期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
森林资源小班火险天气等级预报方法研究 被引量:9
1
作者 高开通 刘鹏举 唐小明 《北京林业大学学报》 CAS CSCD 北大核心 2013年第4期61-66,共6页
森林火灾是危害森林健康的主要灾害之一,准确预测森林火险对做好森林火灾预防工作具有重要意义。针对我国森林火险预报缺乏小尺度预报的问题,以MTCLIM模型、WindNinja软件为基础,通过研究森林资源小班气象因子的计算与生成技术,设计并... 森林火灾是危害森林健康的主要灾害之一,准确预测森林火险对做好森林火灾预防工作具有重要意义。针对我国森林火险预报缺乏小尺度预报的问题,以MTCLIM模型、WindNinja软件为基础,通过研究森林资源小班气象因子的计算与生成技术,设计并开发了火险天气等级预报模块,实现了森林资源小班火险天气等级的快速预报。试验分析表明,该方法具有易于实现、通用性好等优点,能够及时反映森林资源小班火险天气等级的时空变化,对于提高森林火灾的预防、扑救工作具有良好的指导和参考意义。 展开更多
关键词 森林资源小班 火险预报 MTCLIM模型 WindNinja软件
在线阅读 下载PDF
一种面向并行查询的森林资源小班数据划分粒度研究 被引量:1
2
作者 卜祥亮 唐小明 +1 位作者 殷君茹 李惺颖 《中南林业科技大学学报》 CAS CSCD 北大核心 2015年第9期39-44,共6页
为在并行环境下高效地利用并行计算资源,促进静态负载均衡,从而总体上提高森林资源小班数据在并行环境下查询的响应效率,通过分析数据划分粒度与查询效率的关系,建立了数据划分粒度与查询效率的关系模型。采用辽宁省森林资源小班数据,... 为在并行环境下高效地利用并行计算资源,促进静态负载均衡,从而总体上提高森林资源小班数据在并行环境下查询的响应效率,通过分析数据划分粒度与查询效率的关系,建立了数据划分粒度与查询效率的关系模型。采用辽宁省森林资源小班数据,实验验证了该模型,并取得森林资源小班数据的最佳划分粒度。实验表明,在最佳划分粒度进行并行查询时,查询效率明显优于其它划分粒度。 展开更多
关键词 森林资源小班数据 并行查询 数据划分粒度 查询效率
在线阅读 下载PDF
基于森林小班的高分影像融合及地类信息提取 被引量:2
3
作者 孟雪 郜昌建 +4 位作者 高媛赟 刘俊 林国忠 温小荣 佘光辉 《林业资源管理》 北大核心 2016年第2期98-105,115,共9页
以2013年资源3号高分辨率卫星遥感影像及森林小班矢量数据为数据源,以紫金山国家森林公园为例,基于森林小班对象将原始多光谱和全色影像进行融合。在较优融合影像基础上,采用面向对象分类方法提取研究区阔叶林、针阔混交林、竹林、灌木... 以2013年资源3号高分辨率卫星遥感影像及森林小班矢量数据为数据源,以紫金山国家森林公园为例,基于森林小班对象将原始多光谱和全色影像进行融合。在较优融合影像基础上,采用面向对象分类方法提取研究区阔叶林、针阔混交林、竹林、灌木林地、松类、杉类和柏类等地类信息,并以现有的森林小班矢量数据验证影像融合效果,所得结论如下:1)基于森林小班矢量数据对遥感影像数据进行分割和融合是有效提取地类信息的基础。2)基于森林小班对象影像融合效果评价结果表明,Wavelet融合算法对资源3号卫星遥感影像数据融合效果较优;HPF,PCA和IHS融合算法次之;Brovey融合算法融合效果较差。3)基于Wavelet融合影像进行地类信息提取,总体分类精度为83.5%,Kappa系数为0.79。以上结论表明基于森林小班的影像融合方法是可行的,该方法有利于国产高分影像地类信息的提取,可为进一步获得更高的信息提取精度和更细分树种类型识别提供基础。 展开更多
关键词 资源3 号卫星 森林资源小班 影像融合 地类信息提取
在线阅读 下载PDF
基于粗糙集与C5.0决策树的林地质量评价 被引量:6
4
作者 张宗艺 刘鹏举 唐小明 《西北农林科技大学学报(自然科学版)》 CSCD 北大核心 2017年第3期96-102,110,共8页
【目的】使用数据挖掘算法实现多因子共同影响下的林地质量综合评价,探索林地质量与环境因子之间的非线性关系,为提高森林经营信息化水平提供技术支持。【方法】使用辽宁省抚顺市胡桃楸(Juglans mandshurica Maxim)森林资源小班数据,采... 【目的】使用数据挖掘算法实现多因子共同影响下的林地质量综合评价,探索林地质量与环境因子之间的非线性关系,为提高森林经营信息化水平提供技术支持。【方法】使用辽宁省抚顺市胡桃楸(Juglans mandshurica Maxim)森林资源小班数据,采用粗糙集算法筛选出与林地质量相关的重要因子,然后建立C5.0决策树,得出环境因子与林地质量间的非线性关系。【结果】影响胡桃楸林地质量的主要因子有坡度、坡向、坡位、海拔、下木种类、下木盖度、地被物种类、地被物盖度和土壤质地;以粗糙集方法选取的因子为输入变量的决策树模型规模小、复杂度低、决策规则简单,预测准确率达91.20%。【结论】本研究提出的林地质量等级预测和评价方法,能在保证模型准确率的同时降低算法的时间和空间复杂性,提高数据挖掘效率,并能克服一般林地质量评价中靠专家打分的局限性与主观性。 展开更多
关键词 粗糙集 决策树 林地质量评价 森林资源小班数据 胡桃楸
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部