首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   103篇
  免费   5篇
林业   48篇
综合类   60篇
  2022年   1篇
  2021年   3篇
  2020年   5篇
  2019年   6篇
  2018年   5篇
  2017年   2篇
  2016年   2篇
  2015年   7篇
  2014年   5篇
  2013年   6篇
  2012年   5篇
  2011年   13篇
  2010年   5篇
  2009年   8篇
  2008年   3篇
  2007年   5篇
  2006年   5篇
  2005年   1篇
  2004年   2篇
  2003年   2篇
  2000年   2篇
  1998年   1篇
  1997年   3篇
  1996年   2篇
  1995年   4篇
  1993年   2篇
  1990年   1篇
  1987年   1篇
  1985年   1篇
排序方式: 共有108条查询结果,搜索用时 15 毫秒
1.
2.
3.
长白落叶松?水曲柳混交林冠幅预测模型   总被引:1,自引:1,他引:0  
  目的  基于黑龙江省尚志市帽儿山林场和一面坡林场长白落叶松?水曲柳混交林24块标准地的3 164株长白落叶松样木及3 574株水曲柳样木的数据,分别构建了长白落叶松和水曲柳的冠幅模型。  方法  通过分析不同混交方式林分内长白落叶松和水曲柳冠幅的变化规律及其与林木竞争因子的关系,从6种常用的线性和非线性基础冠幅模型中选取最优模型,并将混交比例Si和树木在混交带内位置P作为哑变量,加入其他树木变量和林分变量,分别构建长白落叶松和水曲柳的冠幅模型,并对所构建的模型进行评价。  结果  长白落叶松和水曲柳冠幅在不同混交比例Si和混交带不同位置P下差异显著;冠幅与DDH(林木胸径与林分优势木胸径之比)和HDH(林木树高与林分优势高之比)成正相关,与大于对象木的胸高断面积之和(BAL)成负相关,与距离无关的竞争因子可以反映树木的竞争压力,对冠幅具有影响;长白落叶松冠幅与冠长率(CR)成正相关,与高径比(HD)成负相关;水曲柳冠幅与水曲柳优势木平均高(H0Fra)成正相关,与高径比(HD)成负相关。包含混交比例哑变量Si和混交带位置哑变量P的长白落叶松和水曲柳冠幅模型拟合冠幅(CW)的Ra2分别为0.564 2和0.545 9,加入树木变量和林分变量后长白落叶松和水曲柳冠幅模型拟合CW的Ra2分别为0.674 5和0.589 6。  结论  包含混交带位置哑变量P、混交比例哑变量Si、树木变量(CR和HD)、林分变量(H0Fra)的长白落叶松和水曲柳冠幅模型具有较好的拟合效果及预测精度。因此,本研究所构建的冠幅模型可以很好地预测混交林内长白落叶松和水曲柳的冠幅,为进一步研究混交林树木树冠结构奠定了基础。   相似文献   
4.
基于混合效应的杂种落叶松人工幼龄林单木枯损模型   总被引:1,自引:1,他引:0  
目的利用固定间隔期复测数据,运用不同方法建立杂种落叶松人工幼龄林单木枯损模型,为确定杂种落叶松合理的经营措施和推广应用提供依据。方法基于2003—2015年黑龙江省江山娇实验林场48块样地的复测数据,通过Logistic模型,利用全子集法和最大似然估计构建杂种落叶松单木枯损模型。使用列联表分析和分类率-阈值散点图,确定枯损模型预估时的最佳阈值。引入随机参数,构建样地水平广义线性混合模型。模型估计方法为自适应积分最大似然估计,模型筛选指标为Akaike信息标准(AIC)、贝叶斯信息标准(BIC)以及-2倍对数似然值。通过计算绝对平均偏差(Bias),绘制ROC曲线以及模型预估枯损率与实际枯损率直方图对两种模型的预测结果进行评价比较。结果包含单木(林木胸径,DBH;胸径平方,DBH2)、林分(林分断面积,BA)、竞争(大于对象木树木断面积之和变形,BALD)3个水平变量组合的单木枯损模型拟合效果最佳。杂种落叶松枯损主要发生在小径阶且相对竞争较大时。单木枯损概率随DBH增加逐渐减小,随BALD、BA增加而逐渐增加。最佳阈值有效提高了模型预估效果,方差-协方差结构为无结构矩阵(UN)时,四参数混合模型的拟合结果最佳,其预估的林分枯损率更接近实际林分枯损率。结论混合模型能够更有效地描述和预估杂种落叶松的单木枯损。阈值分析是提高二分类模型预测准确性的有效方法。杂种落叶松作为速生树种,幼龄时期应适时进行抚育间伐以减少枯损发生的概率。   相似文献   
5.
