高黎贡——森林深处的秘密

地处怒江大峡谷的高黎贡山,是地球上现如今唯一保存有大片由湿润热带森林到温带森林过渡的地区,也是世界上极其珍贵极其稀有的生物多样性十分突出的地区。     

一种加权的深度森林算法

深度森林DF(Deep Forest)由多粒度扫描和级联森林两个部分组成。其中:多粒度扫描通过滑动窗口技术获取多个特征子集,以增强级联森林的差异性;级联森林则是将决策树组成的森林通过级联方式实现表征学习。因此,深度森林克服深度学习参数依赖性强、训练开销大以及仅适用于大数据集等不足之处。然而,深度森林中各个子树的预测精度是各不相同的,简单算术平均会导致子树的错误预测对整个森林的预测产生影响,进而随着级数增加,有可能使错误被进一步放大。为此,提出一种根据森林中每棵子树的预测精度进行加权的深度森林。在高维和低维数据集上进行实验,结果表明:加权的深度森林在高维和低维数据集上性能都获得一定提升,特别在高维数据集上优势较为明显。     

山地森林地区遥感影像地形辐射校正研究

山区遥感影像反射率反演不但需要消除大气影响,而且必须消除地形影响.传统的地形校正方法通常属于经验统计方法,具有简单易用的优点,但本身也存在一些缺点,如理论上缺乏全面的物理分析,使用时具有较强的主观性,且不能与大气校正相耦合.相比之下,一些学者提出的基于辐射传输理论物理模型能在一定程度上克服这些缺点.本文针对森林地区,提出了一种基于辐射传输理论的地形校正及反射率反演模型.该模型与现有模型相比,考虑了树木冠层受地形影响的特殊性,因此适合于高植被覆盖的森林地区.最后以贵州省黎平县的ETM影像及DEM数据为例,对模型的有效性进行了验证.通过对比分析,证明该模型在森林地区的地形校正效果明显优于现有模型.     

大兴安岭北段森林扰动对NPP的影响分析

森林扰动影响森林生态系统碳循环和碳平衡,植被净初级生产力(NPP)是表征植被固碳能力的重要指标,分析森林扰动对NPP的影响对于全球变化研究及生态系统承载力和恢复力评估具有重要意义。选取大兴安岭北段地区作为研究区,使用生产的每8 d 30 m分辨率叶面积指数数据集,基于Mu Sy Q-NPP植被生产力模型估算了该地区2002～2018年森林生长季30 m分辨率时间序列NPP,并使用30 m分辨率森林扰动时间序列产品分析了森林扰动对NPP的影响。研究结果表明：在大兴安岭北段地区,2002～2018年森林生长季NPP多年均值多分布于400～600 g C·m^-2·a^-1之间,总体呈现缓慢增加趋势;火干扰是研究区的主要扰动因子;2002～2017年森林扰动导致生长季NPP年平均减少量为0.01 Tg C·a^-1,在2003年、2006年和2017年,受到面积较大且强度较大的森林扰动后生长季NPP降低幅度较大,分别为0.11 Tg C、0.03 Tg C和0.03 Tg C;发生中高强度森林扰动的2006年扰动区,生长季NPP自2...     

深度随机森林在离网预测中的应用

在电信运营商领域,离网预测模型是企业决策者用来发现潜在离网用户(即停用运营商服务)的主要手段。目前离网预测模型都是基于逻辑回归、决策树、神经网络及随机森林等浅层机器学习算法,但是在大数据的背景下,这些浅层算法在预测问题上很难取得更高的精度。因此,提出了一种新型的深层结构模型——深度随机森林,通过将传统浅层随机森林堆积成深层结构模型,获得更高的预测精度。在运营商真实数据上进行了大量实验,结果证明深层随机森林模型比传统浅层机器学习算法在离网预测问题上可以得到更好的效果。同时,增大训练数据量可以进一步提升深层随机森林的预测能力,从而证明了在大数据环境下深层模型的潜力。     

森林植被恢复光谱特征分析——以幕府山矿区为例

南京幕府山地区由于长期的采矿等侵扰活动,森林植被曾遭到严重破坏。通过分析1987—2017年长时间序列的Landsat图像所导出的归一化燃烧指数(normalized burn ratio,NBR)和综合森林指数(integrated forest z-score,IFZ),重构幕府山地区森林植被干扰和恢复特征,并采用Mann-Kendall方法分析了植被恢复趋势,然后重点讨论该地区的森林植被恢复速度。结果表明,幕府山地区森林植被变化与其历史背景相符,IFZ指数刻画的森林恢复特征更适合幕府山地区植被恢复的监测,NBR指数则更加适用于由于城市扩张而引起的森林植被干扰的监测,这2个指数可以在类似地区的植被干扰恢复评价中推广使用。     

