公共文化服务平台

李玉堂: 作品数：31 被引量：131H指数：7; 供职机构：吉林省林业调查规划院更多>>; 发文基金：国家科技支撑计划国家林业公益性行业科研专项国家自然科学基金更多>>; 相关领域：农业科学自动化与计算机技术天文地球更多>>

合作作者

森林资源空间数据集成管理技术的研究与应用: 森林资源数据获取与更新是森林资源调查永恒的主题,从有森林调查开始,森林调查从业者对获取准确的森林资源数据进行不懈的努力。从全林每木到抽样调查,从样地调查到角规抽样,从对坡勾绘到航片的应用,从航片到卫片,从手工制图到地理信...; 李玉堂; 关键词：森林资源空间数据抽样调查

长白落叶松人工林地位指数及立地形的比较研究被引量：11: 2018年; 【目的】以吉林省长白落叶松人工林为对象,分析立地形与地位指数及其与林分生产力之间的关系,检验立地形评价长白落叶松人工林立地质量的可行性。【方法】基于168块固定样地的314个观测数据,提出了基准胸径确定的方法,即以胸径-年龄的逻辑斯蒂方程为基础,求其拐点纵坐标(即为基准胸径)。以理查兹生长方程分别拟合优势高-年龄、优势高-优势胸径的导向曲线,分别计算各样地的地位指数与立地形,并分析立地形与地位指数以及二者与林分生产力之间的关系。【结果】立地形与地位指数回归方程的决定系数R2为0.362 7,RMSE为1.993 0 m,平均绝对误差MAE为1.563 2 m。地位指数、立地形与生产力的相关系数分别为0.676 4和0.320 3。采用等距划分的方法将计算所得的地位指数与立地形划分为8个等级,地位指数从1至8级各等级所占比例分别为0.64%、3.82%、12.74%、24.84%、32.48%、19.43%、5.10%、0.96%;立地形从1至8级各等级所占比例分别为0%、1.59%、9.24%、42.36%、44.90%、1.91%、0%、0%。【结论】对于落叶松人工林来说,立地形只能解释36.27%的地位指数变异;地位指数与生产力的相关性远大于立地形与生产力的相关性。对立地形与地位指数采用等距划分的方法进行立地质量等级划分,立地质量等级均呈现出中间多、两头少的趋势,但各等级的样地数量差异较大。总体来说,本研究中立地形不宜作为长白落叶松人工林立地质量评价的指标。; 沈剑波雷相东雷渊才李玉堂; 关键词：长白落叶松人工林

基于潜在生产力的吉林省长白落叶松人工林立地质量评价: 2025年; 【目的】为验证基于林分潜在生长量的立地质量评价方法的可行性,并优化此方法,采用潜在生长量法估算林分断面积和蓄积潜在生产力,为长白落叶松人工林立地质量评价和抚育经营提供科学依据。【方法】基于吉林省一类调查和二类调查局级固定样地数据,采用广义代数差分法建立长白落叶松人工林优势高生长模型,根据地位指数划分立地等级。建立含立地等级哑变量的断面积和蓄积生长模型,利用黄金分割法搜索最优密度,求解潜在生产力,并通过自然稀疏线进行验证;以现实林分年龄和林分密度指数计算现实生产力;结合现实生产力和潜在生产力两者差异综合评估生产力提升空间。【结果】(1)长白落叶松人工林的优势高、断面积、蓄积生长模型拟合效果良好,调整决定系数为0.877、0.985、0.966;均方根误差为1.037 m、0.886 m^(2)/(hm^(2)·a)、9.756 m3/(hm^(2)·a);相对均方根误差为7.353%、6.588%、11.890%。5个立地等级的地位指数平均值大小为19.8、17.8、15.7、13.5和11.6 m。(2)同一林龄,断面积和蓄积潜在生产力对应的最优林分密度指数不同。基准年龄30年时断面积潜在生产力为0.861~0.941 m^(2)/(hm^(2)·a),蓄积潜在生产力为5.319~8.775 m3/(hm^(2)·a)。与近熟林、成熟林、过熟林相比,中龄林和幼龄林现实生产力与潜在生产力差异较大,表明它们具有较大的生产力提升空间。(3)在林分生长过程中,潜在生产力对应的最优密度始终不大于林分自然稀疏的最大密度。【结论】约束林分初始株数后计算的潜在生产力更符合实际,进一步验证了基于潜在生长量的立地质量评价方法的可行性。在中幼龄阶段,长白落叶松的现实生产力与潜在生产力差异显著,该差异随立地质量的下降而增大。研究结果给出了潜在生产力对应的最优林分密度,可为长白落叶松人工林的抚育经营提供依据。; 罗光成雷相东史景宁何潇向玮李玉堂; 关键词：潜在生产力现实生产力

