高吸水剂在我国林业上的应用研究进展

近20年来,利用高吸水剂进行抗旱造林的节水、保水生产技术,以其独有的特性和广阔的应用前景,引起各界的关注.文中就高吸水剂在我国林业上的应用研究进行了总结,并指出了高吸水剂在林业上的常规用法、适用范围、应用的局限性和应用前景.     

保水剂及其在林业上的应用研究进展

本文阐述了保水剂的研究开发历史、种类、特点和作用机理，综述了保水剂对土壤理化性质的影响及其在林业上的应用情况。保水剂是一种吸水倍率高、保水性能好的高分子化合物。它可以提高土壤含水量、抑制土壤蒸发、改善土壤结构、增强土壤对养分的吸附力。保水剂在林业上的应用方法主要有拌土、拌种、包衣、根部涂层和用作培养基质等。在林业生产中应用保水剂可使种子提前发芽、提高出苗率和移植成活率、促进植物生长发育、延缓凋萎时间等。在干旱地区造林中保水剂具有广阔的应用前景。     

数学模型在林业上的应用

论述了数学模型在林业的应用范围。     

GPS在林业上的应用

1GPS在林业上的应用GPS技术范围在确定林区面积,估算木材量、计算可采伐林木面积、确定原始森林、道路位置、对森林火灾周边测量、寻找水源和测定地区界线等方面,可以发挥其独特的重要作用。在森林中进行常规测量相当困难,而GPS定位技术可以发挥它的优越性,精确测定森林位置和面积,绘制精确的森林分布图,是今后林业作业中必不可少的工具,如广泛使用一定会取得巨大的经济和社会效益。2基本概念2.1地形图坐标系我国的地形图采用高斯-克吕格平面直角坐标系。在该坐标系中,横轴:赤道,用Y表示;纵轴:中央经线,用X表示;坐标原点:中央经线与赤…     

新技术在林业上的应用

主要介绍了生物技术、遥感技术、电子计算机技术及其他新技术在林业上的应用情况。     

稀土在林业上的应用

稀土是稀有金属的简称,由镧系15种元素和与之相似的钪、钇共17种元素组成。农用稀土化合物是以硝酸镧和硝酸铈为主要成分的硝酸稀土。适量的稀土能促进植物生长,提高叶绿素含量,增强酶活性,促进生根,并且对环境、土壤、人畜等没有危害作用。在林业上应用稀土是稀土农用的新尝试,目前     

激光在林业上的应用

激光在林业上的应用苏玉芹，侯丙荣激光在各领域里已广泛应用，林业上的应用有以下几方面：一、激光切割木材这是一种高效无锯屑切割技术，它是将经过聚焦、具有极高密度的激光束射向木材表面，使木材产生强烈的热解和质变。当木材受到高热源作用时，其分子结构发生化学反...     

壳聚糖在林业及造纸业中的应用研究进展

在简单介绍壳聚糖(Chitosan)性质的基础上,着重论述了壳聚糖在林木培育、林产工业及造纸业中的应用情况,分析了壳聚糖在林业及造纸业中的潜在应用前景。     

基于人工神经网络预测广东省森林火灾的发生

应用人工神经网络建立热带森林火灾发生情况预测的多层神经网络模型,并将林火发生影响因子的历史数据作为样本值,输入模型进行训练。结果表明:利用所选取的输入因子作为样本的人工神经网络,可以对林火的发生发展作出准确有效的预测。文中还对模型的准确性和训练精度进行讨论,进而分析人工神经网络在林火预测中的可行性,证明人工神经网络在林火预测中的应用价值。     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径.     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

人工神经网络技术在变速箱故障诊断中的应用

阐述了人工神经网络技术在变速箱故障诊断中的一般方法，重点介绍了人工神经网络模型训练参参数数的选择和机械故障信息的提取方法，实验结果表明，人工神经网络技术可以快速、准确地诊断出机械故障类型。     

人工神经网络在林分出材率预测中的应用

应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。     

用人工神经网络构建多形地位指数模型

以马尾松人工林132株优势木树干解析数据为训练样本,用145块标准地优势木平均高数据为检验样本,把林分年龄和地位指数或优势木平均高作为输入变量,将优势木平均高或地位指数作为输出变量,通过构建人工神经网络逆模型的途径,分别建立了多形地位指数曲线式和计算式模型。结果表明,多形地位指数曲线式的总体拟合精度为99.64％,总体预测精度达96％以上,比传统技术构建的多形地位指数模型能较真实地模拟各地位级的多形曲线;多形地位指数计算式的总体拟合精度为98.81％,用于计算地位指数,省去用迭代法计算地位指数的工作量。基于BP神经网络模型多形地位指数模型,对马尾松人工林地位指数测定提供指导作用,可为森林立地质量评价提供理论依据。     

灰色聚类法和人工神经网络在水质综合评价中的比较

探讨了两种水质综合评价方法：改进的灰色聚类法和人工神经网络法。通过采用增加训练样本和黄金分割的隐合层节点优化算法建立了人工神经网络模型,将两种水质综合评价方法进行了比较,结果表明：改进的灰色聚类法计算量较大,主观性较强,评价结果稳定。BP人工神经网络进行水质综合评价具有客观性,但网络训练较为繁琐,通过插值生成训练样本,极大地增强了网络的稳定性。但扩充后的训练样本,不能代表复杂的水质实况,使评价结果受到一定影响。     

用人工神经网络评价边坡稳定性

基于人工神经网络原理，建立边坡稳定性分析模型，并选用工程实例对网络进行检测，评价边坡的稳定性，比较结果表明，神经网络模型分析边坡的稳定性有较好的适用性，能满足计算的精度要求，经实例验证该方法是科学合理的。     

基于人工神经网络的原木CT图像缺陷识别

以欧洲白蜡为例,利用训练好的神经网络识别原木CT图像中的各种木材缺陷.不同隐蔽层节点的神经网络可以正确地识别树皮、节子、腐朽和无疵木材;但是对于细小裂纹尚还不能准确识别.计算机快速、自动识别图像中的各种缺陷,有利于实现最优化的锯切方案.     

人工神经网络在木材工业中的应用前景

在简要介绍人工神经网络的基本特征和基本功能的基础上 ,阐明利用这些特征和功能在木材工业中可能的应用方向。利用神经网络可以预测木材干燥中木材在不同温湿度条件下的含水率、应力与应变情况和植物纤维复合材料在不同工艺条件下的性能、优化林化产品等工艺条件以及预测林产品市场的国内外走向等。