高光谱数据森林类型统计模式识别方法比较评价

在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度.     

抚育间伐对落叶松云冷杉混交林的影响

以15块人工落叶松纯林演化后形成的落叶松云冷杉混交林为对象,间伐后12年观测结果,研究间伐对林分和树木生长、树种组成、物种多样性及土壤等因子的影响。间伐强度分为2级:中度(平均为20%)和强度(平均为30%)。结果表明:间伐促进了保留木生长的显著增加,但不同间伐强度间无显著差异。林分及单木的直径、断面积和蓄积生长率均表现相同的趋势即随间伐强度的增加而增加。但间伐没有显著地增加12年间的总收获量。伐后对照样地表现为较高的枯损,枯死木主要是落叶松和阔叶树。林分进界株数严重不足,进界的主要树种是云冷杉、阔叶树和红松,以耐荫树种为主。从枯损和进界看,如果能对红松和阔叶树进行保护,这种林分很可能逐渐演化为阔叶红松林。建议对红松和阔叶树进行保护,使林分向阔叶红松林方向发展。各林分的树种组成在12年间基本没有发生变化,即间伐没有显著地改变林分的树种组成,目前的树种组成即落叶松、其他针叶树(云杉、冷杉和红松)和阔叶树组成比约为6∶3∶1可能是相对稳定的群落。20%和30%的间伐强度没有显著地改变林分的物种多样性、灌草生物量和土壤物理性质,间伐样地的物种多样性略有提高;间伐样地的土壤物理性质有所改善,总孔隙度和毛管孔隙度都大于对照;林下灌草生物量有所增加。     

长白落叶松等几个树种冠幅预测模型的研究

以20块落叶松云冷杉林为对象,采用多元逐步回归方法,研究其组成树种的单株木冠幅预测模型.因变量为单株木冠幅,自变量包括胸径、树高、枝下高、树冠比、竞争因子和林分密度.共测定了3 099株树木,全部参加了建模.最终建立了长白落叶松、冷杉、红松、云杉、枫桦、水曲柳、色木、白桦和椴树9个树种的冠幅预测模型.结果表明:胸径和林分密度是所有树种中影响冠幅的重要因子;模型的调整决定系数在0.34～0.75之间;绝对误差在-0.000 114～0.054 m之间;相对误差在-0.054 43%～3.440%之间;均方根误差在0.360～0.510 m之间,相对均方根误差在27.4%～37.4%之间.      

基于贝叶斯法的长白落叶松林分优势高生长模型研究

贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。      

对延边林区林蛙产业发展的思考

林蛙产业是延边林区最具有发展潜力的优势产业,在拉动林区经济发展方面起到了重要作用。通过对延边林区林蛙产业存在的资金短缺、政策不优、科研滞后、行业自律不严等问题的分析,从加大投入、加强管理、建立健全林蛙良种繁育体系、发展专业合作组织、开发生产要素市场、强化自律、加快龙头企业建设、提高产业科技含量等8个方面,对加快林蛙产业发展提出了对策与建议。