在全国森林资源管理研讨班上的讲话

这次森林资源管理研讨班是今年森林资源管理工作的重要内容，既是一次培训班，更是一次研讨会、座谈会，也是明年5月召开全国森林资源经营管理工作会议的准备会，届时我们将向全国公布第6次森林资源清查的结果，这将是林业事业上的一次大事，周局长将亲自参加会议并做重要的讲话。从这个角度上讲，这次研讨班是为明年工作会议做理论储备。因此，这次会议的主要任务就是：     

新时期林业工作的总体思路--高锡林厅长全区林业局长会议讲话(节选)

当前和今后一个时期的林业工作。总的思路是：围绕一个中心，建设两大体系，抓好三项工作，立足四个区域，处理好五个关系，实施好六大工程，努力建设祖国北方重要的生态防线。     

绿色树葬造福后代

殡葬，一个沉重的话题。一个难以回避而又关系子孙后代生存空间的大问题。一个令人头痛而又长期未能解决好的大难题。     

奥地利森林与林业改革

奥地利共和国，位于欧洲中部，国土面积83858km^2，人口805万。境内地势西高东低，阿尔卑斯山横贯全境，山地占国土面积70％。奥地利气候属于海洋性向大陆性气候过渡的温带气候，年平均降水700—900mm。奥地利森林覆盖率高达46％，森林总面积3．84万平方公里，其中，私有林占80％，公有     

鄂尔多斯:林沙产业领跑绿色大市

鄂尔多斯市是全区沙漠化最为严重的地区之一，全市总面积8．68万平方公里，仅以毛乌素沙地和库布其沙漠为主体的沙漠化面积就占4.3万平方公里。这样的自然状况，给生态建设增加了难度，但也为发展林沙产业提供了条件。     

柴河林业局可持续发展的思路

中共中央国务院《关于加快林业发展的决定》，确立了林业在可持续发展过程中的重要地位、在生态建设中的首要地位、在西部大开发中的基础地位，是深入实践“三个代表”、加快实现全面建设小康社会奋斗目标的重大举措，同时也是呼伦贝尔实现生态立市的行动指南。     

兴安盟开展生物围栏营造技术的探讨

兴安盟是一个蒙汉民族杂居，农牧业生产结合的地区，全盟总土地面积8989万亩，沙地占54％。全盟195个苏木乡镇中，103个苏木乡镇在沙区，36个贫困苏木乡镇，全部在沙区。     

他俩的行为应如何定性

[案情]2004年12月，吴某向某木业有限公司承包了53公顷的造林基地施工任务。2005年4月，吴某为争取早日完成造林地的准备工作，在未经林业主管部门批准和未取得《野外生产用火许可证》的情况下违章作业，擅自组织民工到山场点火炼山。快炼到山脚时，民工杨某自认为不会发生什么意外，便私自从山脚往里点了几把冲天火，大约燃烧7-8分钟后，由于当时风大，火被刮到炼山山场对面的山林里，引发森林火灾，过火面积63公顷，烧毁有林地面积50公顷，造成直接经济损失32万余元。     

努力建设跨越式发展的森林公安队

森林公安工作服务于林业发展,服务于经济工作,归纳起来就是两条:一条是发挥好职能作用,为林业生态建设和经济发展创造安全、稳定的治安环境;另一条就是不断改进和加强自身工作,提高服务质量和水平,优化发展环境。要实现这两条工作目标:一是要有大局意识。凡是符合林业生态建设发展要求的就坚持,凡是制约和影响林业经济发展的就坚决改正。二是在服务意识上要有新提高。要正确处理管理与服务、执法与服务的关系,进一步强化管理就是服务意识,寓管理于服务之中。三是在转变观念上要有新突破。森林公安工作要实现超常规、跨越式转变,首先要在观念…     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。