排序方式： 共有75条查询结果，搜索用时 281 毫秒
31.
制作盆景的高山松，一般都生长在海拔1000米以上，安徽黄山称黄山松，浙江天目山称天目松，高山松的特点是苍老、挺拔、奇形怪状、松毛粗短、耐寒、耐早，是制作盆景的名贵树种。 相似文献
32.
香格里拉高山松天然林最优树高曲线研究 总被引：1，自引：1，他引：0
《林业资源管理》2016,(1):46-51
树高曲线是研究森林生长与收获的重要基础。以云南省香格里拉732株高山松天然林实测数据为例,分别选用11个经典常用的树高曲线,拟合高山松树高与胸径的关系,求解模型参数,用决定系数R2、均方根误差RMSE、残差和MD对模型的精度进行评价。结果表明:抛物线方程的R2=0.6073,RMSE=1.711,MD=-0.0101,经检验该方程Spearman相关系数为0.676,显著性水平Sig小于0.01,抛物线方程可以作为香格里拉高山松天然林的最优树高曲线,研究结果可为高山松的经营以及林分调查提供科学依据。 相似文献
33.
34.
云南楚雄、中甸地区松茸生态环境调查研究 总被引：4，自引：2，他引：2
本文对云南楚雄、中甸地区松茸的分布、生长条件、共生树种、松茸发生林分的生态环境特征及菌根组织形态等内容进行了初步研究 ,旨在为科学合理利用松茸自然资源和探索松茸特殊模式的人工栽培技术与途径提供理论基础。 相似文献
35.
西藏色季拉山高山松种群点格局分析 总被引：1，自引：0，他引：1
【目的】研究高山松种群不同生长阶段的空间分布格局类型及其空间关联性。【方法】2014年6-8月,在西藏色季拉山选择有代表性的区域设置50m×50m的高山松林样地4块,对样地内的高山松进行定位和每木检尺,按胸径12cm、≥12~32cm、≥32cm将高山松分为小树、中树和大树,运用点格局分析方法中的Ripley’s L函数,对高山松种群不同发育阶段的空间格局及关联性进行分析。【结果】(1)色季拉山高山松种群径级结构呈典型的"金字塔"型,种群自然更新良好,属增长型种群;(2)高山松不同发育阶段的分布格局各异,小树在小尺度范围内的聚集强度均明显强于中树和大树,中树主要表现为随机分布-集群分布-随机分布,而大树主要表现为随机分布;(3)样地1与样地2中,高山松小树与中树、大树之间的空间关联性基本上均呈负关联关系,但中树与大树之间基本上无关联;样地3和样地4中,高山松不同龄级的小树、中树和大树三者之间相互独立,关联性小。【结论】在从小树发育到大树的过程中,高山松种群的空间分布格局演变过程基本表现为由集群分布到随机或均匀分布;高山松种群的更新不仅受种间竞争的影响,同样受种内竞争的制约;在环境条件相似的情况下,高山松种群自身的生物、生态学特性是影响其分布格局的最主要因素。 相似文献
36.
针对传统k-最近邻法（k-nearest neighbor,k-NN）在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法（genetic algorithm,GA）优化的k-NN模型实现的基础上,对k-NN的3个参数（k,t和d）进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比（RMSE）为54.8%;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,RMSE为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107 t。 相似文献
37.
38.
40.