瑞典私有林经营管理实践与启示

位于北欧斯堪的纳维亚半岛的瑞典王国,国土面积44.99万km2,森林面积2700万hm2,森林覆盖率约为60%,林木总蓄积量近30亿m3,人均320m3。全国年林木生长量为1亿m3,采伐量为7500万m3。现在的森林蓄积量比1920年增长了60%,全国人均森林面积和蓄积均居世界前列。瑞典林业已经步入生长量大于采伐量、高度重视生物多样性保护的可持续发展阶段。一瑞典现有的森林资源,按所有制划分,可分为公有林和私有林。公有林包括国有林、教堂和地方社团所有林,占全国森林面积的24%;私有林分为公司所有林和私人所有林,又称公司林和非工业私有林,占76%。瑞典全国共有…     

加拿大的森林资源和木材利用

森林资源:加拿大是世界林业强国。森林是加拿大最重要的国家财富。全国森林总蓄积量190亿立方米,占世界森林总蓄积的7%。蓄积量,采伐量和加工量仅次于苏联,而林业和木     

我国森林资源木材供给能力分析

为了解我国现有森林资源承载量及木材供给潜力,以全国第八次森林资源连续清查数据为基础,根据《森林采伐作业规程》、《森林抚育规程》、《生态公益林建设技术规程》等规定,按照不同起源、优势树种（组）、龄组（龄级）划分标准,分主伐、抚育采伐、更新采伐和补充主伐4个采伐类型测算森林资源可采资源及合理采伐量。测算结果表明,森林资源可采资源量有所增长,合理采伐量区间为2.74～3.17亿m3。     

木兰林管局商品林合理年伐量的探讨

采伐森林收获木材一直是森林利用的最主要方式,确定一个经营单位的合理年伐量可以充分利用现有的林木资源,发挥商品林应有的经济效益的同时,不断调整森林结构和提高森林资源质量。通过对木兰林管局商品林的龄组结构的分析,选择了合理的年伐量计算公式,得出了相对合理的商品林年度采伐量。     

奉化市“十二五”期间年森林采伐限额的编制

根据编制原则及范围,采用2007年森林资源二类调查成果,利用国家林业局调查规划设计院开发的"森林合理年采伐量测算系统"和由浙江省森林资源监测中心开发的"浙江省十二五编限数据处理系统"组成的软件,测算出奉化市合理年采伐量为49413m3.为利于林业可持续发展,确定奉化市"十二五"期间年森林采伐限额建议指标为46980m3,其中主伐4440 m3,抚育采伐32970 m3,更新采伐5570 m3,其它采伐4000 m3.     

浅谈天然林的保护与可持续发展

天然林的保护与生态环境的安全密不可分,据第5次全国森林资源连续清查结果统计,全国林业用地面积2.63亿hm2,森林面积1.59亿hm2,森林覆盖率为16.55%,活立木总蓄积量为124 .88亿m3.森林蓄积量为112.67亿m3,森林面积列世界第5位.森林蓄积量列第7位,人工林面积居世界第1位.本文在分析我国天然林保护工程的实施与成效的基础上,提出了促进天然林可持续发展的的几点建议.     

