Prediction of pine mistletoe infection using remote sensing imaging: A comparison of the artificial neural network model and logistic regression model

In this study, the prediction of pine mistletoe distribution in Scots pine ecosystems was explored using remote sensing variables to compare the multilayer perceptron (MLP) artificial neural network (ANN) and logistic regression (LR) model performances. For this purpose, 109 sample plots were distinguished in pure Scots pine forests (natural) in the Eastern Black Sea Region of Turkey. Distinguishing mistletoe-infected stands (69) and uninfected stands (40) was performed with field observations. The variables acquired from Landsat 8 (Level 1) images were used as independent variables for independent-sample t-test, MLP ANN and LR models. Remote sensing variables indicated that mistletoe-infected stands were in drier areas with a lower vegetation-leaf area index. Based on the performance results of both models, the sensitivity (SEN), specificity (SPE), positive predictive value (PPV), negative predictive value (NPV) and accuracy of the MLP ANN model were superior to those of the LR model. The prediction percentages (SEN, SPE, PPV and NPV) of mistletoe-infected stands were better than the prediction percentages of uninfected stands. The prediction accuracies of LR and MLP ANN models were 74.3% and 89.6%, respectively. However, all remote sensing variables were included in the prediction equation of the MLP ANN model, while the thermal infrared 1 (TIRS1) variable was included in the LR model. In the MLP ANN model, the TIRS1 variable also had the highest normalized importance (100%). The area under the curve (AUC) value for identifying the mistletoe-infected stands of Scots pine forests used by the MLP ANN model (0.892 ± 0.034) was higher than in the LR model (0.838 ± 0.039), explaining the more accurate predictions obtained from the MLP ANN model. The MLP ANN model showed much better performance than the LR model. The results of this study are expected to make important contributions to the identification of potential mistletoe-infected areas.     

半固定沙地樟子松小叶锦鸡儿混交林营造及经营技术研究

在对嫩江沙地樟子松和小叶锦鸡儿人工混交林林分状况和生长指标调查的基础上,采用统计分析方法,探讨了混交林主辅林种间的生长消长关系,结果表明:随着林龄的增长,辅助树种小叶锦鸡儿对主栽树种樟子松的生长发育具有抑制作用,樟子松的生长发育进程减慢,应对小叶锦鸡儿林分进行人工干预,以促进樟子松的生长发育。     

千岛湖地区森林土壤类型与可持续利用研究

对千岛湖地区森林土壤类型及其分布进行了调查,结果表明:森林土壤有3个土类、5个亚类、10个土属。分布以黄红壤为主,占86.8%;钙质紫砂土次之,占7.8%;侵蚀性红壤占2.7%;石灰岩土占2.5%;黄壤面积最小,仅占0.2%。研究了不同林分类型的土壤理化性质,认为不同湖区林场的天然林土壤养分差异较大,从整个地区角度看各种林型间土壤养分无差异性,但从每个林场单独分析,无论是天然林,还是人工林,阔叶林地养分明显高于针叶林和混交林地。因而,实施针叶林阔叶化改造,对千岛湖地区林地的持续发展,提高其水源涵养、保持水土、景观生态等效益是有益的。     

相思树种更新木麻黄防护林对林地土壤化学性质的影响

通过对相思树种更新木麻黄防护林对沿海沙地土壤化学性质的分析,结果表明:与木麻黄林分相比,在沿海沙地后沿应用相思树种造林使沙地土壤中水溶性C l-和Na+含量降低,而使表层土壤中的水溶性Ca2+含量升高;相思树种能明显地改善沙地土壤中有效养分的供给,然而,对不同的相思树种来说,其改善程度有所差异;相思树种明显地增加了沿海沙地土壤中全氮和全碳的含量,且增加的量以沙地土壤的表层最为显著。     

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。     

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。