西南地区近14a植被覆盖变化及其与气候因子的关系

基于1999~2012年NDVI数据,结合气温和降水资料,运用GIS和RS技术,分析了西南地区近14a植被覆盖的时空变化特征及与气温、降水的关系。结果表明:(1)该区植被生长良好,各植被类型NDVI均呈显著增加趋势。空间整体表现为改善状态,改善面积远大于退化面积,严重退化区仅占1.18%。退化区分布于横断山地北部、四川盆地东部以及云贵高原中部。(2)植被覆盖变化将以良性发展为主,但强持续性的退化区和弱持续性的改善区应值得关注;强持续性的退化区主要分布在横断山地中北部、云贵高原中西部、若尔盖高原中部、四川盆地与若尔盖高原相交区域;草原强持续性的退化面积最大,针阔混交林强持续性的改善面积最大。(3)NDVI与温度存在明显的正相关关系,而与降水及干旱指数变化的关系不太明显,温度是影响该区植被变化的主要自然因素。     

龙山县生态公益林建设与管理现状及对策

简述了龙山县生态公益林建设与管理的现状,剖析了新时期发挥生态公益林的生态、社会效益与提高林农收入矛盾,分析了龙山县生态公益林建设与管理中存在的问题,提出了龙山县实现生态公益林生态、社会效益与提高林农收入的措施.参4.     

A fungal perspective on conservation biology

Hitherto fungi have rarely been considered in conservation biology, but this is changing as the field moves from addressing single species issues to an integrative ecosystem‐based approach. The current emphasis on biodiversity as a provider of ecosystem services throws the spotlight on the vast diversity of fungi, their crucial roles in terrestrial ecosystems, and the benefits of considering fungi in concert with animals and plants. We reviewed the role of fungi in ecosystems and composed an overview of the current state of conservation of fungi. There are 5 areas in which fungi can be readily integrated into conservation: as providers of habitats and processes important for other organisms; as indicators of desired or undesired trends in ecosystem functioning; as indicators of habitats of conservation value; as providers of powerful links between human societies and the natural world because of their value as food, medicine, and biotechnological tools; and as sources of novel tools and approaches for conservation of megadiverse organism groups. We hope conservation professionals will value the potential of fungi, engage mycologists in their work, and appreciate the crucial role of fungi in nature. Una Perspectiva Micótica de la Biología de la Conservación     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

气候变化和人类活动对黄河三角洲植被动态变化的影响

黄河三角洲是我国暖温带最完整、面积最大的湿地生态系统,其植被变化对于黄河三角洲生态功能和生态安全具有重要意义.本研究基于植被覆盖度(fractional vegetation cover,FVC)、叶面积指数(leaf area index,LAI)、净初级生产力(net primary productivity,NPP)3个生态参数,分析了2000-2017年黄河三角洲地区植被的动态变化,并以NPP为指标量化分析了气候变化和人类活动对植被生产力的贡献.研究发现,2000-2017年黄河三角洲FVC(Slope=0.004,p<0.05)、LAI(Slope=0.011,p<0.05)、NPP(Slope=3.54 g·m-2·a-1,p<0.01)呈显著增加趋势,说明2000-2017年黄河三角洲植被生长状况趋好、植被生产力提高.气温、降水和太阳总辐射对植被NPP变化的贡献分别为0.006、0.81、-0.03g·m-2·a-1,即降水对植被NPP变化的贡献最大,这主要是因为黄河三角洲的主要土地利用类型为耕地,受降水影响大,当地土壤具有盐碱化风险,降水可以补充淡水资...     

森林保险支付意愿及影响因素分析——基于异质性营林主体视角

基于期望效用函数理论分析了异质性营林主体的森林保险支付意愿及差异,并以传统小林农和新型林业经营主体为研究对象,以福建省382户传统小林农和88户新型林业经营主体的调研数据为基础,综合运用条件估值法、卡方检验及Cox比例风险模型,对异质性营林主体的森林保险支付意愿与差异及支付意愿影响因素进行对比与分析。研究表明：传统小林农和新型林业经营主体的森林保险意愿支付水平存在显著差异,在1000~2500元/亩保障水平下,传统小林农的意愿支付水平分别为1.911元/亩、2.941元/亩、3.532元/亩及3.979元/亩,新型林业经营主体为1.632元/亩、3.971元/亩、5.809元/亩及6.864元/亩;两类营林主体的支付意愿均随保额的提高而提高,但新型林业经营主体的提升幅度远高于小林农。异质性营林主体的森林保险支付意愿影响因素也存在明显差别,这与其在森林保险认知特征、林业生产经营特征、林业灾损特征、森林保险产品评价特征等方面存在显著差异有关。此外,林地面积对两类营林主体支付意愿均具有显著影响,规模化、集约化的林业生产经营可促进林业经营主体的森林保险愿意支付水平。     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例

运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧（DO）实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1h预报的相关系数在0.9以上,6h预报结果一定程度上可以满足工程要求,但对低溶解氧事件的预报必须在3h以内.     

因子回归和交互联合探索区域植被覆盖度的影响因素——以三江源地区为例

利用SPOT VEGETATION数据获取的归一化植被指数（NDVI）,分析三江源地区植被覆盖度（FVC）的空间异质性,围绕自然和人类活动因素,基于因子回归与交互作用联合探索自然因素和人为因素对三江源地区植被覆盖的影响.结果表明：（1）三江源地区植被覆盖度整体呈现明显的空间异质性;（2）总体上FVC空间分布的影响因素表现为自然环境因素>人类活动因素;（3）降水是影响三江源地区FVC的主要驱动因子,解释力达0.777;（4）因子交互发现：驱动解释系统呈现双因子增强,说明从系统的角度来看不存在独立起作用的因子,年降水量与其他因子的交互作用最强;（5）降水梯度影响了三江源地区FVC空间异质性的解释程度.随着降水增加,因子解释力趋稳,在降水量较多的三江源东部地区,FVC趋向于更易受高程和气温的影响;（6）数据结果亦验证了因子独立的全局最优筛选仅仅是模拟因变量特征的最优函数,其解释效果与因变量的驱动解释不能完全等同.     

极端梯度提升与随机森林融合的天然气露点预测方法

目的 解决目前水露点数据多为人工采用测量仪器测得,时效性低且成本高昂的问题。方法 建立一种基于极端梯度提升(XGBoost)和随机森林(RF)的天然气水露点预测方法。采用XGBoost方法对所有监测工艺参数进行分析,筛选出主要影响水露点的关键工艺特征参数,以排除无关特征参数对预测的干扰。建立RF预测模型,输入关键特征集参数,实现对水露点的实时预测。以重庆气矿某脱水监测系统监测数据与生产数据为例,对所提预测方法进行对比分析验证。结果 相较于XGBoost、SVM等预测方法,RF模型具有最佳的预测性能,且经过XGBoost特征选择后,RF预测结果的MAE值降低了0.016 9 ℃,RMSE值降低了0.014 6 ℃。结论 基于极端梯度提升与随机森林融合的水露点预测方法具有更优的预测精度与鲁棒性,对指导脱水现场生产具有积极作用。