搜索用时 31 毫秒
1.
2.
基于1stOpt软件的二元立木材积方程的研究 总被引:1,自引:0,他引:1
选取旺业甸实验林场201株落叶松样木胸径、树高、材积精测数据,利用1stOpt优化分析计算软件平台的Levenberg-Marquarat+通用全局优化算法(LM-UGO)拟合二元材积方程,并与前人研究得到较好结果的遗传算法(GA)和加权最小二乘法(WLS)进行比较。结果表明,LM-UGO、GA和WLS均可得到较高精度的二元材积方程,LM-UGO方法能够比GA和WLS法更好地拟合二元材积方程,且具有操作方便、拟合快速而准确、收敛速度快等优点,是拟合二元立木材积方程的有力工具。经F检验,三种方法的F值LM-UGO相似文献
3.
远洋渔业经济,是世界渔业经济的重要组成部分。金枪鱼渔业经济,是远洋渔业的一个组成部分。1989年,我国远洋渔业延绳钓船队开始涉足金枪鱼经济渔业这个领域,至今已有十二年的历史了。 相似文献
4.
结合航空影像纹理和光谱特征的单木冠幅提取 总被引:6,自引:2,他引:4
随着航空摄影测量技术的不断发展与进步,为提高森林资源调查的工作效率,航空影像已经成功应用到林业资源监测中,但在单木冠幅提取上,研究多考虑影像光谱信息,使得分类结果存在偏差。本文提出同时结合航空影像的纹理及光谱特征,利用面向对象的影像分割方法,通过多次实验对比结果确定最优分割尺度,同时在结合正态分布法确定各光谱及纹理特征信息范围的基础上,提取单木冠幅信息。以2012年鹫峰国家森林公园航空像片为数据源,以ENVI5.0为数据处理平台,对影像进行面向对象的分割,提取试验区域内32株树木的冠幅,并结合传统外业实测数据以及立体像对观测数据进行精度分析。试验结果表明:文章所提出的方法试验精度达到90.05%,与传统立体像对量测方法精度相近,但数据获取速度快,满足林业调查基本需求。 相似文献
5.
6.
7.
金枪鱼类生活在海洋的中上层水域,分布于太平洋、大西洋和印度洋的热带、亚热带和温带广阔水域,属大洋性高度洄游鱼类.…… 相似文献
8.
9.
基于高光谱遥感的油松毛虫危害程度监测模型 总被引:3,自引:0,他引:3
油松毛虫对人工油松林造成了严重的危害。据统计,辽宁省油松毛虫的发生面积为12万hm2/a,年均直接经济损失340万元。利用遥感技术特别是高光谱遥感大面积及时监测病虫害是今后林业病虫害监测的发展方向之一。高光谱遥感技术可以为植物叶绿素和含水率等生物化学参数的定量化诊断提供简便、有效以及非破坏性的数据采集和处理方法。本研究采用野外便携式光谱仪测定不同失叶率油松的高光谱反射率数据,使用分光光度计室内测定相应叶片的叶绿素含量,采用烘干法测定叶片含水率。通过计算归一化光谱指数(NDSI)、比值光谱指数(RSI)、差值光谱指数(DSI)与叶绿素a含量、叶绿素b含量、含水率的相关系数,选择相关系数最高的光谱指数作为核心光谱指数。以核心光谱指数为自变量,失叶率为因变量建立回归模型,采用逐步回归法进行变量筛选,筛选出包含DSI(808,816)、RSI(482,494)、NDSI(881,920)、NDSI(907,919)的光谱指数集作为最佳回归模型的自变量,应用R语言的函数lm()获得最佳回归模型y=1.781 8-3.172 4×NDSI(808,816)-0.960 6×RSI(482,494)-2.196 7×NDSI(881,920)-1.241 9×NDSI(907,919),R2为0.786。模型检验结果显示,最佳回归模型的均方根误差(RMSE)为0.089,相对误差(RE)为11.7%,预测效果良好,表明该模型可用于估算油松失叶程度,有助于对油松的受害情况做出综合分析,提高油松毛虫灾害监测的精度,克服了使用单一叶绿素指标或含水率指标的片面性和局限性。 相似文献
10.
【目的】充分考虑影响灾害发生及灾害等级的气象、地形地貌等多种因素,实现多因子灾害发生危险性评价和制图,以期为灾前的防控和预警提供依据。【方法】以辽宁省西部的油松人工林为研究区,基于Landsat影像提取油松分布范围,以高程、坡向、坡度、降雨量、活动积温、日照时数、上一年灾害程度和距离上一年重灾区远近8个危险性评价因子,采用层次分析法确定各因子权重,建立加权信息量模型,结合GIS空间分析方法,将油松的受灾危险性划分为5个等级:极低危险区、低危险区、中危险区、高危险区和极高危险区,实现危险区划制图,并与实际灾害程度监测结果对比进行精度验证。【结果】1)根据信息量法原理,信息量值越大代表发生灾害的危险性越大。本文计算得到的各因子类别信息量值均与油松毛虫的生物学特性相吻合。2)研究区2017年虫灾极高和高危险区主要分布在建平县北部,中危险区主要分布在北部部分地区和建平县与凌源市交汇处,其他地区发生虫灾危险性较低,与实际调查结果相吻合。3)最终划分等级中的中低危险区和实际受灾油松失叶率大小对应关系明显,实际成灾油松林地中有90.32%被划分至高危险区和极高危险区。【结论】基于加权信息量模型的油松毛虫灾害发生危险性评价充分考虑了不同评价因子对灾害发生影响程度的差异,得到的风险区划结果较为准确,具有应用价值,可为大区域的森林病虫害危险性评价及风险评估提供技术依据。 相似文献