共查询到20条相似文献，搜索用时 62 毫秒
1.
【目的】设计轻量级神经网络,使用声音识别技术构建钻蛀振动识别模型,自动识别双条杉天牛和臭椿沟眶象幼虫蛀干取食振动,为提高钻蛀性害虫的早期预警能力提供技术支撑。【方法】在接双条杉天牛、臭椿沟眶象幼虫木段中嵌入AED-2010L便携式声音探测仪的SP-1L压电式传感器探头,使用录音笔以音频格式记录钻蛀振动信号。双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种声音信号经端点检测、时间规整操作后,计算对数梅尔声谱作为卷积神经网络学习和识别的数据集。由于钻蛀性害虫取食振动脉冲持续时间短,数据量远小于图像,为避免模型出现过拟合,设计轻量级卷积神经网络Insect Frames,网络包含4层3×3卷积,全连接层前接全局平均池化进一步降低网络参数量。使用不同的中间层特征维度和降维方法,实现4种网络变体结构Insect Frames_1—4。【结果】基于轻量级卷积神经网络的钻蛀振动识别方法可有效监测早期虫害的发生,较准确地识别害虫种类。利用Insect Frames_1—4模型,对双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种信号进行识别,在测试集上的平均识别准确率均达90%以上,CPU上平均识别时间为0.1～1.3 s。Insect Frames_2模型识别准确率达95.83%,较广泛用于虫声识别的高斯混合模型提高34.2%,较传统重量级神经网络Res Net18提高6.94%,时间效率提高171.1倍。【结论】将神经网络和声音识别技术用于幼虫钻蛀振动的自动化侦听,具有高效、简单、成本低等优势,可提升林业钻蛀性害虫的早期预警能力。 相似文献
2.
【目的】利用鸣叫声对雄性海南长臂猿个体进行识别,为海南长臂猿种群智能感知和监测及海南热带雨林国家公园智慧保护地建设提供支撑。【方法】许多研究证明某些物种鸣叫的声音具有个体差异,这种差异可以作为一种声音指纹来对物种个体进行识别。本研究基于雄性海南长臂猿鸣叫声谱的特征以及声纹识别的基本原理,提出基于卷积神经网络的声纹识别的方法,通过采用主动声学监测和被动声学监测2种方法收集海南长臂猿鸣叫的原始数据,对原始数据进行预处理,将7只雄性海南长臂猿鸣叫短语中的调频音符组合的声谱图作为输入。通过搭建卷积神经网络和残差卷积神经网络2种模型,7只雄性海南长臂猿鸣叫声谱中提取声纹特征并进行分类,实现个体识别。【结果】通过五折交叉验证得出卷积神经网络模型识别正确率为91.2%,识别效果标准差为4.24%。残差卷积神经网络模型识别正确率为95.04%,识别效果标准差为2.97%。相比卷积神经网络,残差卷积神经网络识别准确率更高,且分类效果更加稳定,但是计算耗时更长。【结论】利用卷积神经网络模型和残差卷积神经网络模型对雄性海南长臂猿鸣叫声谱图进行分类并实现个体识别是可靠的,本方法可以应用于对海南长臂猿的声纹识别... 相似文献
3.
《林业科学》2021,(9)
【目的】构建基于卷积神经网络的木材识别系统,实现木材树种在多场景条件下的自动精准识别,为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。【方法】采集15种黄檀属和11种紫檀属木材标本横切面构造特征图像,建立图像数据集Rosewood-26;构建AlexNet、VGG16、DenseNet-121和ResNet-50共4种卷积神经网络模型,基于ImageNet图像数据集对模型进行迁移学习,采用Rosewood-26图像数据集训练、测试和比较模型,优选识别性能较好的卷积神经网络模型,并进行木材树种分类;在此基础上,构建包含15种黄檀属和11种紫檀属树种的木材自动识别系统iWood,利用市场木材样品对系统进行应用测试和评价。【结果】在构建的4种卷积神经网络模型中,ResNet-50模型表现出最高的识别精度(98.33%)、最少的权重数量和较低的模型复杂性,适用于木材树种准确快速识别;ResNet-50模型对9种黄檀属和3种紫檀属木材的识别精度达100%,并可成功鉴别构造特征极其相似的檀香紫檀和染料紫檀;基于ResNet-50模型构建的木材自动识别系统iWood,在"属"和"种"水平的识别精度分别为91.8%和77.3%。【结论】基于卷积神经网络的木材识别系统iWood适用于海关执法、木材贸易和质量监督检验等多场景下的木材自动精准识别,能够为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。 相似文献
4.
