Poisson回归模型和负二项回归模型在林火预测领域的应用

应用Poisson回收模型和负二项回归模型进行林火预测预报,研究模型的使用条件和检验方法,以大兴安岭地区1980—2005年该地区林火发生数据为基础,并运用AIC检验方法对模型的拟合水平进行检验,探讨这2种模型对林火发生的预测能力,为在我国林业领域的应用提供必要的理论依据和数据支持。     

基于多元多项式回归的大兴安岭过火面积与气象因子的模型

根据大兴安岭地区1990-2012年间气象因子和过火面积的数据,通过通径分析方法,计算出直接与间接通径系数,筛选出主要因子。再基于多元多项式回归理论,使用spss软件建立森林过火面积与气象因子之间数学模型。通过回归方程和回归系数的检验,拟合率达到74.12%,相关系数R为0.626。预测结果符合实际情况。所以森林过火面积作为衡量火灾危害程度的依据比较合理,通过森林过火面积与气象因子的模型是可行的。因此能够为当地林业部门科学有效的开展森林火灾防治工作提供参考。     

基于加权Logistic回归模型的森林火灾预测

林火预警是保障超高压输电网安全的重要工作,是森林防火部门和电网公司深度关注的领域。 研究以 2007—2017 年广东省超高压输电网线路途经地区的气象数据和林火监测的数据为基础,通过加权 Logistic 回归分析方法构建了广东省超高压输电线路区域森林火险预警模型,并用 2017 年实际林火发生 数据对该模型进行检验。模型预测准确率达到 92.6%,证明该模型具有良好的预测效果,反映了广东省区 域森林火险等级与相关气象因子的密切关系。     

基于灰色系统理论的森林火灾预测模型研究

依据灰色系统建模的基本理论，在系统分析内蒙古大兴安岭林区森林火灾发生规律的基础上，建立了森林火灾高火险及重灾年景灰色灾变GM（1，1）预测模型。模型模拟检验精度达到Ⅰ水平，发展系数-α小于0.3，可用于该地区森林火灾灾变中长期预测。预测结果显示，2001-2010年间，该林区将出现3个森林火灾高火险年，5个森林火灾重灾年，二者出现的间隔期均为2-3a，平均相对精度达98%以上；预测2007年将是高火险、重灾年份，前者预测精度为98.05%，后者预测精度为99.78%。     

林地变化驱动力研究中逻辑回归模型的应用

林地变化驱动力研究旨在揭示林地变化背后的驱动因素及其作用机制,是动态模拟、预测林地利用变化的前提工作。逻辑回归模型是研究林地变化驱动力的常见方法,但目前还没有学者对此进行系统的梳理。文中对逻辑回归模型在国内外林地变化驱动力研究中的应用进行综述,并提出对未来相关研究的建议; 通过文献分析法、归纳法等研究发现,相较于其他方法逻辑回归模型具有适用于因变量是分类变量的案例、重视空间机制等优势; 提出未来通过逻辑回归模型进行林地变化驱动力研究需要考虑数据的空间自相关性,选用恰当的研究单元、尺度以及变量。     

森林火灾受害面积的灰色预测模型的研究

运用灰色系统理论和方法,研究了森林火灾受害面积变化趋势的预测和分析方法.以江西省为例,建立了GM(1,1)预测模型,得出了灰色预测曲线和灰色预测区间,并对2010年前该省森林火灾情况进行了预测和分析,从而为森林保护的有关决策提供了依据.此外,通过预测精度分析,以及与回归方法的比较分析,表明本文方法已达到精度要求,且明显优于白色预测方法.     

