一、对山区林业小班标准地设置方法的探讨（论文文献综述）
梁佳宁[1]（2020）在《北京山区不同立地因子及林分密度对油松林木生长的影响》文中研究说明在北京地区,油松（Pinus tabulaeformis Carr.）是非常重要的造林树种,广泛分布在北京各处,特别是北京山区,大多分布于海拔高度在200m到1500m之间的阴坡。20世纪50年代以来,由于油松初植密度过大、立地条件较差、人为干扰等原因,油松林的生长情况并不是很好。本研究利用北京市森林资源二类调查数据,结合历年来各种森林资源调查报告以及文献资料,对北京山区油松人工林自然资源分布、立地因子及林分密度对林木生长影响进行了研究。本研究主要采用主成分分析法和Pearson相关性分析方法,通过定性分析与定量分析相结合,对于全面了解和掌握北京山区油松人工林资源分布,分析油松人工林资源存在的问题,探讨问题形成的原因,指导油松人工林开展科学营林实践,进一步提高林分质量,发挥出更大的生态和景观效益,均具有重要意义。本研究主要得出以下结果:（1）北京市山区不同林龄级油松人工林资源分布面积不同,按分布面积大小依次是Ⅳ龄级、Ⅲ龄级、Ⅰ龄级、Ⅱ龄级。阴坡分布面积明显高于阳坡,主要集中分布在坡度≤35°的区域,在坡度>35°的区域分布面积很小,油松人工林森林质量整体不高,幼龄林,成熟林比重较高,且树种结构比较单一,纯林占比较高;（2）影响北京山区油松人工林生长的主导立地因子包括海拔、坡度、坡向、土壤类型、土层厚度、土壤质地,不同立地因子对不同龄级油松人工林生长的影响不同,Ⅲ龄级、Ⅳ龄级平均树高、平均胸径以及平均蓄积量等各生长量受到立地因子的影响范围最大;（3）基于各林龄级油松人工林的平均蓄积量,平均蓄积量高较的立地因子类别分别为阴坡、平坡、山地棕壤、壤土及厚土层,Ⅰ、Ⅱ龄级油松人工林在低山区平均蓄积量较高,特别是位于200～400m之间,400～600m之间,Ⅲ、Ⅳ龄级在海拔≥800m其平均蓄积量较高,海拔均位于1000m左右时生长最好;（4）北京山区油松人工林大都分布在2000株/hm2之下,90%以上的小班在300株/hm2～1500株/hm2之间。林分密度对不同林龄级油松人工林各生长量影响不同,林分密度对不同林龄级油松人工林平均树高的影响大小依次为:Ⅲ龄级>Ⅳ龄级>Ⅱ龄级>Ⅰ龄级;对平均胸径影响的大小依次为:Ⅲ龄级>Ⅱ龄级>Ⅳ龄级>Ⅰ龄级;对平均蓄积量的影响大小依次为:Ⅳ龄级>Ⅲ龄级>Ⅱ龄级>Ⅰ龄级;（5）油松人工林林分密度在阴坡对平均树高、平均胸径的影响明显高于阳坡;对平均蓄积量的影响则低于阳坡;在低山区域对平均树高、平均胸径及平均蓄积量的影响均低于中山区域。
孟岩[2]（2020）在《泰山优势树种人工林林分分布动态及森林健康评价》文中提出泰山森林植被是我国华北地区暖温带落叶阔叶林带植物群落的典型代表,其保护和管理意义重大。泰山森林大多数为20世纪五六十年代营造的人工林,尽管当时的短时间大面积造林对于快速绿化起到了积极作用,但限于当时经济技术条件和种质资源的制约,造林以纯林为主,树种主要选择了松类（Pinus）（主要是油松（Pinustabulaeformis））、栎类（Quercus）、刺槐（Robiniapseudoacacia）和侧柏（Platycladus orientalis）,且造林密度大,林分组成结构不尽合理。加之现今泰山的人工林基本已经达到了成熟林甚至过熟林阶段,抵御外界干扰的能力下降,当遇到虫害、极端逆境等外在影响时,往往会出现严重受害甚至大片死亡现象。泰山森林亟待进行健康评价并在此基础上进行科学营林。本研究旨在通过对泰山国有林场优势树种人工林林分分布动态进行跟踪调查,探讨林分分布动态变化规律及与森林生态系统健康的关系,进而评价泰山森林健康水平并找到主要制约因子,在此基础上有针对性的提出相应的营林措施建议。以泰山国有林场为研究区,基于遥感影像,开展了人工林林分分布的动态变化研究并结合研究区森林资源二类调查数据进行森林健康评价。（1）基于GEE（Google Earth Engine）平台获取了2000年及2016年的多光谱Landsat影像数据。应用empirical rotation校正模型对2000年及2016年的遥感影像进行地形光照校正,降低山区地形阴影的影响;（2）搜集研究区2000年的泰山林场各管理区森林资源现状图（纸质）,通过在影像上加载各管理区边界线,并将遥感影像中的山脊、山谷走向和明显地物标识与纸质版森林资源现状图相结合,在GIS（Geographic Information System）平台下手动画出2000年的主要林分分布样本;2016年的林分分布样本来源于研究区基于ArcGIS的森林资源二类调查结果,通过对树种结构和优势树种两个属性进行同时选择而获得;（3）分别应用2000年的Landsat7 ETM+（Enhanced Thematic Mapper）影像及2016年的Landsat 8 OLI（Operational Land Imager）影像（其中每一年份应用4期影像）,在地形光照校正的基础上,结合搜集并在GIS系统下处理的样本数据,应用随机森林RF（Random Forest）分类器对研究区2个年份的林分组成及分布进行研究,得到研究区2000年及2016年的四类主要林分分布图;（4）在ArcGIS10.1下,将2000年及2016年的林分分类结果由栅格格式转化为矢量格式,并进行空间叠加,通过建立新的属性字段,对2000年和2016年的树种代码进行对比,将树种代码未发生变化的区域删除,保留变化的区域,得到研究区跨度16年的优势树种林分分布变化结果图;（5）通过对林分变化明显的区域设置样地,对样地进行详细外业调查,研究了泰山人工林林分分布变化的规律及驱动机制;（6）在欧空局ESA（European Space Agency）官网下载Sentinel-2A遥感影像数据,通过建立模型对泰山森林的植被健康程度进行遥感反演,获得森林植被健康程度指标因子;（7）将通过Sentinel-2A数据提取的指标因子与森林资源二类调查中提取的指标因子结合起来,通过层次分析法AHP（Analytic Hierarchy Process）确定各指标因子权重,对泰山森林进行健康评价。本研究探讨了泰山主要人工林林分类型（松类人工林、栎类人工林、刺槐人工林和侧柏人工林）分布变化的规律及驱动机制,并进行了森林健康评价。通过在ArcGIS软件下对研究区2000年及2016年的分类结果进行空间叠加,得到研究区跨度16年的林分分布变化结果图。通过GIS的统计功能表明,经过16年的变化,研究区松林和刺槐林是面积变化较大的两个林分类型。松林占整个泰山森林的比例由55.69%下降到50.22%,下降的百分比高达5.47%;侧柏林面积有一定的下降,下降百分比为0.60%;刺槐林所占比例由2000年的10.15%上升到2016年的13.75%,上升比例为3.60%;栎林面积也有一定的增长,上升比例为1.77%。总体趋势是阔叶林面积不断增加,针叶林面积缩小。在获得主要林分动态变化结果的基础上通过样地调查分析树种分布变化的原因及内在驱动机制。4类林分分布动态的内在驱动机制是阔叶树种通过种间竞争逐步使针叶树种变为树下树,长势衰退甚至死亡,在山体的阳坡阔叶树种入侵针叶树种较山体阴坡严重,但人为活动有目的地对阔叶树种的生长进行干预可以减缓阔叶树种的扩张进程。同为针叶树种,松类减少的速度大于侧柏。同为阔叶树种,当栎林处于刺槐林上坡位时会出现栎类侵入刺槐林的现象。在此基础上,应用2016年的森林资源二类调查数据,并结合同期的哨兵-2A（Sentinel-2A）遥感数据提取出反映泰山森林健康状况的评价指标,在运用层次分析方法（AHP）获得各指标权重的基础上,在GIS系统中对泰山森林健康状况进行评价。评价结果表明,优质等级森林面积（81.69hm2）和健康等级森林面积（2670.48 hm2）仅占到泰山森林总面积的23.46%,60.65%的泰山森林处于亚健康状态。不健康等级的森林面积为1864.74 hm2,占泰山森林总面积的15.90%,其中含96.92hm2极不健康森林,即超过3/4的泰山森林处于亚健康或不健康状态。本研究认为影响泰山森林健康的主要因素为造林时树种选择单一且并未完全按照“适地适树”原则开展造林,在林业经营过程中反复下层疏伐和割灌,导致大部分森林为单层林,此外气候条件变化导致的气温升高及降水减少也是影响泰山森林健康的一个制约因子。对泰山林场下一步开展营林活动提出如下建议:一是逐步调整林分结构,在坡度陡、土层瘠薄、水分含量低等立地条件极差的区域的退化油松林可逐步间伐,营造灌木林;二是及时疏伐,降低林分密度,促进天然下种更新,营造异龄林、复层林;三是按照“适地适树”原则引进乡土树种,营造混交林,避免大面积纯林;四是针对气候条件变化有规划的引入抗旱性较强的树种。
