团水虱对东寨港红树林的危害及防治对策

近年来,团水虱大量繁殖引起东寨港红树林大面积死亡.文章描述了团水虱对红树林的危害,分析了团水虱繁殖泛滥的原因,提出了解决该问题的防治对策.     

中国红树林团水虱(Sphaeroma sp.)危害及其研究进展

海洋底栖生物团水虱(Sphaeroma sp.)于2010-2014年首次在我国红树林个别主要林区爆发成灾,引起了我国政府管理部门和学术界的极大关注,相关部门采取了—系列行动计划和相关防治研究等措施.从分布特点、生物学特性、爆发原因及其对红树林生境的危害等方面对我国的团水虱研究进行了综合分析,针对人为污染这一导致团水虱...     

红树林有害生物团水虱(Sphaeroma sp.)烟熏防治技术研究

针对我国华南沿海特别是海南东寨港大面积红树林遭受团水虱(Sphaeroma sp.)为害,且目前尚无快速有效无污染、环境友好的团水虱防治方法,本研究提出了一种利用烟熏方法快速防治团水虱的技术。该技术采用两种烟剂混合,反应放热产生大量烟雾,通过神经毒和窒息作用快速(2 h以内)致死团水虱,从而实现红树林团水虱的快速有效防治,且环境友好、无污染。     

红树林有害生物团水虱(Sphaeroma sp.)双重药剂防治技术研究

针对红树林大面积遭受团水虱危害且快速有效防治技术的不足的现状,提出了一种利用双重药剂喷涂法快速防治团水虱的技术。该技术采用双重药剂喷涂法2h即可迅速有效的杀灭为害红树林的团水虱,60d后防治效果依然显著,从而实现红树林团水虱的快速有效防治,且环境友好、无污染。     

红树林顶级杀手——有孔团水虱的研究进展

[目的]我国多地多次发生有孔团水虱(Sphaeroma terebrans)造成红树林死亡的事件。目前国内关于该团水虱的研究较少,国外有较长的研究历史但是研究时间和地点比较分散,通过借鉴前人的研究成果,以方便我们了解并防控该虫。[方法]查询中外文献、专利,并结合本人已开展的研究,主要针对有孔团水虱的形态、分布和分类、生物学特征、天敌,对红树林的危害特征和红树林对其的响应,以及目前的防治手段等方面着手进行总结。[结果]有孔团水虱分布范围很广,其形态特征存在地理性差异,基因研究表明有孔团水虱种群间不是一个单一物种而是一个复杂的分类群。国外有孔团水虱主要蛀孔于红树林气生根,国内除了气生根外还蛀孔于红树植物基干,且前者鲜有致死红树林的报道。对于蛀孔的生物学意义争议很大,既有可引起的"生态灾难",也有可给红树林带来的益处,但前者的支持者较多。团水虱一生至少蜕皮4次,两年可育3代。红树林气生根上团水虱空洞若数量较少,可自行愈合。有文献记录几种海洋生物可捕食团水虱,但天敌种类较少;国内已有关于团水虱的控制方法,但操作性差,且不能从根本上解决问题,仍需加强团水虱的防控相关研究,另外,开展团水虱灾害预警...     

基于BP神经网络的油茶产量预测模型构建

【目的】改良传统农业生产预测方法,实现油茶产量的快速高效预测,为油茶实际生产提供参考。【方法】收集油茶栽种较为集中的湖南、江西、浙江、广西的油茶籽年度总产量、实有油茶林面积、气象等数据,选择17个气象指标作为油茶产量的影响因素,使用MATLAB软件,通过主成分分析提取出主成分,再将主成分作为BP神经网络的输入集,在传统神经网络模型基础上构建主成分分析与BP神经网络组合模型,对4个地区油茶籽单位面积年产量进行预测。BP神经网络的训练集和测试集选用1990—2018年的数据,采用2019年的数据对模型预测效果进行验证,最后应用模型对2025年油茶籽单位面积产量进行预测。【结果】对主成分有重要贡献的气象因子有日照时长、6—11月气温、3—5月降水量、平均最低气温、露点温度、平均风速、最大持续风速以及海平面气压。改进后模型迭代耗时更少,拟合度较高,对4个地区油茶产量的预测结果的平均相对误差均低于3%。应用模型预测得到2025年湖南、江西、浙江、广西的单位面积油茶干籽产量分别为0.831、0.583、0.449、0.512 t/hm²。【结论】与传统预测模型相比,改进后的主...     