【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留... 相似文献
5.
6.
《林业科学》2021,57(6)
【目的】提出一种基于卷积神经网络模型——PWoodIDNet模型的木材宏、微观辨识方法,以有效提高木材辨识精度和速度,为海关、进出口检疫检验、家具企业等法定部门和企业提供先进的辨识方法和仪器,推动我国木材进出口检疫检验行业和木材加工制造企业的科技进步。【方法】首先,选择16种木材样本,每种样本获取50张高分辨率显微CT图像和工业相机图像,共1600幅;然后,截取具有木射线、薄壁组织、轴向管胞、纹孔和纹理等特征的目标区域,共4800幅,通过水平翻转、垂直翻转、镜像、亮度变换等图像增强算法后将图像集扩充至19200幅。构建基于卷积神经网络的木材宏、微观辨识模型——PWoodIDNet模型,采用加入动量的随机梯度下降(SGDM)方法优化模型,并利用GPU优化并行运算库,对木材宏、微观结构数据集进行分类准确率对比。【结果】相比现行GoogLeNet模型,PWoodIDNet模型准确率提高1.49%,速度提高59.69%;相比现行AlexNet模型,PWoodIDNet模型准确率提高3.76%,速度提高2.63%。【结论】PWoodIDNet模型突破现有辨识方法木材辨识种类范围窄、准确率低和辨识速度慢的难点,能够有效辨识木材,并可在更短的训练时间内实现最佳辨识效果,为我国木材辨识提供一种新的方法和思路。 相似文献
7.
【目的】基于幼虫取食不同寄主树种云斑白条天牛的成虫补充营养行为、形态特征及遗传特性的比较,探讨不同寄主对成虫行为的影响及其机制。【方法】比较幼虫取食毛白杨和美国红木岑2种寄主树种的云斑白条天牛成虫外形特征及雄性生殖器结构差异,利用选择性取食试验,观测这2类云斑白条天牛成虫对美国红木岑、野蔷薇、美国山核桃、日本珊瑚树及毛白杨5种寄主植物嫩枝的取食行为及交配行为,最后基于COI基因分析二者间遗传多样性差异及系统发育关系。【结果】1)幼虫取食美国红木岑的云斑白条天牛和幼虫取食毛白杨的云斑白条天牛外部特征存在明显差异。幼虫取食美国红木岑的云斑白条天牛雄虫腹部末端窄,呈钝角内凹状,毛稀疏,雌虫腹部末端呈弧形内凹,底部中央缺刻不明显,而幼虫取食毛白杨的云斑白条天牛雄虫腹部末端宽,呈弧形内凹状,密被毛,雌虫腹部末端呈平截状,底部中央具有明显缺刻;两者生殖器差异不明显; 2)幼虫取食美国红木岑的云斑白条天牛成虫仅取食美国红木岑嫩枝,而幼虫取食毛白杨的云斑白条天牛可取食野蔷薇、美国山核桃和日本珊瑚树3种植物嫩枝,偏好顺序为野蔷薇美国山核桃日本珊瑚树; 3) 2个种群的天牛雌、雄成虫之间可相互交配,平均交配次数较同类群间存在差异但不显著(P0.05); 4) 2个不同寄主源的天牛种群存在明显遗传分化,分化指数Fst=0.814(P0.001),变异分化主要来源于种群间(83.19%)。【结论】幼虫的取食经历(取食不同寄主植物)和生境异质性可能对云斑白条天牛成虫补充营养行为及种群遗传分化产生显著影响。 相似文献
8.
【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、 GoogLeNet、 ResNet34和ShuffleNetV2四种网络在新数据集的训练上... 相似文献
9.
