排序方式: 共有57条查询结果,搜索用时 343 毫秒
1.
2.
3.
以研究区域遥感影像数据为基础,利用遥感和地理信息系统工具,计算出归一化植被指数(NDVI);以各区县各林地类型林业生物质资源理论资源总量和NDVI地理图层为基础(NDVI为权数),生成林业生物质资源理论量空间密度分布图层;再利用理论量地理图层计算研究区域林业生物质资源的可用量,最后进行林业生物质资源收集地点和加工地点的选址分析和优化。在选址的定性分析过程中,充分考虑经济和操作可行性,以一系列定性因素作为约束条件,利用GIS的空间数据处理功能,确定出候选区域;在定量分析过程中,以定位配给模型和服务区模型为基础,按照给定的选址分析步骤和优化方法,计算出各候选选址位置(候选区域的质心)的评价指标,用于评价各候选点的优先等级。最后给出了研究区域内生物质燃料加工厂和林业生物质资源收集点的理论上的最优位置,以及现有加工地点和候选加工地点的服务区域。 相似文献
4.
区域森林资源可持续发展评价指标体系浅谈 总被引:5,自引:1,他引:5
通过分析研究各国的森林可持续发展的评价指标体系,以可持续发展理论为指导,结合区域森林资源的特点,探讨了构建区域森林资源可持续发展评价指标体系的原则,结构,方法。 相似文献
5.
壶瓶山国家级自然保护区初步评价 总被引:1,自引:0,他引:1
文章对保护区进行了初步评价,介绍了保护区的资源状况,选取自然性、多样性、稀有性、脆弱性、典型性、面积适宜性、科研价值等指标评价了保护区自然生态质量,阐述了保护区的生态、社会、经济效益,讨论了保护区的管理现状以及存在问题,提出了加快壶瓶山保护区建设的重要意义。 相似文献
6.
以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测.其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法.结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R2)均在87%以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R2)分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6%、89.8%、91.2%,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R2)分别提升了4.9%、3.7%、3.4%,估测精度(P)分别提升了2.9%、2.4%、1.5%;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R2及树高估测精度(P)略有差异,但整体相差较小. 相似文献
7.
京郊园林绿化废弃物数量测量与地区分布研究 总被引:3,自引:1,他引:2
为了加快北京市园林绿化废弃物资源化利用与布局,减少环境污染,实现资源的循环利用,在鹫峰实验林场国家森林公园、西山林场卧佛寺分场、延庆四海镇西沟里村、大兴林场,对北京市14种主要树种进行实地试验,估计乔木、灌木等生物量模型,进而测算北京市郊区园林绿化废弃物的数量。结果表明,北京市郊区园林绿化废弃物总量为406.395×104 t,主要分布在密云县、怀柔区、房山区、延庆县;按树种计算,乔木产生的园林绿化废弃物最多,经济林次之,疏林地和苗圃产生的废弃物较少;乔木产生园林绿化废弃物主要分布在延庆、大兴、怀柔,四旁树分布在顺义和房山,经济林则主要分布在密云县;影响园林绿化废弃物数量的主要因素有城市园林抚育修剪规则、林区抚育规则和采伐任务、自然灾害等。园林绿化废弃物数量的科学测量为后期布局消纳点提供了理论量,是进行园林绿化废弃物利用的起点。 相似文献
8.
9.
10.
本文从加强林场文档管理需要出发,分析了文档管理过程,在此基础上提出计算机管理系统的主要设计,介绍了相应软件系统。 相似文献