大樱桃结果树枯死的影响因素研究

为了探索大樱桃栽培中结果树枯死的影响因素,选取大樱桃结果园为样地,拟定了五个维度的影响因子,参照五点取样法对大樱桃枯死树进行调查,并运用χ^(2)检验和二元Logistic回归分析筛选枯死树的影响因子,构建预测模型。结果表明,栽植深度和排水状况是影响大樱桃结果树枯死的主要危险因子(p<0.05),栽植深度在嫁接口以下比嫁接口以上发生枯死的概率要低,嫁接口以下出现枯死的概率是嫁接口以上的0.115倍;排水状况良好比排水较差时发生枯死的概率要低,排水良好时出现枯死的概率是排水较差时的0.287倍。栽植方式、土壤疏松度以及树势状况对结果树枯死影响不显著(p>0.05),据此构建预测模型,模型拟合优度较高,总体预测准确率90.8%。这一结论可为防止类似栽植条件下的大樱桃结果树枯死提供实践参考。

融合超分辨率重建的YOLOv5松枯死木识别模型

为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union,IoU)阈值取0.5时的平均精度均值(mean average precision,mAP50)为92.7%,mAP50~95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,APsmall(小目标平均精度值)为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升了15.8个百分点。不同算法对比分析表明,该方法优于Faster R-CNN、YOLOv4、YOLOX、MT-YOLOv6,QueryDet、DDYOLOv5等深度学习算法,mAP50分别提高了16.7、15.3、2.5、2.8、12.3和1.2个百分点。改进后松枯死木识别算法具有较高精度,有效缓解了小目标与纹理模糊目标识别困难问题,为后续疫木清零提供技术支持。

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F 1分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F 1分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。

基于改进YOLOv4-tiny的无人机影像枯死树木检测算法

针对目前枯死树木检测主要依赖人工实地勘察,容易受到森林地形限制、勘察效率低、易发生危险等问题,提出一种引进注意力机制及空间金字塔池化的YOLOv4-tiny枯死树木检测算法。首先,该方法在模型的Backbone部分后引入空间金字塔池化(spatial pyramid pooling,SPP)结构,融合局部和全局特征,丰富模型的特征表达能力;其次,使用ELU替换模型中原激活函数LeakyReLU,使得激活函数单侧饱和,能够更好地收敛,提升模型鲁棒性;最后,将注意力机制ECANet引入模型中,加强网络对图像中重要信息的学习,提升网络的性能。实验利用无人机采集辽南某风景区山林的树木影像,并使用不同模型对其中枯死树木进行检测。通过实验结果表明,改进算法检测精度达到93.25%,相比于YOLOv4-tiny,YOLOv4,SSD和文献[8]算法,精度分别提升9.58%,12.57%,10.54%和4.87%,能够较好地实现对于枯死树木的检测。

基于无人机多光谱影像的松材线虫病疫区枯死树识别

为探寻最优波段组合,提高多光谱无人机(Unnamed AerialVehicle,UAV)对松材线虫(Bursaphelenchusxylophilus)病疫区枯死树的自动识别准确率,进而提高松材线虫病疫情监测水平,以柳州市三江侗族自治县、河池市宜州区和大化瑶族自治县、南宁市横州市及桂林市平乐县的42个疫点小班及其周边2 km内的所有松树林图斑为研究区,采用无人机采集多光谱影像,获取可见光、红光波段、绿光波段、近红外波段和红边波段影像;完成辐射校正后进行正射拼接和植被指数计算,得到3组可见光和多光谱正射影像波段组合;将各组影像分别输入卷积神经网络(Convolutional Neural Network,CNN),进行相同参数的学习和预测。将模型预测结果与人工标注结果进行对比,以识别准确率为指标,进行精度评价。结果表明,利用多光谱影像自动识别疑似松材线虫病枯死树的最高识别准确率为86.33%,比单一可见光自动识别准确率(81.25%)提高了5.08个百分点。在相同参数条件下,多光谱影像比单一可见光影像具有更准确的自动识别能力。该方法的多光谱最优波段组合为可见光影像+红光波段影像+绿光波段影像+近红外波段影像+红边波段影像+归一化差异植被指数。

樟子松枯死原因与防治技术研究

根据生态环境学和现代森林病理学的原理与方法,通过多学科联合攻关,深入系统地研究了樟子松(Pinussylvestris var. mongolica)枯死的难题,搞清了樟子松枯死的起因与机理.提出以营林措施为主的防治技术对策,为经营樟子松人工林、增强林分的生态功能提供了依据.该项研究丰富了森林病理学内容,补充了松枯梢病的研究成果,为林间生产应用提供了科学依据和技术方法.