【目的】森林火灾识别是避免森林火灾大面积蔓延的一项重要研究。随着深度学习的快速发展,基于卷积神经网络的模型因其在图像识别领域的优异表现,被广泛应用到森林火灾识别任务当中。然而,基于卷积神经网络的方法通常在标签数据不充分时,难以取得令人满意的森林火灾识别结果。【方法】本研究提出了一种基于视觉变换网络的自监督森林火灾识别模型（Self supervised forest fire identification model based on visual transformation network）,来提高模型在标签稀缺情况下的森林火灾识别精度。具体来说,该模型采用视觉变换网络作为主干网络,通过视觉变换网络中的多头自注意力机制来捕获森林火灾图像的全局信息特征。并且引入自监督学习中的图像重建任务来辅助模型训练,从而减少模型对标签数据的依赖。模型通过对掩盖图像的特征恢复和重建学习相关语义信息。同时,本研究还提出了一种基于傅里叶低频混合变换的数据增强方法来提高模型的泛化性和鲁棒性。【结果】通过开展详细的试验来验证模型的有效性,结果表明,与其他常见的网络模型相比,FFDM模型在森林火灾识别任务中取... 相似文献
10.
【目的】探究三维卷积神经网络（3D-CNN）在高光谱数据支持的树种分类中的有效网络构建方式，以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区，LiDAR数据获取的森林冠层高（CHM）进行单木分割并以此为补充建立样本，改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3D-CNN网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机（SVM），随机森林（RF）】、传统二维卷积神经网络模型（2D-CNN）及最新多光谱分辨率三维卷积神经网络（MSR 3D-CNN）模型，本研究提出的3D-CNN模型对树种总体分类精度为99.79%，平均交并比（MIoU）为99.53%。与SVM和RF分类结果相比，本研究构建的3D-CNN模型总体分类精度提高5%左右，且具有对树种边界提取更加准确、椒盐现象更少发生的特点；与2D-CNN相比，总体分类精度提高10%左右，MIoU提高7%左右；与MSR 3D-CNN相比，总体精度相差不大，但在训练和测试过程中，本模型耗时远远小于MSR 3D-CNN模型。【结论】本研究改进的3D-CNN模型结构能够高效对原始高光谱影像... 相似文献
11.
12.
《林业科学》2017,(12)
【目的】比较基于不同窗函数的GLAS数据去噪算法和多种森林冠顶高反演模型的精度,优选波形去噪算法并确立对森林冠顶高估算精度较高的反演模型,为森林生物量估测等研究奠定数据基础。【方法】首先基于布莱克曼窗函数和高斯窗函数对GLAS数据进行去噪处理,采用RMSE和SNR定量比较2种波形去噪方法的去噪效果;然后对去噪效果最好的窗函数去噪后的波形提取波形参数,并分针叶林、阔叶林、针阔混交林和不分林型4种情况,采用线性回归方法,以波形长度为参数建立波形参数模型,以波形长度、地形指数为参数建立地形因子模型,在地形因子模型基础上,逐步引入波形半能量高、波形前缘长度和波形后缘长度等参数建立全模型,比较3类模型的模拟效果。【结果】高斯窗函数去噪后的RMSE较低、SNR较高,去噪效果较优;冠顶高反演模型中,分林型和不分林型情况下,全模型模拟效果均优于其他2类模型。其中地形因子模型中针叶林效果较好:R~2=0.853,RMSE=2.519 7 m;全模型中针阔混交林效果最好:R~2=0.972,RMSE=1.001 4 m。【结论】高斯窗函数对GLAS波形去噪能力较强,且在复杂地形情况下,当引入多种波形参数结合地形因子建立多元线性回归模型时,模型对各林型最大冠顶高的解释能力显著提高,可在一定程度上克服地形因子模型在坡度较大地区对冠顶高解释困难的问题,实现复杂地形情况下森林冠顶高的精确估算。 相似文献
13.
基于优化卷积神经网络的木材缺陷检测 总被引：1，自引：0，他引：1
针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。 相似文献
14.
【目的】针对林业有害生物种类多，不少物种之间相似度高，视觉差异小，不易区分，导致林业防控人员无法快速准确识别有害生物种类的问题，本文提出基于深度双线性转换注意力机制网络（DBTANet）的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象，利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强，按6∶2∶2比例划分为训练集、验证集和测试集；采用双线性插值法将每幅图像缩放至统一尺寸；改进ResNet网络中残差模块，加入深度双线性转换模块和注意力机制模块，建立DBTANet-101网络进行特征提取与分类；利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%；在改进残差模块的ResNet-101基础上，增加深度双线性转换模块和注意力机制模块后，74种林业有害生物的平... 相似文献
15.
