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。     

三种不同类型灌丛的结构特点及演替利用前景

在贵州省黔东南地区雷山、施秉、镇远三县调查了三种不同类型的灌丛，对样地内灌木树种和草本植物的种类、密度、覆盖度、水平及垂直分布等结构特点进行了分析．并对其演替及利用前景进行了评价。     

剖析日本农协财政金融支持政策

中日两国农业在经营规模小、家庭经营为主、人均土地占有量低、农业文化等方面都存在着很大的相似性。日本在恢复和发展战后农业的过程中,逐渐形成了世界农业合作经济的典范——农业协同组合（以下简称农协）。农协最初是在日本政府的指导授权下建立的，虽然其后成为独立的特殊法人，但它的发展一直受到日本政府的关注和扶持，可以说日本农协的发展和成功离不开日本政府在财政、金融、法规等方面的大力支持。     

洞庭湖区渔业生态工程初论

洞庭湖是我国第二大淡水湖,自古以来盛产鱼虾、莲藕,素有“鱼米之乡”之称。由于水生生物品种繁多,饵肥资源丰富,发展水产业,特别是渔业具有得天独厚的条件。但是随着现代工农业的生产发展,因缺乏科学的配套体系引起生态环境改变,使鱼类生活条件恶化,阻碍了渔业的发展;岳阳市1985年人均占     

层次分析法在饲料配方模糊综合评判中的应用

饲料配方是饲料生产的核心,一个好的饲料配方在设计时除考虑动物饲养标准的要求,还需考虑饲料配方中各项营养指标的平衡以及饲料配方成本等因素.因此要客观地评价配方设计的优劣,需综合考虑多种因素.饲料配方模糊综合评判模型就是依据饲料配方设计的特点,提出从饲养标准、饲料配方成本、营养平衡3个方面对饲料配方进行综合评判.     

论知识经济与素质教育

一）所谓“知识经济”是与农业经济、工业经济为主体的经济相对而言的概念，它是“以智力资源的占有、配置，以科学技术为主的知识的生产、分配和使用（消费）为最重要因素的经济，”“它以高技术产业为第一支柱产业；以智力资源为首要依托，因此是可持续发展的经济”（吴...     

元谋干热河谷植被恢复造林树种的引种试验研究初报

根据树种选择研究结果，１９９３年在云南元谋引种桉属和金合欢属树种１２个，经两年多的初步观测分析，并与原引种成功的新银合欢比较适应性和速生性，认为赤桉，大叶相思，马占相思可作为元谋干热河谷造林的最优树种，逐步扩大栽培试验，对当地植被恢复适生树种的使用具有一定指导意义。     

基于Xception-CEMs神经网络的植物病害识别

随着深度学习技术与农业的密切融合,越来越多的研究将深度学习技术用于农业病虫害检测,提高农产品产量和质量。本文提出一种新颖的基于Xception模型的植物病害识别方法。了解到植物病害图像会受到不确定环境因素的干扰而减小图像信息。在Xception的基础上,提出一种新的通道扩增模块,采用带有通道分配权重的多尺度深度卷积与组卷积结合,增强空间和通道的特征提取效率;在网络中采用通道扩张-保持-再扩张-压缩的新策略,进一步优化通道特征提取;引入密集连接方式,提高在同尺寸的特征图之间特征重用。试验数据集由10种不同植物的50类图像组成,分别包括10种健康植物和27种病害,其中对13种病害进行了两种程度的分类。本文的方法在这些类别上可以获得91.9%的准确率,88.7%的精确率,82.45%的召回率以及85.33%的F1值。本文的算法有更小的模型复杂度和参数量,计算量为29.33 M,为Xception的66.4%。参数量为14.05 M,为Xception的66.9%。因此,Xception-CEMs能够有效对病虫害进行识别,有利于农业智能化发展。     

基于 SVM 方法的高山松林蓄积量遥感估测研究

以香格里拉县高山松为研究对象,利用2006年香格里拉县TM遥感影像、2006年森林资源二类调查小班数据、2009年精度为30 m 的DEM数据以及2013年香格里拉县高山松实测样地数据,提取研究区内高山松林影像分布图及筛选出17个因子（13个遥感因子、3个地形因子、1个地面调查因子）作为备选自变量,在MAT-LAB下利用LIBSVM模块建立研究区高山松林蓄积量单位面积（30 m ×30 m）估测模型。结果表明,选用RBF核函数在参数范围内寻找出SVM模型的最佳参数C＝3.5809, g＝0.1、 p＝0.01,利用最佳寻优参数建立SVM非参数模型,对SVM模型进行测试得到,均方根误差MSE＝0.0087,复相关系数R＝0.51,相对误差RE＝23.4％,估测精度为76.6％。以像元为单位,分块提取高山松林对应的各像元自变量因子,利用估测模型预测得到香格里拉县高山松林总蓄积量为13318476.5 m3。