浅议歙县松材线虫病枯死疫木专项清理实施方案及成效

感染松材线虫病的枯死疫木会成为疫病传播源,需开展专项清理工作,防止疫病扩散。结合安徽省黄山市歙县松材线虫病发生情况,在《歙县2022—2023年度枯死松树清理除治实施细则》指导下,歙县各乡镇组织编写枯死疫木专项清理方案,明确清理方法和专项行动组织管理措施。在方案实施阶段,通过科学运用焚烧清理、切片清理等技术,并及时开展监督、检疫等工作保证方案落实效果,能够达到100%清理感染松材线虫病的枯死疫木的目标,取得理想的疫病防治成效。

临高县和舍镇布大村白木香大树枯死因素调查分析

为探明临高县和舍镇布大村2株白木香大树枯死原因,采用资料查询、访谈、实地调查方式对2株枯死白木香大树进行调查。调查结果表明,2株白木香树龄较大,树体及树叶未发生致死性病虫害,最近未发生台风、干旱等重大自然灾害,第一株白木香大树有人为破坏痕迹,但不足以导致树体死亡。2株白木香大树周围铺设透气透水性差的地砖,表明2株白木香大树枯死与地砖铺设有关。

数据透视表在核查松材线虫病枯死木清理数据中的应用

数据透视表功能强大,运用在枯死松木清理过程之数据核算时,可大显身手。以松阳县象溪镇的数据为例,清理队工人在平时枯死木清理过程中,把采伐木的相关数据上传到数字森防数据库,这些数据包含原理偏差、人工误差等,主要表现为胸径错误:非高山远山小班疫木数据混入和一些非法人为数据。多次使用数据透视表进行审核,使隐藏在几十万条记录里编号相同的数据显形,再结合表格公式可排查非高山远山小班数据,再通过搭建数据透视表按小班内平均枯死树密度套算并核对每日工作效率、排查拍照片地点与上传照片地点距离等因子,可排查出初始数据中近3/4的不实成分,使数据的准确性和逻辑性得到极大提升,为财政资金支付提供保障。

红提葡萄枝干枯死原因与预防建议

今年开春，陕西礼泉主产红提葡萄的建陵镇和昭陵乡，红提葡萄枝干枯死现象十分严重。笔者4月12～23日，先后到建陵镇的山西头、西洼、凉西、店一、店三、东陈和昭陵乡的唐荒坡、南阳等村进行调查，找到了枝干枯死发生的原因，并提出了补救、预防建议。

松墨天牛取食为害与松树枯死关系的研究

笔者通过室内外饲养观察,初步掌握了松墨天牛成、幼虫的取食习性;阐明了松墨天牛成虫取食与松树生理衰弱、幼虫钻蛀与松树枯死之间的关系;同时还研究了松墨天牛幼虫与其它蛀干害虫之间的关系;对成虫产卵习性和幼虫种群分布规律也进行了探讨。笔者认为,松墨天牛成、幼虫取食是造成我国松树枯死的主要原因之一。为防止松树的大面积死亡,必须密切注意松墨天牛成虫种群数量的增长。

利用固定翼无人机监测松材线虫病疫点枯死松树的初步研究

无人机航摄监测森林病虫害是一个新的研究热点。为探究无人机航摄在松材线虫病监测中的应用,本研究于2017年11月利用小型固定翼无人机采集了广东省河源市新丰江库区松材线虫病疫点的航摄影像,总面积1425.9 hm^2。固定翼无人机搭载了1台可见光数码相机和1台多光谱数码相机,能同时采集枯死松树的可见光和近红外的航摄影像。利用LAMapper软件对航摄图像进行空中三角测量和像素匹配,获得可见光正射影像和多光谱正射影像。使用ERDAS软件生成影像的归一化植被指数(NDVI)。然后将带有地理信息的完整影像自动导入GIS系统进行异常点识别和几何矫正,导出最终的影像数据。最后,对影像进行分析,并根据植被指数(NDVI)对图像进行分类。分析结果显示,航摄的疫点中共自动识别1486株枯死松树,并获得了其分布地图及坐标点位置。验证结果表明监测的准确率达到80%以上,坐标点精度达到2-3 m。本研究结果具有低成本、自动化、可靠、客观、高效和及时等优点,可为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑。

