沈剑波
- 作品数：9 被引量：76H指数：4
- 供职机构：中国林业科学研究院资源信息研究所更多>>
- 发文基金：国家林业公益性行业科研专项更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 长白落叶松人工林地位指数及立地形的比较研究被引量：9
- 2018年
- 【目的】以吉林省长白落叶松人工林为对象,分析立地形与地位指数及其与林分生产力之间的关系,检验立地形评价长白落叶松人工林立地质量的可行性。【方法】基于168块固定样地的314个观测数据,提出了基准胸径确定的方法,即以胸径-年龄的逻辑斯蒂方程为基础,求其拐点纵坐标(即为基准胸径)。以理查兹生长方程分别拟合优势高-年龄、优势高-优势胸径的导向曲线,分别计算各样地的地位指数与立地形,并分析立地形与地位指数以及二者与林分生产力之间的关系。【结果】立地形与地位指数回归方程的决定系数R2为0.362 7,RMSE为1.993 0 m,平均绝对误差MAE为1.563 2 m。地位指数、立地形与生产力的相关系数分别为0.676 4和0.320 3。采用等距划分的方法将计算所得的地位指数与立地形划分为8个等级,地位指数从1至8级各等级所占比例分别为0.64%、3.82%、12.74%、24.84%、32.48%、19.43%、5.10%、0.96%;立地形从1至8级各等级所占比例分别为0%、1.59%、9.24%、42.36%、44.90%、1.91%、0%、0%。【结论】对于落叶松人工林来说,立地形只能解释36.27%的地位指数变异;地位指数与生产力的相关性远大于立地形与生产力的相关性。对立地形与地位指数采用等距划分的方法进行立地质量等级划分,立地质量等级均呈现出中间多、两头少的趋势,但各等级的样地数量差异较大。总体来说,本研究中立地形不宜作为长白落叶松人工林立地质量评价的指标。
- 沈剑波雷相东雷渊才李玉堂
- 关键词：长白落叶松人工林
- 金苍林场蒙古栎天然中龄林竞争关系研究被引量：15
- 2012年
- 以吉林省汪清林业局金仓林场2块面积为0.25 hm2的蒙古栎天然中龄林固定样地为对象,采用8个竞争指标,研究蒙古栎天然林种内、种间竞争状态。研究结果表明,该林分竞争激烈,蒙古栎与其他各树种存在种间竞争,但其主要竞争压力来自种内,种外竞争压力主要来自黑桦与白桦。其它树种的竞争主要为种间竞争。蒙古栎竞争能力处于中等,白桦与黑桦最强。各竞争指标结果存在差异性,但均能反映蒙古栎天然林竞争状态。蒙古栎竞争强度与胸径存在幂函数关系,竞争强度随个体大小的增大而减小。
- 沈琛琛雷相东王福有马武沈剑波
- 关键词：蒙古栎
- 面向县级林业的数据集成技术研究被引量：1
- 2018年
- 目前精准林业越来越被关注,而树高、蓄积及生物量是研究森林生长与收获的定量指标。为了实现对这些数据进行快速计算及对数据库进行维护,研究开发了面向县级林业数据服务平台系统。该系统以VB6.0为开发语言,采用VBScript技术,以Access为后台数据库,实现了利用林分调查因子对树高、蓄积以及生物量的计算的功能。能按照关键字进行搜索查询,实现增加、删除、修改数据的功能,能够生成报表及导入数据。与传统的手工的方法相比,该系统有效提高了林业工作者的工作效率,并为精准林业打下良好的基础,为森林经营方案的制定提供有效的数据支持。
- 沈剑波雷渊才王功明符利勇
- 关键词：数据维护ADO技术
- 基于BP神经网络的长白落叶松人工林林分平均高预测被引量：21
- 2018年
- 【目的】研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法。【方法】以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观测数据,运用BP神经网络建模技术建立了林分平均树高生长模型。输入因子首先加入年龄,然后依次加入立地因子及林木竞争因子,分析立地因子及林木竞争因子对树高的影响。基于Matlab R2016b中的Sigmoid函数和线性函数为神经元的传递函数,分别采用贝叶斯正则化算法和Levenberg-Marquatdt算法(简称L-M算法)对网络进行训练,对比分析了贝叶斯正则化算法和L-M算法作为训练函数的差异。【结果】与L-M训练算法相比,贝叶斯正则化训练算法具有更好的泛化能力。模型中依次加入年龄、立地因子、林木竞争因子后,树高的拟合精度呈现出相同的上升趋势。采用贝叶斯正则化训练算法,当年龄作为输入因子时,决定系数R^2为0.521 0,均方根误差(RMSE)为2.091 7,平均绝对误差(MAE)为1.627 6。加入立地因子后,决定系数R^2提高至0.573 6,提高了10.10%,均方根误差(RMSE)为1.973 6,降低了5.65%,平均绝对误差(MAE)为1.5797,降低了2.94%;在此基础上,加入林木竞争因子后,决定系数R^2为0.845 5,增长了47.40%,均方根误差(RMSE)为1.187 9,下降了39.81%,平均绝对误差(MAE)为0.968 5,下降了38.69%。【结论】利用贝叶斯正则化BP神经网络可以准确地预测长白落叶松人工林的平均高。立地因子及林木竞争因子能够较好地提升林木生长预测的精度,且林木竞争因子对树高的影响明显大于立地因子。
