摘要：5米光学02星的成功发射与在轨运行为林草行业各主体业务提供了丰富的遥感数据,为林业管理和生态服务提供可靠的信息保障。为测试5米光学02星多光谱数据在农田防护林监测这一林业主体业务中的应用能力,研究以河北省张北县为研究区,基于5米光学02星多光谱数据,构建了光谱、植被指数和纹理特征集,并设计4种分类信息提取方案:(1)光谱特征;(2)光谱特征+植被指数;(3)光谱特征+纹理特征;(4)光谱特征+植被指数+纹理特征。采用随机森林算法进行特征选择和分类信息提取、验证,最后评价了5米光学02星农田防护林信息提取的应用潜力和效果。研究结果表明:(1)基于5米光学02星多光谱数据能够准确提取研究区农田防护林信息,较好地反映了研究区农田防护林的实际分布情况。其中,方案1农田防护林分类信息提取结果总体精度、Kappa系数分别为0.8371、0.7760;方案2农田防护林分类信息提取结果总体精度、Kappa系数分别为0.8440、07855;方案3农田防护林信息提取总体精度、Kappa系数分别达到0.8839、0.8403;方案4分类结果精度最高,其总体精度、Kappa系数分别为0.8908、0.8499。(2)使用多类型特征变量相结合可有效提高农田防护林信息提取精度,就不同类型特征对农田防护林信息提取的贡献程度而言,光谱特征>纹理特征>植被指数。(3) 5米光学02星多光谱数据对农田防护林信息提取精度较高、结果可靠,能够较好地满足防护林监测业务的需求,在森林调查和监测主体业务中具有巨大的应用潜力。

摘要：【目的】定量模拟和刻画林木冠层太阳短波辐射的分布和截获情况,于时空变换下反演太阳短波辐射在不同林木冠层内的辐射通量变化,为林木培育经营和提质增效提供理论依据。【方法】首先,以公共数据集和真实扫描的校园内林木激光点云数据为例,结合设计的机器视觉算法,对林木激光点云进行枝叶分离和单叶分割,并用合适大小的椭圆形和圆柱体几何单元分别拟合每片叶片和骨架,开展林木真实模型重建;其次,运用计算机图形学方法,结合研究地点的经纬度和时刻,模拟太阳入射光线,并引入物理学的双向反射和透射分布函数及蒙特卡洛光线追踪算法,开展反射和透射光线与冠层内叶片的碰撞模拟;最后,根据仪器测量得到的不同树种叶片平均粗糙度和折射率,结合光线追踪算法,实现林木冠层内短波辐射分布计算和木林冠层光截获效率评估。【结果】利用本研究方法计算时空变换下不同树种(芒果、橡胶、紫薇、樱花)4株树冠及一片香樟树林的直射、反射和透射太阳辐射通量,其中直射辐射通量占比约86%、反射辐射通量占比约5%、透射辐射通量占比约9%。叶面积指数高的树冠会拦截更多直射和透射光线;在太阳高度角较小时刻(上午或下午),斜射的太阳光线反射后易与树冠中其他叶片发生二次求交,产生较多反射辐射通量。同时,由于林木的趋光性,中午树冠光线拦截率高于上午和下午10%左右。比对采用本研究方法计算的树冠辐射通量拦截比值和样地手持光电仪器实测结果,绝对误差小于6%。【结论】在测绘科学、计算机图形学及林学多学科视角融合下,本研究基于激光点云重建树木真实表观形态结构,并将蒙特卡洛光线追踪算法与物理学的双向反射和透射分布函数相融合,真实模拟光线在树冠中的传播过程,可准确获取林木冠层内太阳短波辐射分布与树冠辐射通量拦截值,对研究时空变换下林木太阳辐射吸收、光强与树冠形态结构的耦合关联及不同表型参数的林冠辐射传输模型均有重要启示意义。

摘要：林业作业人员常常由于复杂地貌而面对坠落、森林火灾等威胁，卷积神经网络结合无人机巡查的方法已经成为主流防范、搜救措施，但遥感图片中的行人小目标有特征少、定位精度要求高以及极易受背景信息干扰的特点。为了能够使森林遥感图片行人小目标检测的精度达到预期，在YOLOv4方法的基础上针对上述特点设计了增强特征提取的目标检测网络(EFEN),通过构建感受野增强模块(RFBA)并结合CBAM注意力机制，在充分利用遥感图片中的丰富上下文信息之余，对相关信息进行动态选择，增强特征的表示能力；基于高斯分布思想，将归一化Wasserstein距离与CIOU结合，提出了一种新的损失函数(GKCLOSS),降低了小目标检测任务中对位置偏差的敏感性；引入一种自适应分割训练检测策略，平衡正负样本，提高目标检测的准确性，进一步提高了检测精度。以河北省张家口市崇礼区采集的无人机行人图像为研究对象，实验表明，EFEN框架在小目标检测方面优于现有的深度学习网络，在与SSD、YOLOv5、YOLOv7等算法比较中平均查准率(mAP)均有所提升，在上述数据集上，mAP高达39.10%,证明了此方法对行人小目标数据的有效性。