基于遗传算法的神经网络木材消耗量预测模型研究

本文介绍了基于遗传算法的神经网络模型，应用该模型对我国山东省木材消耗量进行了预测，结果表明，预测精度高，并且具有良好的扩展性。     

海南东寨港国家级自然保护区三叶鱼藤的分布及防治建议

近年来,三叶鱼藤在红树林分布区迅速繁殖生长,导致部分红树植物缺少光照枯死。该文对海南东寨港国家级自然保护区红树林分布区的三鱼藤调查的基础上,实施人工清理防治试验。     

基于多层感知器神经网络的测井曲线重构方法研究

测井曲线在识别岩性、判别油气层、分析地层地质构造,以及计算孔隙度、渗透率和饱和度方面具有无可替代的作用。然而,在实际的测井数据应用时往往会遇到测井曲线因为仪器测量或者井眼坍塌等原因,造成某些井段部分测井曲线失真或间断性缺失的情况,重测不仅价格昂贵且操作困难。为此,提出基于多层感知器神经网络系统的测井曲线重构技术,基于训练数据建立曲线预测模型,该模型由1个输入层、1个输出层和1个或多个隐藏层组成。在模型中引入激活函数加入非线性因素,并且在模型训练学习时引入损失函数和MBGD(小批量梯度下降法)的最优化方法不断迭代寻求最优参数组合。最终通过预测曲线与原始测量曲线误差对比以进行质量控制,从而得到测井曲线重构的最佳结果。结果显示：通过该技术重构得到的曲线精度高、计算速度快、普适性强,便于在油田推广使用。     

基于粒子群算法和BP神经网络的多因素林火等级预测模型

针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。     

基于VLBP神经网络的林火风险预测模型

以北京房山区林火为研究对象,用神经网络方法研究了林火发生及蔓延与环境因子间的关系。研究流程为用GPS采集了林火火场中心数据,测量了火场面积。用GIS做空间分析,提取了火场空间环境因子。将数据在Matlab中用VLBP神经网络进行训练,建立了林火风险的预测方程。该风险模型由林火发生的风险模型和林火的蔓延风险模型组成。由于该模型采用的方法不依赖于先验统计模型,所采用的神经网络方法对非线性的数学关系有很强的预测能力,因而该模型具有很强的通用性。     

基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型构建

森林是全球重要的陆地生态系统,各国普遍采用地面样地调查的方法评估其资源量和生物量。随着激光雷达技术的发展,采用星载大光斑激光雷达估算大区域森林地上生物量将成为另一种选择。为探索利用大光斑激光雷达估算森林地上生物量的方法,提出了一种基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型。比较仿真大光斑激光雷达波形参数13种组合拟合森林地上生物量的效果后,认为多层感知器的估测精度高于多元线性回归。与样地实测地上生物量相比,多元线性回归估测结果的偏差范围为-34.96~23.28t/hm²,多层感知器估测结果的偏差范围更小,为-19.09~20.19t/hm²。因此,多层感知器估测森林地上生物量的效果优于多元线性回归。     

海南东寨港国家级保护区红树林湿地资源保护中存在问题的探讨

通过调查分析东寨港保护区资源保护现状,研究其存在的问题,并针对问题提出改进措施,促进东寨港保护区的资源保护工作得到可持续发展。     

达拉特旗柠条锦鸡儿地上生物量预测模型的构建方法

以达拉特旗柠条锦鸡儿(Caragana korshinskii)人工灌木林为研究对象,采用样地调查法和模型拟合法进行综合研究,实测其地上生物量,依据冠幅直径(D)、株高(H)、植冠面积(C)、植冠体积(V)等易测因子作为自变量,以实测地上生物量(W)为因变量构建回归分析模型,通过分析决定系数(R²)、估计值标准误(SEE)筛选出研究区柠条锦鸡儿较优地上生物量预测模型并进行精度检验。结果表明：以植冠体积作为自变量拟合柠条锦鸡儿地上生物量效果最佳,经验证,模型的总相对误差(RS)为-5.921%和平均相对误差(RMA)为15.853%,拟合精度基本满足生产实践需求,最优模型为幂函数模型W=1.281V^0.645。研究结果可为该地区柠条锦鸡儿人工灌木林的生物量估算和开发利用提供科学依据。     

晋北4种灌木地上生物量预测模型的构建

采用收获法对晋北地区4种常见灌木(黄刺玫、酸枣、荆条和柠条)进行随机采样,分析其生物量及分配格局,同时利用简单指标对其生物量构建预测模型。研究结果表明:1)灌木地上总生物量间差异较大,从大到小依次为荆条黄刺玫柠条酸枣;黄刺玫和荆条地上不同部位生物量表现为叶老龄枝新生枝,而柠条和酸枣则表现为老龄枝叶新生枝;2)不同灌木枝叶比差异很大,柠条枝叶比是黄刺玫的2.79倍,而荆条和黄刺玫的枝叶比近似于1;3)依据不同灌木及同种灌木不同器官选择冠幅直径乘以高CH、冠幅直径C、冠幅体积V为自变量构建的4种灌木生物量模型均以幂函数模型最优,可用于推算灌木生物量。     

