Reineke密度指数在日本落叶松林分自然稀疏模型研究中的应用

在日本落叶松林分生长模型研究的基础上，用Reineke定义的密度指数模拟了日本落叶松同龄林的自然稀疏模型和日本落叶松不同初植密度的自然生长过程表，这为日本落叶松人工林的密度管理提供了有力工具。

马尾松人工林种群自然稀疏模型的研究

在福建北部丘陵山区生长发育正常的各种类型的马尾松人工林中,设置固定样地,测算胸径、株高、优势高、株数、蓄积量、年龄等数据,以植物种群生物量增长模型(dBdt=rB[1-(B/K)θ])和3/2自疏法则为理论依据,推导出森林自然稀疏过程密度变化规律的模型:N={[A(1+ce-ft)b]-p-[A(1+ce-ft0)b]-p+N-p0}-1p,该模型适用于描述各种密度林分的自然稀疏规律。经用闽北马尾松人工林固定样地资料验证,证明此模型能很好地拟合实际的密度观察资料,显示了较高的准确性和较大的适用性,有良好的使用价值。

一种描述植物种群自然稀疏过程的经验模型

根据植物生长的密度理论和有关生物学假设，提出了一种新的植物种群自然稀疏的经验模型，即１／ρ＝α（ｌｎω－ｌｎω０）β＋１／ρ０。这里ρ和ω分别为种群密度和平均植物重，ρ０和ω０为初期密度和初期植物重，α和β为参数。经用木本和草本植物种群的密度试验资料验证，证明该模型能很好地拟合实际的观测资料，并且具有表达式简单的特点。因而具有良好的使用价值。对模型的性质和意义也作了讨论，发现模型所表达的植物生长过程是一种Ｇｏｍｐｅｒｔｚ曲线。

基于技能网络的通用自然语言生成模型

使用多任务训练的自然语言生成模型仅使用一个模型即可完成各种不同的自然语言生成任务。但这种所有任务共享所有参数的模型,无法清楚地知道模型的每一部分参数学到了什么技能。为了根据不同的任务选择激活不同的模型参数,该文提出了一种基于稀疏激活的通用自然语言生成模型(SkillNet-NLG)。与传统的稠密模型在执行任务时激活所有的模型参数不同,SkillNet-NLG在执行任务时,首先依据任务预先定义一组完成任务所需要的技能,然后根据定义的技能选择性地激活与技能相关的模型参数。这种模型设计使其能够通过正确地选择与任务相关的技能来高效地学习新的任务。在中文自然语言生成任务上的实验结果表明,首先,在仅使用一个模型的情况下,SkillNet-NLG在常见的五个自然语言生成任务中的四个上面超过了当前最好方法;其次,SkillNet-NLG的表现优于另外两类多任务基线模型(稠密模型和混合专家模型),并取得了与针对特定任务单独训练的模型相当的性能;最后,当应用到新任务上时,SkillNet-NLG相较于所有基线方法取得了更好的结果,验证了该文所提出的方法对于学习新任务的有效性。

长白落叶松人工林自然稀疏模型及生长过程表的编制

本文建立了长白落叶松人工林的自然稀疏模型、编制了不同初始密度、立地条件的生长过程表。

基于结构相似度的稀疏编码模型

已有的稀疏编码模型采用误差的平方和作为信息保持的客观评价标准,但最近的研究表明,人眼视觉系统的主要功能是从视觉区域提取图像和视频中的结构化信息.引入结构相似度来衡量信息保持的程度,通过对改进的目标函数进行优化,获得与初级视皮层中具有局部性、朝向性和带通性的感受野相类似的基函数集.实验结果表明,改进后的稀疏编码模型更符合人眼视觉系统特性.

纯林自然稀疏研究综述

自然稀疏是林分内的个体由于竞争有限的资源而引起的一部分个体死亡的现象。评述 4 0 a来世界上有关纯林自然稀疏的研究内容 ,包括了自然稀疏法则 ,异速生长模型、平均个体重与密度的时间轨线 ,种的自然稀疏线和自然稀疏动力线的关系 ,自然稀疏线的斜率与生物量的关系 ,自然稀疏与竞争密度效果的关系 。

