【摘 要】
：
有一种危害松树的毁灭性流行病叫作松材线虫病种.松材线虫病又被称作是松树尾捏病,是由松材线虫所引发的带有毁灭性的森林危害,属于重大外来入侵物种,被我国列入了森林防控的重点.当前全国因为松材线虫病引发了大量松树枯死的现象,这给我国的综合生态资源都带来了严重破坏,以及造成了巨大的经济损失.面对松材线虫病要做好有效的预防,借助松林改造能够发挥突出作用,借助松树形成自然的隔断,这样便于降低松材线虫病高发的可能.本文主要围绕着松林改造,对松材线虫病的预防作用进行分析.
论文部分内容阅读
有一种危害松树的毁灭性流行病叫作松材线虫病种.松材线虫病又被称作是松树尾捏病,是由松材线虫所引发的带有毁灭性的森林危害,属于重大外来入侵物种,被我国列入了森林防控的重点.当前全国因为松材线虫病引发了大量松树枯死的现象,这给我国的综合生态资源都带来了严重破坏,以及造成了巨大的经济损失.面对松材线虫病要做好有效的预防,借助松林改造能够发挥突出作用,借助松树形成自然的隔断,这样便于降低松材线虫病高发的可能.本文主要围绕着松林改造,对松材线虫病的预防作用进行分析.
其他文献
西湖城市植物历史景观文化是杭州生态历史植物文化的完美浓缩,与杭州现代城市的生态历史植物文化景观发展有着紧密联系,是杭州城市植物文化景观的典型代表.人们对我国园林景观的艺术审美评价,在很多极大程度上直接决定了我国园林景观中的各种植物园林景观艺术营造的成功与否,因其植物作为我国园林景观的主要艺术构成部分要素起着决定性的作用.本文以杭州西湖风景名胜区为研究对象,通过文献资料的查阅,对西湖的历史资料进行积累和整合并进行了较为系统的研究.
针对子空间聚类算法中相似性学习和谱聚类相互分离的问题,提出自适应图正则的单步子空间聚类(one-step subspace clustering with adaptive graph regularization,OSCAGR)算法.利用Frobenius范数鼓励分组效应,根据局部连通性为每个数据点分配自适应的最优邻域学习系数矩阵;考虑全局结构和局部结构,保证数据空间中相近的点拥有较大的表示系数;通过量化范数将子空间聚类两个独立的阶段整合到一个统一的优化框架中.试验结果表明,OSCAGR算法在UCI数据
生物多样性的保护是全世界都在关注的一个重要内容,对其进行研究同样也是一个热点内容.当前,我国已经建立了许多国家级的自然保护区,可是还没有形成一个有效的、系统性的自然保护区生物多样性监测体系.目前,相关的研究人员应该重视对于分析有关生物多样性监测开展中的一些实际问题,然后为监测对象以及监测指标开展全面的分析,按照我国自然保护区相关的一些建设要求打造一套健全的生物多样性监测体系.我国的国土面积在世界上排名第二,其拥有非常充足的生物资源,但却是生物多样性受到威胁最厉害的国家之一.本文在森林生态系统类型自然保护区
随着我国科技和林业经济的快速发展,对于林业的需求也在增加,但我国林业资源集中在偏远地区,这些地区林业新技术应用程度低,所使用的林业种植与种植技术较为落后,与国内林业科技发展脱节.为了推动我国林业发展,提高林业科技与种植技术应用的效率,本文就我国林业科技和种植技术的现状进行分析,指出了林业科技与种植技术的重要意义以及推行中存在的问题,并根据这些问题给出了解决措施.
通过分析一个三维保守混沌系统的力学和能量特性,发现当参数a=b时,该三维保守系统实际上是一个新的四维广义Hamiltonian保守系统的三维子系统.通过对新的广义Hamiltonian保守系统进行数值分析,如李雅普诺夫指数、分岔图、相轨迹等,发现其具有非常丰富的动力学行为:混沌特性、周期特性、拟周期特性.通过分析该广义Hamiltonian保守系统平衡点特性,发现其动力学行为呈现隐藏特性.同时,在系统参数不变的情况下,通过改变初值,发现该广义Hamiltonian保守系统具有多稳定性.利用现场可编程逻辑门
中国古典园林是自然美与意境美两者之间的相互渗透融合,其设计能够将我国优美的自然景观环境与独特的人文艺术有机结合在一起,使之形成壮丽的人文景观.因此,在当代园林建设过程中,既要继承古典园林设计中的精华,使之能够蕴含古典园林的深刻意蕴,又要考虑到现代人民群众的审美观,发现古典园林与现代园林设计的不同之处,取其精华.总之就是应积极学习古典园林的设计手法、造园理念及其丰富的意蕴,竭力促进古典园林与现代造园技术之间的完美融合.本文在分别列举中国古典园林与现代园林理论研究内容的基础上,对两者的特点进行对比与研究,以供
基于效用列表的高效用模式挖掘算法主要局限性在于创建和维护效用列表非常耗时,原因是建立了大量的列表,且列表之间连接操作成本较高.为了解决这个问题,提出一种索引列表结构,可以依据索引值快速访问并更新存储在列表中的信息,并提出一种基于索引列表的增量高效用模式挖掘算法,在挖掘过程中加快挖掘速度并减少内存消耗.试验结果表明,所提出算法在增量式挖掘过程中能有效减少时空性能消耗,且索引列表结构表现出比普通列表更优异的性能.在多种数据集中,运行时间平均提高43％,内存平均减少20％,且在不同的数据插入率条件下具有稳定的性
采用长期激励模型应对时空众包下的工人激励问题,提出一种基于博弈论的长期激励算法(multi-stage compound selec-tion,MSCS).工人的激励模型考虑用户对任务的兴趣、任务奖励和对长期参与的参与度3部分内容,利用激励模型对工人进行长期激励.通过计算用户参与众包过程的最佳次数,制定对用户的个性化激励策略.采用用户的数量和最大平均参与度与其他长期激励算法以及基线算法进行对比分析.试验结果证明,MSCS算法在相同预算下能够激励更多的用户参与众包过程,在预算不足的情况下也能吸引用户更长时间
为降低获取像素级标签的成本,提出一种基于弱监督和半监督学习的红外舰船分割方法,在残差网络(residual network,ResNet)的基础上,设计一个自适应定位模块,并使用相似损失、前景损失和背景损失训练自适应定位模块,生成舰船定位图;利用少量像素级标签数据和大量定位图数据交替训练显著性网络生成显著图;用条件随机场优化显著图,并结合图像级标签生成伪标签图像,使用伪标签图像训练分割网络,得到红外舰船的分割结果.在红外舰船数据集上的平均交并比为71.18％,与当前其他先进方法进行对比,平均交并比提高了9
采用无监督方法与深度学习模型结合,解决筏式养殖边缘信息精确提取问题,提出深度语义分割(semantic segmentation,SegNet)-马尔科夫随机场(Markov random field,MRF)模型,该模型提取目标空间细节信息和深度判别特征信息.通过SegNet编码器的卷积和最大池化提取筏式养殖的特征信息和扩大感受野,抑制噪声、误判等现象的产生,模型后端接入MRF模型,计算像素空间领域内的特征信息进行聚类分析来获取目标低水平的空间细节信息,在深度特征信息的基础上较大程度的保留空间特征信息,