亚马孙的季节秘密

与大多数人的想象不同,热带雨林并不总是潮湿多雨,世界上最大的亚马孙热带雨林实际上就会经历一段旱季。在亚马孙雨林的旱季里,厚厚的云雾将会散去,阳光得以照进森林深处,这段时期也就成为植被最为旺盛的生长期。     

蔓延吧，神奇的“绿巨人”——世界四大造林工程

大范围、长时期的人工造林是人类改变自然生态最为有力的活动之一,也是提高森林覆盖率、保持水土、固沙防尘的最有效方法,同时还是人类反思自己、敬畏自然的一种最直接的表达方式。当你面对那一片片浩瀚的人工林海,被这些“绿巨人”所震撼时,或许你还会默默地期盼：蔓延吧,神奇的“绿巨人”,不管任何地方!     

国务院:审议通过《全国森林防火中长期发展规划》

18日,国务院总理温家宝主持召开国务院常务会议,审议并原则通过《全国森林防火中长期发展规划》。我国是森林火灾多发的国家之一,编制和实施《全国森林防火中长期发展规划》,对于全面提升我国森林防火综合能力,消除森林火灾隐患,巩固生态建设成果,保护人民群众生命财产安全,具有重要意义。     

森林公园发展问题亟待解决

回顾我国森林公园建设所走过的发展历程,我们不难看出,森林公园发展可谓披荆斩棘,能取得今天如此骄人的成就实属不易。     

林业应对气候变化作用和意义重大

近年来,气候变化带来的不利影响逐渐引起国内外的广泛关注。2009年6月22日,首次召开的中央林业工作会议提出,必须把发展林业作为应对全球气候变化的战略选择。温家宝总理在会见与会代表时特别强调:"林业在应对气候变化中具有特殊地位。"作为生态环境的重要组成部分,森林与气候变化有着极其密切的关系。本刊特邀中国国土经济学会常务理事、全国中小城市生态环境建设实验区指导委员、国家林业局造林绿化管理司司长、全国绿化委员会办公室秘书长王祝雄撰写此文,介绍林业在应对气候变化领域的重大作用和意义。     

南极DOME-A区域GPS测量精度等级的探讨

以DOME-A区域第24次南极GPS测量为案例,进行了GPS测量精度与起算点分布、观测时间长短、以及数据处理软件关系的实验,统计分析了不同情况下的GPS控制点坐标精度误差,探讨确定了其精度等级和应用范围,最后的结论可供南极测量GPS用户参考.     

2005/2006年度莱州湾东部的海冰灾害及其影响

莱州湾是水深较浅的半封闭海湾,与外海海水的交换缓慢,受黄河等十几条入海河流汇入的淡水影响使海水的盐度较低.受寒潮影响莱州湾内海冰灾害发生频繁.莱州湾的海冰灾害分5个冰情等级.在冬季气温偏高的年份,莱州湾内形成Ⅰ、Ⅱ级海冰,沿岸一般没有固定冰形成;一般年份形成Ⅲ级海冰,西岸和南岸冰情较严重,有固定冰形成;在冬季气温偏低的年份,形成Ⅳ级或Ⅴ级海冰,南岸、西岸的固定冰宽度较大,有时整个莱州湾海面都分布流冰.2005年末～2006年初在莱州湾东岸形成了一次较严重的海冰灾害,莱州市近海海湾扇贝养殖的经济损失达400万元以上.为减轻未来海冰灾害带来的损失提出了加强海冰灾害的监测和预报技术研究,严格管理近海养殖生产作业,莱州湾沿岸地方政府应制定<海冰灾害应急预案>,建设和完善海冰灾害应急防御体系等防御海冰灾害的对策.     

基于多普勒天气雷达资料的冰雹预报模型及应用

为了提高雅安市冰雹预报能力,并为人工消雹工作提供更好的指导作用,文章利用了雅安市的新一代多普勒天气雷达资料,采用随机森林方法,对32项特征指标进行判断,建立了冰雹预报模型。使用该模型,可判断出可能出现冰雹的风暴,及其未来30 min的移动轨迹,以此确定未来冰雹的影响区域,给风暴最近的人工影响天气高炮作业点提供方位角、仰角数据,指导作业人员实施消雹作业。研究成果能够为雅安市冰雹灾害的防御提供科学指导,在实际业务应用中减轻农业灾害损失,提高全市冰雹灾害的防御能力。     

基于地震属性约简的深度学习储层物性参数预测:以莺歌海盆地乐东区为例

储层物性参数作为描述储层特性、储层建模和流体模式的重要指标,其准确估算可以为储层预测提供有力参考依据,但传统储层物性参数反演方法无法兼顾反演精度及空间连续性。针对上述问题,本文引入地震属性作为深度学习算法输入,针对地震属性之间存在的信息冗余特征,利用随机森林-递归消除法对地震属性进行约简预处理,最终建立一种基于地震属性约简的储层物性参数预测方法。实际数据测试结果表明,地震属性约简的深度学习储层物性参数预测结果具有良好的精度及横向分辨率,证实本文方法的有效性。     

随机森林模型在遥感水深反演中的应用

随着我国浅海测绘需求的日益增长,文中利用四波段的WorldView-2高分辨率遥感影像,选取我国南海西沙群岛中的甘泉岛和台湾南湾地区作为典型试验区,开展水深反演研究。引入随机森林算法构建了随机森林水深反演模型,并同常用的3种水深反演模型进行精度对比。结果表明,在甘泉岛和南湾地区随机森林模型反演的水深值和真实水深值的RMSE分别为0.85 m和1.59 m,MRE分别为8%和12%,均优于其他3种模型。