历史时期我国生态环境的变化

正一、我国独特的自然环境造就了生态多样性和生物多样性历史早期我国生态环境的多样性。我国古代具有森林、森林草原、草原和荒漠的多种植被带,有众多的湖泊和沼泽,为生物提供了多样的生存环境,形成生物多样性。植物多样性。我国的很大部分处在季风气候,气候温暖湿润,适合植物的生长,尤其我国东中部地区,曾经有面积广大的森林植被分布,具有从热到森林植被到北方的针叶林为主的植被带。在东部森林地区,不仅乔木种类多样,而且草本植物种     

热成像型无线火灾监测终端设计及实现

森林火灾对人类的生命财产、地球资源及生态环境造成了巨大的损失与危害,为了减少森林火灾的损失,世界各国都很重视对森林火灾的研究。森林火灾监测是预防森林火灾发生的重要环节,火灾视频监控系统在各国已经得到一定范围的应用。本文立足于ARM DSP结构、μC/OS-II操作系统、GPRS传输技术,面向森林火灾报警监控领域,设计了一种新的远程视频监控系统,它是一种针对于对视频图像连续性要求不高,且在低码率传输条件下的实现方案,主要应用于无人职守了望点。     

国家级森林火险等级预报方法研究

对国家级森林火险等级的定量化预报方法进行了探讨,即:利用MODIS数据反演获得可燃物状态指数;将通过网络获得的全国气象数据和建立的可燃物类型分布、森林火险区划等基础数据库,在ArcGIS平台上数量化后计算背景综合指数,由这两者计算获得火险指数,以火险指数为国家级森林火险等级预报的量化指标,并利用它进行全国森林火险等级的分级,从而实现了全国森林火险等级从定性描述到定量估测。同时,以近几年我国发生的重特大森林火灾为例,对该方法进行了验证。实验表明:该方法可较好地对国家级森林火险等级进行定量化预报。     

基于随机森林和时间卷积网络的航空发动机故障预测

航空发动机作为一种极其精密的设备,其内部传感器的运行状态决定了发动机能否稳定运行。因此,利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题,提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取,然后添加滚动平均值和滚动标准差以增强数据特征,最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证,结果表明,该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。     

基于改进深度森林算法的软件缺陷预测

软件缺陷预测是合理利用软件测试资源、提高软件性能的重要途径。为处理软件缺陷预测模型中浅层机器学习算法无法对软件数据特征进行深度挖掘的问题,提出一种改进深度森林算法——深度堆叠森林(DSF)。该算法首先采用随机抽样的方式对软件的原始特征进行变换以增强其特征表达能力,然后用堆叠结构对变换特征做逐层表征学习。将深度堆叠森林应用于Eclipse数据集的缺陷预测中,实验结果表明,该算法在预测性能和时间效率上均比深度森林有明显的提升。     

基于ALOS PALSAR数据的热带森林制图技术研究

热带森林地区生物量占全球森林总生物量的40%,对于维护全球碳平衡具有重要的意义。为了给热带森林的变化监测提供有效的基础数据,采用面向对象分类方法,基于K&C(Kyoto and Carbon)PALSAR正射校正合成产品数据,研究了利用多尺度分割、特征提取及规则集建立等方法进行热带森林制图。结果表明:极化比值(HV/HH)对森林较敏感,所采用的分类方法能够很好地识别出森林,两个时相的分类结果也能够清楚地反映森林的变化情况。     

多波段多极化成像雷达图象识别森林类型效果分析

要陕西省宜川县三北防护林地区获取的航天飞机成像雷达ＳＩＲ－Ｃ／Ｘ－ＳＡＲ数据为基础,进行了森林类型的识别与分类,区分出针叶林、阔叶林和混交林３种森林类型,并通过从ＳＩＲ－Ｃ／Ｘ－ＳＡＲ数据中提取这３种类型森林的后向散射系数,分析了多波段、多极化雷达在森林类型识别中的作用。     

基于KNN方法的森林蓄积量遥感估计和反演概述

K-邻近距离法(KNN)作为一种非参数方法,多适用于非正态分布和密度函数未知的遥感数据分类和参数估计,已被广泛地用于寒带和亚寒带地区的多源林业调查和森林蓄积量估计反演。从KNN方法的基本原理出发,在与传统蓄积量遥感估计方法进行对比的基础上,详细地介绍了KNN方法的特点以及与K\|mean方法的区别,总结了KNN法森林蓄积量估计误差的评价模型和度量参数。还对KNN法森林蓄积量遥感估计的国内外研究动态进行了总结,表明了多源信息在KNN法森林蓄积量遥感估计中的重要性,总结出KNN方法进行森林蓄积量遥感估计的两种方法：基于样地点级和基于林分级。最后详细阐述了影响KNN法森林蓄积量估计的众多因素,提出了在低纬度地区利用KNN法对森林蓄积量遥感估计和反演进行系统研究的建议。     

