全文获取类型
收费全文 | 103篇 |
免费 | 5篇 |
专业分类
林业 | 48篇 |
综合类 | 60篇 |
出版年
2022年 | 1篇 |
2021年 | 3篇 |
2020年 | 5篇 |
2019年 | 6篇 |
2018年 | 5篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2015年 | 7篇 |
2014年 | 5篇 |
2013年 | 6篇 |
2012年 | 5篇 |
2011年 | 13篇 |
2010年 | 5篇 |
2009年 | 8篇 |
2008年 | 3篇 |
2007年 | 5篇 |
2006年 | 5篇 |
2005年 | 1篇 |
2004年 | 2篇 |
2003年 | 2篇 |
2000年 | 2篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 4篇 |
1993年 | 2篇 |
1990年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有108条查询结果,搜索用时 15 毫秒
1.
3.
长白落叶松?水曲柳混交林冠幅预测模型 总被引:1,自引:1,他引:0
4.
大比例尺航片正射影像中的树冠提取 总被引:1,自引:0,他引:1
为使森林航片的分类精度达到单株林木提取水平,以凉水国家级自然保护区1:8000正射影像、DEM及红松(Pinus koraiensis)生境、立地条件特征为基础,对航片进行了传统的非监督分类、监督分类和专家分类,并对其分类机理进行了分析,提取了红松树冠光谱特征、纹理特征。在构建的红松树冠识别模型基础上,执行分类,并运用混淆矩阵分析法对分类结果进行了精度检验。结果表明:将纹理信息、DEM信息、红松生境及立地条件特征信息作为专家知识,构建红松树冠识别模型进行分类的方法,能有效地降低地物分类中"同物异谱"和"同谱异物"现象,使分类的总体精度达到96%,比监督分类提高了10%,从而使大比例尺森林航片分类精度达到了单株林木提取水平。 相似文献
5.
基于小兴安岭地区和长白山地区102块落叶松人工纯林固定标准地复测数据(10 a间隔期),采用参数预测模型(PPM)系统,建立了前期Weibull分布参数(b1)与前期林分调查因子模型、前期参数c1与b1之间的回归模型、两期参数b2与b1的回归模型、以及两期参数c2与b2之间的回归模型,并采用似乎不相关回归( SUR)理论,估计了模型的参数;利用“刀切法”选择平均相对误差( ME )、平均相对误差绝对值( MAE )、预测精度( P)、相对误差( B)、误差指数( IE )等指标,分别对所建立的参数动态预测方程及直径分布动态预测结果进行了检验。结果表明:所有模型的R2a较好(0.428~0.897),RMSE均较小(0.37~0.94),所建立的直径分布动态预测模型具有较好的拟合效果。通过检验,所建立的参数动态模型预估能力较好(-10%<ME<-2%,P>95%),并能较好地预测落叶松人工林未来直径分布(B0=4.38%,B1=12.38%,IE=524)。 相似文献
6.
本文介绍了一种三参数韦布尔分布参数的解法,特别着重韦布尔在收获模型方面的应用。文中讨论了二个公式并介绍了一个例子。从作者手中可以获得解各公式的FORTRAN程序。 相似文献
7.
8.
长白落叶松人工林树冠形状的模拟 总被引:17,自引:3,他引:17
以长白山地区 2 6a生长白落叶松人工林为研究对象 ,采用枝解析的方法 ,测定了 2 5株林木 (直径 10 5~2 4 9cm)的树冠变量 ,并建立了预测树冠外侧形状的冠形模型。基于枝条着枝深度 (DINC)和林木变量所建立的树冠形状模型包括 :基径、枝长、着枝角度和弦长等预估模型。对于大小相同树木的主要枝条来讲 ,这些树冠变量是随着DINC的增加而增大 ;而林木的胸径 (DBH)和树高 (HT)变量很好地反映了不同大小树木的冠形变化。冠形预测模型预测效果良好 ,充分体现了树冠结构的变化趋势 :树冠形状在树冠的中上部呈抛物线体 ,而在树冠的下部则为近圆柱体。文中所建模型 ,可以合理地描述长白落叶松人工林的树冠形状及其变化规律。 相似文献
9.
【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k-邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm -2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm -2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。 相似文献
10.
根据2020年调查的尚志市林业局18块迎春5号杨树(Populus nigra×P.simonii)人工林样地的90株解析木数据,采用协方差分析、配对t检验、方差分析、多重比较等统计方法,对迎春5号杨树心材、边材、树皮的方位变异、横向变异、纵向变异、林分间变异、株间变异进行研究,并采用回归分析建立心材年轮数、心材半径、边材宽度与形成层年龄的回归模型。结果表明:迎春5号杨树心材、边材、树皮的方位变异不显著。心材半径、树皮厚度随着树干高度增加而减小,而边材宽度在树干基部较大,在树干中间大部分区域随高度变化浮动较小,在接近树梢位置的附近区域随高度增加明显减小。心材、边材、树皮的生长与去皮半径、胸径之间皆存在极显著的关系(P<0.01)。不同林分间的心边材比存在显著差异,各个林分内的心边材比也存在不同程度的株间差异。心边材年轮数随形成层年龄的增加而增加,迎春5号杨树心材形成年龄最早为2 a,且心材与边材的生长速率在12~14 a达到最高,在17 a之后趋于平缓。杨树在生长初期的生长速度过快从而提前达到成熟年龄。 相似文献