基于BP神经网络预测林内PM2.5浓度

[目的]利用BP神经网络预测林内PM_(2.5)浓度。[方法]利用人工神经网络理论,采用2013年7月—2014年5月野外实时监测数据,建立了以气象参数、污染源强变量和林分结构特征为输入因子,林内PM_(2.5)小时平均浓度为输出因子的预测模型,并对其预测精度进行了评价。[结果]BP人工神经网络模型能够很好地捕捉污染物浓度与气象因素和林分结构间的非线性影响规律,预测结果的平均相对误差为1.71×10~(-3),均方根误差为6.77,拟合优度达0.98,模型具有很高的预测精度。而传统的多元线性回归(MLR)模型预测结果的平均相对误差、均方根误差和拟合优度分别为0.27、22.92和0.93。[结论]研究成果印证了应用BP人工神经网络模型预测林内PM_(2.5)浓度的可行性和准确性。     

基于单木生长神经网络模型的林分生长预测

以马尾松Piuns massoniana人工林间伐试验林为研究对象，用单木生长神经网络模型与林分表法的转移概率矩阵模型构建了林分直径分布的动态转移模型，再与径阶材积向量或材种材积向量构成林分生长与收获预测模型。预测检验结果显示，高、中、低密度的林分断面积预测精度依次为94％、95％、97％，蓄积量预测精度依次为92％、94％、96％，表明不计枯损（或采伐）的转移概率矩阵模型对低密度林分的预测比对高密度林分的预测效果好。     

塞罕坝华北落叶松人工林断面积预测模型

如何实现林分水平和单木水平预测林分断面积的兼容性,并提高不同水平断面积模型的预估精度,在森林经营过程中是一个亟待解决的科学问题。本文以华北暖温带华北落叶松人工林为研究对象,运用105块连续观测的固定样地数据,首先采用Gauss-Newton算法建立林分水平和单木水平断面积生长模型;其次分别采用不同形式的逻辑斯蒂方程对单木生存概率方程进行拟合;最后将不同水平最优预测模型进行组合并建立组合方程,采用最小二乘法估计组合方程参数,以提高对不同水平断面积的预测精度。结果表明:在约束参数法中,林分密度模型、林分断面积预测模型和单木断面积模型均具有较好的预测效果,并均能解释90%以上的变异;在分解法中采用逻辑斯蒂方程来预测单木生存概率和林分密度,经检验获得的ROC曲线下面积为0.906,表明该方程可以较好地预测林木生存概率;在组合预测法中,采用不同水平的最优模型进行组合后的预测效果最佳。在预测林分密度和断面积时,组合预测方程预测精度最高,林分水平模型预测精度次之,单木水平模型预测精度最低。组合预测法能够预测不同水平下的林分密度、立木生存概率、林分断面积及单木断面积,提高了模型预测精度,为预测林分生长动态、空间结构变化及经营效果评价等提供参考依据。      

油松林分断面积与蓄积量生长模型研究

对北京地区油松林分断面积、蓄积量生长模型进行研究,为建立通用的、相容的断面积、蓄积量生长模型奠定基础。利用北京市油松一类清查数据,以Richards和Shumacher 为基础模型,通过选取不同的密度指标,分别拟合油松林分的断面积、蓄积量生长模型,并选取最优的断面积、蓄积量模型,引入哑变量,将间伐林分和未间伐林分合并建立林分断面积、蓄积量生长模型。结果表明,油松林分的断面积、蓄积的模拟效果都较好,R²分别最高达0.900 0、0.890 0,而且不同的密度指标直接影响模型的预估效果,林分断面积生长模型选用林分密度指数作为密度指标的预估效果更好;林分蓄积量生长模型选用林分断面积作为密度指标时预估效果更好,当在模型中的渐近值参数引入密度指标后,Schumacher模型对林分蓄积量的预估精度又要略优于Richards模型,通过模型的独立性检验,预测精度均在91%以上;而在最优的模型上引入哑变量后的林分断面积、蓄积量模型的R²、预测精度都比常规的模型稍高,R²均在0.900 0以上,预测精度在0.950 0以上。引入哑变量能适当的提高模型的精度,可以用来描述北京地区油松林分在不同措施下的生长变化规律,也解决了不同类型林分合并建模不相容的问题。     

杨树桑天牛的虫情调查及其空间分布型研究

2008年4月对合肥市大杨镇杨树林桑天牛的抽样调查,查明现阶段该林分桑天牛的总体虫株率为26.25％,其中林缘虫株率为26.90％,林内虫株率为25.70％;桑天牛总体虫口密度为0.6931头／株,其中林缘和林内虫口密度分别为0.72头／株和0.67头／株。该区桑天牛的危害程度为严重。采用不同方法测定桑天牛的空间分布型,结果均为聚集分布。提出桑天牛综合治理对策。     