- 沈剑波雷相东李玉堂兰莹
- 关键词：长白落叶松人工林BP神经网络L-M算法
- 基于BP神经网络的广东省针阔混交异龄林立地质量评价被引量：4
- 2019年
- 【目的】针阔混交异龄林的地位指数计算一直是立地质量评价中的难点,国内外对针阔混交异龄林的地位指数模型的研究较少,为建立更精确的针阔混交异龄林地位指数模型,把神经网络模型引入针阔混交异龄林的立地质量评价。【方法】以广东省针阔混交异龄林为研究对象,建立基于神经网络方法的林分优势高模型以及针阔混交林地位指数模型,除年龄因子外,加入了海拔、坡度、坡向、坡位、土壤厚度、腐殖层厚度等立地因子,另外考虑针叶树种与阔叶树种的断面积比重对针阔混交异龄林样地地位指数的影响,并建立针阔混交异龄林的地位指数的计算模型。【结果】针阔混交林的地位指数的最大值为21.4 m,最小值为6.1 m,平均值为13.7 m,中位数为13.6 m,标准差为3.2 m,地位指数的最大值与最小值的差值为15.3 m。【结论】从结果中可以反映出,广东省地貌复杂且破碎,山多平地少,立地状况差异较大;另外由于广东省林地树种及树种比例具有复杂多样性的特征,导致基准年龄的差异较大。故地位指数的变异较大。本研究在计算针阔混交林的地位指数时,加入了海拔、坡度、坡向、坡位、土壤厚度、腐殖层厚度等立地因子,提高了针阔混交林地位指数的预估精度。研究结果为针阔混交异龄林地位指数的计算提供了精度更高的方法。
- 沈剑波沈剑波雷相东雷相东雷渊才叶金盛
- 关键词：神经网络
- 国内外森林健康评价指标体系综述被引量：22
- 2011年
- 森林健康评价是当前国内外的热点问题,已成为国内外森林状况评估和森林资源管理的重要手段,但目前森林健康评价指标体系差别较大。对森林健康评价指标的种类和频度进行分析和讨论,发现国外森林健康评价指标主要集中于生态系统本身的属性且相对稳定,国内评价指标则涵盖自然和社会经济等多个方面。与国外相比,国内森林健康指标过多、过泛,部分指标可操作性差,含义不清。需要制定统一和标准的森林健康评价指标,每个指标的阈值可因地域、经营目标、森林类型各异。
- 沈剑波雷相东舒清态张会儒
- 关键词：评价指标
- 针阔混交异龄林林分优势高的确定方法被引量：3
- 2019年
- 基于广东省59块针阔混交异龄林一类固定样地实测数据,采用7种方法计算林分优势高,对7种计算方法获取的林分优势高进行相关性分析和差异分析,并建立了林分优势高和林分平均高的线性模型。结果表明,针阔混交异龄林的7种林分优势高间的相关系数均超过0.9;根据差异性分析结果和调查、计算简单的原则,确定不分树种取最大3株优势高的算术平均作为针阔混交异龄林的林分优势高;林分优势高与林分平均高之间的关系方程为Y=0.948 9X+4.133 7,决定系数R^2为0.656 3,具有良好的线性关系。
- 沈剑波雷相东雷相东叶金盛汪求来
- 关键词：林分平均高
- 基于BP神经网络的长白落叶松人工林林分平均高预测
- 目的：研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法.
方法：以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观...
- 沈剑波雷相东李玉堂兰莹
- 关键词：长白落叶松人工林林分平均高BP神经网络L-M算法
- 森林健康评价系统设计与实现被引量：1
- 2014年
- 森林健康评价是近几年的热点问题,开发评价工具非常重要。文中设计开发了森林健康评价系统。利用当前流行的C#为开发语言,Arc engine为开发组件,Access为后台数据库,利用ADO.NET技术访问数据库,系统采用C/S架构。用户通过输入相关评价指标及其权重,就可以迅速评价森林的健康状况。利用吉林省汪清林业局金苍林场四种森林类型的健康调查样地数据对系统进行了测试,系统运行稳定,反映灵敏,结果能客观反映林分的健康状况。为林业生产和科研提供了一个森林健康评价的工具软件。
- 沈剑波雷相东舒清态沈海波王功明
- 关键词：评价指标