谢菲[3]（2020）在《立地及林分因子对毛竹枯梢病的发病效应》文中研究指明调查了江西省7个毛竹主产区毛竹枯梢病（Ceratosphaeria phyllostachydis）的发病情况,分析不同林分因子、立地因子对毛竹枯梢病发病程度的影响,林分的空间竞争潜力结构、单木间的空间结构对毛竹枯梢病的影响,探讨毛竹枯梢病与各因素之间的关系,为毛竹林枯梢病防治和健康经营提供依据。主要研究结果如下:（1）分析了竹龄、立竹度、均匀度、胸径和郁闭度5个林分因子与毛竹枯梢病之间的关系。结果表明,立竹度与感病指数、发病率是极显着正相关;竹龄和均匀度与感病指数、发病率是极显着负相关;胸径与发病率、感病指数呈显着负相关关系;郁闭度与毛竹枯梢病之间的关系不显着。即随着竹龄和胸径的增大,竹林的发病率、感病指数会逐渐降低,调节林分均匀度和立竹度,让林分变得更均匀和立竹度更小,也会降低林间的发病率、感病指数。（2）分析了坡度、坡位、坡向、海拔高度和土壤层厚度5个立地因子与毛竹林枯梢病之间的关系。结果表明,海拔高度与感病指数、发病率呈极显着正相关关系;土壤层厚度与感病指数、发病率呈极显着负相关关系;坡度与感病指数呈极显着正相关关系,与发病率呈显着正相关关系;坡向与发病率相关关系不显着,与感病指数呈显着正相关关系;坡位与感病指数、发病率无显着的相关关系。即在土层较薄、海拔较高、坡度较陡的阳坡面种植毛竹,比较容易感染毛竹枯梢病。（3）在3种不同林分类型毛竹林中,分析了3个群落层次的植物多样性指数和毛竹枯梢病之间的关系。结果表明,2种混交林（竹阔混交林和竹针混交林）的毛竹枯梢病的感病指数、发病率均远远低于毛竹纯林,2种混交林的感病指数和发病率相差不大;进一步分析了植物多样性指数和感病指数、发病率的相关性,2种混交林乔木层的植物多样性指数与感病指数、发病率关系较为密切,呈显着或极显着负相关关系。2种混交林灌木层和草本层的植物多样性指数与感病指数、发病率弱相关性或关系不显着。在毛竹纯林中,感病指数、发病率与植物多样性指数相关关系主要表现在灌木层和草本层,呈极显着正相关关系。即要提高毛竹纯林的混交比例,同时在混交林中,增加乔木层的植物多样性是控制混交林毛竹枯梢病的关键,在毛竹纯林,清理灌木层和草本层的杂灌,可以有效防止毛竹枯梢病地入侵和传播。（4）采用回归分析法建立了感病指数、发病率的两个预测模型,均达到了极显着水平（R2=0.715,p<0.01;R2=0.694,p<0.01）,两个模型均是从竹龄、立竹度、均匀度、胸径、郁闭度、坡度、坡位、坡向、海拔高度、土壤层厚度和林分类型11个因子中筛选主导因子,结果表明,感病指数、发病率的两个预测模型中筛选出6个相同的主导因子,即均匀度、竹龄、立竹度、海拔、土壤厚度及林分类型,其中立竹度、海拔与感病指数、发病率呈正相关关系,竹龄、均匀度、林分类型和土壤层厚度与感病指数、发病率呈现负相关关系。（5）研究不同林分类型、不同立竹度、不同均匀度毛竹林的空间竞争潜力结构与毛竹枯梢病感病指数的相关关系。在不同林分类型中,毛竹纯林的竞争潜力指标与感病指数呈负相关关系,且相关性明显高于2种混交林;在不同立竹度毛竹林中,竞争潜力指标与感病指数在高密度林中呈显着或极显着负相关关系,随着立竹度的降低,相关性有减弱的趋势,在低密度林中竞争潜力指标与感病指数无相关关系;在不同的均匀度毛竹林中,竞争潜力指标与感病指数在集聚分布林中呈显着或极显着负相关关系,随着均匀度变大,相关性减弱,在均匀分布林分中,竞争潜力指标与感病指数无相关关系。（6）在个体尺度内,针对不同林分类型、不同立竹度、不同均匀度毛竹林,分析了胸径、冠幅、树高大小比数与毛竹枯梢病之间的关系。在毛竹纯林中,各大小比数与感病指数表现为极显着负相关关系,且各优势度间存在极显着差异,在混交林中,毛竹个体感病指数与各大小比数的相关性就变小;在不同立竹度毛竹林中,在高密度时,各大小比数与感病指数呈极显着负相关,随着密度的降低,相关性逐渐减弱,在低密度的林间,没有显着相关性;在不同均匀度的毛竹林间,当林地集聚分布时,各大小比数指标与感病指数之间呈极显着负相关关系,在林地均匀分布时,3个指标与感病指数没有相关性。即在低密度林地、混交林地、均匀分布林地中,单株毛竹优势度较高,病害不容易发生。
邓世晴[4]（2019）在《星机地协同的松材线虫病疫区枯死松树监测方法研究》文中提出松树是我国植树造林的植物种类之一,也是主要的建筑木材,具有很高的观赏价值与经济价值。自从1982年在南京首次发现感染松材线虫病的黑松后,该病在我国松林中不断蔓延扩散,造成了大量的松树死亡,不仅破坏了森林生态系统也带来了巨大的经济损失。因此,开展及时且高效的松材线虫病防治工作是遏制疫情蔓延的关键。疫情监测是松材线虫病防治的工作基础,本文基于“卫星遥感数据-无人机航摄数据-地面调查数据（星机地数据）”探讨星机地协同的松材线虫病疫区枯死松树监测方法。监测方法主要是利用卫星、无人机的多源遥感影像和深度学习方法结合GIS技术完成枯死松树的监测及快速识别定位任务,为此主要开展了以下几个方面的研究内容:（1）通过地面非成像高光谱测量仪器测定健康松针和不同程度枯死松针的光谱曲线数据,结合高分二号（下文称:GF-2）遥感影像设置的波段范围分析其光谱特征与敏感波段。并且,从现有的28种光谱指数中筛选了适宜区分健康松树与枯死松树的光谱指数。（2）研究利用资源三号卫星立体像对提取精细的DEM（Digital Elevation Model）数据,结合VECA地形校正模型对GF-2遥感影像进行地形校正。使用地形校正后的GF-2遥感影像结合筛选获得的归一化型的红色植被指数（RGNDI）提取枯死松树分布,以枯死松树分布数据叠加林业小班面数据,统计单位面积内枯死松树发生情况,并以此制作疫区受灾等级图。（3）依据研究区受灾的轻重程度,对疫情严重的区域优先采用无人机进行航摄作业,利用无人航摄影像开展基于深度学习方法的枯死松树识别定位。该方法利用无人机影像制作深度学习方法的数据集,参考经典的AlexNet模型搭建并训练卷积神经网络模型。最后将训练好的卷积神经网络模型用于对不同目标区域的枯死松树的定位识别。以实际地面调查样点和人工标注的结果为真实值,评价深度学习方法在不同场景下的枯死松树识别精度。结果表明:利用深度学习方法对枯死松树进行检测,其最高的识别精度可达80%。该方法在无人机影像的枯死松树监测中具有一定的优势,能提高人工目视判读的效率,可为高效快速的开展枯死松树的识别定位的方法研究提供参考借鉴。
