以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回...以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回归法,对春季防火期和秋季防火期内的地表细小死可燃物含水率动态进行测定,构建了不同防火期、不同林型地表死可燃物含水率的预测模型,分析了相应模型的预测误差。结果表明:同林型地表可燃物含水率在春季防火期和秋季防火期差异显著;在秋季防火期,5个典型林型的地表死可燃物含水率预测平均绝对误差为0.167,平均相对误差为0.218,低于春季防火期模型和春季-秋季混合模型;秋季防火期模型对可燃物含水率预测效果最好。气象要素回归法适用于南瓮河保护区典型林型地表死可燃物含水率预测。展开更多
文摘以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回归法,对春季防火期和秋季防火期内的地表细小死可燃物含水率动态进行测定,构建了不同防火期、不同林型地表死可燃物含水率的预测模型,分析了相应模型的预测误差。结果表明:同林型地表可燃物含水率在春季防火期和秋季防火期差异显著;在秋季防火期,5个典型林型的地表死可燃物含水率预测平均绝对误差为0.167,平均相对误差为0.218,低于春季防火期模型和春季-秋季混合模型;秋季防火期模型对可燃物含水率预测效果最好。气象要素回归法适用于南瓮河保护区典型林型地表死可燃物含水率预测。
文摘为构建高精度的森林地表凋落物含水率预测模型,以黑龙江省哈尔滨市3种典型林分白桦林(Betula platyphylla)、蒙古栎林(Quercus mongolica)和兴安落叶松林(Larix gmelini)为研究对象,采用自制的便携式气象因子检测仪进行实时检测,通过随机森林(Random Forest,RF)、反向传播(Back Propagation,BP)和长短期记忆网络(Long Short Term Memory,LSTM)3种代表性的机器学习方式对3种林分分别构建凋落物含水率预测模型。研究表明,不同的林分在不同的机器学习方式下构建的预测模型的预测精度均不同;在不同的机器学习构建的模型中3种林分的预测精度均为LSTM>BP>RF;LSTM在地表凋落物含水率预测模型的研究中效果最优。此研究结果说明LSTM在地表凋落物含水率的预测中表现突出,对提高基于气象要素法预测地表凋落物含水率模型精度具有重要的理论意义和实践指导价值。