排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
我国一类调查(森林资源连续清查)与二类调查(森林资源规划设计调查)两种监测体系因调查目的及方法不同,因此监测获取的森林资源数据存在不一致。鉴于此,以保定市为例,开展一类调查与二类调查森林蓄积量数据对接方案分析研究。采用非线性指数模型分树种组构建小班蓄积量预估模型,通过模型反演更新调整保定市内所有小班蓄积量信息,从而获取保定市各县(市、区)森林蓄积量信息;采取平差调整法实现保定市一类调查与二类调查蓄积量监测值对接。研究结果显示:1)分树种组研建的小班蓄积量预估模型评价指标均表现较好,表明模型具有较好的预估能力;2)相比二类调查而言,采用小班蓄积量预估模型监测获取的保定市森林单位蓄积量(34.98 m3/hm2)与一类调查蓄积量监测值对比,其精度为91.06%,较大程度上降低了相对误差,表明了小班蓄积量预估模型监测值的可靠性;3)对模型预估值进一步进行平差调整后,最终实现了一类调查与二类调查蓄积量监测成果对接,表明了研究方案的可行性。可见,研究的技术方案可为各省级行政区历年小班蓄积量监测数据对接更新及今后实现“一套数,一张图”提供技术方法参考。 相似文献
2.
基于群团抽样技术的森林资源监测方案研究 总被引:1,自引:0,他引:1
为探索适合我国森林资源实情的监测抽样新技术,借鉴美国森林资源年度监测技术方案,以北京市延庆区为研究区,进行森林蓄积量群团抽样试验研究。首先在美国森林资源年度监测体系基础上,根据所选研究区域的森林资源分布状况,确定适宜的正六边形抽样框架尺度以及抽样比例,在抽选的正六边形抽样框架内布设圆形群团样地并进行实地调查,从而获取研究区当年森林蓄积量信息。结果表明,采用正六边形抽样框架在北京市延庆区开展森林资源年度监测的适宜面积为2 338 hm~2,边长为3 000 m,最适抽样比例为66%;根据所设计的群团抽样方案进行实地调查获取延庆区2016年的森林蓄积量为16. 6 m3/hm~2,抽样调查精度达85. 4%,符合《国家森林资源连续清查技术规定》对抽样精度的要求,验证了基于圆形群团样地在我国区、县级尺度上开展森林资源监测的可行性。 相似文献
3.
[目的]研究猪核转录因子C/EBPβ,扩增C/EBPβ3′非翻译区(3′UTR)部分序列。[方法]以报道的猪C/EBPβ基因片段(DQ450678.1)为模板设计引物,应用3′末端快速扩增技术(3′RACE技术)进行扩增。[结果]成功克隆猪核转录因子C/EBPβ的3′UTR,并获得GenBank登录号:FJ869121。[结论]与GenBank中报道的其他哺乳动物相应序列进行比较分析,猪核转录因子C/EBPβ的3′UTR序列与人C/EBPβ基因核苷酸序列BLAST比对,同源性为93%,为克隆其基因组全长及分析其功能奠定了基础。 相似文献
4.
为了更加科学、准确的评价林木在林分中的位置优劣状况,为林木分级提供新方法。以芦头国有林场青冈栎次生林为例,提出林木分级指数概念,筛选得到大小比数、健康指数、空间密度指数、混交度、交角竞争指数5个指标来构建林木分级指数计量模型,基于层次分析法,得到林木分级指数的计量模型为TCI=0.368 3(1-U)+0.279 2H+0.147 9(1-UCI)+0.136 4(1-D)+0.068 2M。采用等间距法得到每个林木等级的林木分级指数值分别为:优势木(0.75~1],亚优势木(0.5~0.75],中庸木(0.25~0.5],被压木(0~0.25]。运用指数计量模型计算得到芦头国有林场2个样地的林木分级指数均值分别为0.602 1和0.583 4,表明2个样地优势木和亚优势木均较多,林木总体生长状况较好。 相似文献
5.
1