鲁楠[5]（2019）在《基于季相特征的GF-2影像优势树种识别》文中研究表明如今,遥感技术广泛应用于森林监测活动中。精确地实现不同植被类型的分类及树种的识别,可以提高各个监测指标的精度。近几年来,我国发射“高分”、“资源”等多个系列的国产卫星,丰富了国产遥感卫星数据库,为国内遥感工作的开展带来了极大便利。在植被分类与树种识别过程中,若充分考虑不同植被类型在各个季节的季相特征,可以有效提高分类精度。因此,本研究所使用的数据为同时具有高空间与高时间分辨率的国产高分二号卫星影像。本文以北京市鹫峰国家森林公园为研究区,通过预处理、分割实验选取最优分割参数、基于特征分析建立人工规则与分类器相结合等步骤,较好地实现了研究区内的植被分类与树种识别,为相关林业工作的开展提供依据。主要研究结果如下:（1）针对待识别的优势树种（油松、侧柏、栓皮栎）进行不同季节的实地冠层光谱反射率曲线测量,得出结论:三类树种的光谱反射率在绿波段与近红外波段存在差异性;落叶树种（栓皮栎）在叶变色时期光谱反射率曲线发生明显变化,此时期有利于进行树种识别;实地测量的光谱反射率曲线与GF-2多时相影像光谱平均值曲线具有相似的变化趋势,证明GF-2影像能够反映树种的季相变化。（2）通过分割尺度的初值合理范围选取、异质性因子实验、ESP分割尺度评价工具分析以及光谱差异性分割,选取出适用于研究区植被分类的最优分割参数。（3）充分利用五幅影像的季相特征,进行特征筛选与规则建立。通过利用多时相影像基于特征分析的人工规则建立与分类器相结合的三种分层分类方法,对比利用单时相影像的两种分层分类方法,对总体分类精度进行分析得到结果:多时相分层随机森林法最高,精度为91.9%;多时相分层CART决策树法与多时相分层最邻近法次之,精度分别为89.9%与88.2%;单时相分层随机森林法与单时相分层CART决策树法较低,精度分别为71.4%与68%。结果表明多时相影像参与植被分类与树种识别过程能有效提高总体分类精度。
孟芮萱[6]（2019）在《城郊型森林公园游憩功能评价及结构优化方法研究 ——以鹫峰国家森林公园为例》文中认为为提升城郊型森林公园的游憩功能,本文以鹫峰国家森林公园为例,通过实地调查和资料分析,对森林公园进行了游憩功能和林分质量评价,同时通过空间视域分析,从游客角度对每个小班进行了视觉敏感度划分。通过叠加分析,确定每个小班的经营类型和经营模式,并针对每种经营模式提出了具体的经营技术措施和设施优化的策略。主要研究结论如下:（1）对鹫峰国家森林公园进行游憩功能评价,得出影响较大的指标为森林风景资源类型、设施类别、设施分布情况、美景度、生物多样性,并制定评分标准,得出鹫峰森林公园游憩功能得分为66.86分,属于Ⅱ级。（2）叠加分析组织经营类型共产生24种景斑类型。（3）确定96个小班的视觉敏感度,将研究区划分为视觉高敏感区、视觉一般敏感区、视觉低敏感区3种类型,每种类型分别对应56个小班、31个小班、9个小班。（4）除去树种组成为灌木林的21个小班,评价75个小班的林分质量,划分为质量高风景林、质量中风景林、质量低风景林、质量差风景林4个等级,每个等级分别对应2个小班、47个小班、21个小班、5个小班。（5）结合视觉敏感度结果和林分质量评价结果,将鹫峰风景林组织为13种经营模式,分别是:视觉高敏感区质量高风景林经营模式、视觉高敏感区质量中风景林经营模式、视觉高敏感区质量低风景林经营模式、视觉高敏感区质量差风景林经营模式、视觉一般敏感区质量高风景林经营模式、视觉一般敏感区质量中风景林经营模式、视觉一般敏感区质量低风景林经营模式、视觉一般敏感区质量差风景林经营模式、视觉低敏感区质量中风景林经营模式、视觉低敏感区质量低风景林经营模式、视觉高敏感区灌木林经营模式、视觉一般敏感区灌木林经营模式和视觉低敏感区灌木林经营模式。不同的经营模式对应不同的经营措施。
杨蕙宇[7]（2019）在《顾及特征类型和特征选择的面向对象森林分类方法对比研究》文中认为森林类型的分类提取是森林资源监测体系中的基础与关键环节,高效、准确、精细地实现森林类型分类对于掌握森林资源现状、提高森林经营水平,促进林业可持续发展具有重要意义。遥感技术因其宽范围、高时效和低成本的优势,在森林分类与面积提取方面得到广泛应用。然而,目前在森林类型分类提取研究中仍然存在对我国新数据源关注不足、分类精细程度不够、特征类型选取不全面、信息挖掘不充分等问题。针对以上不足,本研究基于高分一号（GF-1 WFV）遥感数据,结合面向对象的影像分析方法和CART决策树、支持向量机、随机森林三种分类器,探索不同特征类型、不同特征选择方法对不同分类器分类精度的影响,通过优化分类方法与分类策略选取最优结果实现德清县的森林精细分类。主要研究内容与结论如下:（1）针对面向对象的多尺度分割参数展开研究。通过最佳因子指数法（OIF,Optimum Index Factor）确定波段权重,并结合多次分割试验与ESP尺度评价工具来获取最优尺度参数,结果表明,当分割尺度、形状因子、紧致度因子分别设置为78、0.1、0.5时分割效果最好;结合OIF波段选择方法与ESP工具能够有效地实现分割参数的选择,优化分割效果,对进一步的分类研究具有重要意义。（2）基于CART决策树、支持向量机与随机森林三种分类方法,将多时相特征、光谱波段特征、专题指数特征、纹理特征、颜色特征、形状特征和地形特征等不同特征类型进行组合并设置8组特征组合方案,来探究不同分类方法下,不同特征类型的加入对于分类总体精度和单一地类精度的影响,分析不同特征类型对森林分类的重要程度,并比较三种分类方法的分类性能。结果表明:1)在所有特征组合下,三种分类方法的总体精度均表现为随机森林分类大于支持向量机分类远大于CART决策树分类,并且随机森林分类方法对森林类型的识别能力更好。2)对于三种分类方法,多时相特征、光谱波段特征、专题指数特征、HIS颜色特征和地形特征均能够有效地提高分类总体精度,其中多时相特征对于分类总体精度的提高最为显着。纹理特征与形状特征的加入并不能提高分类精度。3)不同特征类型对于不同分类器的影响情况不同,在实际应用中,应该结合具体情况来进行特征类型的选取。（3）采用基于随机森林特征重要性的特征选择和基于Boruta算法的特征选择方法并结合上述三种分类方法进行森林分类,得到以下几点结论:1)不同类型特征与不同时相特征对于森林分类的重要程度不同。各特征类型的重要程度依次为:颜色特征>地形特征>光谱波段特征>指数特征>纹理特征>形状特征;各时相的重要程度依次为:8月>12月>2月>10月。2)从特征选择前后精度变化来看,特征选择对于CART决策树分类精度的提高最为有效,支持向量机次之,随机森林分类精度受特征选择影响最小;此外,支持向量机分类器对于特征数量的变化最为敏感,而随机森林分类方法表现出更好的稳定性。3)对于三种分类方法,综合多种类型特征和特征选择均能够有效提升森林分类精度。与基于Boruta算法的特征选择方法相比,基于随机森林重要性的特征选择方法对于分类效率和分类精度的提升更为显着。（4）通过比较不同分类策略与不同分类方法分类结果的精度,发现以随机森林为分类方法,综合所有特征类型并以随机森林特征重要性为特征选择方法进行森林分类时,分类精度最高,总体精度与Kappa系数分别为88.75%和0.8694。与二类调查数据相比,森林总面积提取精度达到98.63%,且大多数森林类型精度均高于80%,表明该方法的有效性。
