排序方式: 共有35条查询结果,搜索用时 46 毫秒
1.
间伐改变林分环境,也对林木生长、森林碳储量及林木竞争关系造成一定影响,研究15%、25%、35% 3个间伐强度处理8 a后小兴安岭天然次生林中杉木的径阶分布、碳密度分配特征及竞争指数,对森林经营的指导和森林碳汇发展有重要意义。结果表明,35%抚育间伐强度均使杉木径阶分布频率偏离正态性;间伐改变了林木各器官碳密度的分配,其趋势是随着间伐强度的增大树干碳密度占总量的比例先减小再增加,而树枝生物量分配规律则呈逐渐减小的趋势;25%和35%间伐强度,杉木地上部分的生物量和碳密度均显著大于对照样地,其中25%间伐强度时生物量和碳密度最大,而15%间伐强度的杉木生物量与对照样地无显著差异,而碳密度却小于对照样地;同CK相比,T15样地杉木的Hegyi竞争指数减少了2.05%,而T25、T35分别增加了36.07%和14.66%;冗余分析(RDA)结果表明,Hegyi竞争指数、间伐强度共同解释了碳密度变化的61.3%,且Hegyi竞争指数增长不利于林分碳密度增加,竞争压力通过改变各器官的碳密度来响应。 相似文献
2.
基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量 总被引:2,自引:0,他引:2
森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法(PLS)、支持向量机回归(SVR)、主成分回归(PCR)3种建模方法及Savitzky-Golay平滑+多元散射校正、Savitzky-Golay平滑+一阶导数、Savitzky-Golay平滑+二阶导数、Savitzky-Golay平滑+多元散射校正+一阶导数、Savitzky-Golay平滑+多元散射校正+二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明:当光谱区域为1 380~1 450 nm,1 800~1 950 nm,2 050~2 300 nm,光谱数据采用Savitzky-Golay平滑+多元散射校正+一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。 相似文献
3.
应用NIR及主成分回归预测落叶松密度的研究 总被引:1,自引:0,他引:1
运用近红外光谱主成分回归法对落叶松样品密度进行研究,校正集的相关系数(R)为0.86,校正集标准误差(SEC)为0.01,预测集的相关系数(R)为0.89,预测集标准误差(SEP)为0.02,对未参与建模的12个未知样品进行密度预测,相关系数达0.95。研究表明,近红外光谱能够快速、准确地对落叶松样品密度进行预测,这为快速检测落叶松木材材性提供了一种新方法。 相似文献
4.
间伐对兴安落叶松人工林林分结构的影响 总被引:6,自引:0,他引:6
研究并分析了间伐前后及不同间伐强度林分结构的变化。利用三参数韦布尔函数模拟林分胸径分布,通过其参娄的变化进行定性分析。结果表明,以小径木为间伐对象的间伐作业对林分胸径分布有正面影响。对于林木生长,以中度间伐效果最好。 相似文献
5.
研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。 相似文献
6.
基于近红外技术的落叶松木材密度预测模型 总被引:2,自引:0,他引:2
运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。 相似文献
7.
8.
【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。 相似文献
9.
10.