昆明市林火驱动因子及火险区划研究          下载免费PDF全文

朱政  赵璠  王秋华  高仲亮  邓小凡  黄鹏桂 《浙江农林大学学报》2022,39(2):380-387

  目的  对昆明市2000—2015年的火点数据进行分析,确定主要林火驱动因子,建立昆明市林火预报模型并进行火险区划,为昆明市林火预防提供参考。  方法  基于林火数据,选取气象、地形、植被、人为等17个林火驱动因子构建Logistic回归林火概率模型,并划分5个中间模型选取全样本的显著变量因子,用受试者工作特征曲线(ROC)进行模型检验与评价,基于全样本的模型结果分析昆明市主要林火驱动因子,并计算得到林火发生概率的最佳阈值,根据Logistic模型结果划分五级火险区。  结果  海拔、距居民点距离、距铁路距离、归一化植被指数(NDVI)值、月均地表温度、月均气压、月均相对湿度、月均风速、人均国内生产总值(GDP)等9个因子与昆明市林火发生概率存在显著关系;Logistic模型的预测准确率高达81.7%;ROC曲线下面积(AUC)的值为0.905;划分的最佳阈值为0.342;火险区划的五级火险区面积比率分别为48.82%、35.17%、11.26%、2.55%、2.20%。  结论  昆明市林火主要驱动因子是气象因子;昆明市高火险区集中分布在五华区、盘龙区、官渡区、呈贡区、西山区、安宁市等西南部地区。图4表3参22  相似文献   

基于计算机的木材特征提取和分类识别技术研究综述   总被引：2，自引：0，他引：2  

黄鹏桂  赵璠  李晓平  关成  张严风  吴章康 《世界林业研究》2020,33(1):44-48

木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。  相似文献   

无人机在林业灾害监测中的应用   总被引：1，自引：0，他引：1  

张严风  赵璠  寇卫利  黄鹏桂 《世界林业研究》2020,33(2):62-67

近年来,随着无人机和图像处理等新兴技术的发展,新技术克服了传统林业灾害监测中存在的诸多缺点,具有显著优势。但这些新兴技术尚未出现经典解决方案,在设备选型、数据处理等许多环节仍存在较高的技术门槛。文中通过收集整理国内外相关研究成果,从无人机林业灾害监测技术发展历程、机载传感器选择、图像处理技术流程等方面总结该技术应用关键点,以期为相关研究提供参考。  相似文献   

卷积神经网络在红木树种识别中的应用          下载免费PDF全文

黄鹏桂  赵璠  李晓平  吴章康  汤正捷  张严风 《浙江农林大学学报》2020,37(6):1200-1206

  目的  不同类型的红木由于生长周期和木材特性的不同，导致商业价格差异悬殊，其中还包含有国家保护木种。本研究旨在找到能准确地识别红木种类的方法，以防止交易中的欺诈行为和保护树种。  方法  以国家林业和草原局木材与木竹制品质量检验检测中心(昆明)实际检测中累积的黄檀属Dalbergia和紫檀属Pterocarpus中的交趾黄檀D. cochinchinensis、刀状黑黄檀D. cultrata、卢氏黑黄檀D. louvelii、巴里黄檀D. bariensis、奥氏黄檀D. oliveri、大果紫檀P. macrocarpus、檀香紫檀P. santalinus等7种红木的376个样本作为基本数据，使用计算机算法扩展样本数量，提出自动化识别红木的卷积神经网络模型。  结果  该方法能够自动提取适合模型分类识别的特征，使用更为便捷，相比其他传统方法识别效果更准确的，结果证明平均识别精度达99.4%。  结论  自建的卷积神经网络可以有效识别红木树种，虽然在调参优化与训练时间大于VGG16等迁移学习方法，但泛化能力更强，证明了自建模型在红木识别应用上优于迁移学习模型。图7表4参23  相似文献