摘要：基于Google Earth Engine(GEE)云计算平台,协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据,以随机森林(Random Forest,RF),支持向量机(Support Vector Machine,SVM)和最大熵(Maximum Entropy,MaxEnt)3种机器学习算法为组件分类器,开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型,用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示:3个组件分类器的总体精度均低于67.17%;3种并行集成方法总体精度相当,约为72%;两种串行集成方法精度高于78.48%,其中MaxEnt-SVM串行集成方法获得最佳精度(OA:80.66%,Kappa:0.78),与组件分类器相比精度至少提高了13.49%。研究表明:决策融合方法在优势树种分类中比组件分类器精度更高,并且有效改善了小样本树种的分类精度,可用于大范围山区优势树种分类。

摘要：指出了地球气候变暖对人类生存和发展的挑战日益严峻,发展低碳经济、实现低碳转型成为全球各国的普遍共识。森林作为天然的制氧固碳介质,碳汇功能越来越为人们所重视,在低碳经济发展中有着巨大的潜力。提出了泸西县作为一个国家连片石漠化贫困县,在低碳经济发展中任重道远,其应在分析低碳经济的发展与增加森林碳汇关系的基础上,抓住林业发展的有利时机,全面开展低产低效林改造,提升林地质量和效益,以期促进泸西低碳经济发展。

摘要：基于Google Earth Engine云平台和2014—2017年Landsat OLI影像序列,根据其在时间域上的光谱特征,结合植被指数特征、地形和温度特征,采用随机森林分类算法,开展香格里拉森林类型分类研究。结果表明:不同森林类型的生长轨迹有明显差异,4种森林类型在冬季的植被指数差异最明显;时间序列影像数据能够提供不同森林类型的物候差异特征,弥补单一日期影像难以区分不同森林类型的困难;研究区森林/非森林覆盖的总体精度为97.17%,Kappa系数为0.943,森林类型分类的总体精度87.78%,Kappa系数为0.80。基于Landsat时间序列的方法能够提供一个精度较高的森林分类产品,可为基于森林类型制图的应用提供帮助。

摘要：对昆明西山地区滇青冈（Cyclobalanopsis glaucoides）和高山栲（Castanopsis delavayi）种子（坚果）虫蛀率在两个年份、整个落种期和山坡不同部位的变化情况进行研究．结果表明：①寄生于滇青冈种子内的象甲为青冈象（Curculio megadens）和Curculio sp．，寄生于高山栲种子内的象甲是Curculio sp．和剪枝象（crltorhrnchites sp．）；②滇青冈样地的虫蛀率为24．84％一27．60％，样地间无显著差异，两年间的平均虫蛀率亦无显著差异；高山栲样地间虫蛀率为17．94％-26．55％．有显著差异性，两年间的平均虫蛀率也有显著差异。③高山栲的下落种子虫蛀率随时间逐步下降，9月和10月中下旬出现两个虫蛀率的高峰期；高山栲种子内寄生的昆虫落地后即入土化蛹，滇青冈落地种子内的寄生昆虫在初期会滞留一段时间：④虫蛀率与林下实生苗数量无显著相关性，实生苗多集中在大树周围以及草本层植物较丰富的小生境。