基于气象因子深度学习的森林火灾预测方法

森林火灾一旦发生将对生态系统造成严重的破坏,间接导致气候的变化和极端天气频发。对森林火灾的发生进行准确预测可提前采取有效的防控措施,具有重要意义。传统林火预测模型多为数学方法和浅层神经网络,当数据量增大时易出现建模困难以及预测精度降低等问题。深度学习模型在处理大量非线性数据上具有一定的优势,其模型具有多层网络结构,通过训练大量数据可提取出具有代表性的特征值,发现数据间的隐含关系,达到准确分类预测的目的。因此,本研究提出一种基于深度学习的林火预测方法,将深度信念网络(deep belief network,DBN)作为预测模型,气象因子作为输入数据,以解决传统林火预测模型在面对大量数据时预测效果不佳的问题;同时结合过采样SMOTE(synthetic minority oversampling technique)算法,平衡林火数据集和增加训练数据量,提升了森林火灾的预测准确度。结果表明,在面对更大的数据量时,该模型预测精度明显优于其他传统林火预测模型,证明了将深度学习应用在林火预测的优越性。该研究可为深度学习在林业领域的应用提供参考。     

中国森林火灾发生规律及预测模型研究

量化分析森林火灾发生规律能为预测和防治森林火灾提供科学依据。文中采用四参数Weibull分布描述了我国森林火灾发生次数和火场面积分布规律,运用Spearman相关系数分析承灾主体因子、灾害管理因子、孕灾环境因子与森林火灾发生次数、面积间关系,基于全国森林火灾数据分别建立灰色系统理论模型、BP人工神经网络模型和时间序列ARIMA模型,并采用Markov随机过程改进已建立模型。结果表明,我国森林火灾发生次数分布呈左偏正态分布,火场面积呈倒J型分布,火灾次数和火场面积分布模型拟合决定系数分别为0.63和0.66;承灾主体、孕灾环境和灾害管理对森林火灾次数和火场面积影响程度依次减小,人工林面积、累年年平均气温、年降雨量平均差值、年最低气温平均日数与森林火灾发生具有明显相关性,影响森林火灾的因子与森林火灾发生次数、火场面积间存在指数型关系;不同模型对森林火灾发生次数和火场面积拟合优度次序为BP模型、GM（1,1）-Markov模型、BP-Markov模型、GM（1,1）模型、ARIMA模型、ARIMA-Markov模型,采用Markov过程能显著改进GM（1,1）预测模型对火灾随机性的预测效果,可以更好地反映森林火灾发生规律。     

可变密度蓄积量的BP网络模型

在森林经营过程中,及时掌握森林资源的现状,预测其发展趋势对森林资源的宏观经营决策和管理十分重要。本文根据金沟岭林场的实际情况,采用人工神经网络方法建立了基于人工神经网络的混交林可变密度蓄积量BP网络模型,采用回归方程适应性检验法分别对模型的拟合效果进行适应性检验,检验结果表明所有模型是实用的,不存在系统偏差,表明用人工神经网络的方法对森林资源进行预测是可行的,可以满足林业生产经营的精度要求。     

非线性模型对数回归的偏差校正及与加权回归的对比分析

本文结合大样本的立木生物量实测数据,对非线性模型对数回归的偏差校正问题进行了探讨,并与加权回归结果进行了对比分析。首先,分析了对数回归产生偏差的内在原因,并提出了一个新的校正因子,同时对另外3个偏差校正因子一并进行了检验,结果表明本文和Baskerville(1972)提出的校正因子,能保证与加权回归估计结果趋于一致;然后,对非线性加权回归中基于普通回归残差推导的权函数与通用权函数(W＝1/f(x)²)的拟合效果进行了对比分析,结果表明二者基本相当,而通用权函数更具有广泛的适应性。建议对带有异方差的非线性模型,最好直接采用加权回归进行估计;当按照通用权函数进行估计其总相对误差超出一定范围时,应该根据普通回归估计的残差推导效果最佳的权函数后再进行加权回归。     

农药精确施用模型及其与林木虚拟生长模型协同研究综述

林木虚拟生长模型是应用计算机模拟树木在三维空间中的生长发育状况,而农药精确施用模型是应用计算机模拟农药按需定量喷施、与目标植物接触以及产生药效等一系列喷施作业情况。如果把两者耦合起来,将直观模拟出林木正常生长、受病虫害侵染、农药发挥效果、长势有所好转等一系列交互效果,可为调整植物保护策略、制定农药喷施方案和研制新型植保机械提供理论支持和技术支撑。文中分析了农林病虫害防治情况和农药精确施用的重要性,在综述国内外喷头雾化性能模型、沉降沉积模型（飘移模型）、施药量调节模型、雾化特性预测模型等农药施用模型研究现状的基础上,通过分析探讨两模型协同机理和林木虚拟生长模型及耦合模型实时性协同环境,提出了基于农药施用过程与防治药效的模型协同研究、基于林木形态结构模型的仿形对靶喷雾模型研究以及农药精确施用多模型交互协同研究的建议。     