杉木人工林树上宿存枯死枝、叶在冠层与在枯枝落叶层分解的比较研究

杉木枯死枝、叶有在树上宿存多年的特性。江西分宜大岗山地区一立地指数 14 ,林龄 13a ,保留密度 2 60 0株·hm- 2 的 1代林 ,树上宿存枯死枝、叶总量达 4 10 8 0kg·hm- 2 ,相当枯枝落叶层生物量的 3 5 4 %。树上宿存枯死枝、叶在冠层的分解速度 ,与置于枯枝落叶层的分解速度的测定结果表明 ,后者比前者快得多。说明在杉木林生长急需养分的速生期和杆材期 ,将树上宿存枯死枝、叶适时地打落于地表 ,使其在枯枝落叶层分解 ,与挂在冠层上的分解相比 ,对林木营养作用不同 ,前者比后者能及时、更多地提供养分。树上宿存枯死枝、叶在林冠下部由低到高呈 4层分布。鉴于各层死亡时间不同 ,经受的分解时间和雨水淋溶的强度也相异 ,其在树冠上的分解速度是分层测定的 ,上下层差异较大。在枯枝落叶层的分解速度也分层测定 ,上下层的差异较小。在枯枝落叶层分解时 ,本实验 1年间枝的各层分解量之和是树冠上分解时的近 2 3倍 ,叶为 5 4倍。在枯枝落叶层分解时 ,1年间各层枝、叶 ,营养元素归还量之和是树冠上分解时的 3 5倍。速生、杆材期 ,适时地将树上宿存枯死枝、叶打落于地表 。

北京地区森林枯死可燃物含水率预测模型及变化规律

以不同树种的枯死可燃物含水率为对象，通过对可燃物含水率的逐日观测，对不同种类的可燃物含水率与天气条件之间的关系进行研究，运用非线性回归分析得出栓皮栎、槲栎、侧柏和油松不同树种不同种类可燃物含水率的预测模型，并运用模型对不同树种不同种类的枯死可燃物含水率在时间上的变化规律进行分析。结果表明：不同树种不同种类的可燃物含水率差异显著，栓皮栎树种含水率远高于其他树种；枯叶含水率普遍比不同时滞的枯枝高；不同树种不同种类可燃物含水率差异也很显著；可燃物含水率与温度和风速呈负相关，与相对湿度呈正相关；建立的非线性回归模型均大于30％的含水率变幅，且通过平均绝对误差（MAE）和平均相对误差（MRE）的检验，效果良好；可燃物含水率每天从1：00～24：00呈现先上升后下降再上升的趋势，7：00～8：00达到最高值，在14：00左右达到最低值；防火期中，可燃物含水率在12～2月比较高，3～5月和11月相对偏低。

蒙古栎天然林单木生长模型研究——Ⅲ.单木枯死模型

【目的】研究蒙古栎天然林的单木枯死模型,为蒙古栎天然林的合理经营提供依据。【方法】以蒙古栎天然林为研究对象,基于吉林省汪清林业局195块固定样地的2期复测数据,采用二分类的Logistic回归方法建立蒙古栎天然林的单木枯死模型。【结果】期初胸径、竞争指数、林分密度都是显著影响树木枯死的因子,林木直径是影响林木枯死的重要因子,直径越小,枯死概率越大。χ2检验结果以及ROC(Receiver operating characteristic)曲线显示,使用Logistic回归可以有效预测树木的枯死情况,所建模型较合理。【结论】建立的单木枯死模型统计可靠,可为吉林省汪清地区蒙古栎天然林的生长预测提供依据。

