近期各地火灾频发再次敲响警钟——“谁小看防火，火灾就会给他好看”

入冬以来，大火频频牵引人们的视线：去年12月12日，浙江温州一商住楼发生大火，21人丧生：1月2日，新疆乌鲁木齐德汇国际广场发生大火。近60个小时的大火直到5日17时才被扑灭，价值数亿元的财产化为灰烬。     

三峡库区几种林下苔藓的保水功能

通过对三峡库区三种森林类型(松栎混交林、栓皮栎纯林、马尾松纯林)林下苔藓储量调查分析及其持水特性试验，得到不同森林类型林下苔藓储量、最大持水量、吸水速率等水文特征参数。结果表明，马尾松纯林林下苔藓储量最大(12．93t／hm^2)，松栎混交林和栓皮栎纯林林下苔藓储量相同(9．47t／hm^2)。松栎混交林林下苔藓最大持水量为5．36mm，栓皮栎纯林为5．73mm，马尾松纯林为6．26mm。研究结果还表明，三峡库区林下苔藓持水量随时间变化过程与森林类型无关。在只有苔藓覆盖情况下，不同森林类型林内不产生水分下渗和地表径流时的最大降雨量和最大降雨雨强分别为：松栎混交林林地5．36mm，5．820mm／h；马尾松纯林林地6．26mm，7．420mm／h；栓皮栎纯林林地5．73mm，6．060mm／h。     

神州绿网

云南：植树交钱引发争议;重庆：计划建设“森林城市”；湖南：启动“湿地使者行动”；四川：重建环保能力；珠三角空气联防机构欲“破茧”.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

大兴安岭5种乔木树种燃烧释放PM2.5中水溶性元素特性

采用自主设计的生物质燃烧实验装置,在不同燃烧状态（明燃、阴燃）下,对大兴安岭林区5种典型乔木树种的不同部位（枝、叶、皮）燃烧释放PM_2.5中的水溶性元素特性进行研究.结果显示,不同树种间PM_2.5的排放因子差异显著,排放范围为（2.408±0.854）~（9.227±1.172）g/kg.5种乔木树种燃烧释放PM_2.5中主要检测到Mg、Ca、K等16 种元素,其中Ca、K、Zn、Mg 4种元素的排放因子明显大于其它元素.不同树种间元素排放因子差异较大,针叶树的排放因子一般高于阔叶树.除Cd元素外,不同器官间排放的元素总量无明显差异.不同树种不同器官燃烧释放PM_2.5中水溶性元素的占比顺序较为一致,其中Ca、K、Zn和Mg 4种元素的排放因子在枝、叶、皮中均较高.此外,燃烧状态对元素排放特征影响较大,Li、Mg、Ca等7种元素的排放因子均表现为明燃显著高于阴燃.     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

福建省森林固定CO2价值评估

借鉴国内外研究成果,引入“市场逼近系数”,构造森林固定CO2效益经济结构模型,评估福建省森林固定CO2价值,为福建省森林资源的科学管理和资产评估提供了借鉴和参考。