应用于森林资源连续清查的生长模型系统

该模型系统根据森林生长发展的内在规律设计,并用现代回归统计方法估计参数,由年龄隐含的单木生长模型、与直径相关的保留率模型(即采伐枯损模型)、以样地平均年龄及样地数为自变量的进界模型和面积模型组成。它适用于一个较大区域(如一个省)的森林资源更新和预测。它用复测的固定样地数据和复测的样木数据建模。文章给出了用江西省的连续清查数据进行建模和预测的误差分析结果。     

Nilson自然稀疏模型初探

林木自然稀疏是自然选择最清晰、最好的例子。关于引起自然稀疏的原因、预测变量以及模型形式的分析有着许多不同的观点。自然稀疏模型主要有Reineke模型、-3/2自疏法则、WBE模型等。文中在收集整理相关文献的基础上介绍了Nilson自然稀疏模型,并将该模型与其他主要的自然稀疏模型进行比较,得出Nilson自然稀疏模型能直接呈现出林木株数与直径之间的关系,且随着直径从0增加到无穷大时,其自然稀疏线的斜率在0到-2之间变化,因此Nilson自然稀疏模型描述自然稀疏过程比其他模型更为有效;并从Nilson自然稀疏模型的优缺点、适用范围、运用推广、自稀疏模型的研究方法和模型选择等方面进行了讨论,提出该模型以及其他大多数自然稀疏模型只能运用于纯林,对混交林自然稀疏模型的研究将是未来自然稀疏研究的一个重点,纯林、混交林自稀疏关系将会广泛运用于林业经营管理中。     

林业企业森林经营管理模式改革研究

剖析了当前林业企业森林经营管理模式存在的主要弊端,在此基础上提出了林业企业森林经营管理模式改革的一套思路,构建了一个林业企业森林经营管理新模式,即"员工与企业效益共享模式"。该模式有利于提高林业企业员工的主观能动性和经营管理工作的实际效果,提高营林投资收益,实现预期的森林经营目标,这对林业企业经营管理改革和实践具有一定的现实意义。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

动态数据驱动的林火蔓延模型适宜性选择

基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上.     

三维可视化技术在林业中的应用研究进展

阐述三维可视化技术及其在国内外的研究现状.综述了林木可视化、生长模型、林火模拟、森林空间格局4种三维可视化应用方式在林业中的应用研究概况.对三维可视化在林业生产和森林经营管理中的不同应用方式的功能、作用进行了分析概述,并展望了其应用前景.     

Growth Model System for National Continuous Forest Inventory

A Growth Model System is developed for data updating and forecasting of the national continuous forest inventory. Its design is based on the inherent forest growth laws, and its parameters are estimated by modern regression methods. It is composed of an age-implicit tree model, a diameter-related survival rate model, a recruitment model based on age and number of plots, and an area model. It is suitable for forest resource information updating and forecasting for a large region, e.g., a province. Data of remeasured plots and trees are needed for development of the system. A study case of Jiangxi Province with detailed error analyses is provided. Translated from Forest Research, 2004, 17(4) (in Chinese)     

森林火险中长期预测预报研究进展

概述了我国和美国、加拿大的森林火险中长期预测预报的理论和方法。国内研究大多建立在对历史火灾资料与气象资料进行统计分析研究的基础上, 预测结果多是定性的、间断性的。美国和加拿大则依托成熟的全国性森林火险等级系统, 结合气象局的中长期降水和温度预报, 给出各火险指数实时的一周尺度预报及每周1次的16周尺度的季节性预报。我国今后应加强森林火险的中长期预测预报研究, 要由单纯定性分析转向定量化研究, 由一般数理统计模型转向具有明显物理意义的数学物理模型。