目的消光系数(k)是模拟树冠光分布的重要指标,本研究通过对比常见的获得k值的方法,筛选最优方法,对长白落叶松人工林树冠内光合有效辐射(PAR)进行动态估计。方法(1)将实测的PAR数据按3∶1划分为拟合数据和检验数据,利用拟合数据构建k值预估模型(方法I)。(2)用拟合数据,采用人为设定不同梯度的k值估计树冠PAR,筛选最优的k值(方法II)。(3)基于叶倾角数据,采用2种不同的平均叶倾角公式(方法III-1、方法III-2),对k值进行计算。将检验数据作为独立样本对以上3种方法估计的PAR进行独立性检验。通过对比以上3种方法对树冠内PAR的估计效果,选择最优的k值计算方法,结合气象数据对PAR进行动态估计。结果根据实测PAR数据计算的树冠各轮层k值存在较大差异,总体在0.1 ~ 1.5之间,且与相对着枝深度(RDINC)呈明显的指数函数或幂函数关系。同时太阳高度角(Sa)、累积叶面积最大值(MCLA)、叶面积密度(NAD)和树冠表面积(CS)对k值的垂直变化也有明显影响。因此方法I将指数函数作为基础模型,以RDINC、Sa、CLA、NAD和CS为自变量建立了k值估计模型,模型的拟合效果较好(R2 = 0.736,RMSE = 0.124)。方法II中,当k取0.32时对PAR的估计效果最好。利用方法III计算的各轮层消光系数差异较小,总体在0.3 ~ 0.7之间。采用独立样本检验以上3种方法对PAR估计的效果,结果表明方法I对PAR的估计效果较好(平均误差ME = 2.88,平均误差绝对值MAE = 117.4,预估精度P = 91.53%),方法II对PAR的估计效果次之(ME = ? 7.2,MAE = 217.5,P = 88.12%),方法III对PAR最差(方法III-1中 ME = 121.4,MAE = 210.1,P = 55.85%;方法III-2中 ME = 226.4,MAE = 259.0,P = 42.93%)。结论k值在不同林木、不同轮层及不同的太阳高度情况下并不是一个固定值。本研究建立的k估计模型充分考虑了以上3个重要变量,符合客观实际,且对估计长白落叶松树冠PAR有良好的效果,研究结果为人工长白落叶松树冠内不同位置净光合速率的模拟提供了基础。   相似文献   
6.
【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k-邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm -2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm -2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。  相似文献   
7.
以江山娇实验林场的16块杂种落叶松密度对比标准地为研究对象,使用非线性最小二乘法,对4种常用胸径和树高生长模型拟合优度进行比较,最终选择Schumacher 方程作为混合模型的基础模型。考虑林分效应和林木效应,采用两水平嵌套混合模型的方法,通过R软件进行不同参数混合作用的模拟,选择收敛的AIC、BIC和对数似然值最小的混合模型作为最优模型,最后将其与传统模型进行拟合优度的比较。结果表明:胸径生长模型中将林分效应作用于参数a1、林木效应作用于参数a0和a1,树高生长方程中将林分效应和林木效应作用于参数a0时的混合模型最优,可将胸径和树高生长传统模型的确定系数从0.7510和0.9008提高到0.9463和0.9474,均方根误差也大幅缩小,并且较好地消除了异方差现象,说明通过构造方差协方差矩阵可以校正随机参数以反映树木之间生长的差异。  相似文献   
8.
根据长白山地区白河林业局的772块固定标准地调查数据,以及最小二乘法( OLS),建立逻辑斯蒂(Logistic)模型来预估该局现时状态有林地的红松分布概率,并采用泊松(Poisson)和负二项分布(Negative binomi-al,NB)模型预估该局现时状态有林地红松的分布数量,并对模型进行了拟合效果评价及独立性检验。结果表明, Logistic模型与数据的拟合效果很好,独立性检验中预测精度也在可接受的范围内,可以利用Logistic模型来预估该局有林地红松的分布概率。与Poisson模型相比,负二项分布模型能够解决因变量的不均匀分布(即过度散布)的问题,因此能够更好地拟合数据。但在独立性检验中,Poisson模型和NB模型的预测精度接近,且都在可接受的范围内,两个模型均可以用来预估该局有林地红松的分布数量。  相似文献   
9.
大兴安岭天然林林分空间结构   总被引:1,自引:0,他引:1  
  相似文献   
10.
以多元统计分析原理与方法为工具,对Logistic方程进行建模,同时对初始预测值进行了加权修正,进一步完善了Logistic模型的拟合曲线,指出了以往对于初始预测值认识上的不足.而改进后的初始预测值会优化系统预测.本研究方法与以往的拟合方法相比,其优点是避免了某一个初始值对整个预测系统的影响,并把这种方法应用于红松单木...  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号