基于随机森林特征优选的雪茄烟叶晾制过程含水率预测

针对雪茄烟叶晾制过程含水率人工判断主观性强、准确度低等不足,以及对影响雪茄烟叶晾制过程含水率预测的重要表观特征尚不明确等问题,该研究基于图像特征提取以及机器学习技术实现雪茄烟叶晾制过程含水率的预测。试验以雪茄烟品种“云雪2号”为试验材料,获取晾制过程的烟叶图像的颜色、轮廓、纹理以及部位四类特征并筛选出雪茄烟叶含水率预测的优选图像特征子集。在此基础上,构建了随机森林（random forest, RF）、支持向量机（support vector regression, SVR）与反向传播神经网络（back propagation neural network, BPNN）模型,并利用遗传算法（genetic algorithm, GA）对各模型超参数进行优化,将原始图像特征集与优选图像特征集输入3个机器学习模型,构建出6种模型-特征组合方案,依据晾制时期对原始数据集进行划分,并对测试集进行预测。最终结果显示：GA-SVR模型+优选图像特征子集的组合方案在测试集上表现最优,其决定系数（coefficient of determination,r²）与均方误差（mean square error,MSE）分别为0.980和0.001,且运行时间最短（运行时长=0.128 s）。研究结果可为雪茄烟叶晾制过程智能化控制提供理论依据。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质(Soil Organic Matter,SOM)空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法(Two-pointMachineLearning,TPML)提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格(Ordinary Kriging,OK)方法作为对比,以平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、预测值与真实值相关系数(r)和决定系数(R²)作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1)研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布...     

京珠高速公路从化段生态景观林13个乡土阔叶树种生长表现初探

在京珠高速公路从化段两侧生态景观林改造套种中,对2003年乡土树种造林中的枫香等6个主要造林树种进行生长分析,结果表明:各树种间高生长存在显著差异,黎蒴林木生长较好,红锥、黄樟、枫香、木荷、山杜英较差;对蓝花楹等7个伴生树种的生长分析结果表明:各树种间高生长存在着明显差异,蓝花楹生长较好,凤凰木、米老排、火力楠次之,红花油茶、大叶紫薇、大头茶较差。乡土树种与速生树种间种中的黎蒴等4个造林树种的高生长分析结果表明:黎蒴、黄樟、木荷、大头茶与卷荚相思间种的高生长明显优于与尾叶桉间种。     

黄土高原不同生态类型区退耕还林(草)综合效益评价指标体系构建研究

退耕还林(草)综合效益评价指标体系的构建是退耕还林(草)工程效应评价的一个重要环节.首先根据黄土高原地区的自然环境现状和生态类型区划原则,将黄土高原划分为4个不同的生态类型区;然后根据综合效益评价指标体系建立的原则和方法,从生态、社会经济2个层次中选取对黄土高原影响较大的28个指标因子,建立适合黄土高原地区的退耕还林(草)综合效益评价指标体系;最后根据每个生态类型区的特征和自然状况,确定不同生态区域各评价指标的权重.     

自然保护区林缘社区能源需求分析与研究——以甘肃白水江国家级自然保护区为例

本文以白水江自然保护区林缘社区居民能源需求调查为依据,初步说明了林缘社区能源需求的现状。在此基础上,分析了当地居民对森林的依赖程度,进而对这种高依赖度的成因及对自然保护区生态环境的影响做出了有益的探讨,并提出了相应的建议和对策。     

基于无人机影像的冠层光谱和结构特征监测甜菜长势

甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归（Random Forest Regression,RFR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD（Soil and Plant Analyzer Development）值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.9～0.94、0.88～0.9,rRMSE范围分别为7.6%～17%、8.8%～20%。对SPAD值的预测均较弱,R2分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性（Permutation Importance,PIMP）来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.89～0.94、0.74～0.91,rRMSE范围分别为7.3%～19%、7.6%～19%。对SPAD值的预测均较弱,R2分别为0.65和0.68。进一步表明随机森林回归模型在精度上略好于偏最小二乘回归模型。同时基于PIMP筛选变量的方法在保持原有精度的同时能实现降低数据收集复杂性的目的。研究结果为基于无人机遥感技术快速、准确监测甜菜长势和估测块根类作物的根部活性物质提供了参考。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

佛山云勇林场3种人工幼林的生长和土壤养分特征

对佛山云勇林场3种林分的生长和土壤养分进行了研究:用pH计测定土壤pH;有机质用重铬酸钾容量法-外加热法测定;水解性氮用碱解扩散法测定;速效磷以NaHCO3提取土样后,用钼蓝比色法测定;速效钾用醋酸钠浸提,原子吸收分光光度法测定.结果表明:常绿阔叶混交林的生长情况最好,土壤养分最高;各林地的土壤呈强酸性;土壤有机质、水解性氮和有效磷含量为常绿阔叶混交林地》常绿针阔混交林地》杉木林地,而有效钾含量为常绿阔叶混交林地》杉木林地》常绿针阔混交林地,表明常绿阔叶混交林显著地改善了林地养分状况,常绿针阔混交林对改善土壤养分也有一定的作用.各林地土壤的有机质和各种养分含量之间存在显著差异.     

黎母山国家森林公园的SWOT分析与发展建议

通过SWOT模式分析,指出黎母山国家森林公园存在的优势、劣势、机遇与威胁,并针对特色森林公园建设提出应加强公园的定位与规划、旅游产品开发、整体营销和人才队伍建设等建议。     

兴隆热带花园生态设计研究与探讨

从热带雨林的恢复、生物多样性的保护及景观格局等多个层面,对兴隆热带花园这一新型热带植物园的生态设计进行分析,以期对生态设计实践有所帮助。