民勤绿洲自然稀疏人工梭梭林土壤水分动态

为探明自然稀疏林带不同密度对土壤水分动态的影响,建立了土壤水分与林分密度之间数量关系的数学模型。以民勤绿洲—荒漠过渡带自然稀疏的人工梭梭林为研究对象,通过长期土壤水分定位观测,对不同自然稀疏密度梭梭林土壤水分时空动态及密度与土壤水分之间的关系进行了研究。结果表明:(1)不同密度人工梭梭固沙林土壤水分随时间的变化可分为4个阶段:3月初—5月中旬,是土壤水分回升期;5月下旬—9月下旬,土壤水分在丰水年(2015年)为动态平衡期,在枯水年(2016年)为消耗期;10月、11月为水分消退期,12月—翌年2月份,是土壤水分低稳期;(2)雨养条件下,梭梭对土壤水分的消耗主要发生在40cm以下层,且密度越大消耗越大,变异系数也越大;浅层(0—40cm)土壤水分变化剧烈,但与林带密度之间的规律不明显;(3)林带土壤剖面平均水分含量无论在全年还是在生长季或非生长季,均随密度的增大而减小;(4)不同退化程度人工梭梭林土壤水分含量与密度之间呈负相关,模型表达式为:Y=394.67 D2-68.769 D+6.526(0≤D≤0.165),R2=0.934。不同密度人工梭梭林土壤水分随季节的动态变化趋势基本一致,但是受极端降雨事件的影响,在不同年份生长季土壤水分的变化不一致;密度与土壤水分含量之间的的关系可以用二次函数模型来反映。

Skip-ngram模型解决数据稀疏问题的研究

本文首先对ngram语言模型和数据稀疏问题寄给予了重点介绍。进而通过在4gram语言模型上使用一种类skip-ngram语言模型的形式,并添加一些规则和预处理,通过在ngram模型中发生backoff处添加skip-ngram激励,减少由数据稀疏问题引发的错误,提升句子识别正确率。

基于核稀疏表示和AdaBoost算法的自然场景识别

为了提升自然场景图像的识别精度,结合bag-of-visual word模型,提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示,识别部分采用AdaBoost分类器,对各个类别编码并在对应的核矩阵上进行划分,从而实现多类场景图像的识别能力。实验结果表明,该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。

基于稀疏连接和多通道LSTM的NL2SQL研究

Natural Language To SQL(NL2SQL)任务的目标是将自然语言查询转化为结构化查询语言。现有的大多数模型所使用的方法是将NL2SQL任务分解为多个子任务,为每个子任务构建一个专用的全连接神经网络解码器。这些方法存在一些问题,如模型设计与模型结构较为简单,在学习不同子任务之间的依赖关系的能力有限。为了解决这些问题,将多通道并行LSTM模型引入到NL2SQL任务中,并采用稀疏连接层联合不同的子任务解码器,提升神经网络表现能力和计算资源的使用效率。在WikiSQL数据集上的评估结果表明,与基线模型相比,文中提出的模型计算精度较好。

天然落叶松林林分平均直径自然稀疏表编制的研究

以落叶松天然林标地为材料,求解林分最大密度线、自然稀疏线、等树高线、等直径线模型,预测林分自然稀疏进程中的测树因子,编制直径自然稀疏表。

闽北天然阔叶林生长模型的研制及应用

以闽北地区无人为干预的天然阔叶林为对象建立林分生长模型并提出预估方法。当森林经理调查获得小班各林分因子后 ,应用作者研制的林分生长模型及预估方法 ,可以对无人为干预的天然阔叶林小班森林资源数据进行连续预估和动态更新。还以最大密度林分株数和平均胸径存在的幂函数关系为依据 ,提出了林分相对密度指标 ,并从理论上推导出一个自然稀疏模型 ,为掌握林分密度动态和应用生长模型、实现无人为干扰林分的动态预估提供了一条切实可行的途径。

基于极值理论的落叶松人工林自稀疏线估计

为研究林分自稀疏线,应用极值统计方法,从现实林分数据出发,通过设计一个阈值,采用广义Pareto模型拟合阈值超出值并进行外推,获得了林分在各个给定径阶下的极限最大株数。利用最大株数与直径关系进行回归分析,得到林分自稀疏线。应用该方法分析了黑龙江省1 511块落叶松人工林固定样地数据,得到黑龙江省落叶松人工林林分自稀疏线,结果与Reineke公式估算结果相一致。

体积约束的稀疏NMF高光谱解混

为了解决单纯非负矩阵分解计算繁复,收敛速度慢的问题,本文提出了一种基于自然梯度下降的体积最小及丰度稀疏约束的非负矩阵分解方法。该方法在目标函数中加入体积最小和丰度稀疏约束,可以对混合图像进行较好地分解;采用自然梯度下降的方法进行迭代,加快了算法收敛速度。实验结果表明:该方法能有效克服最小体积约束非负矩阵分解法速度慢且不稀疏的缺陷,相对于解混效果(SAD)相近的方法提速100倍,相对于解混时间相近的算法,此方法的解混精度提高0.02°;此方法尤其适用于像元较多的高光谱图像。

