论县级退耕还林工程操作程序

文章就左权县退耕还林工作的实际操作程序逐一进行了分析,以此来说明县级退耕还林工作规范操作程序是非常重要的,它是县级退耕还林工作能否顺利完成的关键。     

宝天曼自然保护区锐齿栎林更新潜力研究

植物天然更新是一个复杂的生态学过程,它对种群的增殖、扩散、延续和群落稳定及演替具有重要的作用,是植被动态研究的热点。宝天曼自然保护区是我国北亚热带和暖温带的分界线,区内锐齿栎林结构稳定,但天然更新较难进行。锐齿栎种子产量大、活性高,且能够迅速发芽生长,占据有利的空间,但锐齿栎林的天然更新需要依靠适当面积的空旷地或裸地。     

“基于片层-面向类”的竹林信息提取算法与应用分析

 随着竹资源经济效益的不断挖掘,及时、准确地掌握竹林的分布状况与动态信息成为亟须解决的问题,而传统的实地调查并不能很好地满足该需求。3S技术的兴起为掌握竹林分布信息提供了新手段,但受多种因素的制约,长期以来竹林信息提取效果不佳。该文在前期研究基础上,进一步以ALOS高分辨率遥感影像为数据源,利用提出的“基于片层—面向类”算法提取南方山地丘陵区顺昌县的竹林信息,以验证该方法的有效性。除利用传统的基于像元的分类方法外,引入近年来时兴的面向对象法,以作比较;同时,对“非片层区”进行进一步处理,以提高竹林信息提取的精度。用实测点验证表明：基于像元与面向对象的竹林信息提取精度分别为84.42%、86.46%,Kappa系数分别为0.677 3、0.723 4;从目视效果看,基于像元的分类结果存在椒盐状,而面向对象的结果图连续性更佳。两种方法结果虽相差不大,但面向对象方法可能更适用于诸如ALOS这样的高分辨率遥感影像。此外,两种方法共同表明,利用“基于片层-面向类”的信息提取思路,能有效地提取竹林信息,并可作为山地丘陵区域影像解译的重要技术参考。     

基于Random Forest的区域性泥石流的预警预测研究——以凤城市为例

以GIS为平台,选取16个预测因子(包括8个遥感因子、3个DEM因子、4个土壤因子和1个地层岩性),提取泥石流发生当日和前一日累计降水数据为响应因子,建立了random forest回归树模型,在区域尺度上对凤城市泥石流灾害进行预警预测.预测的结果表明:岩性、海拔和坡向是影响泥石流发生的主要因素,而持续的降水提高了土壤因子在地质灾害发生中的重要性,各遥感指数中,黏土因子对泥石流的影响最大.在东南部,只有当累计降水量较高时,泥石流才会发生;相反,在西北部,少量的累计降水就会造成泥石流的发生.另外,从1日降水预警图和2日降水预警图比较来看,持续降水容易增加泥石流发生机率.     

宝天曼自然保护区森林害虫调查及其防控对策

据初步调查,发现宝天曼自然保护区的森林害虫有6目51科245种(不包括蝶类、白蚁、蝗虫).从害虫危害部位来分析,食叶害虫最多,高达184种,其次蛀干害虫42种,取食和危害树枝、茎部害虫29种,取食和危害根部害虫18种.并据此提出了自然保护区森林害虫的防控对策.     

上海海岸防护林造林树种的选择

以上海市海岸防护林树种为研究对象,用层次分析法建立涵盖生长适应性、生态功能、景观效应、经济价值等多因子的综合评价指标体系,对该区域营造的29个防护林树种进行了评价筛选。结果表明试验树种分为4类:表现优良的树种3种,表现较好的树种3种,表现一般的树种6种,不适应树种17种。在水盐协同胁迫逆境下,推荐苦楝(Melia azedarach)、青桐(Firmiana simplex)、栾树(Koelreuteria paniculata Laxm.)、金丝垂柳(Salix×aureo-pendula)、乌桕(Sapium sebiferum(L.)Roxb.)、黄连木(Pistacia chinensis)、中山杉(Taxodium hybrid)、喜树(Camptotheca acuminata Denc-ne)、墨西哥落羽杉(Taxodium mucronatum)、雪松(Cedrus deodara)、枫香(Liquidambar formosara)、南酸枣(Choerosponias axillaris)等12个乔木树种作为上海地区海岸防护林体系建设的适宜树种。     

