-
题名林地分等关键技术研究与实践——以广东省为例
被引量:1
- 1
-
-
作者
谢萍
-
机构
广东省国土资源技术中心
自然资源部建设用地再开发重点实验室
-
出处
《自然资源信息化》
2023年第5期46-51,共6页
-
文摘
林地分等是自然资源资产化管理的重要信息维度。本文以广东省林地分等工作为例,运用多源数据融合、组合分析量化指标、Python语言批处理、试生产和试分等关键技术和方法,解决了数据异构、计算流程复杂、时间和人工成本高、精度难以保障等实际生产问题。广东省林地分等实践表明,省域范围内各等别林地面积占比整体呈正态分布,分等单元未出现明显跳等现象,等别过渡较平滑,为后续林地定级和基准地价制定提供重要依据。文章总结归纳的林地分等技术体系和关键技术已同步应用于广东省园地和草地分等工作,可为全国园地、林地、草地分等定级工作提供参考思路和借鉴案例。
-
关键词
林地分等
多源数据融合
组合分析法
广东
-
Keywords
gradation,classification and evaluation of forestland
multi-source data fusion
combination analysis
Guangdong
-
分类号
S7-0
[农业科学—林学]
F326.27
[经济管理—产业经济]
F321.1
[经济管理—产业经济]
-
-
题名林地分等定级模式构建与实践——以海南省林地为例
被引量:4
- 2
-
-
作者
石田
武健伟
李晓霞
吴帮鳌
张宏巍
-
机构
国家林业和草原局林草调查规划院
北京通州投资发展有限公司
北京朔扬园林绿化有限公司
-
出处
《林业资源管理》
北大核心
2022年第6期19-25,共7页
-
文摘
以海南省林地资源为例,开展基于《自然资源分等定级通则》的实践研究工作。创建了不能直接获取数据的分等定级指标解译模型,利用因素法及修正法,构建了海南省林地分定等级的评价方案,明确采用五等五级评价系统。结果表明:海南省国土三调阶段性成果林地1 824.74万hm2,林地分等定级基本单元212.52万个图斑,每个图斑一等一级。实际存在1—4等4个等别;商品林林地788.09万hm2,实际存在1—5级5个级别;公益林林地1 036.65万hm2,实际存在1—5级5个级别。评价结果较好地反映出海南林地实际情况,可为全国林地分等定级工作的规范化、程序化及促进林地资源保护与合理开发利用提供参考。
-
关键词
林地分等定级
公益林
商品林
林地资源
海南省
-
Keywords
forestland gradation and classification
commercial forest
public welfare forest
forest land resources
Hainan Province
-
分类号
F301.2
[经济管理—产业经济]
-
-
题名林地分等定级估价模型的研究
被引量:2
- 3
-
-
作者
王霞
-
机构
福建省福州市福建船政交通职业学院
-
出处
《网络安全技术与应用》
2014年第11期183-184,186,共3页
-
文摘
本文先对地级等级指标进行量化,采取层次分析法来确定林地定级评价指标的权重,并在此基础上利用非线性回归分析方法建立了林地分等定级估价模型,为林业生产发展提供科学的理论向导。
-
关键词
量化
回归分析
权重
估价模型
林地分等定级
-
Keywords
quantitative
Regression analysis
The weight
Valuation model
Forest land classification and grading
-
分类号
F301.2
[经济管理—产业经济]
-
-
题名利用随机森林算法预测林地定级中土壤腐殖质厚度级别
- 4
-
-
作者
黄程
董子燕
陈拓
于海璁
刘颖
-
机构
深圳大学中国经济特区研究中心
深圳市自然资源和不动产评估发展研究中心
-
出处
《绿色科技》
2023年第10期42-45,51,共5页
-
文摘
林地分等定级是一项基于多维度指标体系的全国性自然资源评估,各指标数据主要来自于“森林资源一张图”和“林草生态综合监测成果”数据集。在指标体系中,土壤腐殖质厚度为必选指标之一。然而,在数据集中常常存在缺失值,补充土壤腐殖质厚度数据需要大量的外业调查。为减少采集土壤腐殖质厚度数据的工作量,基于腐殖质厚度与已有林地及环境信息的关联性,探讨了是否能够通过预测模型可靠预测腐殖质厚度级别。研究使用“森林资源一张图”和“林草生态综合监测成果”中已有的林地及环境数据作为预测因子,包含植被覆盖类型、林地保护等级、龄组、郁闭度、生物量、自然度和枯枝落叶厚度等,构建了预测土壤腐殖质厚度级别的随机森林机器学习模型。研究结果表明:包含土壤因子,经过采样处理的随机森林机器学习模型能够可靠预测土壤腐殖质厚度级别,生产者精度均大于0.8,使用者精度均大于0.9。因此,在林地分等定级中,可通过已有数据预测和补充土壤腐殖质厚度的缺失数据,从而提高林地分等定级工作的效率。
-
关键词
林地分等定级
森林资源一张图
腐殖质厚度
预测模型
随机森林
-
Keywords
forest gradation and classification
One Map of Forest Resource
humus thickness
predictive model
random forest
-
分类号
S127
[农业科学—农业基础科学]
-