计算森林采伐量新方法的探讨

为了确定合理的采伐量,充分利用森林资源,并能调整森林的龄级结构,达到永续利用的目的。本文提出了计算合理采伐量的数学模型——LAW模型。     

基于多距离度量kNN模型的森林蓄积量反演

【目的】森林蓄积量是衡量森林质量和生长状况的重要指标。利用遥感技术进行森林蓄积量反演相比传统的森林调查能显著提高森林资源调查效率,对快速获取区域范围森林生长状况,进行高效的资源利用和森林经营管理具有重要意义。【方法】以陕西韩城市为研究区,利用森林资源二类调查数据库提取森林蓄积量实测数据,结合Sentinel-2遥感影像进行森林蓄积量反演。通过线性逐步回归法和重要性评价法分别进行变量筛选,构建多元线性回归模型、支持向量机模型、随机森林模型和基于欧式距离、曼哈顿距离和马氏距离构建的kNN模型进行森林蓄积量估测,通过精度评价比较最终选择估测精度最高的模型进行研究区森林蓄积量反演。【结果】1）马氏距离是最适合构建kNN模型的距离度量。基于马氏距离构建的kNN模型在所有模型中实现了最高的估测精度,决定系数R2为0.66,均方根误差RMSE为10.02 m3/hm2,均方根误差相比随机森林模型、支持向量机模型和多元线性回归分别下降了3.9%、7.8%和29.9%;2）非参数模型在森林蓄积量估测中的精度显著优于参数模型。基于马氏距离构建的kNN模型、随机森林模型、支持向量机模型均方根误差相比多元线性...     

塞罕坝主要天然次生林生长过程表的编制

利用林分生长过程表确定林分生长发育过程,在森林资源资产评估、安排森林经营措施、计算蓄积量、材种出材量和确定森林采伐量等生产经营过程中有着极其重要的作用。本研究以河北省塞罕坝主要天然次生林（白桦,山杨,柞树）为研究对象,在收集多年调查的临时样地数据的基础上,进行筛选、分析,从中选出584块符合条件要求的样地,借助Excel、SPSS11．0和ForStat统计分析软件,对中等立地条件下各树种的主要林分调查因子进行方程拟合,并对生长方程进行检验,分别编制了林分生长过程表,为该地区主要天然次生林的生长收获预估等森林经营活动提供了理论依据。     

甘肃省森林资源现状及动态变化分析

文章以甘肃省森林资源连续清查和统计数据为数据基础,采用统计分析的方法,对 40 年来 甘肃省森林资源动态变化进行了分析研究,结果表明：从 1975 年到 2016 年,全省林地面积由 630.87 万 hm2 增加到 1 046.35 万 hm2 ,增长 65.9%;有林地面积由 186.83 万 hm2 增加到 263.89 万 hm2 ,增长 41.2%;森林面积（含国家特别规定灌木林）由 2006 年的 470.67 万 hm2 增加到 2016 年的 509.73 万 hm2, 增长 8.3%;森林活立木蓄积量由 1.96 亿 m3 增长到 2.84 亿 m3 ,增长 45.1%。森林面积蓄积“双增”幅 度较大。全省乔木林每公顷蓄积量由 1975 年的 99.31m3 / hm2 微降到 2016 年的 95.45 m3 /hm2 ,下降 4.1%, 森林质量较低。同时乔木林树种、林龄结构不够合理。采用回归分析预估,到 2035 年和 2050 年,森林 面积分别达到 639.15 万 hm2 和 742.68 万 hm2 ,森林覆盖率达到 14.21% 和 16.52%,乔木林蓄积量达到 3.2 亿 m3 和 4.1 亿 m3 ,活立木蓄积量达到 3.6 亿 m3 和 4.5 亿 m3。     

基于RS和GIS的径向基神经网络模型对森林蓄积量的估测

以塞罕坝机械林场的华北落叶松林为研究对象,利用SPOT5影像,基于RS和GIS确定蓄积量主要影响因子,即海拔、坡向、郁闭度、SP1、SP3、SP1/2、SP1-2/1+2、SP2~*3/1,选取径向基神经网络模型中的广义回归神经网络模型对其蓄积量进行估测.结果表明:对林分蓄积量估测的最高精度为98.70%,最低精度为68.56%,预估检验的所有样地的平均精度为87.24%.利用径向基GRNN模型建立森林蓄积量估测模型对蓄积量进行估测时,效率高,计算方法比较简洁,易于操作.     