关于中国东北地区森林经营的对话

中国东北地区有3700多万hm2森林资源,大部分为已严重退化的天然次生林。如何经营这些森林,是不予管理、任其退化,直至形成杂灌丛;还是“砍次留好“,促进更新,逐步引向永久性森林?哈尔滨市林业局在山河、转山和丹青河3个直属林场,开展了以均衡发挥生态效益和经济效益为目地的经营实践,仅10余年时间3个林场就已获得了低投入、高产出的良好效果,走上了资源与经济良性循环的轨道。2009年9月,哈市林业局在中国林科院专家支持下,邀请德国森林经营专家Heinrich Spiecker教授和法国农业部高级顾问Dominique Danguy des Deserts先生考察了经营现场,并深入探讨了这些科学实验及其理论价值。     

基于目标检测SSD算法的森林火灾监测模型研究

森林火灾监测是保障我国森林资源的重要手段,也是亟待解决的难题.该文基于TensorFlow框架,利用目标检测SSD算法结合YOLO算法中的回归思想和Faster-RCNN算法中的Anchor机制,实现森林火灾的监测报警,可辅助有关部门及时发现山火,提醒人们迅速做出灭火反应,在一定程度上减少森林火灾造成的损失.     

合成孔径雷达森林树高和地上生物量估测研究进展

微波遥感具有一定的穿透性,能够与森林内部的散射体发生相互作用,从而获得指示森林垂直方向的参数,被认为在森林垂直结构参数估测方面具有很大的潜力。PolSAR、InSAR、PolInSAR、多基线InSAR以及多基线PolInSAR技术的发展进一步拓展了微波遥感在林业中的应用,为森林垂直结构参数估测提供了可行的解决方案。首先总结了森林垂直结构剖面的层析提取方法;然后重点阐述了林下地形、森林树高以及森林地上生物量的微波遥感估测方法;最后就森林垂直结构参数估测研究中存在的问题及其发展趋势进行了分析。
     

蒙德里安深度森林

大多数有关深度学习的研究都基于神经网络,即可通过反向传播训练的多层参数化非线性可微模块.近年来,深度森林作为一种非神经网络深度模型被提出,该模型具有远少于深度神经网络的超参数.在不同的超参数设置下以及在不同的任务下,它都表现出非常鲁棒的性能,并且能够基于数据确定模型的复杂度.以gcForest为代表的深度森林的研究为探索基于不可微模块的深度模型提供了一种可行的方式.然而,深度森林目前是一种批量学习方法,这限制了它在许多实际任务中的应用,如数据流的应用场景.因此探索了在增量场景下搭建深度森林的可能性,并提出了蒙德里安深度森林.它具有级联森林结构,可以进行逐层处理.设计了一种自适应机制,通过调整原始特征和经过前一层变换后的特征的权重,以进一步增强逐层处理能力,更好地克服了蒙德里安森林在处理无关特征方面的不足.实验结果表明:蒙德里安深度森林在继承蒙德里安森林的增量训练能力的同时,显著提升了预测性能,并能够使用相同的超参数设置在多个数据集上取得很好的性能.在增量训练场景下,蒙德里安深度森林取得了与定期重新训练的gcForest接近的预测准确率,且将训练速度提升一个数量级.     

卫星遥感在智慧森林防火监测预警系统的应用

近年来,气候异常多变,森林火灾频发,森林资源受损严重。森林火灾监测预警的准确和及时是减少森林火灾发生的关键,为切实解决森林防火中“监测预警不及时、不准确”的突出问题,结合森林防火监测预警的现状、面临的形势和存在的问题,研究利用卫星遥感等信息化技术建设智慧森林防火监测预警系统的设计与实现过程。系统的建成,尤其是卫星遥感在系统中的应用,对森林防火监测预警有较大帮助和辅助作用,有利于提升各级林业部门对火情的监测预警统一指挥和协调能力。     

职业森林生态与择业搏弈

现实的职业森林生态 当你把眼光放在就业上时，相对于企业组织个体的人永远是处于弱势地位的，企业组织相对处于强势，这就是职业生态的森林法则。形成这种森林法则的主因是组织相对于个人在资源上的优势。劳动力的充足供应和求职者素养技能的不充足加剧了这种法则的盛行。