考虑预估期间林木枯死及采伐影响的杉木单木胸高断面积生长模型研究

单木生长模型以单木为模拟对象,模拟单株林木在一定立地条件下的生长规律,其良好的精度为森林经营措施的制定提供了决策依据。基于两期福建省三明市杉木人工林一类调查数据,以林木生长量为因变量,林木大小、立地条件、林木竞争指数以及基于所有保留木相同的3个竞争指数为自变量,运用R语言,采用多元线性逐步回归,构建杉木胸高断面积生长模型。结果表明,考虑枯死及采伐效应的基于保留木所构建的竞争指数在模型中影响显著,说明预估期间林木采伐及枯死对林木生长的影响显著。在单木生长模型构建中,有必要考虑预估期间林木采伐及枯死效应,从而使模型更具合理性。所做模型还可用来模拟不同采伐强度及不同采伐林木下林分的生长动态,为合理制定采伐措施提供决策依据。

四川东部华山松林落针枯死原因的研究

连年研究表明,四川东部地区华山松林落针枯死程度,与海拔高度密切相关,即随着海拔升高,灾害趋于严重.回归方程为:(?)=0.128x-156.53为了验证此规律,1987～1989年进行了针叶套袋、植株围筒和单株移栽三项试验.试验结果,套袋和围筒内温度上升3～5℃,针叶病变率低,从高海拔地区移植至低海拔地区的植株,不发生病变.可以认为.华山松落针枯死是树种生物学特性与立地环境因素的对立统一过程的必然结果,其中低温是导致针叶病变的主要原因,因而属于生态性病害.

福建省马尾松枯死木中线虫检测结果分析

对2001～2005年福建省9个（地）市48个县（市、区）采集来的5751个马尾松枯死木进行线虫分离镜检。结果表明：松枯死木中含有线虫率平均为91．29％。其中拟松材线虫占67．56％，其它线虫（线虫种类有待进一步鉴定）占23．73％。无线虫的占8．71％。应用木材小棍分离的线虫密度平均为1028条·g^-1。显著高于应用木屑分离的线虫平均密度286条·g^-1。在垂直分布上。不同季节拟松材线虫在松枯死木树干中广泛分布。均表现为3种类型：Ⅰ型为树干上部线虫密度大于中、下部；Ⅱ型为树干中部线虫密度大于上、下部；Ⅲ型为树干下部线虫密度大于上、中部。在水平分布上，不受季节的影响。不管是秋季还是春季。均是内材的线虫密度863～1563条·g^-1（平均1138条·g^-1）、689～1463条·g^-1（平均986条·g^-1）高于相应的外材线虫密度342-631条·g^-1（平均586条·g^-1）、209～431条·g^-1（平均325条·g^-1）。因此。在对我省各地在松材线虫病脏测时。应在树干上、中、下不同部位，并靠近树干中间同时取样。以木材小棍分离线虫较准确。

基于贝叶斯方法的蒙古栎林单木枯死模型

【目的】贝叶斯统计法在提高模型参数稳定性上有较大的优势,研究贝叶斯方法在单木枯死模型中的应用,改进模型参数的估计方法,为蒙古栎天然林林分生长收获与经营管理提供参考。【方法】以蒙古栎天然异龄林为对象,基于202块固定样地数据,利用二分类Logistic模型构建基于经典概率统计法、贝叶斯法和分层贝叶斯法的蒙古栎单木枯死模型。随机抽取80%的数据用于建立模型,剩下的20%用于检验模型,利用经典概率统计法(非线性最小二乘法)、有先验信息的贝叶斯统计法和无先验信息的分层贝叶斯统计法进行参数估计,分析模型的表现和参数分布。模型的拟合效果通过计算ROC曲线下的面积AUC(Under Curve)来判断,并利用Pearson-χ2检验来检验模型的拟合优度。【结果】(1)贝叶斯法与传统极大似然法的估计值相近,且其估计参数的标准差小于传统方法。(2)贝叶斯法估计参数的可信区间最小,比传统极大似然法的置信区间小6.0%~31.8%。层次贝叶斯法估计参数的可信区间最大,比传统极大似然法的置信区间大11.2%~185.0%。(3)拟合效果最好的是层次贝叶斯法,其模型AUC值为0.83,贝叶斯法与传统极大似然法模型的AUC值均为0.73。【结论】层次贝叶斯法在拟合枯死模型方面具有明显的优势,拟合效果最好,模型预估精度最高。