应用多元回归进行二类调查的尝试

本文在碱房林场二类调查的基础上,针对应用分层抽样控制总体,如何提高小班蓄积量回归估计精度的问题,对简单回归、分层回归、多元回归等多种回归形式估计小班蓄积量的方法进行了分析比较。结果表明:多元回归的方法,可明显降低外业工作量、提高估计精度。同时提出了建立多元回归方程时,选择辅助因子和质量因子数量的原则。     

A three-phase sampling procedure for continuous forest inventory with partial re-measurement and updating of terrestrial sample plots

For a current inventory using double sampling for stratification with a reduced second-phase sample size, compared with a previous inventory, we develop a three-phase sampling procedure that exploits plot data from the previous inventory or their updates based on a growth model to increase precision. The three-phase procedure combines double sampling for stratification with a two-phase regression estimator within strata. We consider sampling from an infinite population in the first phase. The combined estimator is tested in a case study using data from two consecutive inventories in four State Forest Districts in Lower Saxony, Germany. Data from a reduced number of sample plots from the second occasion are combined with (1) volumes from the first occasion or (2) growth simulations on the sample plots from the first occasion. The data from the previous inventory or their updates serve as the auxiliary variable for the regression estimator of the strata means of the target variable. This case study indicates a remarkable increase in precision and thereby an enormous cost-saving potential for reduced intermediate inventories in a periodic inventory design with both types of auxiliary variables.     

灰色系统理论在森林生长量预测中的应用

应用灰色系统理论与方法,以永泰县1987～1997年森林生长量为时间数据序列,建立GM(1,1)生长量预测模型为:X∧t′=-1223-316144e-0-0292919908(t-1)+1223-316144。回测的最大误差为3-06%,平均误差仅为2-01%,回测的精度较高,达96-94%以上。预测模型经后验差检验:C=0-048<0-35,P=1>0-95,模型精度为Ⅰ级模型。     

三种回归分析方法在Landsat-5影像森林碳密度反演中的比较

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法(逐步回归、偏最小二乘回归及非线性回归)分别建立森林碳密度的最优遥感估算模型。结果表明:1参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;2三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm2,变化范围介于0.00~38.28 t/hm2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。     

帽儿山地区叶面积指数遥感反演

以黑龙江省尚志市帽儿山林场(东北林业大学试验林场)为研究区,利用现代卫星遥感技术,结合实地调查采样数据和GPS测量技术,建立了从Landsat TM影像数据提取的植被指数(Vegetation Index,VI)与地面实测的叶面积指数(Leaf Area Index,LAI)的统计回归模型。然后再从众多统计模型中按照各自的相关系数(R)和确定系数(R2),选出反演LAI的最佳模型。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

Evaluation of the growth function of an empirical forest scenario model

Forests have an important role in the global carbon cycle as carbon pools, sinks and sources, and their quantification has become a relevant task. Empirical models based on national forest inventories are widely used for the assessment of carbon sequestration. However, these models do not treat explicitly all the processes occurring in the ecosystem, as they are mainly based on statistical relations to estimate forest development. Therefore, there is a need for validation of these models to increase confidence in the predictions of future forest development. This study evaluates an empirical single-tree model that was developed in Switzerland (MASSIMO). The accuracy and precision of the growth function of the model is evaluated with data from the National Forest Inventory (NFI) of Liechtenstein. MASSIMO was found to predict the basal area per hectare of the Liechtenstein data very precisely (underestimation of 0.65%). The main differences between observed and predicted diameter increment occur mostly for larger DBH classes, where the increment is underestimated by the model. However, these differences may be related to the precision of the input variables. For example, the explanatory variable stand age is determined with relatively low precision; therefore it shows a high variability. For future model development, either the variable stand age should be estimated more reliably, or stand age should not be an explanatory variable of the growth function.     

大兴安岭松岭大扬气林场落叶松生长规律研究

树木生长量的大小及生长速率,一方面受树木本身遗传因素的影响,另一方面也受所处环境条件的制约。以大扬气林场的兴安落叶松为研究对象,基于其37株标准木的树干解析、生长数据,利用线性模型、对数模型、多项式模型、指数模型研究不同测树因子(胸径、树高等)之间的关系,分析模拟其生长规律。结果表明:在研究区域内,多项式模型模拟所得到的相关系数相对较高,因此可以利用此模型来预估此区域落叶松的生长规律。     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。