梁瑞哲[8]（2019）在《山区生态资源空间信息管理及可视化》文中指出山区生态资源包括林业资源、农业资源、矿山资源、水资源、旅游资源等,对其进行合理的管理、利用和保护关系到整个人类和社会的可持续发展前景。目前,我国山区生态资源的调查和信息管理工作较为落后,大多通过实地调查和人工管理方式进行,这会引起各种问题。首先,各类调查结果数据、专题数据和地类图件,在保存方面存在纸质媒介容易老化、磨损的问题,而且其管理方式主要依靠手工管理,数据更新和备份效率低下、直观性、准确性差、数据结构不一致,生态资源的统计分析和有效管理十分不方便;其次,调查数据与地图的关系应用很有限,现有资料无法反应生态资源之间的空间关系,同时山区是一个起伏不定的表面,高程信息对资源的分布影响显着,现有资料没有考虑这些信息,这些都影响了管理工作的顺利开展。GIS（地理信息系统）和计算机技术的迅速发展,为基于GIS技术的生态资源空间信息管理及可视化系统的实现提供了契机。论文进行了基于GIS的山区生态资源空间信息管理及可视化的研究并实现系统的编制。系统不仅提供调查数据空间与属性相结合的管理方法,使调查数据的电子档案,不易缺失;而且综合考虑生态资源的位置信息和山区高程差异的高程信息,在二三维一体化的可视化平台下提供丰富的图文并茂的数据图形查询系统功能;同时,可生成各类统计报表和农林管理部门必须的各类专题地图,为基层农林管理部门的管理提供决策服务。本研究对于山区生态资源的科学合理管理和保护,促进人类的生存和可持续发展具有重要意义。图37幅;表16个;参50篇。
禹思慧[9]（2018）在《高强度采伐下天山云杉更新群落特征研究 ——以新疆农业大学实习林场为例》文中研究说明天山云杉（Picea Schrenkiana）是新疆山地森林中,分布最广、蓄积量最大的森林生态树种,天山云杉林是我国新疆主要的森林类型之一,以天山云杉为主体的天山山地森林生态系统对天山的水源涵养、水土保持和林区生态系统的形成和维护起着重要作用。针对我国天然林资源过度消耗而引起的生态环境恶化的现实,2000年全国范围内开始实施了天然林资源保护工程,旨在解决我国天然林的休养生息和恢复发展问题。目前,新疆天然林保护工程实施近20年,天保工程区森林资源的更新恢复评价工作亟待开展。为此,本研究以天山北麓中部新疆农业大学实习林场为例,采用样方调查法,针对高强度采伐下天山云杉更新群落特征,从高强度采伐下天山云杉更新群落物种组成、林分结构以及分布格局等方面进行了研究。主要研究结果如下:通过物种组成的分析表明,高强度采伐后天山云杉更新群落中共有植物33科61属67种,双子叶植物占决定优势。乔木层发达,灌木植物发育不良,草本种类繁多且数量庞大,菊科种类最多。采伐强度等级Ⅰ（强度为70%～90%）且天保工程实施后,云杉幼树更新数量成倍增多,平均每公顷更新木数量达21 128株。随干扰强度的增加,伐后不同时期天山云杉的重要值均降低,天山桦（Betula tianschanica）数量增多,天山桦的相对优势度和重要值呈先上升后小幅度下降趋势,小灌木和草本植物种重要值变化幅度较小,除伐后>40 a外,数量均减少。伐后≤20 a至伐后>40 a,物种数量减少,更新天山云杉的重要值和相对优势度减小,天山桦相反,灌木、草本层在伐后>40 a时重要值最小,伐后21～40 a时物种重要值增大,伐后≤20 a时森林自我更新修复使得群落竞争加剧,弱势植物种淘汰,物种重要值略微有所减少,原因是新疆天保工程的实施。优势种是林下植物高山羊角芹（Aegopodium alpestre）。通过林分结构的分析表明,高度增加,林木个体数逐渐减少,2 m树高级内林木个体数偏多。采伐强度的增加,林分直径结构径阶跨度大幅度增加,从2～34径阶增加到2～50径阶,且径阶连续性增强。林分树高结构高度级增加,从2～38高度级增加到2～46高度级,高度结构逐渐完整。随伐后年限的增长,林分直径结构跨度以4～5个径阶均匀增加,且直径结构逐渐完整。树高结构也逐渐完整,但缺失的高度级数量增加,树高分布由倒“J”型转变为正态分布。龄级分布随采伐强度的增加,分布趋向于倒“J”型。天保工程实施后,采伐强度等级Ⅰ的直径结构和树高结构比采伐强度等级Ⅱ的完整,采伐强度的大小对林分年龄结构没有影响。通过空间分布格局分析表明,不同空间尺度天山云杉更新群落的空间分布格局均为聚集分布,且随空间尺度的增加,聚集强度逐渐加强。
杨会娟[10]（2017）在《塞罕坝机械林场人工林视觉资源评价》文中研究表明在生态环境保护更加受到重视、森林旅游需求逐年旺盛的背景下,人工林由单一木材生产为主逐渐转向木材生产、生态保护、观光游憩等多种功能并重,并由被动的多种功能利用向主动的多功能经营转变。视觉资源作为森林最重要的资源要素之一,森林视觉景观评价与管理成为重要的研究课题。论文以塞罕坝机械林场为例,借鉴国内外研究实践,采用问卷调查法研究游客的人口统计学特征、游览特征、动机以及对森林景观偏好的影响,为不同尺度的人工林视觉资源评价和管理提供依据;景观尺度上使用基于GIS空间分析技术和多指标综合评价法,从观景者的关注程度、景观吸引力、视觉条件3个方面,选取居住区、景点、道路、植被一致性或色彩多样性、地形多样性、景观边界、位置显着度、远近程度、可视性9个基于地图的指标,对人工林视觉景观敏感度进行定量、精确、可视的评价;林分尺度上,以塞罕坝4种主要林分类型落叶松纯林、白桦落叶松混交林、樟子松纯林、白桦天然次生林为主要研究对象,设置43块固定样地调查林分因子,采用美景度评价（Scenic Beauty Estimation,SBE）法获取4种人工林林分的美景度,并应用数量化理论I建立林分美景度现状快速评价模型;利用景观、林分评价结果,以七星湖为例,基于视域法确定多功能经营区域的边界、分区,提出不同分区的森林经营策略;利用Photoshop软件,对中背景可视区域进行景观恢复模拟;以提高森林观赏游憩功能为目的,提出前景区域林分改造策略。主要研究结果如下:（1）游客游览特征、动机对森林视觉景观的偏好影响研究游客对草甸、林海、湿地、湖泊等自然景观的偏好存在显着性差异（p<0.05）,游客对自然景观的偏好依次是草地（4.33,为评价均值,下同）、林海（4.19）、湿地（4.17）、湖泊（4.11）;人文景观中,对风车景观的评价值较高（4.20）,对塞罕小镇的评价值最低（3.54）。,游客对秋季混交林林外景观的评价值为4.72,夏季为4.05,存在显着差异（p<0.05）;游客对混交林夏季林外景观的评价均值为4.05,纯林为4.23,存在显着差异（p<0.05）。游客对4种林分的林内景观的偏好存在显着差异（p<0.05）,游客的偏好依次是落叶松林（4.31）、有道路的天然次生林（4.23）、白桦林（4.14）、樟子松林（4.09）。根据动机将游客分为5类,5类游客对林海景观、草甸景观、小城镇景观、沟谷夏景、落叶松林林内景观、樟子松林内景观、天然次生林林内景观、白桦次生林内景观、混交林林外夏景和风车景观的偏好有显着性差异（p<0.05）。（2）人工林视觉景观敏感度评价研究本研究提出了基于林场经营单位的人工林视觉敏感度综合评价方法,评价方法可靠程度较高。景观吸引力的权重值最高（0.51）,观景者的关注度和使用量（0.25）与视觉条件（0.24）的权重值几乎相等;二级指标中植被权重值最高（0.23）,最低的是居住区,只有0.04。使用面积（Area,AREA）、分形维数（Fractal Dimemsion Index,FRAC）、相似度（Proximity,PROX）基于斑块水平的景观格局指数,构建的植被一致性和色彩多样性指标反映了夏秋植被特征。阈值在μ+2σ时的高敏感度区域主要集中在景点和道路两侧,与游客的空间分布一致。夏季视觉敏感度均值为33.5,标准差为9.6,秋季均值为55.2,标准差为7.5;夏秋季节的视觉敏感度有显着差异（p<0.01）。（3）人工林林分美景度评价研究落叶松纯林、白桦落叶松混交林、樟子松纯林和白桦次生林的SBE均值依次是6.9、5.9、-8.0、-31.3,白桦次生林与落叶松纯林、白桦落叶松混交林差异显着。