全民植绿四十载 美丽中国谱新篇——宁波市以665.01万亩森林开启如画春天     

李飞峰  杨文忠  朱宁溪 《浙江国土资源》2021,(4):20-22

自1981年全民义务植树运动开展以来,宁波市发扬爱树植树护树优良传统,全民植绿、社会参与、人人尽责,把荒山变成了林海,使大地披上绿装,让森林走进城市。2010年,宁波市成功创建“国家森林城市”,开启高水平国土绿化新阶段。全市森林系列创建如火如荼,平原绿化、四边三化、森林美化彩化珍贵化不断深入,森林城市、森林乡镇、森林村庄创建层层推进,让城市拥抱森林,成就绿色新家园.  相似文献   

Sentinel-2卫星落叶松林龄信息反演   总被引：1，自引：0，他引：1  

唐少飞  田庆久  徐凯健  徐念旭  岳继博 《遥感学报》2020,24(12):1511-1524

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。  相似文献   

基于金矿规格单元数据的机器学习方法在成矿建模分析中的应用     

张野  李明超  韩帅  任秋兵  朱月琴 《大地构造与成矿学》2020,(2):183-191

现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。  相似文献   

基于Sentinel-1B SAR数据的洪水提取和监测     

吴文会  王丽欣  马卓 《测绘与空间地理信息》2019,42(4)

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。  相似文献   

基于森林模型参数先验知识估算高分辨率叶面积指数   总被引：1，自引：0，他引：1  

张静宇  王锦地  石月婵 《遥感学报》2020,24(11):1342-1352

目前，估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型，再用统计模型估算LAI。然而，与农田地面测量实验相比，森林地面测量实验获取的观测数据更加有限，这使得基于统计模型的森林高分辨率LAI的估算精度低，难以满足应用需求。为此，本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先，获取全球20个森林实验区的LAI地面测量数据和NDVI数据，建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后，以一个新的森林站点Concepción作为研究区，将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型，优化模型用于估算森林高分辨率LAI，使用验证数据评价LAI的估算精度。同时，选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度，经验证4个森林站点的均方根误差分别为0.6680，0.4449，0.2863，0.5755。研究结果表明：在仅有少量观测数据时，采用本方法能有效地提高森林高分辨率LAI的估算精度。因此，本方法可为森林高分辨率LAI的遥感估算提供参考。  相似文献   

基于随机森林模型的农业电子商务浅析——洛川苹果网络销售问题与对策     

张晓涵  马敏飞  杨联安 《地下水》2020,(1):119-122

随着互联网产业的飞速发展,电子商务开始进入农业领域。以电子商务起步较早的"洛川苹果"作为研究对象进行调研。基于随机森林模型的决策树集成算法,对农业网络销售体系整体进行数据分析,模型构建,从问题表象出发挖掘其在不同部分的影响因子,最终基于影响因素解决问题,提出合理化建议:加强农村基础设施建设、健全农村公共服务体系以及完善农村电子商务培训制度等,因地制宜,推进农业电子商务的健康发展。  相似文献   

基于随机森林的光子计数激光雷达点云滤波     

陈博伟  庞勇  李增元  卢昊  梁晓军 《地球信息科学学报》2019,21(6):898-906

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。  相似文献   

齐长城土壤电导率的高光谱定量估测模型     

高华光  于瑞阳 《测绘与空间地理信息》2019,42(5)

建立夯土齐长城黄岛段土壤电导率高光谱估测模型。由采集的夯土齐长城黄岛段的土壤样本提取光谱数据,利用SG平滑和光谱微分技术,通过相关系数法筛选敏感波长,并以敏感波长作为自变量建立土壤电导率的高光谱定量估测模型,对比分析所建立的主成分回归、支持向量机和随机森林模型的精度,选择最优模型并验证。结果表明:839 nm、975 nm、1 279 nm和1 284 nm为敏感波长,经过对比分析所建立的模型,以随机森林模型为最优估测模型。随机森林模型能较好地估测夯土齐长城黄岛段的土壤电导率。  相似文献   

厦门大德记沙滩小型底栖动物的时空分布及影响因素     

慕芳红  张婷  李佳  华尔 《中国海洋大学学报(自然科学版)》2020,50(9)

于2010年4月至2011年1月对福建厦门大德记海滨浴场沙滩进行了季节性的调查采样,对小型底栖动物及其所处的沉积环境进行了研究,探讨了小型底栖动物的丰度、生物量和群落的时空变化及其与环境的关系。共鉴定出16个小型底栖动物类群,桡足类是最优势的类群,其次是线虫和缓步类,三者共占小型底栖动物总丰度的88.1%。小型底栖动物的年平均丰度和生物量分别为(660.2±424.000) ind/cm~2和(1 908.2±1 343.8)μg·dwt·10 cm~(-2)。大德记沙滩沉积环境的空间分布相对均匀但季节变化分明。小型底栖动物的丰度和生物量呈现显著的季节变化,夏季显著高于其他季节,但在潮区间和断面间差异不显著。间隙水温度、盐度、溶氧、叶绿素ɑ质量比和脱镁叶绿酸质量比等理化环境因子的季节波动是导致小型底栖动物丰度季节变化的主要因素。小型底栖动物的类群组成在季节、潮区和断面间差异均显著。间隙水温度、沉积物中值粒径和分选系数三个环境因子的组合能最好的解释该沙滩小型底栖动物的群落结构。研究结果可为亚热带沙滩小型底栖动物的深入研究提供基础数据,也可为全球气候变化背景下沙滩的保护、开发和利用提供科学依据。  相似文献   

基于卫星遥感数据的森林病虫害监测与评价     

王涵  赵文武  刘月  刘焱序 《地理研究》2019,74(4):831-843

森林病虫害由于在森林资源中造成的重大破坏而被人们称为“不冒烟的火灾”,其对生态系统的研究具有重要意义。现有基于遥感数据的病虫害研究多集中在森林病虫害的监测、爆发原因以及发病区域内生产力的变化情况,而对于森林病虫害发生后森林中植被指数与叶面积指数之间的相关性的变化情况还相对较少,处于需要持续性深入探讨的阶段。以加拿大不列颠哥伦比亚地区2002—2012年森林病虫害数据为基础,分析不同严重程度的病虫害对叶面积指数（LAI）与归一化植被指数（NDVI）和增强型植被指数（EVI）的影响。结果表明：① 受病虫害感染的像元在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别中,NDVI与LAI之间的相关性由弱变强,又由强变弱;② EVI与LAI之间的相关性,在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别的像元中则依次变强。这一研究将为今后利用遥感数据识别病虫害、评价生态系统影响提供基础。  相似文献