针对中华甲虫蒲螨对蛀干害虫双条杉天牛的寄生效果进行了研究。经过在室内试验,结果表明:双条杉天牛的幼虫接种蒲螨后,在2 h内就可以导致幼虫死亡。蒲螨从取食开始直到产生后代,在25℃的恒温箱内需要7 d左右。在室外则采用淹没式的方法释放蒲螨,按照植株胸径数据释放蒲螨(20000头/cm),根据高中低密度3个规格,分别采取45万头/株、30万头/株、15万头/株三种处理方式进行试验。释放后在第10 d、20 d、30 d、40d分别进行了观测统计,结果发现:采用平均防效的方法并没有明显差异,3种处理方式效果基本相当,平均防治数据基本在83.71%~85.98%。经过试验可以看出,采用中华甲虫蒲螨控制双条杉天牛效果显著。 相似文献
16.
【目的】针对叶脉图像存在模糊性和噪声的问题,将模糊逻辑与复合顺序形态学相结合,提出一种叶脉模糊逻辑增强方法,以提高叶脉检测方法的抗噪能力和检测效果。【方法】根据5×5邻域中各像元距中心像元的距离,确定邻域像元权重,提出像元隶属度计算方法,利用三角型隶属函数实现叶脉图像模糊化。结合Sugeno模糊模型,提出模糊逻辑推理规则,增强叶脉图像对比度。构建2个尺度分别为3和5的方形结构元素及4个尺度为5的不同方向的线形结构元素,建立基于4个不同方向卷积差分模板的最佳线形结构元素确定方法,设定多个百分位,提出多结构元多百分位的复合顺序形态学检测算子。以叶脉原图和加噪后的图像为例,进行8种不同检测方法的对比试验,以峰值信噪比定量评定方法优劣。【结果】模糊逻辑与复合顺序形态学相结合的叶脉检测方法可增强原图对比度1.668倍,最大峰值信噪比为52.624 6,相较其他方法噪声得到了更有效的处理,提取的叶脉图像更加清晰、完整、连续。【结论】模糊逻辑与复合顺序形态学相结合的叶脉检测方法可有效提高叶脉检测抗噪能力和检测效果,是一种有效的叶脉检测手段。 相似文献
17.
为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出了一种基于高斯混合模型的林业信息文本分类算法。在阐述高斯混合模型和EM算法的基础上,使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合Kmeans算法,通过训练得到各类林业信息文本所对应的高斯混合模型的参数,构造分类器进行精准与快速分类。实验结果表明,该算法与神经网络分类方法、贝叶斯、决策树等常用分类算法相比,该算法有较高的准确率和实用性,为林业信息文本的分类研究开拓了新思路。 相似文献
18.
【目的】研究北抗杨与当前西北干旱区绿洲防护林主栽树种新疆杨的抗虫性差异,为在西北绿洲区推广北抗杨提供参考。【方法】1999年中国林业科学研究院林业研究所韩一凡课题组提供北抗杨家系6个优选无性系(16-4、16-8、16-17、16-18、16-22、16-27)。2003―2011年向内蒙古巴彦淖尔市磴口县城区投放北抗杨家系6个优选无性系、新疆杨等共18个杨树品种,进行多品种抗性比选以及观察纯林抗性小区试验,共104株,面积2.72 hm2;2013年在临河区、磴口县、杭锦后旗各投放1 000株北抗杨,以新疆杨为对照树种,开展疫区扩大试验。解剖被害木内光肩星天牛虫道,分析新疆杨和北抗杨上光肩星天牛产卵、孵化、幼虫取食、发育的差异;调查疫区扩大试验林光肩星天牛产卵和羽化情况,分析新疆杨和北抗杨纯林中虫口演进趋势的差异。【结果】新疆杨树皮对光肩星天牛成虫产卵具有较强的选择抗性;光肩星天牛小幼虫很少取食新疆杨的形成层和韧皮部,主要靠取食木质部完成发育。