在0.05的显着水平上,美景度值与样地的平均胸径、密度、林分透视距离、林分垂直结构、灌层高度和盖度显着相关,与灌层的生物多样性无显着相关关系。0.05的显着水平上,平均胸径在15cm以下的林分美景度,与平均胸径在15～20cm,20cm以上差异显着,SBE均值最低（-33.1）。密度在1250株/ha以上的林分美景度与其它2种密度的林分（<750株/ha,750～1250株/ha）差异显着,SBE均值最低（-25.8）。透视距离在1倍树高的林分美景度与其它2种透视距离（2倍树高、数倍树高）均有显着性差异,SBE均值最低（-18.7）。乔灌草结构与乔草结构的美景度差异显着,SBE均值较低。灌层盖度≥90%的林分美景度与为0和<30%的林分美景度有显着性差异,SBE均值最低（-40.7）。灌层高度为0.5～1.5m与高度为0的林分美景度具有显着性差异,SBE均值最低（-24.8）。密度、林分结构（乔灌草结构）、灌层盖度（≥90%）3个指标进入美景度与林分指标的回归模型,且均与美景度为负相关关系。（4）多功能经营区域视觉景观管理将七星湖区域分为生态保护区域、视觉管理区域和森林采伐区域3种功能区。其中将视觉管理（可视）区域进一步划分为直接前景可视、前景可视、中景可视、背景可视4个区域。直接前景可视区域和前景可视区域面积较小,尽管仅占17.0%,但是,直接前景区域可视面积占直接前景区域总面积的96%,前景区域中可视区域占前景区域总面积的41%;中景可视区域和背景可视区域面积占可视总面积比例较高,为83.0%,但较为分散。将前景区域划分为森林野餐休息区、儿童森林游乐和室外森林展览区、森林生态体验区和风景林观赏区。
二、对山区林业小班标准地设置方法的探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对山区林业小班标准地设置方法的探讨（论文提纲范文）
（1）北京山区不同立地因子及林分密度对油松林木生长的影响（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 1.研究进展及趋势 |
| 1.1 立地因子对林木生长的影响 |
| 1.2 林分密度对林木生长的影响 |
| 2.材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 地理环境 |
| 2.1.2 气候类型特点 |
| 2.1.3 土壤类型特点 |
| 2.1.4 森林植被 |
| 2.2 研究内容 |
| 2.2.1 立地因子对油松人工林林木生长的影响 |
| 2.2.2 林分密度对油松人工林林木生长的影响 |
| 2.2.3 立地因子及林分密度对油松人工林林木生长的影响 |
| 2.3 数据来源及分析 |
| 2.4 研究方法 |
| 2.4.1 主成分分析法 |
| 2.4.2 Pearson相关系数分析法 |
| 2.5 技术路线图 |
| 2.6 拟解决的关键问题 |
| 3.结果与分析 |
| 3.1 北京山区油松人工林分布情况 |
| 3.1.1 总体分布概况 |
| 3.1.2 不同立地因子上油松人工林面积分布情况 |
| 3.2 立地因子对山区油松人工林生长的影响研究 |
| 3.2.1 油松人工林主导立地因子确定 |
| 3.2.2 立地因子与平均树高相关性分析 |
| 3.2.3 立地因子与平均胸径相关性分析 |
| 3.2.4 立地因子与平均蓄积量相关性分析 |
| 3.3 基于平均蓄积量的山区油松人工林适生立地因子分析 |
| 3.3.1 不同坡度、坡向因子对平均蓄积量的影响 |
| 3.3.2 不同土壤因子对平均蓄积量的影响 |
| 3.3.3 不同海拔高度对平均蓄积量的影响 |
| 3.4 林分密度对山区油松人工林生长的影响研究 |
| 3.4.1 油松人工林林分密度分布及与林木生长因子相关性分析 |
| 3.4.2 林分密度对平均树高的影响分析 |
| 3.4.3 林分密度对平均胸径的影响分析 |
| 3.4.4 林分密度对平均蓄积量的影响分析 |
| 3.5 立地因子及林分密度对山区油松人工林生长的影响分析 |
| 3.5.1 不同坡向林分密度对油松人工林生长的影响 |
| 3.5.2 不同海拔林分密度对油松人工林生长的影响 |
| 4.讨论与展望 |
| 5.结论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（2）泰山优势树种人工林林分分布动态及森林健康评价（论文提纲范文）
| 符号说明 |
| 中文摘要 |
| Abstract |
| 1 前言 |
| 1.1 问题的提出 |
| 1.2 国内外研究进展 |
| 1.2.1 林分分类研究进展 |
| 1.2.2 森林健康评价研究进展 |
| 1.3 研究的目的意义及研究内容 |
| 1.3.1 研究的目的意义 |
| 1.3.2 研究内容 |
| 2 研究区域与研究方法 |
| 2.1 研究区域的选择及概况 |
| 2.1.1 研究区自然环境状况 |
| 2.1.2 研究区社会经济状况 |
| 2.1.3 研究区林分状况 |
| 2.2 研究方法 |
| 2.2.1 研究数据及数据预处理 |
| 2.2.2 林分分类及分布动态研究方法 |
| 2.2.3 森林健康评价方法 |
| 2.3 技术路线 |
| 3 结果与分析 |
| 3.1 林分分布动态结果 |
| 3.1.1 地形光照校正结果 |
| 3.1.2 林分分类结果 |
| 3.1.3 分类精度结果 |
| 3.1.4 林分分布空间变化结果 |
| 3.1.5 外业调查结果 |
| 3.1.6 泰安市气象数据结果分析 |
| 3.1.7 四类主要林分分布动态驱动机制分析 |
| 3.2 森林健康评价结果 |
| 3.2.1 各指标分级结果 |
| 3.2.2 森林植被健康程度指标遥感反演结果 |
| 3.2.3 泰山森林健康状况 |
| 3.2.4 森林健康评价结果分析 |
| 4 讨论 |
| 4.1 人工林林分分布动态的研究意义及与森林健康的关系 |
| 4.1.1 人工林林分分布动态的研究意义 |
| 4.1.2 人工林林分分布动态与森林健康的关系 |
| 4.2 遥感技术在本研究中的应用 |
| 4.2.1 应用陆地卫星数据研究林分分布动态的优势与劣势 |
| 4.2.2 林分分类方法的选择 |
| 4.2.3 森林植被健康指数遥感反演的应用 |
| 4.2.4 遥感技术在森林健康评价中的应用 |
| 4.3 人类干扰对泰山人工林的影响 |
| 4.3.1 人类干扰对泰山林分分布动态的影响 |
| 4.3.2 人类活动对泰山森林健康的影响 |
| 5 结论与建议 |
| 本研究创新之处 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（3）立地及林分因子对毛竹枯梢病的发病效应（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.1.1 研究背景 |
| 1.1.2 国内外研究进展 |
| 1.2 研究思路与主要研究内容 |
| 1.2.1 关键的科学问题与研究目标 |
| 1.2.2 主要研究内容 |
| 1.3 研究技术路线 |
| 2 林分因子、立地因子及植物多样性对毛竹枯梢病发生程度的影响 |
| 2.1 研究区概况 |
| 2.2 样地选择 |
| 2.3 调查方法 |
| 2.3.1 林分因子调查方法 |
| 2.3.2 立地因子调查方法 |
| 2.3.3 植物多样性调查方法 |
| 2.3.4 毛竹枯梢病的调查方法 |
| 2.4 数据分析 |
| 2.4.1 林分因子、立地因子数据处理 |