基于BP神经网络的沙柳地上生物量预测模型

目的 以库布其沙漠沙柳为研究对象,建立基于BP神经网络的沙柳生物量模型,探究不同建模因子下的沙柳生物量估算模型变化,以期探究沙柳生物量估算模型的最优形式。 方法 选取6种沙柳生长因子,并根据与生物量相关性大小加入输入变量,从而组成6组不同输入变量,输入变量包含因子数量逐步增加（1 ～ 6种）。对比BP神经网络沙柳生物量模型不同输入变量所拟合模型的性能,确定最佳输入变量,并在最优输入变量的基础上,确定BP神经网络隐层数量,经过反复训练,建立基于BP神经网络的沙柳生物量估算模型。 结果 基于BP神经网络的沙柳生物量模型最优结构,即输入层节点数（Nin）∶隐层节点数（Nh）∶输出层节点数(Nout)为：4∶9∶1。其中训练数据R2=0.97,RMSE=0.67,MAE=0.50;测试数据R2=0.96,RMSE=1.10,MAE=0.77。 结论 基于BP神经网络的沙柳生物量,随着输入变量中输入因子的数量不断增加,发现其R2、RMSE、MAE所表现出的模型性能逐渐变好,但是输入变量每增加1种后,当输入因子数量为5时,模型精度相比输入因子数量为4时提升幅度较小,考虑模型使用时的精度和野外工作的便利性,输入层最优输入因子数为4种,当隐层数为9时模型性能表现为最优。     

湖南衡山国家级自然保护区藤本植物的基本特征

采用踏查和样地调查相结合的方法,对湖南衡山国家级自然保护区藤本植物的基本特征进行了研究。结果表明:(1)本区藤本植物共有39科、78属、142种,分别占该区种子植物科、属、种的27.08%、14.63%和13.52%,且相对集中在某些藤本植物大科中;(2)本区吸固类藤本植物种数为第二、株数第一,缠绕类虽然总种数第一,但其株数位于第二位,且比吸固类少了一半多;(3)本区马尾松成熟林藤本植物多样性指数、种丰富度和多度均最高,阔叶林次之,柳杉林最低;(4)本区阔叶林中藤本植物的平均胸径和平均长度相对于其群落中乔木平均胸径和平均高的比值来说,比马尾松成熟林中的要大;(5)本区阔叶林中的藤本植物以缠绕类为主,吸固类次之,马尾松成熟林中,只有吸固类一种攀援方式,马尾松和杉木混交林中,以吸固类为主,卷曲类次之;(6)样地中被藤本植物感染的乔木树种种数或株数的比率从高至低为马尾松成熟林、阔叶林、柳杉林。     

基于卷积神经网络的雄性海南长臂猿声纹识别

【目的】利用鸣叫声对雄性海南长臂猿个体进行识别,为海南长臂猿种群智能感知和监测及海南热带雨林国家公园智慧保护地建设提供支撑。【方法】许多研究证明某些物种鸣叫的声音具有个体差异,这种差异可以作为一种声音指纹来对物种个体进行识别。本研究基于雄性海南长臂猿鸣叫声谱的特征以及声纹识别的基本原理,提出基于卷积神经网络的声纹识别的方法,通过采用主动声学监测和被动声学监测2种方法收集海南长臂猿鸣叫的原始数据,对原始数据进行预处理,将7只雄性海南长臂猿鸣叫短语中的调频音符组合的声谱图作为输入。通过搭建卷积神经网络和残差卷积神经网络2种模型,7只雄性海南长臂猿鸣叫声谱中提取声纹特征并进行分类,实现个体识别。【结果】通过五折交叉验证得出卷积神经网络模型识别正确率为91.2%,识别效果标准差为4.24%。残差卷积神经网络模型识别正确率为95.04%,识别效果标准差为2.97%。相比卷积神经网络,残差卷积神经网络识别准确率更高,且分类效果更加稳定,但是计算耗时更长。【结论】利用卷积神经网络模型和残差卷积神经网络模型对雄性海南长臂猿鸣叫声谱图进行分类并实现个体识别是可靠的,本方法可以应用于对海南长臂猿的声纹识别...     

基于BP神经网络的泉州湾红树株高预测模型

在分析测量数据的基础上,提取红树的平均基径、基径数、平均胸径、胸径数等特征参数,建立了预测红树株高的人工神经网络模型。采用Levenberg-Marquardt优化算法改进了BP神经网络算法;采用训练好的BP神经网络模型对距堤坝25,50,75 m 3个采样点的株高进行预测,预测值和实测值的均方根误差分别为0.000 6,0.002 2,0.004 1,相关系数分别为0.99,0.95,0.94。结果表明利用BP神经网络对红树株高进行预测是可行的。