油松人工林林分生长过程动态预测及检验

根据北京山区调查的246块油松人工林固定样地资料,运用理论生长方程,建立了油松人工林林分高和断面积的生长模型,并对其生长过程进行了精度评价及预测检验。结果表明:Compertz、Mitscherlish、Logistic方程拟合油松人工林林分高生长过程时,方程渐近参数受立地指数的影响,将立地指数作为方程自变量时,预测精度最高的是Mitscherlish方程;将立地指数、林分密度指数引入Korf理论生长方程中拟合油松人工林林分断面积生长过程,其模拟精度R2达0.98;对两个模型进行χ2检验,发现观测值和预测值差异不显著,拟合效果良好。研究结果可对北京地区油松人工林的生长动态进行精确预测,为油松人工林的科学经营提供理论依据。     

北京山区侧柏人工林林内景观质量分级技术

北京山区侧柏Platycladus orientalis人工林在发挥生态服务功能的同时,其景观质量也备受关注,林内景观质量受美学质量和林分结构质量共同影响。综合考虑美学质量与林分结构质量,对北京山区侧柏人工林进行林内景观质量分级。通过相关分析筛选与林内美景度显著相关的林分结构指标,通过因子分析和逐步回归分析构建美景度模型,使用TOPSIS法和系统聚类分析对林内景观质量进行分级。结果显示:①平均胸径、林分密度、平均枝下高、灌木盖度、透视距离、郁闭度、径高比与美景度呈显著相关（P < 0.05）,林下有效空间与美景度呈极显著相关（P < 0.01）;②二次多项式逐步回归模型能够更好地解释林分结构与美景度间的关系;③将山区侧柏人工林分为高质（Ⅰ级）、中等（Ⅱ级）、低质（Ⅲ级）3个等级,选择在各等级间差异显著的平均胸径、林分密度、平均枝下高、径高比、林下有效空间指标作为划分等级的主要参考依据。林内景观质量等级较高的林地,树木粗壮且长势较好,林分密度不宜过大,枝下高较高且林下灌木较低矮,具有一定的林下空间,林内可进入性较高。     

基于BP神经网络的农田小气候站数据质量控制算法设计

[目的]设计基于BP神经网络的农田小气候站数据质量控制算法,为智慧农业发展提供数据支撑.[方法]以四川省温江国家自动气象观测站及农田小气候站2013年的日最高气温数据为资料,采用BP神经网络法构建农田小气候站温度误差补偿模型.[结果]构建的模型对日最高气温数据日变化率特征进行二次误差校正后,数据误差较控制前下降50％,...     

灰色系统理论在林分蓄积量预测中的应用

应用灰色系统理论与方祛,以甘肃省森林资源监测中心1989—1996年对白龙江-洮河林区调查的林分蓄积量数据为基础,建立灰色预测的GM（1,1）拓扑模型,从中选出精度最高的模型,对白龙江-洮河林区1997-2001年的林分蓄积量进行预测。预测结果经过1997年蓄积量调查数据的实践检验,精度达到99.5％。     

华北落叶松林分生长模型模拟与预测研究

为掌握华北落叶松人工林林分生长规律,采用林分特征因子年龄、立地指数、密度以及材积建立林分生长模型,根据非线性模型研究方法,获得了林分平均树高模型、密度指数模型、断面积模型和收获模型,且预测精度均达到了80%以上。这说明华北落叶松人工林林分模型不仅具备较高的模拟效果,而且具有较高的预测精度,在生产实践中,为华北落叶松人工林的经营管理提供了基本的理论依据。     

基于EMD-SD光谱的玉米叶片叶绿素含量GA-BP模型反演

叶绿素是作物进行光合作用所需的主要色素,BP神经网络（BPNN）是较为新颖的反演叶绿素含量的方法。为研究反演精度更高的叶绿素含量反演模型,将经验模态分解（EMD）与光谱微分（SD）结合来提高输入因子与叶绿素含量的相关性,并使用遗传算法（GA）优化BPNN得到GA BP模型以获得最优初始权值阈值。将光谱数据EMD后进行一阶微分变换得到EMD SD光谱,选择与叶绿素含量相关系数超过06的5个波段处的EMD SD值作为GA BP模型的输入因子,隐含层节点数为7,多次训练取最优个体适应度值最低的GA BP模型来反演玉米叶片叶绿素含量。GA BP模型反演得到的预测值与实测值之间的判定系数（R2）最高,达到0818,均方根误差（RMSE）仅为2442,平均相对误差（e）为5436%。研究表明,EMD SD光谱作为GA BP模型的输入因子,与线性模型MLR和未优化的BP模型相比反演精度最高,验证了基于EMD SD光谱的GA BP模型提高玉米叶片叶绿素含量反演精度的可行性。     