| 2.4.2 植物多样性数据处理 |
| 2.4.3 不同因子对毛竹枯梢病的综合影响 |
| 2.5 结果与分析 |
| 2.5.1 林分因子对毛竹枯梢病感病指数及发病率的影响 |
| 2.5.2 立地因子对毛竹枯梢病感病指数及发病率的影响 |
| 2.5.3 植物多样性对毛竹枯梢病感病指数及发病率的影响 |
| 2.5.4 各因子对毛竹枯梢病感病指数及发病率的综合影响 |
| 2.6 小结 |
| 3 毛竹竞争结构对毛竹枯梢病发生程度的影响 |
| 3.1 研究区域概况 |
| 3.2 样地选择及调查方法 |
| 3.3 指标的选取和计量 |
| 3.3.1 相对大小指标 |
| 3.3.2 树冠形状指标 |
| 3.3.3 营养空间利用状况指标 |
| 3.3.4 感病指数 |
| 3.4 数据分析 |
| 3.5 结果与分析 |
| 3.5.1 林分相对指标与毛竹个体枯梢病感病指数关系的分析 |
| 3.5.2 树冠形状指标与毛竹个体枯梢病感病指数关系的分析 |
| 3.5.3 营养空间竞争指标与毛竹个体枯梢病感病指数关系的分析 |
| 3.6 小结 |
| 3.6.1 林分相对指标与毛竹枯梢病感病指数关系的分析 |
| 3.6.2 树冠形状指标与毛竹枯梢病感病指数关系的分析 |
| 3.6.3 营养空间利用状况指标与毛竹枯梢病感病指数关系的分析 |
| 4 毛竹单木空间结构对毛竹枯梢病发生程度的影响 |
| 4.1 研究区域概况 |
| 4.2 样地设置及调查方法 |
| 4.3 指标的选取和计量 |
| 4.3.1 大小比数 |
| 4.3.2 感病指数 |
| 4.4 数据处理 |
| 4.5 结果分析 |
| 4.5.1 在不同立竹度等级下大小比数与枯梢病感病指数的关系 |
| 4.5.2 在不同林分林型下大小比数与枯梢病感病指数的关系 |
| 4.5.3 不同均匀度等级下大小比数与枯梢病感病指数的关系 |
| 4.6 小结 |
| 4.6.1 不同变量的大小比数分布频率情况 |
| 4.6.2 不同立竹度等级大小比数与毛竹枯梢病关系的分析 |
| 4.6.3 不同林分林型大小比数与毛竹枯梢病关系的分析 |
| 4.6.4 不同均匀度等级大小比数与毛竹枯梢病关系的分析 |
| 5 结论与讨论 |
| 5.1 结论 |
| 5.2 生态调控技术要点 |
| 5.3 讨论 |
| 参考文献 |
| 在读期间的学术研究 |
| 致谢 |
（4）星机地协同的松材线虫病疫区枯死松树监测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内松材线虫病的时空动态变化 |
| 1.3 松材线虫病疫木遥感监测的国内外研究现状及关键问题 |
| 1.3.1 国内外研究进展 |
| 1.3.2 松材线虫病监测中存在的关键问题 |
| 1.4 研究内容 |
| 1.5 研究方法及论文组织结构 |
| 1.5.1 研究方法与技术路线 |
| 1.5.2 论文章节安排 |
| 2 研究区域概况与数据来源 |
| 2.1 研究区域概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候和水文 |
| 2.2 卫星遥感数据 |
| 2.2.1 高分辨率遥感影像数据 |
| 2.2.2 DEM数据 |
| 2.3 无人机数据 |
| 2.4 地面数据 |
| 2.4.1 样本点位获取 |
| 2.4.2 非成像高光谱测量 |
| 3 基于地面非成像高光谱数据的松针光谱分析 |
| 3.1 地面非成像高光谱数据处理 |
| 3.1.1 敏感波段的筛选方法 |
| 3.1.2 光谱指数的筛选方法 |
| 3.2 不同程度的枯死和健康松针反射光谱特征分析 |
| 3.2.1 光谱特征分析 |
| 3.2.2 敏感波段分析 |
| 3.3 光谱指数可分性分析 |
| 3.4 本章小结 |
| 4 基于星-地数据协同的松材线虫病疫区分级 |
| 4.1 遥感影像的预处理 |
| 4.1.1 精细DEM提取方法 |
| 4.1.2 地形校正模型 |
| 4.1.3 基于精细DEM的地形校正 |
| 4.2 星-地数据协同的枯死树提取 |
| 4.2.1 基于林业小班面数据的松林分布提取 |
| 4.2.2 基于光谱指数的枯死松树提取 |
| 4.3 松材线虫病疫区分级 |
| 4.3.1 病虫害疫区分级标准 |
| 4.3.2 研究区域受灾等级划分 |
| 4.4 本章小结 |
| 5 基于深度学习的无人机影像枯死松树监测 |
| 5.1 深度学习方法介绍 |
| 5.1.1 常用的卷积神经网络模型 |
| 5.1.2 深度学习框架及运行环境 |
| 5.2 数据集的制作 |
| 5.2.1 传统的数据集制作方法 |
| 5.2.2 本文的数据集的制作方法 |
| 5.2.3 数据集的组织结构 |
| 5.3 卷积神经网络模型的训练与测试 |
| 5.3.1 卷积神经网络模型的作业流程 |
| 5.3.2 卷积神经网络模型的结构 |
| 5.3.3 卷积神经网络模型参数的调优分析 |
| 5.4 枯死松树的识别结果与分析 |
| 5.4.1 精度评价的方法 |
| 5.4.2 测试区识别结果的精度分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 问题与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的主要学术成果 |
（5）基于季相特征的GF-2影像优势树种识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 基于像元的遥感影像分类 |
| 1.2.2 面向对象的遥感影像分类 |
| 1.2.3 多时相遥感影像森林分类 |
| 1.3 存在问题及研究意义 |
| 1.4 论文组织结构 |
| 2 研究内容与方法 |
| 2.1 研究内容与技术路线 |
| 2.2 研究方法 |
| 2.2.1 分割原理及参数评价方法 |
| 2.2.2 树种识别方法 |
| 3 研究区概况与数据分析 |
| 3.1 研究区概况 |
| 3.2 数据来源 |
| 3.2.1 遥感影像数据 |
| 3.2.2 地面数据 |
| 3.3 影像预处理 |
| 3.3.1 辐射定标与大气校正 |
| 3.3.2 正射校正 |
| 3.3.3 图像融合 |
| 3.3.4 研究区裁剪 |
| 3.3.5 分类体系的制定 |
| 3.4 冠层光谱数据分析 |
| 4 影像分割参数实验及特征值选择 |
| 4.1 影像分割参数实验 |
| 4.1.1 确定分割尺度的初值合理范围 |
| 4.1.2 质性因子的确定 |
| 4.1.3 ESP分割尺度参数评价工具 |
| 4.1.4 光谱差异性分割 |
| 4.2 特征值选择 |
| 4.2.1 光谱特征 |
| 4.2.2 纹理特征 |
| 4.2.3 植被指数特征 |
| 4.2.4 多时相特征 |
| 4.2.5 地物多时相表现形式归纳 |
| 5 植被分类及树种识别方法分析 |
| 5.1 多时相分层分类 |
| 5.1.1 植被层提取 |
| 5.1.2 有林地层提取 |
| 5.1.3 落叶林层、常绿林层提取 |
| 5.1.4 基于机器分类器的树种识别 |
| 5.2 单时相分层分类 |
| 5.2.1 CART决策树法 |
| 5.2.2 随机森林法 |
| 6 分类结果及精度评价 |
| 6.1 精度评价理论 |
| 6.2 分类方法精度评价对比 |
| 7 结论与讨论 |
| 7.1 结论 |
| 7.2 研究特色与创新 |