因此,新疆杨树皮破损小、容易愈合,而木质部受害严重,光肩星天牛成虫羽化率达25.8%。北抗杨树皮对光肩星天牛成虫产卵的选择抗性较弱;光肩星天牛小幼虫先取食北抗杨的形成层和韧皮部,造成树皮掌状凹陷,产卵刻槽愈合后形成较大的瘢痕,对树皮外观损伤较大;但北抗杨形成层、韧皮部、木质部对光肩星天牛从小幼虫到成虫羽化出孔各个阶段的发育均表现出很强的抗性,最后成虫的羽化率仅为0.25%。【结论】新疆杨具有较强的选择抗性和耐害性,但发育抗性弱,在无人为干预的情况下纯林虫口密度累进增大,抗性不能持久,危害多年后出现枯梢,木质部虫道密布,木材利用价值降低。北抗杨选择抗性较弱,但发育抗性很强,纯林抗性持久稳定,在无人为干预的情况下被害木木质部内虫道很少,木材被害轻,因而木材的利用价值高。北抗杨推广造林时可根据性别、干形和速生性的需求选择不同无性系,如以快速绿化为目标,可选用速生性最好的16-27无性系(即北抗杨1号,雄性);农田防护林可选干形好、高生长最大的16-4无性系(雌性);兼顾干形和不飞絮,可选16-8无性系(雄性)。 相似文献
19.
【目的】松天牛小首螨是新发现对松材线虫传播媒介松褐天牛卵具有寄生致死作用的微型携播螨类,研究阐明该螨的携播特性可为深入理解其生境适应性、评价其应用潜能和建立科学的野外应用方法提供依据。【方法】通过室内饲养、行为观察、模拟试验和野外诱捕调查,研究松天牛小首螨在松褐天牛成虫体表的分布规律,在松褐天牛成虫取食、产卵和共饲养等过程中的携播规律以及林间松褐天牛成虫携带松天牛小首螨的情况。【结果】松天牛小首螨以雌成螨为携播螨态,主动转移聚集在松褐天牛成虫体腹面沟缝处,雌、雄天牛均以后胸腹面携螨数量显著最多。在携螨天牛取食过程中,1 h内每头雌、雄天牛分别平均传播3.0、2.9头松天牛小首螨到松枝上。在携螨松褐天牛雌成虫产卵过程中,平均每产1粒卵可传播6.5头松天牛小首螨到天牛产卵部位。松天牛小首螨可在不同松褐天牛成虫个体间相互传播,当携螨天牛与未携螨天牛共饲养2天后,平均每头携螨天牛可传播39.3头松天牛小首螨到未携螨天牛体上,传播率为8.1%,共饲养10天后则每头携螨天牛可传播192.2头松天牛小首螨,传播率达38.5%。在不同天牛共饲养组合中,携螨雄天牛向未携螨雌天牛传播松天牛小首螨的数量和传... 相似文献
20.
《中南林业科技大学学报(自然科学版)》2020,(9)
【目的】研究山西省的林火驱动因子和火险分布格局,可为山西省森林防火工作提供参考。【方法】使用2010—2017年卫星监测热点数据,基于逻辑斯蒂模型和随机森林模型分析气象、地形、植被和人类活动对山西省林火发生的影响,选取山西省主要林火驱动因子,建立林火发生概率模型,并基于最优模型结果绘制山西省森林火险等级区划图,分析山西省森林火险分布格局。【结果】逻辑斯蒂模型选取的山西省主要林火驱动因子有日平均相对湿度、日照时数、日平均气温、日平均风速、海拔、坡度、距道路距离、距居民区距离;随机森林模型选取的山西省主要林火驱动因子有日平均地表气温、日平均气压、日平均相对湿度、日照时数、日平均气温、日平均风速、季度NDVI和GDP;逻辑斯蒂模型的预测准确率在84.31%～86.33%之间,随机森林模型的预测准确率在88.98%～94.37%之间。【结论】山西省主要林火驱动因子为气象因子;随机森林模型比逻辑斯蒂模型更适用于山西省林火发生概率的预测;山西省森林火险分布有明显的季节和地域差异,春季的高火险区明显多于其它季节,东部的高火险区多于西部,阳泉市、长治市、晋城市、忻州市东部、晋中市北部、吕梁市东南部和太原市中部是山西省主要高火险区。 相似文献