土壤养分、林分结构和地形因子对毛竹更新的影响

为探究带状采伐后毛竹更新效果以及影响恢复更新的关键因子,以带状采伐后翌年生毛竹纯林为对象,探讨土壤养分、林分结构和地形因子等对毛竹恢复更新的影响。结果表明:土壤养分质量分数对新竹平均胸径、平均高、样地株数影响显著,其中,土壤全碳是影响最显著的因子。原有林分平均高对新竹平均胸径和平均高影响显著,原有林分年龄均匀度直接影响新竹平均高,原有林分结构对新竹株数影响不显著。不同地形的新竹数量存在显著差异,平均胸径和平均高差异不显著;新竹株数在不同地形表现为下坡>中坡>上坡,阴坡大于阳坡,缓坡大于陡坡;地形因子的交互作用对新竹平均胸径、平均高和株数的影响不显著;土壤养分、林分因子和地形因子的交互作用解释了新竹胸径和竹高的大范围变异。改善带状采伐后翌年的新竹生长更新,可通过控制土壤养分等环境因子来实现。

基于无人机三维信息的杉木新造林林分参数遥感估测研究

以福建顺昌埔上国有林场的杉木新造林为研究对象,采用大疆Phantom 4 Multispectral无人机分2次获取研究区的无人机影像,并以无人机影像为数据源,从研究区的数字表面模型(DSM)中提取冠层高度模型(CHM)。根据局部最大值算法和分水岭算法,从CHM中获取研究区杉木的树高和冠幅数据;同时在研究区设立15个标准地,采用测量杆测定各标准地内所有杉木的树高和南北冠幅;以随机选取、且在影像中具有精确位置的265棵杉木为单木水平的实测数据,以及各标准地内杉木的平均树高和平均南北冠幅为林分水平的实测数据,分别从单木和林分角度对杉木树高和冠幅的遥感估测精度进行评价。结果表明:2次飞行作业之间树高的估测精度分别为90.86%和91.34%,南北冠幅的估测精度分别为83.55%和83.95%;在单木水平上,遥感估测的树高精度为R^(2)=0.89、RMSE=22.37cm、EA=91.00%;南北冠幅精度为R^(2)=0.70、RMSE=27.33cm、EA=82.22%;在林分水平上,树高的估测精度为R^(2)=0.95、RMSE=12.27 cm、EA=94.61%;南北冠幅的估测精度为R^(2)=0.82、RMSE=11.24 cm、EA=92.20%。遥感估测的树高均值比野外测量的树高均值小0.07 m,南北冠幅均值比野外测量的均值小0.04 m。基于无人机三维信息实现了研究区杉木树高和冠幅的精确估测,且在飞行参数一致的情况下,不同飞行区域和飞行批次之间的估测精度相近。研究可以为杉木新造林快速、稳定的监测和经营管理策略的科学制定提供基础数据。

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性,以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象,运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像,利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度,采用随机森林分类方法,对不同空间分辨率下立竹度提取精度进行了比较。结果表明:不同空间分辨率下分割尺度的选择不同,影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时,总体分类精度和Kappa系数最高,因此,毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。

无人机可见光遥感木麻黄人工林株数提取方法比较研究

以福建平潭岛木麻黄人工林为研究对象,对比研究基于无人机可见光遥感数据的株数提取方法,探讨多种方法在不同林龄木麻黄人工林株数提取的适用性。通过轻型旋翼无人机获取研究区可见光相片,经预处理生成无人机可见光正射影像(DOM)和冠层高度模型(CHM);分别选取成熟林、幼龄林6块标准地区域,使用基于冠层高度模型的局部最大值方法(LMC)、基于正射影像的局部最大值方法(LMD)、基于正射影像的多尺度分割方法(MST)提取标准地株数;最后通过3种方法提取的株数和实测数据进行对比分析。结果表明:3种方法中LMC总体提取精度最高,Fscore为0.97,而LMD和MST总体提取精度明显降低,Fscore分别为0.90、0.78;LMC方法对幼龄林和成熟林的株数提取精度相近,幼龄林和成熟林的Fscore皆为0.97。LMD方法在成熟林的株树提取精度略高于幼龄林,尤其2种林龄类型的P值相差较大,幼龄林RE:0.97、P:0.81、Fscore:0.88;成熟林RE:0.94、P:0.89、Fscore:0.91。MST方法在成熟林的株树提取精度明显高于幼龄林,幼龄林RE:0.88、P:0.67、Fscore:0.76;成熟林RE:0.88、P:0.74、Fscore:0.81。因此,3种方法中,LMC总体株数提取精度最高,且适用于不同林龄的木麻黄人工林株数提取,可以满足实时、快速提取木麻黄人工林株数的需求。