利用ArcScene制作电子林相沙盘的初步实践: 介绍利用ArcGis软件中ArcScene模块,把林相分布与地形3D模型有机的结合,制作电子林相沙盘的方法和步骤。; 唐允森王萍李玉堂; 关键词：3D模型地理信息电子沙盘; 文献传递

利用ArcScene制作电子林相沙盘的初步实践: 介绍利用ArcGis软件中ArcScene模块,把林相分布与地形3D模型有机的结合,制作电子林相沙盘的方法和步骤。; 唐允森王萍李玉堂; 文献传递

参与式森林资源规划设计调查的探讨被引量：1: 2012年; 为了更准确地得到森林资源规划设计调查成果和制定确实可行的经营措施,提出了调查单位与被调查区域内相关利益者共同参与的森林资源调查方法,阐述了参与式森林资源规划设计调查的可行性、必要性以及实现的途径。; 李春辉李玉堂曹艳杨军元刘吉祥; 关键词：参与式森林资源

参与式森林资源规划设计调查的探讨: 为了更准确地得到森林资源规划设计调查成果和制定确实可行的经营措施,提出了调查单位与被调查区域内相关利益者共同参与的森林资源调查方法,阐述了参与式森林资源规划设计调查的可行性、必要性以及实现的途径.; 李春辉李玉堂曹艳杨军元刘吉祥; 关键词：森林资源规划设计; 文献传递

基于多层感知机的长白落叶松人工林林分生物量模型被引量：13: 2019年; 【目的】神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。【方法】以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RMSEr)和平均绝对误差(MAE)来评价模型。【结果】估计精度最高的模型是输入单元为林分平均胸径(D)-平均高(H)-林分密度指数(S)-海拔(HB)-坡向(PX)-坡位(PW)、2个隐藏层、隐单元数为40-20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数(Adj.R^2)分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSEr分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R^2分别提高了0.88%和0.99%,RMSEr分别降低了5.33%和5.46%。【结论】多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。; 徐奇刚雷相东国红国红李玉堂; 关键词：长白落叶松林分生物量

吉林省营造林工程信息管理系统的设计与开发被引量：6: 2010年; 以Visual Basic 6.0为开发平台,采用集成开发模式,集成了MapInfo Professional 7.0地理信息系统和华表组件的功能,并合理划分功能,实现了对吉林省十个营造林工程从空间数据组织到报表和图形打印的一体化管理。通过直接利用GPS数据成图技术、双模式输入技术和智能化查找地块重叠技术,提高了信息管理系统的工作效率。; 李玉堂矫恒训郑军唐允森; 关键词：营造林工程信息管理系统地理信息系统

基于BP神经网络的长白落叶松人工林林分平均高预测被引量：23: 2018年; 【目的】研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法。【方法】以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观测数据,运用BP神经网络建模技术建立了林分平均树高生长模型。输入因子首先加入年龄,然后依次加入立地因子及林木竞争因子,分析立地因子及林木竞争因子对树高的影响。基于Matlab R2016b中的Sigmoid函数和线性函数为神经元的传递函数,分别采用贝叶斯正则化算法和Levenberg-Marquatdt算法(简称L-M算法)对网络进行训练,对比分析了贝叶斯正则化算法和L-M算法作为训练函数的差异。【结果】与L-M训练算法相比,贝叶斯正则化训练算法具有更好的泛化能力。模型中依次加入年龄、立地因子、林木竞争因子后,树高的拟合精度呈现出相同的上升趋势。采用贝叶斯正则化训练算法,当年龄作为输入因子时,决定系数R^2为0.521 0,均方根误差(RMSE)为2.091 7,平均绝对误差(MAE)为1.627 6。加入立地因子后,决定系数R^2提高至0.573 6,提高了10.10%,均方根误差(RMSE)为1.973 6,降低了5.65%,平均绝对误差(MAE)为1.5797,降低了2.94%;在此基础上,加入林木竞争因子后,决定系数R^2为0.845 5,增长了47.40%,均方根误差(RMSE)为1.187 9,下降了39.81%,平均绝对误差(MAE)为0.968 5,下降了38.69%。【结论】利用贝叶斯正则化BP神经网络可以准确地预测长白落叶松人工林的平均高。立地因子及林木竞争因子能够较好地提升林木生长预测的精度,且林木竞争因子对树高的影响明显大于立地因子。; 沈剑波雷相东李玉堂兰莹; 关键词：长白落叶松人工林 BP神经网络 L-M算法

李玉堂

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李玉堂

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