森林健康评价的遥感技术研究

遥感技术的研究已基本成熟,但将其应用于森林健康评价的研究还相对较少。通过分析遥感技术评价森林健康的可行性和必要性,分析国内外森林健康研究情况及评价指标体系,在综合考虑自然资源、土壤因素、地形因素、火灾和病虫害干扰等方面的基础上,从植被信息、林地环境和森林风险3个方面选取10个能体现森林健康的指标。分析表明:遥感技术评价森林健康是可行的,但也有一定的局限性。多元数据融合不仅可以更全面的提取指标信息,更能提高指标提取精度。发展新型遥感技术、探寻更智能更精确的解译算法,逐渐克服遥感技术在表示植被多样性方面的劣势。

基于科技论文关键词的统计分析中国林业研究热点——以林业类8种期刊2014—2018年关键词为例

刊发文章所标引的关键词是文献检索的标志之一,既可以反映文章的主题有利于读者快速检索到需要的文献,又可以通过关键词分析得到该学科的研究热点等重要信息。本文对林业类8种期刊在2014—2018年的刊发文章关键词进行统计,以这8种期刊刊发文章所标引的关键词为研究对象,通过统计关键词标引率和词频,利用共词网络和多维尺度分析方法,分析刊发文章关键词和林业领域的研究热点之间的关系。研究表明,8种期刊关键词标引率均达100%,使用关键词获取该学科研究方面的重要信息具有可行性;采用词频分析、共词网络分析和多维尺度分析得出了能够反映该学科当前研究热点的关键词和研究热点,并验证了其中4类热点的准确性。旨在提醒作者重视关键词的使用。

基于单个特征分类准确率的特征选择方法研究

【目的】随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样。为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低。笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法。【方法】以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量。以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合。【结果】①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83;与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升。基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大;在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平。而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02。②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF。基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高。【结论】①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定。②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好。③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性。

科技期刊关键词的统计与分析——以《森林工程》2013—2017年刊发文章关键词为例

为了解关键词标引与期刊之间的关系,本文以《森林工程》为例,采用共词分析法,借助Excel和Netdraw软件,对《森林工程》2013—2017年刊发文章的关键词标引进行统计分析,探讨《森林工程》载文组成及特点。结果表明,《森林工程》2013—2017年关键词标引率很高,且内容涵盖较为广泛,以＂森林资源建设与保护＂＂道路与交通＂为主。关键词分析为《森林工程》的发展方向及定位提供了理论指导,也希望能为同类期刊提供参考。