毛竹向杉木林扩张不同程度林分空间结构遥感量化分析

林分空间结构是影响林木生长过程、森林生态系统结构和功能的重要因素,研究毛竹扩张杉木林的空间结构变化规律,对毛竹扩张防控及精准经营具有重要意义。以天宝岩自然保护区的毛竹-杉木混交界面为研究对象,设置不同扩张程度,基于无人机遥感影像,实现林分单木位置提取及毛竹和杉木识别;结合Voronoi图,获取林分空间结构相关参数,构建林分空间结构评价指数,揭示毛竹向杉木林扩张不同程度林分空间结构变化特征。结果表明,林分平均角尺度、混交度、大小比数和林分空间结构评价指数分别为0.50~0.55、0.48~0.51、0.25~0.55、0.20~0.50,且随扩张程度的加深,均表现为先增后减的趋势,在毛竹和杉木数量占比接近1∶1时,空间结构评价指数达到最大值,林分空间结构整体最优。研究所构建的林分空间结构评价指数,可以有效地反映林分空间结构的整体状况,为揭示毛竹扩张杉木林演化机制提供基础数据。

带状采伐后施肥对毛竹林恢复的影响

以福建省三明市永安市上坪乡毛竹(Phyllostachys edulis)林地为试验地,设置9 m带状采伐宽度,采用施肥配比(A)和施肥量(B)2因素3水平试验设计,探究带状采伐后不同施肥处理对土壤养分质量分数的影响,以及土壤养分对新生竹林空间和非空间结构的影响。结果表明:(1)处理A_(1)B_(1)(N、P、K元素质量比为4∶2∶3,施肥量为449.7 kg/hm^(2))是提高土壤水解氮、有机质、全氮及有效磷质量分数的最优处理组合;(2)施肥配比在竹林立竹度和树高的生长中起主导作用,施肥量在竹林胸径的生长中起主导作用;(3)竹林的立竹度与土壤各养分质量分数之间均无显著相关性,但胸径与土壤有机质、全氮、有效磷质量分数呈极显著正相关(p<0.01),树高与土壤有机质质量分数呈显著正相关(p<0.05),两者都与土壤速效钾质量分数呈显著负相关(p<0.05);(4)经过A 1B 1处理后,竹林的空间结构综合指数最大,为0.556,且土壤全氮质量分数与空间结构综合指数的关联度最大,为0.8663。施肥处理A_(1)B_(1)不仅能提高土壤养分质量分数,还能显著提高新生毛竹胸径和树高,并能改善来年竹林内的林分空间结构,使得新竹的空间分布更加合理,更有利于毛竹林的采伐更新和恢复。

提升课堂话语技巧创设优质英语课堂研究

教师要想创建更好的英语课堂,不仅要熟练把握教学内容,采取多种教学方法,更要注意自己课堂语言的表达和使用。教师的课堂语言应用灵活,才能更好地提升学生对课文的学习欲望,才能创建更加富有趣味性的课堂。文章以提升课堂话语技巧作为出发点,探讨英语教师应该如何更好地通过艺术语言技巧来提升英语课堂质量。

基于表观特征的毛竹扩张杉木林遥感监测研究

研究毛竹扩张机制可为推进森林资源科学经营和提升林权制度改革成效提供依据,遥感难以直接探测毛竹地下茎的生长潜向,必须依赖毛竹扩张的表面特征变化,方可监测毛竹扩张过程的变化。为此研究以竹—杉混交林为对象,选择毛竹扩张杉木林过程中遥感可量化的表观因子(林分光谱特征、林分密度、林分叶面积指数),构建表观特征综合监测模型,分析表观特征综合指数与扩张程度的内在关系,揭示毛竹向杉木林扩张过程的动态变化。其中各表观因子的获取方式为:(1)通过无人机多光谱影像的植被指数获得林分光谱特征和林分叶面积指数;(2)采用面向对象多尺度分割获取林分密度。结果表明:林分光谱特征中复合植被指数、林分密度、林分叶面积指数均随扩张程度的加深呈上升趋势,林分光谱特征中的黄色因子反之;表观特征综合指数为0.348×复合植被指数+0.054×黄色因子+0.041×林分密度+0.558×林分叶面积指数,表观特征综合指数与扩张程度呈较正相关(R^(2)=0.574),利用表观特征综合指数指示毛竹扩张程度具有合理性,表观特征综合指数随扩张程度的加深而上升。