| 7.3 讨论与展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（6）城郊型森林公园游憩功能评价及结构优化方法研究 ——以鹫峰国家森林公园为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究的目的与意义 |
| 1.3 国内外研究进展 |
| 1.3.1 森林公园的定义 |
| 1.3.2 国内研究现状 |
| 1.3.2.1 游憩功能评价研究进展 |
| 1.3.2.2 风景林经营研究进展 |
| 1.3.2.3 游憩规划研究进展 |
| 1.3.3 国外研究进展 |
| 2 研究内容与方法 |
| 2.1 主要研究内容 |
| 2.1.1 研究目标 |
| 2.1.2 技术路线 |
| 2.1.3 研究内容 |
| 2.2 研究方法 |
| 2.2.1 数据获取及处理 |
| 2.2.1.1 数据来源 |
| 2.2.1.2 数据处理 |
| 2.2.2 层次分析法 |
| 2.2.3 空间视域分析 |
| 3 研究地概况 |
| 3.1 鹜峰国家森林公园自然地理概况 |
| 3.1.1 地理位置 |
| 3.1.2 地形地貌 |
| 3.1.3 气候条件 |
| 3.2 鹜峰国家森林公园森林资源现状与分析 |
| 3.2.1 鹭峰国家森林公园森林资源现状 |
| 3.2.2 鹭峰国家森林公园森林资源分析 |
| 3.3 鹭峰国家森林公园旅游资源现状 |
| 4 鹭峰国家森林公园游憩功能评价 |
| 4.1 构建评价体系的基本原则 |
| 4.2 评价体系构建 |
| 4.2.1 建立层次结构模型 |
| 4.2.2 指标权重计算的数学模型原理 |
| 4.2.3 鹫峰国家森林公园游憩功能指标体系权重计算 |
| 4.2.3.1 专家赋权重结果 |
| 4.2.3.2 学生赋权重结果 |
| 4.2.3.3 总体赋权重结果 |
| 4.2.4 指标评分标准及得分 |
| 4.2.4.1 外部环境条件的指标评分标准及得分 |
| 4.2.4.2 资源的多样性与复杂性的指标评分标准及得分 |
| 4.2.4.3 森林景观质量的指标评分标准及得分 |
| 4.2.4.4 游憩活动类型的指标评分标准及得分 |
| 4.2.4.5 设施水平的指标评分标准及得分 |
| 4.2.5 目标层总分计算及等级评定 |
| 5 空间视域分析 |
| 5.1 景距的确定 |
| 5.2 观测点的选择 |
| 5.3 生成近景、中景、远景视域分析结果 |
| 5.3.1 近景视域分析结果 |
| 5.3.2 中景视域分析结果 |
| 5.3.3 远景视域分析结果 |
| 5.4 近景、中景、远景视域分析结果叠加分析 |
| 6 经营类型组织 |
| 6.1 选择经营类型的划分依据 |
| 6.2 叠加分析组织经营类型 |
| 6.3 确定小班视觉敏感度 |
| 6.3.1 景观视觉敏感度 |
| 6.3.2 视觉敏感度的确定原则 |
| 6.4 确定小班林分质量 |
| 6.5 经营模式设计 |
| 7 不同经营类型的经营技术及设施优化 |
| 7.1 不同经营类型的经营技术 |
| 7.1.1 视觉高敏感区风景林经营技术 |
| 7.1.2 视觉一般敏感区风景林经营技术 |
| 7.1.3 视觉低敏感区风景林经营技术 |
| 7.1.4 灌木林经营技术 |
| 7.2 设施优化 |
| 7.2.1 游憩设施优化 |
| 7.2.2 服务设施优化 |
| 8 结论与讨论 |
| 8.1 结论 |
| 8.2 讨论 |
| 参考文献 |
| 附表1.1 城郊型森林公园游憩功能评价体系权重分布——专家 |
| 附表1.2 城郊型森林公园游憩功能评价体系权重分布——学生 |
| 附表1.3 城郊型森林公园游憩功能评价体系权重分布——总体 |
| 附表1.4 各小班视域分析结果面积统计表 |
| 附表1.5 视觉高敏感区小班林分质量指标值统计表 |
| 附表1.6 视觉一般敏感区各小班林分质量指标值统计表 |
| 附表1.7 视觉低敏感区小班林分质量指标值统计表 |
| 个人简介 |
| 第一导师简介 |
| 第二导师简介 |
| 致谢 |
（7）顾及特征类型和特征选择的面向对象森林分类方法对比研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 森林精细分类研究现状 |
| 1.2.2 森林分类特征研究现状 |
| 1.2.3 特征选择研究现状 |
| 1.3 研究选题与方案 |
| 1.3.1 研究选题与研究目标 |
| 1.3.2 主要研究内容 |
| 1.3.3 总体技术路线 |
| 1.4 论文结构 |
| 第2章 研究区与数据准备 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 自然环境 |
| 2.1.3 森林资源 |
| 2.2 研究数据 |
| 2.2.1 GF-1遥感数据 |
| 2.2.2 辅助数据 |
| 2.2.3 样本数据及分类体系 |
| 2.3 数据预处理 |
| 2.4 本章小结 |
| 第3章 面向对象的影像分割与特征提取 |
| 3.1 影像分割 |
| 3.1.1 多尺度分割 |
| 3.1.2 波段权重的确定 |
| 3.1.3 影像分割参数试验 |
| 3.1.4 最优分割尺度的选择 |
| 3.2 影像对象特征提取 |
| 3.2.1 光谱波段特征 |
| 3.2.2 专题指数特征 |
| 3.2.3 纹理特征 |
| 3.2.4 HIS颜色特征 |
| 3.2.5 形状特征 |
| 3.2.6 地形特征 |
| 3.3 本章小结 |
| 第4章 不同特征类型对三种分类方法精度的影响 |
| 4.1 总体研究方案 |
| 4.2 分类方法 |
| 4.2.1 CART决策树分类 |
| 4.2.2 支持向量机算法及其参数优化 |
| 4.2.3 随机森林算法及其参数优化 |
| 4.3 结果分析 |
| 4.3.1 三种分类方法的分类结果对比 |
| 4.3.2 不同特征类型对分类精度的影响 |
| 4.4 本章小结 |
| 第5章 顾及特征选择的分类方法比较及选取 |
| 5.1 基于随机森林特征重要性的特征选择 |
| 5.1.1 基本原理 |
| 5.1.2 特征选择分析 |
| 5.1.3 结果分析与精度对比 |
| 5.2 基于Boruta算法的特征选择 |
| 5.2.1 基本原理 |
| 5.2.2 特征选择分析 |
| 5.2.3 结果分析与精度比较 |
| 5.3 特征选择方法对比 |
| 5.4 最优分类结果 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间科研成果 |
（8）山区生态资源空间信息管理及可视化（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 山区生态资源空间信息管理及可视化国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要工作 |
| 1.3.1 本文研究的主要内容 |
| 1.3.2 本文主要研究技术路线 |
| 1.3.3 本文创新点 |
| 1.4 本章小结 |
| 第2章 山区生态资源空间信息建模研究 |
| 2.1 山区生态资源空间信息建模的基本理论 |
| 2.1.1 生态资源及生态资源空间信息 |
| 2.1.2 GIS在生态资源空间信息管理中的应用 |
| 2.1.3 DEM山体阴影模型理论 |
| 2.2 空间信息组织与管理 |