基于BP神经网络的竹林遥感监测研究

竹林信息提取对利用遥感技术估算竹林碳储量至关重要,高精度地提取竹林信息将有利于降低碳储量估算误差。借助Matlab神经网络模块．采用BP神经网络（back propagation neural network）对ETM＋（enhanced themativ mapper plus）遥感影像提取竹林信息,得到了较高的精度,生产精度和用户精度分别为84．04％和98．75％;同时比较了Levenberg-Marquardt BP算法函数（Trainlm）、自适应学习率BP的梯度递减函数（Traingda）和梯度下降动量BP算法函数（Traingdm）等3种训练函数在分类中的差异。分析表明,Traingda算法函数分类精度最高,而Trainlm算法函数的训练时间最短。     

基于改进MNN的森林健康评价方法研究

为了更好地支持森林的可持续经营,探讨了森林健康评价方法.与传统的单一人工神经网络相比,集成神经网络（Modular Neural Networks,MNN）在解决复杂分类问题时更加有效,因此利用MNN作为森林健康评价的具体方法.此外,常被用来训练神经网络的反向传播（Back Propagation,BP）算法存在收敛速度慢且易陷入局部极小值等不足.为了解决这一问题,将具有极强全局寻优能力的人工蜂群（Artificial Bee Colony,ABC）算法与BP算法相结合,形成一种混合ABC-BP算法的改进MNN模型,并将其用作构成MNN的单一神经网络的学习算法.通过试验对比分析,验证了改进MNN模型的有效性.     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

采样季节对干小蓬草精油挥发性组分的影响

研究了样曲采集季节对干小蓬草精油挥发性组分的影响。采用气相色谱-质谱法对水蒸气蒸馏分别提取的7月、8月和10月采集的小蓬草精油进行了分析。结果表明：干小蓬草精油挥发性共有组分主要是萜类化合物,且挥发性组分种类逐渐减少。共有丰成分中柠檬烯相对含最最高,相对含龟最高可达50．13％,非共有化合物相对含龟较低（0．26％-1．91％）。采样季节对干小蓬草精油的挥发性主要组分（柠檬烯、反式-α-佛手柑油烯、α-姜黄烯）的影响较小。富含萜类化合物的干小蓬草精油在化妆品上有开发利用价值。     

产仔季节对长大二元杂种母猪产仔性能的影响

[目的]最大限度地发挥长大二元杂交母猪的繁殖潜力,实现经济效益。[方法]根据安徽某商业猪场2008年母猪正常分娩记录,分析了季节因素（月份）对长大母猪窝产仔数、窝健仔数、窝畸形数、窝弱仔数、窝死胎数和窝木乃伊数影响。[结果]3月窝产仔数及窝健仔数达全年最高位,分别为12.08和10.76头;7-9月则低于年平均值,8月份最低,分别为11.53头和9.84头。窝畸形数以6-8月较高,8月份最高,达0.38头;7-10月窝弱仔数和窝死胎数均较高,10月份达全年最高,分别为1.06头和0.48头;6-9月份窝木乃伊数较高,9月份最高,达0.23头。[结论]产仔季节（月份）对长大母猪窝产仔数、窝健仔数、窝畸形数、窝弱仔数、窝死胎数和窝木乃伊数均有显著影响,其中7-9月高温季节对上述繁殖性状的影响较大。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

基于BP神经网络的油松人工林生长模型

以内蒙古大青山油松人工纯林作为研究对象,利用Matlab神经网络工具箱中的logsig、tansig、trainlm 等函数,采用二类调查数据中的平均年龄、郁闭度、地位级作为输入层,平均高为输出层,建立油松人工林树高生长BP人工神经网络模型.结果表明,模型的拟合精度为99.98％,检验精度为98.62％,说明该模型对当...     

森林火灾成灾面积的人工神经网络BP模型预测

应用人工神经网络BP模型对河南省森林火灾成灾面积进行预测,网络模型的最大相对误差为1.15%,最小相对误差是0,平均为0.42%,表明预测值与实际值吻合程度很好,模型精度较高,建模简单,是预测森林火灾成灾面积的有效方法.     

集约经营措施对毛竹林生长季土壤呼吸的影响

以粗放经营毛竹Phyllostachys pubescens林和常绿阔叶林作为对照,利用静态箱-气相色谱法研究集约经营对毛竹林土壤呼吸速率的影响。结果显示：整个生长季（4-10月）,集约经营毛竹林、粗放经营毛竹林和常绿阔叶林之间土壤平均呼吸速率存在差异显著（P〈0.05）,3种林分土壤平均呼吸速率分别为1.01,0.79和0.72 g.m-2.h-1。3种林分土壤呼吸速率动态变化规律基本一致,4-5月土壤呼吸速率相对较小,6月开始迅速升高,7月达到最大值,6-9月维持在较高值,10月开始大幅度下降。土壤呼吸与地下5 cm土壤温度呈显著的指数相关（P〈0.05）,3种林分地下5 cm深处土壤温度分别可以解释土壤呼吸变化的63%,63%和59%。根据集约经营毛竹林、粗放经营毛竹林和常绿阔叶林土壤呼吸与地下5 cm土壤温度拟合的指数方程,计算出生长季土壤呼吸的温度系数Q10值分别为2.46,4.81和2.05。图2表1参40