摘要：随着经济全球化不断深入发展,财务共享服务模式已被普遍认同,通过利用资源集中达到数据共享,从而实现降低成本、提高效率、增强安全性等目的。目前,在我国高校中,财务共享服务模式的应用还不够深入,不利于更好地实现整合资源、业财融合。本文以N校为例,对高校财务共享服务平台的构建进行实例分析,提出实现路径和高校建设财务共享服务平台的建议,以期对高校财务信息化发展有所启示。

摘要：对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)下,使用样本点(样地对应像元的光谱值)与样本面(样地对应3×3窗口像元光谱平均值)2种样本取值尺度,采用3种机器学习分类算法(神经网络(neural network,NN)、三维卷积神经网络(three dimensional convolution neural network,3DCNN)和支持向量机(support vector machines,SVM))对机载高光谱图像的森林优势树种识别能力进行了探讨。结果表明:①无论使用何种空间分辨率与样本取值尺度,3DCNN的分类精度最高,其总体精度和Kappa系数最高(最高分别为95.42%和0.94);②高空间分辨率更有利于优势树种识别,其比低空间分辨率(3 m)总体精度最多可提高30.97%,Kappa系数最多可提高54.24%;③使用NN与SVM进行分类时,以样本面作为样本取值尺度进行树种识别的精度低于样本点。而在3 m空间分辨率情况下使用3DCNN进行分类时,以样本面作为样本取值尺度进行树种识别的精度高于样本点。总的来说,空间分辨率、样本取值尺度与分类算法均对优势树种识别精度有不同程度的影响。在机载高光谱图像识别森林优势树种过程中,优先选择高空间分辨率影像,利用小样本数据,采取深度学习算法将会提高优势树种识别精度。

摘要：随着物联网、大数据等新一代信息技术和生态系统与生物多样性监测领域的深度融合,持续汇聚的海量、多源异构、多模态时空大数据资源的高效管理与智能应用具有重要意义。以南岭森林生态系统国家野外科学观测研究站(简称“南岭国家站”)积累的时空监测大数据为研究对象,设计了面向森林生态系统与生物多样性监测的时空信息微服务架构,阐明了微服务划分与封装、数据抽取方法等关键技术,研发了南岭国家站生态系统与生物多样性监测时空数据管理平台,有效管理和分析了南岭国家站的时空大数据资源。测试与应用分析表明,森林生态系统与生物多样性监测时空信息微服务架构能够满足生态监测大数据高效管理的核心应用需求,提升了生态监测时空数据资源的科学管理效率,可为森林生态系统与生物多样性监测时空大数据管理提供有力的新工具。

摘要：【目的】探究3种基于机载LiDAR数据的单木分割算法获取冬奥核心区新造林油松和中龄林华北落叶松单木信息的适宜性,分析3种算法的单木分割精度和单木树高信息估算精度,探索冬奥核心区最优单木分割方法,为掌握冬奥核心区森林结构信息和制定森林经营管理措施提供技术支持。【方法】利用冬奥核心区典型样地机载LiDAR数据,应用基于点云的距离判别聚类法、分水岭分割算法和双正切角树冠识别算法,结合地面调查数据、正射影像与人工目视解译,采用树冠探测率(r)、准确率(p)和总体精度(F)3个评价指标分析算法的单木分割精度;单木配准后,分析外业实测树高与机载LiDAR估算树高之间的相关性,综合评估3种算法获取冬奥核心区单木信息的适宜性。【结果】1) 3种单木分割算法在新造林油松中总体精度很高(F=0.90~0.93),在中龄林华北落叶松中总体精度较高(F=0.72~0.75);2)对于新造林油松,基于点云的距离判别聚类法总体精度最高(F=0.93),优于分水岭分割算法(F=0.90)和双正切角树冠识别算法(F=0.90);对于中龄林华北落叶松,双正切角树冠识别算法总体精度最高(F=0.75),优于基于点云的距离判别聚类法(F=0.72)和分水岭分割算法(F=0.70);3)外业实测树高与机载LiDAR估算树高之间的相关性分析表明,基于点云的距离判别聚类法在新造林油松中提取的单木树高相关性最优,双正切角树冠识别算法在中龄林华北落叶松中提取的单木树高相关性最优。【结论】通过对冬奥核心区不同类型林地的机载LiDAR数据进行单木分割,体现出基于点云的距离判别聚类法、分水岭分割算法和双正切角树冠识别算法的适宜性,在新造林油松中,基于点云的距离判别聚类法适宜性表现最优;在中龄林华北落叶松中,双正切角树冠识别算法适宜性表现最优。

