弱优美树及其应用

给出了弱优美图的定义，证明了所有树都是弱优美的，并且利用该结论证明了所有的森林都是弱优美的，此外，提出了研究优美图问题的一个方向。     

一类同龄纯林系统的稳定性

考虑具有自然增生的同龄纯林发展系统．证明了该系统解的存在性及唯一性，并讨论了系统的稳定性.     

山西林业如何在困境中突围

针对我省林业发展的奇特现象,找出制约我省林业发展的瓶颈,提出了加快我省林业发展并大力发展杨树丰产林的建议。     

大通县森林资源动态变化分析

本文根据1989年和2005年青海省大通县森林资源规划设计调查资料,从森林的面积、蓄积两个方面对大通的森林资源16年来的消长变化进行了分析,为今后有关部门制定相关政策和决策提供科学依据。     

国有林场大苗移植成本核算初探

随着国有林场大苗移植工作的开展，使得大苗移植成本核算成为财务人员面对的新课题。通过对国有林场林木资产核算的现状分析，指出大苗移植培育成本核算可以采取的不同方法，并对相关业务的会计处理进行了探讨和研究。     

庐山人工针叶林土壤动物群落调查

对庐山人工针叶林土壤动物群落进行了初步调查，共获得土壤动物１３６８只，隶属于５门１１纲５８类．其中线虫类、线蚓类、蜱螨类和弹尾类为优势类群，分别占土壤动物全捕量的２２．３９％、２２．６１％、１９．５２％和１５．３５％，其他种类为常见类群和稀有类群．针叶林土壤动物种类分布随海拔的升高而增加，从Ⅰ区的３１类，到Ⅳ区的４１类；土壤动物密度亦呈同样的变化趋势，从Ⅰ区１．４６４×１０５个／ｍ３增加到Ⅳ区的２．６０８×１０５个／ｍ３     

基于随机森林赋权和改进ELECTRE-Ⅲ方法的科技奖励评价研究

针对科技奖励评价中各指标权重的不确定性问题,提出随机森林赋权法,利用可靠性分析计算专家评分数据的泛化误差,根据最小错误率得到各评价项目的各评价指标权重,减少主观赋权的影响;引入一致可信度、非一致可信度和净可信度信息,提出改进的ELECTRE-Ⅲ方法,将某一评价项目优于其他评价项目的程度具体量化,解决专家评分数据为次序变量的问题.实证表明:随机森林赋权法和改进后的ELECTRE-Ⅲ方法相结合,既提高了权重估计的精确度和可信度,又解决了难以给定门槛值和不能完全排序的问题,使评价结果更加科学、客观、合理.     

林果业生产机械化水平评价与实证研究

为掌握多年生作物林果业的生产机械化发展现状,十分有必要建立一套指标体系来评价其生产机械化水平.从统计具有可操作性角度出发,对林果业概念界定、指标及权重设置、评价方法建立等方面进行了深入探讨.通过典型调查与专家咨询、定性与定量研究相结合等方法,从林果业全程生产的15项作业中重点考虑作业频次高、用工量大、作业费用多、机械化需求迫切的重点作业项目,选取了中耕、施肥、植保、修剪、采收、田间转运等6项,设置了相应评价指标,用德尔菲法确定了指标权重,构建了评价指标体系,采用线性加权综合评价法进行计算和评价.最后进行了应用验证,结果表明该指标体系能一定程度反映生产实况,且具有可操作性,为分区分类指导我国林果业生产机械化发展提供了科学依据.     

浙江天童常绿阔叶林不同传播方式物种种子雨的基本特征

为了研究不同传播方式物种种子雨的基本特征,以浙江天童常绿阔叶林20 hm2动态监测样地的种子雨为研究对象,分析了种子雨的密度、物种组成以及种子限制的强度.结果表明:(1)种子雨收集器共收集到种子136 38粒,隶属于28科66种,种子雨密度为146粒/m2;(2)样地内有56%的物种未收集到种子,因此种子雨与可繁殖个体物种组成的相似性较低且受不同传播方式影响,风力传播的相似性系数极值(Rmax)最大且距种子收集器距离(d)最远(风力传播:Rmax=0.226,d=20 m;重力传播:Rmax=0.077,d=9 m;鸟类传播:Rmax=0.094,d=13 m),证明通过风力传播的种子在远距离传播上更有优势;(3)样地内存在一定程度的种子限制,有43个物种的种子只在很少的(10)收集器中出现.对于较为优势的物种而言(IV≥1),传播方式可能是影响种子限制的主要因素.另外,群落中通过风力传播的物种种子限制很可能仅仅是由于可繁殖个体的缺少造成的,而通过重力和鸟类传播的物种存在很高的种子限制可能是因为种子的低产量以及种子扩散能力的不足.     

基于RF模型的高分辨率遥感影像分类评价

以QuickBird高分辨率遥感影像为主要数据源,采用多尺度影像分割方法提取地物对象的光谱、纹理和形状特征;在此基础上,构建基于随机森林（RF）方法的遥感影像分类模型,分析和评价特征变量对模型重要性与稳定性的影响。结果表明:1研究区最优分割尺度参数为70、形状因子0.2、色彩因子0.8,同时构建研究区乔木、灌木和草地等8个景观类型的光谱、纹理和形状等32个特征变量信息;2选择5 000棵树和1个节点变量构建的RF分类模型的总体精度为0.94,Kappa系数为0.93,OOB（Out of Bag）数据泛化误差为6.01%;3通过分析特征变量的重要性发现,Ratio_la₁和Ratio_la₂等光谱特征的重要性值明显比形状特征和纹理特征的高;4基于平均下降精度,选择16个变量构建RF模型时总体精度达到0.94,Kappa系数0.93;5基于基尼指数构建的RF模型,在19个变量时总体精度和Kappa系数达到峰值。相比较而言,基于平均下降精度构建的RF较稳定。