柳杉人工林林分生长模型的研究

利用标准地材料建立柳杉人工林林分生长模型并提出预估方法。当森林经理调查获得小班各林分因子后,应用本文研制的林分生长模型及相应的预估方法,可对无人为干预的柳杉人工林的蓄积量、断面积、优势高、平均高、平均胸径、株数等因子进行连续预估,为及时有效地更新柳杉人工林的小班资源数据并掌握其资源动态变化提供了一种切实可行的技术方法。

北京市油松林碳储量密度控制图研制及应用

为了提升北京市油松林经营质量,实现林分密度调控精准化和数量化,本研究以北京市油松林为研究对象,基于北京市国家森林资源连续清查(一类清查)数据,以Reineke自然稀疏模型为基础,基于最优密度上下限及自然稀疏线、林分蓄积等值线、林分优势高等值线和林分碳储量等值线,构建北京市油松林碳储量密度控制图。根据密度控制图和林分实际情况,模拟林分自然稀疏、合理抚育间伐和对照抚育间伐(重度疏伐)3种抚育间伐措施下的林分碳储量,发现在科学密度下经营比自然稀疏或者无规则经营的碳储量高,合理抚育间伐时的碳储量增长是自然稀疏和重度间伐的1倍多;林分总收获量的增长也明显高于自然稀疏和重度疏伐。应用林分密度控制图可直观地展示不同经营情景下碳储量、蓄积量的变化,将不同经营目标下抚育间伐的时间、采伐木株树、采伐木蓄积量及碳储量等信息数量化,为以碳汇提升为目标的量化经营措施制定提供决策依据,有助于森林质量精准提升,实现森林经营的精细化和差异化管理。

INSPEC收录《三峡大掌掌报（自然科掌版）》论文一览（三）

一类稀疏效应下捕食模型正平衡态解的稳定性

Nilson自然稀疏模型初探

林木自然稀疏是自然选择最清晰、最好的例子。关于引起自然稀疏的原因、预测变量以及模型形式的分析有着许多不同的观点。自然稀疏模型主要有Reineke模型、-3/2自疏法则、WBE模型等。文中在收集整理相关文献的基础上介绍了Nilson自然稀疏模型,并将该模型与其他主要的自然稀疏模型进行比较,得出Nilson自然稀疏模型能直接呈现出林木株数与直径之间的关系,且随着直径从0增加到无穷大时,其自然稀疏线的斜率在0到-2之间变化,因此Nilson自然稀疏模型描述自然稀疏过程比其他模型更为有效;并从Nilson自然稀疏模型的优缺点、适用范围、运用推广、自稀疏模型的研究方法和模型选择等方面进行了讨论,提出该模型以及其他大多数自然稀疏模型只能运用于纯林,对混交林自然稀疏模型的研究将是未来自然稀疏研究的一个重点,纯林、混交林自稀疏关系将会广泛运用于林业经营管理中。

马尾松人工林碳储量密度控制图研建及应用研究

[目的]马尾松是我国重要的人工林树种,不但发挥着重要的经济效益,而且在固碳释氧,应对气候变化等生态服务方面发挥着重要的作用。开展抚育间伐,调控林分密度是人工林经营过程中的重要手段,而当前马尾松人工林抚育间伐存在“定性”不“定量”的问题,制约着经营目标的实现。本研究拟构建马尾松人工林碳储量密度控制图,实现马尾松人工林抚育间伐过程中的精准化。[方法]首先,以湖南省马尾松人工纯林为研究对象,基于森林资源连续清查(一类清查)数据,以Reineke自然稀疏模型为基础,构建湖南省马尾松基本密度控制图。其次,将碳储量等高线加入到基本密度控制图上,构建了碳储量密度控制图,增加了以碳储量调控为目标的密度调控功能。再次,基于所构建的密度控制图,以湖南慈利县为例,对马尾松人工林的林分密度合理性进行诊断,生成密度诊断图,并提出相关经营建议。[结果]湖南省慈利县(1)绝大部分马尾松人工林的密度高于合理密度区间,林木对有限的光照、温度、水分等自然资源产生强烈竞争,甚至有些林分会产生严重的自然枯死现象,亟待开展抚育间伐,降低林分密度;(2)少部分林分位于合理密度区间范围内,此时的林分能够充分利用自然资源,林木个体之间处于互相促进的状态;(3)少部分林分密度低于最优密度下限,此时的林地空间没有得到充分的利用,造成林地资源的浪费,亟待开展林下补植作业。[结论]本研究所构建的马尾松林分密度控制图,能够精准指导森林抚育,此外还能够对森林经营单位的林分密度合理性进行诊断,形成林分密度诊断图,进而为合理经营措施的制定提供依据。