摘要：【目的】海南粗榧是国家重点保护植物,利用冠层图像无损估测叶绿素含量和生长状况,可对生长受限制的幼苗进行诊断预警,为精准管理提供参考。【方法】采用L9(34)正交设计和单因素设计,于2021—2022年在海口市云龙镇进行盆栽试验,试验材料为一年生粗榧幼苗。3个因素包括灌溉量(W)、透光率(S)和氮肥施用量(N),为使海南粗榧幼苗生长呈现较大差异,各因素水平相差较大,3个灌溉量分别为2500、5000、7500 mL;3个相对透光率分别为30%、10%、5%;3个氮肥施用量分别为0、5、10 g/plant。在幼苗处理一个月后开始测量幼苗基径、株高、冠长、侧枝长度和叶绿素相对含量,每两个月测定一次,共7次。采用Duncan法进行多重比较,比较结果差异显著性较低的为幼苗生长不适宜环境,记为0,否则记为1。每个处理选3株代表性幼苗获取冠层图像,然后进行图像分割,提取颜色特征参数作为自变量构建分类模型,以诊断该环境是否适宜生长。采用偏最小二乘回归(PLSR,partial least squares regression)和逐步回归(SR,stepwise regression)模型,同时将二分类转换为哑变量加入模型,估测叶绿素相对含量(SPAD)。【结果】光照(透光率)和灌溉量对海南粗榧幼苗的生长影响显著,氮肥用量影响不显著,且3个因素间无明显交互效应。海南粗榧生长过程中的SPAD值与各生长指标间呈显著正相关,与冠层图像中的颜色参数也呈显著相关。在低透光率和高灌溉量环境下海南粗榧生长发育迟缓,为不适宜生长环境。依据海南粗榧生长指标间的多重比较结果,将幼苗分别标记为不宜环境和适宜环境的幼苗样本。支持向量机(SVM,support vector machines)模型能较好的判别处于不宜环境下的幼苗(假阳性率为14%);PLSR和SR模型对SPAD值都有较好的估测效果,但PLSR模型较SR模型适应能力更强,且PLSR能更好的解决共线和降维问题;将二分类变量转换为哑变量加入PLSR模型,模型整体预测能力没有明显提高,但对处于不宜环境下的幼苗SPAD值的预测能力有明显提高,通过该模型反演不宜环境下幼苗冠层SPAD分布发现,在下部叶尖部位叶绿素相对含量最低,叶尖有黄化现象。【结论】海南粗榧幼苗生长的主要影响因素是透光率和灌溉量,光照和灌溉对下部叶尖处影响较大。冠层图像能较准确地诊断出幼苗生长状况,PLSR加哑变量模型能提高0类样本(生长在不宜环境下)SPAD值的预测能力,实现生长环境受限预警,为幼苗管理提供依据。

摘要：基于PDA的森林资源数据采集是数字林业的重要内容,其核心工作就是开发高效智能化数据采集软件.该文通过分析森林资源数据野外采集特征和应用需求,以软件模式设计与分析理论为基础,提出一套有较强通用性和可扩展性的森林资源数据采集PDA软件设计方案.通过对数据输入流程的各部分进行分析,将共享部分进行封装成为通用的功能,对需要扩展和发生变化的部分参数化,通过参数设置达到智能化设置输入范围、配置用户界面及数据逻辑关系的目标.该方案能够满足当前森林资源一类、二类、三类野外数据调查的需要,并能适应将来调查因子扩展和变化的需要,极大地提高了林业野外信息调查采集工作的效率.

摘要：【目的】提出一种基于自适应样本均衡与信息融合的林火检测数据增强(SMA)方法,以解决因林火样本数据难以获取、各类别分布不均衡、场景表达能力不充分等导致林火检测效果不佳的问题。【方法】以河北省张家口市崇礼区采集的无人机林火图像为研究对象:1)对无人机视频进行预处理,构建原始数据集;2)采用类别统计、标注框中心化等方法分析数据存在的问题,如小目标居多、类别分布不均衡和标注框尺寸分散等;3)针对类别分布失衡问题,引入自适应参数,实现样本动态调整;4)为保证信息跨样本融合的有效性,提出新的参数指标IOA作为判定阈值,并给出合理参考值;5)设计12组消融试验,以无人机采集数据为样本,根据控制变量原则,对比原始数据、随机数据增强、马赛克数据增强和SMA方法在SSD、YOLOv3、YOLOv4主流算法中的林火检测结果;6)以MAP(平均查准率)为指标,评估不同数据增强方法在同一算法中的效果。【结果】消融试验结果显示,SMA方法在SSD、YOLOv3、YOLOv4算法中MAP分别为48.16%、82.02%、67.79%,相比原始数据分别提升12.14%、11.50%、36.83%,相比随机数据增强分别提升11.95%、4.86%、16.33%,相比马赛克数据增强分别提升1.06%、18.24%、1.79%。【结论】现有数据增强方法未能充分利用林火数据中蕴涵的信息,SMA方法引入自适应参数可解决样本分布不均衡问题,IOA指标引入能够实现数据跨样本融合。SMA方法在SSD、YOLOv3和YOLOv4算法中MAP相较传统方法均有提升,表现出对林火数据检测的有效性。