| 2.2.1 空间数据管理模式 |
| 2.2.2 空间数据引擎 |
| 2.3 山区生态资源空间信息模型构建 |
| 2.3.1 二维矢量数据的获取及编辑 |
| 2.3.2 遥感影像数据的获取及处理 |
| 2.3.3 地表模型的构建 |
| 2.3.4 山体阴影专题图的构建 |
| 2.4 本章小结 |
| 第3章 山区生态资源空间信息管理及可视化系统的分析与设计 |
| 3.1 系统分析 |
| 3.1.1 需求分析 |
| 3.1.2 系统功能分析 |
| 3.1.3 系统用户分析 |
| 3.1.4 系统用例分析 |
| 3.2 系统设计 |
| 3.2.1 系统架构设计 |
| 3.2.2 系统数据库设计 |
| 3.2.3 系统界面设计 |
| 3.3 本章小结 |
| 第4章 山区生态资源空间信息管理及可视化系统的开发与实现 |
| 4.1 系统开发平台及软硬件配置方案 |
| 4.2 系统具体功能实现 |
| 4.2.1 系统与数据管理功能 |
| 4.2.2 地图基本操作功能 |
| 4.2.3 生态资源信息空间查询功能 |
| 4.2.4 生态资源空间分析功能 |
| 4.2.5 山区生态资源三维浏览功能 |
| 4.2.6 专题图制作与输出功能 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（9）高强度采伐下天山云杉更新群落特征研究 ——以新疆农业大学实习林场为例（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标、研究内容及技术路线 |
| 第2章 研究区概况与研究方法 |
| 2.1 研究区概况 |
| 2.2 数据采集方法 |
| 2.3 研究方法 |
| 2.4 数据分析 |
| 第3章 高强度采伐下天山云杉更新群落物种组成 |
| 3.1 结果与分析 |
| 3.2 讨论 |
| 3.3 小结 |
| 第4章 高强度采伐下天山云杉更新群落林分结构 |
| 4.1 结果与分析 |
| 4.2 讨论 |
| 4.3 小结 |
| 第5章 天山云杉更新群落空间分布格局 |
| 5.1 结果与分析 |
| 5.2 讨论 |
| 5.3 小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）塞罕坝机械林场人工林视觉资源评价（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展评述 |
| 1.2.1 概念 |
| 1.2.2 视觉景观质量评价方法研究 |
| 1.2.3 视觉敏感度及季节影响研究 |
| 1.2.4 视觉景观管理研究 |
| 1.2.5 森林多功能经营研究 |
| 1.3 我国森林视觉资源评价研究的不足 |
| 1.4 研究目标、研究内容和技术路线 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 技术路线 |
| 2 研究区域概况 |
| 2.1 自然概况 |
| 2.2 社会经济概况 |
| 2.3 文化概况 |
| 2.4 森林资源现状 |
| 2.5 主要景观类型 |
| 2.6 旅游经济发展概况 |
| 3 游客对森林视觉景观的偏好研究 |
| 3.1 研究方法 |
| 3.1.1 问卷设计 |
| 3.1.2 样本量以及抽样方法 |
| 3.1.3 问卷调查实施 |
| 3.1.4 废卷和缺失值处理 |
| 3.1.5 数据分析方法 |
| 3.2 结果 |
| 3.2.1 信度分析 |
| 3.2.2 游客对森林景观的偏好 |
| 3.2.3 人口统计学特征与森林景观偏好 |
| 3.2.4 游客游览特征与森林景观偏好 |
| 3.2.5 游客动机与森林景观偏好 |
| 3.2.6 对森林活动项目的偏好 |
| 3.3 讨论和小结 |
| 3.3.1 讨论 |
| 3.3.2 小结 |
| 4 人工林景观视觉敏感度评价研究 |
| 4.1 研究方法 |
| 4.1.1 视觉敏感度评估步骤 |
| 4.1.2 构建评价指标体系 |
| 4.1.3 确定权重值 |
| 4.1.4 二级指标计算及制图 |
| 4.1.5 综合评价与模型验证 |
| 4.2 结果 |
| 4.2.1 可靠性 |
| 4.2.2 指标权重值 |
| 4.2.3 植被一致性和色彩多样性 |
| 4.2.4 一级指标评价结果 |
| 4.2.5 综合评价结果 |
| 4.3 讨论和小结 |
| 4.3.1 讨论 |
| 4.3.2 小结 |
| 5 人工林林分美景度评价研究 |
| 5.1 研究方法 |
| 5.1.1 样地设置与调查 |
| 5.1.2 样地拍摄 |
| 5.1.3 美景度值的获取 |
| 5.1.4 调查指标体系构建 |
| 5.1.5 数据统计分析 |
| 5.2 结果 |
| 5.2.1 林分美景度 |
| 5.2.2 林分因子对林分美景度的影响 |
| 5.2.3 灌层群落多样性与林分美景度 |
| 5.2.4 评价模型及主要因子分析 |
| 5.3 讨论和小结 |
| 5.3.1 讨论 |
| 5.3.2 小结 |
| 6 多功能经营区域视觉景观管理研究 |
| 6.1 研究对象 |
| 6.2 视域法 |
| 6.2.1 基本思想 |
| 6.2.2 具体方法 |
| 6.3 多功能经营区域总体分区 |
| 6.3.1 资源现状分析 |
| 6.3.2 分区与森林视觉景观管理 |
| 6.4 中背景可视域采伐迹地恢复分析 |
| 6.4.1 分析方法 |
| 6.4.2 七星湖采伐迹地恢复分析 |
| 6.5 前景区域功能分区及森林经营 |
| 6.5.1 研究目标 |
| 6.5.2 现状调查 |
| 6.5.3 功能分区与森林经营 |
| 6.6 讨论和小结 |
| 6.6.1 讨论 |
| 6.6.2 小结 |
| 7 结论 |
| 7.1 结论 |
| 7.2 创新与不足 |
| 7.2.1 主要创新点 |
| 7.2.2 不足 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 在读期间发表的学术论文 |
| 作者简介 |
| 致谢 |
四、对山区林业小班标准地设置方法的探讨（论文参考文献）
- [1]北京山区不同立地因子及林分密度对油松林木生长的影响[D]. 梁佳宁. 北京林业大学, 2020(03)
- [2]泰山优势树种人工林林分分布动态及森林健康评价[D]. 孟岩. 山东农业大学, 2020(08)
- [3]立地及林分因子对毛竹枯梢病的发病效应[D]. 谢菲. 中国林业科学研究院, 2020(01)
- [4]星机地协同的松材线虫病疫区枯死松树监测方法研究[D]. 邓世晴. 东华理工大学, 2019(01)
- [5]基于季相特征的GF-2影像优势树种识别[D]. 鲁楠. 北京林业大学, 2019(04)
- [6]城郊型森林公园游憩功能评价及结构优化方法研究 ——以鹫峰国家森林公园为例[D]. 孟芮萱. 北京林业大学, 2019(04)
- [7]顾及特征类型和特征选择的面向对象森林分类方法对比研究[D]. 杨蕙宇. 陕西师范大学, 2019(06)
- [8]山区生态资源空间信息管理及可视化[D]. 梁瑞哲. 华北理工大学, 2019(03)
- [9]高强度采伐下天山云杉更新群落特征研究 ——以新疆农业大学实习林场为例[D]. 禹思慧. 新疆农业大学, 2018(06)
- [10]塞罕坝机械林场人工林视觉资源评价[D]. 杨会娟. 河北农业大学, 2017