基于随机森林模型的美国白蛾在中国的潜在生境预测

【目的】基于随机森林模型原理,对当前气候环境以及21世纪50年代的美国白蛾在中国的空间分布、环境因子重要性、发生面积及迁移情况进行预测和分析,为美国白蛾有效防控提供理论参考。【方法】获取2011—2017年美国白蛾发生的县市级数据, 利用地理信息系统ArcGIS中随机点生成工具生成未发生点数据。采用随机森林模型原理,选择19个气候因子以及海拔、坡度、坡向、植被覆盖率、有效光合辐射等5个环境因子,通过ArcGIS中的提取值工具提取发生点和未发生点的24个环境变量的值,将海拔、坡度、坡向进行离散化。使用R语言模拟2011—2030年美国白蛾的潜在生境分布模型,以ROC曲线验证模型的精度;利用构建好的模型分析环境因子重要性并排序,预测在2050s(2041—2060年)时期两种气候情景(RCP2.6、RCP4.5)下全中国范围内美国白蛾的潜在生境分布。【结果】ROC曲线分析表明,随机森林模型预测美国白蛾潜生境分布的训练数据和测试数据的AUC值分别为0.997和0.963,模型精度较高;当前时期下美国白蛾潜在生境(适生区)占中国国土面积的8.74%,其中低适生区、中适生区、高适生区和极高适生区面积分别占适生区总面积的41.47%、20.85%、18.90%和18.78%,适生区主要集中在华北地区东南部、中南地区北部、华东地区北部和东北地区南部。对美国白蛾潜在生境分布影响较大的环境因子依次是:海拔、植被覆盖率、最湿季平均气温、最暖季平均气温。在2050 s时期RCP2.6气候情景下,美国白蛾适生区总面积占中国国土面积的14.38%,其中低适生区、中适生区、高适生区和极高适生区面积分别占适生区总面积的51.87%、20.37%、16.49%和12.27%;在RCP4.5气候情景下,美国白蛾适生区总面积占中国国土面积的19.06%,其中低适生区、中适生区、高适生区和极高适生区面积分别占适生区总面积的51.14%、15.11%、20.36%和13.39%;2050s时期美国白蛾潜在生境质心平均向北迁移93.65 km,新增适生区有黑龙江省、吉林省、四川省、湖北省、山西省、河南省、内蒙古东部、台湾岛等地区。【结论】美国白蛾适宜生活在海拔较低、夏季高温多雨、拥有较为丰富的森林资源的地区。随着气候变化,美国白蛾潜在生境整体向中国北部和内陆湿度较高地区偏移,发生面积逐渐扩大,发生程度逐渐加重。     

基于森林资源清查数据的江西省主要森林类型净生产力研究

【目的】基于江西省2011年和2016年的森林资源清查数据,分别估算不同森林类型的净生产力,为森林资源科学经营提供依据。【方法】以江西省2011年和2016年两期森林资源清查数据为样本,采用生物量回归模型法,在样木水平上计算单木生物量、累计样地水平生物量并扩大到总体水平,测算乔木层生物量的生长量和枯损量,结合乔木层生物量结果估测灌木层和草本层,并估算不同森林类型的净生产力。【结果】综合考虑森林乔木层生长与枯损、林下灌木层、草本层生物量,基于复位样木,由单木生物量模型得到样地生物量,进而计算江西省主要森林类型的净生产力,得出阔叶混交林的净生产力最高,针阔混交林次之,而针叶林和阔叶纯林的净生产力较低。2011—2016年,江西省森林平均净生产力为7.28 t/(hm²·a),阔叶混交林净生产力最高为11.26 t/(hm²·a)。【结论】在国家标准框架下的森林净生产力估算模式,可为更大范围内、统一标准下客观准确评估森林净生产力提供参考。     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

基于语义API依赖图的恶意代码检测

传统的恶意代码动态分析方法大多基于序列挖掘和图匹配来进行恶意代码检测,序列挖掘易受系统调用注入的影响,图匹配受限于子图匹配的复杂性问题,并且此类方法并未考虑到样本的反检测行为,如反虚拟机.因此检测效果越来越差.本文设计并提出一种基于程序语义API依赖图的真机动态分析方法,在基于真机的沙箱中来提取恶意代码的API调用序列,从而不受反虚拟机检测的影响.本文的特征构建方法是基于广泛应用于信息理论领域的渐近均分性(AEP)概念,基于AEP可以提取出语义信息丰富的API序列,然后以关键API序列依赖图的典型路径来定义程序行为,以典型路径的平均对数分支因子来定义路径的相关性,利用平均对数分支因子和直方图bin方法来构建特征空间.最后采用集成学习算法-随机森林进行恶意代码分类.实验结果表明,本文所提出的方法可以有效分类恶意代码,精确度达到97.1%.