黄土高原植被恢复与建设的理论和技术问题

黄土高原地区植被恢复与建设是我国重大的生态工程,有巨大的战略意义。主要论述了植被恢复与建设中存在的科学理论和技术问题,以期在植被恢复与建设实践中,能用理论做科学指导,使技术得以充分持续地推广和应用,使植被恢复与建设产生明显的效果。     

林地开垦后坡面侵蚀过程与土壤养分流失的研究

林地被人为开垦破坏后 ,加速侵蚀是导致坡面土壤养分流失的根本原因。坡面土壤养分流失的空间分布与坡面侵蚀方式和侵蚀强度的空间分布相一致 ,浅沟沟槽是坡面土壤养分流失最严重的部位。土壤养分流失在开垦初期非常迅速 ,开垦耕种 5 a后 ,土壤养分含量可减少 5 0 %。土壤剖面中 A层的流失是土壤养分流失的标志。     

黄土高原刺槐林对土壤养分时空分布的影响

以不同树龄刺槐纯林林地和撂荒地作对比,研究了黄土高原刺槐人工林对土壤养分时空分布特征的影响。结果表明,刺槐林地土壤有机质、pH值、全氮、有效氮、有效磷、速效钾、交换性钙和交换性盐基总量随刺槐树龄增加无明确变化规律,土壤全磷和交换性镁含量则呈现波动性变化;刺槐林地土壤有机质、全氮、有效氮含量随土壤深度增加按幂函数衰减,有效磷含量有递减趋势,土壤全磷、速效钾、交换性钙、交换性镁和交换性盐基总量随土壤深度增加无明显变化规律,而土壤pH随深度呈波动性变化;与撂荒地相比,刺槐林地土壤有机质、全氮、有效氮、有效磷、速效钾、交换性钙、交换性镁含量及交换性盐基总量分别增加21.6%~96.8%,34.3%~160.1%,191.5%~238.4%,2.1%~24.1%,19.82%~92.71%,64.2%~80.0%,25.0%~46.5%和67.2%~89.5%,表明刺槐林对改善土壤养分状况具有重要作用。     

杉木林上下层抚育间伐对比试验

杉木林历来采用下层抚育间伐作业。杉木林上层，下层抚育间伐对比试验说明，上层抚育间伐能比下层抚育间伐显著地提高林分生长量。本文论述了上层抚育间伐显著提高林分生长量的机理，并提出上层抚育可应用于杉木林的首次间伐。     

广州市公益林生态效益价值分析及管理对策

在对广州市公益林分布和现状特点分析的基础上 ,从林种的生态功能角度对效益进行了分析。结果表明 :广州市水源涵养林生态效益比较高 ,生态效益从大到小排序为 :水源涵养林 >水土保持林 >风景林、自然保护区和小片林 >护岸林 ,从单个效益分析 ,维持大气平衡效益最大。最后提出了公益林管理对策     

东北东部天然次生林的景观类型空间连接与分布规律--以黑龙江省帽儿山林场为例

帽儿山地区是东北东部山区较典型的天然次生林区。本文利用ARC／INFO软件，对帽儿山林场景观类型最小距离指数和景观连接度指数进行分析，进而对帽儿山林场各景观类型的空间分布规律进行了探讨。结果表明：有林地与无林地的景观连接度有明显差异，无林地的景观连接度普遍大于有林地；天然林的景观连接度都接近于O，景观破碎化程度较高。人工林的最小距离指数低于天然林和非林地；人工林中，人工针叶混交林的距离指数最小，格局接近于团聚分布；天然林的景观格局近于随机分布；非林地中，采伐迹地的距离指数最小，接近于团聚分布。图2参15。     

论森林资源资产化管理

森林资源资产化管理是将森林立木资产计入木材产品成本,形成比较完整的林木资产管理体系。该体系可以考核林业生产效果,是评价总投资、总回收的重要经济指标。     

基于超参数优化算法下的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林（random forest,RF）算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法（genetic algorithm,GA）、差分进化（differential evolution,DE）算法、粒子群优化（particle swarm optimization,PSO）算法、贝叶斯优化（Bayesian optimization,BO）算法对模型超参数进行优化,并与网格搜索（grid search,GS）下的人工神经网络（artificial neural network,ANN）和极限梯度提升机（extreme gradient boosting,XGBoost）模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数（adjusted temperature-humidity index,ATHI）、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614、7.723、14.4%、9.737,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性（relative importance,RI）为0.71,其次是时间区域（RI=0.09）和奶牛产奶量（RI=0.07）。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。     

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。     

不同林型土壤有机碳及腐殖质组成的分布特征

为探讨不同类型人工固沙林下土壤有机碳的差异,以辽宁省章古台沙地5种林型下土壤为研究对象,运用统计学的方法对0—5,5—10,10—20,20—40cm土层有机碳、全氮、腐殖质组分分布特征进行比较分析。结果表明:在各林型0—40cm土层上,土壤有机碳含量变化特征为樟子松纯林(4.72g/kg)怀槐樟子松(4.48g/kg)榆树樟子松(4.38g/kg)云杉樟子松(4.21g/kg)杨树纯林(3.95g/kg)对照(1.88g/kg);有机碳储量表现为怀槐樟子松(20.00t/hm~2)樟子松纯林(19.92t/hm~2)榆树樟子松(19.06t/hm~2)云杉樟子松(17.31t/hm~2)杨树纯林(16.61t/hm~2)对照(8.44t/hm~2);经腐殖质组分分析发现土壤腐殖质碳含量表现为云杉樟子松(2.04g/kg)榆树樟子松(1.93g/kg)樟子松纯林(1.74g/kg)杨树纯林(1.65g/kg)怀槐樟子松(1.58g/kg)对照(0.75g/kg)。各林型土壤有机碳含量与全氮、腐殖质碳、胡敏酸、富里酸均呈极显著的正相关关系。