发展竹林林下经济 做大做强竹业产业

竹产业是我国的传统产业、特色产业。但目前面临着竹资源利用低、产业竞争力不足、产业经济效益偏低、农户经营意愿不强等瓶颈制约。近年来,依托竹林及其多种资源发展起来的竹林林下经济迅速发展,模式不断创新,激活了农民的经营意愿,显著提高了竹林土地和空间资源利用率,实现了竹产业经济效益与生态功能协同发展,为破解竹产业制约瓶颈、推动竹产业高质量发展开辟了新领域、新路径。文章在阐述竹林林下经济内涵和类型的基础上,评述了竹林林下经济发展对竹产业的积极作用,提出了推动“大竹业经济”发展的对策建议。研究结果表明,竹林林下经济发展能丰富产品类型、适应市场多元化需求、提升林农经营积极性、提高竹林经营效益;更重要的是保护竹林生物多样性、维护竹林生态系统稳定,以保障竹产业可持续发展。

基于特征优选的面向对象毛竹林分布信息提取

【目的】提出一种基于Relief F特征优选的面向对象分类方法,为解决面向对象森林资源遥感分类提供参考。【方法】以SPOT5高分辨率遥感影像为数据源,以浙江省安吉县山川乡为研究区,通过影像分割,选取8个地物类别的370个对象样本,并设置SPOT5影像每个波段的8个灰度共生矩阵纹理、每个波段及NDVI的平均值和标准差等42个对象特征。利用Relief F算法对设置的42个对象特征进行优选,采用面向对象的最近邻方法提取研究区毛竹林分布信息。为了比较基于最优特征的面向对象的分类结果,另采用CART决策树方法在相同的分割参数和训练样本前提下,通过样本构建决策树分类规则,对研究区进行分类并提取竹林信息。【结果】1)通过Relief F特征优选方法对分类特征进行优选,大幅提高了毛竹林样本的分类精度,与特征优选前相比,毛竹林样本分类精度由68%提高到88%,优选的红波段均值、绿波段均值、红波段均质纹理、红波段熵纹理和NDVI植被指数均值5个特征能够精确地提取研究区毛竹林分布信息,其用户精度和生产者精度分别达到97%和95%;2)基于CART决策树面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果,主要原因是CART决策树中毛竹林、针叶林和阔叶林之间的误分相对较高。【结论】Relief F算法特征优选时注重特征的分类能力,筛选的特征参与面向对象分割提取的毛竹林分布信息高于同类研究,可为面向对象多尺度分割森林资源遥感分类时特征的选取提供一个更为科学合理的方法。

浅谈竹浆原料林基地建设对植物物种多样性的影响——以四川省合江县、纳溪区竹浆原料林基地为例

竹浆原料林基地的建设对林下植物物种多样性具有一定的影响。通过对竹浆原料林基地进行植被样方调查,采用丰度指数(D)和香侬-威尔多样性指数(Shannon-Weinner)测定竹浆原料林基地内的植物多样性,对不同林龄、不同群落及林缘与林外植物多样性指数进行对比分析,评价竹浆原料林基地建设对植物物种生物多样性的影响。

竹林康养研究现状及发展趋势

本文基于竹林康养研究兴起的产业与政策背景,提出竹林康养资源由环境资源、景观资源和文化资源共同构成,并从竹林环境康养因子分布特征、竹林环境人体康养功效2个方面介绍了竹林康养的研究现状。认为随着竹林生态环境、竹林景观感知、竹林养生活动的康养功效循证研究不断深入,以及竹林康养基地、竹林小镇、竹林人家、竹林风景线评选标准以及规划设计与建设导则的制定,将有助于我国竹林经营的供给侧结构性改革和乡村振兴战略的实施。

赤天化纸业竹浆纸一体化的探索

介绍了赤天化纸业在西部大开发的背景下,对竹浆纸一体化的认识和一些具体运作方法,以及在运作中所遇到的困难和需要探索的问题。

中竹集团竹浆原料林基地建设现状

中竹纸业集团是目前中国最大的漂白硫酸盐竹浆生产企业,从事竹资源综合利用和深加工。公司采用建设竹浆原料林基地的方法促进竹浆产业的发展,使中国的竹资源得到有效的利用。本文就竹林基地建设的发展,公司+农户的管理模式以及经营理念进行了阐述。

竹子在安徽黄山区浦溪河治理中的作用

发展绿化产业,是加快生态文明建设的重要基础,也是建设社会主义新农村的重要举措。黄山区浦溪河的整治,应充分发挥竹子的特色作用,体现黄山区竹乡特色。加快竹林基地建设,将产生巨大的生态、社会、经济效益。

毛竹丰产林基地建设与竹笋加工发展前景

浦城县现有毛竹林面积3066hm^2,居福建南平地区的第二位。该县竹材竹笋制品已成为出口创汇的主要产品,在国内,国际市场日益走俏。本文就如何加快毛竹丰产林基地建设,开发利用浦城县现有的毛竹资源,挖掘竹、笋加工,发展潜力作了初步探讨。

改进的“基于片层—面向类”竹林信息遥感提取算法及其应用

开展复杂地形区竹林的遥感精细化识别有助于及时摸清竹林分布,充分发挥竹林的生态和经济社会价值。在“基于片层―面向类”(FB-CO)算法基础上,尝试对该算法进行改进,并利用Sentinal-2A MSI影像验证改进的有效性。改进的“基于片层―面向类”(MFB-CO)竹林信息遥感提取算法利用归一化阴影植被指数NSVI代替单波段阈值分割明亮区与阴影区林地,采用线性回归模型增强阴影区信息,并引入BPNN、SVM和RF等3种分类器提取竹林。结果表明,基于NSVI的明亮区和阴影区林地分割总精度(OA)为96.00%,优于基于NIR的83.50%;阴影信息增强后,各波段拟合模型R2均大于0.82,MRE均小于5%;FB-CO算法的竹林提取OA为82.41%,在MFB-CO算法框架下,BPNN、SVM、RF等3种分类器的竹林提取OA分别为86.51%、88.43%、88.92%,均优于FB-CO算法。由此可见,MFB-CO算法通过改进FB-CO算法几个关键步骤的具体实现途径,有效提升了竹林信息提取能力,可为竹林的精细化识别提供技术支撑。