一、2002年全球森林火灾概述(论文文献综述)
宋巧娣[1](2021)在《泰山森林可燃物分布及火险等级的划分》文中指出森林火灾对森林资源、生态环境和人民生命财产会造成巨大的威胁,尤其是较大、特大的森林火灾,因此做好森林火灾的预防预报工作非常重要,能在一定程度上降低森林火灾的发生率,达到减少森林火灾损失、保护森林资源的目的。如何在更小的尺度上对森林火灾的发生给予更精准的预测预报,有利于在更小的范围内重点关注火险高的林分,布设防火设备和防火力量,做到精准防火,将是今后森林火险预测预报的方向。本研究对泰山的可燃物进行调查以后,将泰山林区划分为6个林分区域,即麻栎-侧柏混交林、刺槐纯林、侧柏纯林、麻栎纯林、油松纯林、赤松纯林,分别在每个林分设置具有代表性的样地,通过样方法调查可燃物载量,分析了各林分可燃物的空间分布特点。利用DW-02型点着温度测定仪测定可燃物燃点,使用ZDHW-6000微机全自动量热仪,测定可燃物的热值。利用Arc GIS计算各林分坡度、坡向、海拔区域分布,依据层次分析法对各火险因子进行赋值计算,划分火险等级。本试验将定性与定量相结合,对我国泰山林区森林可燃物分布及火险等级划分进行研究,旨在为泰山森林火险的预警预报和扑救工作提供科学的数据支持和理论依据。具体研究结果包括以下几个方面:(1)泰山油松纯林约占泰山林区面积的60%,刺槐纯林约占泰山林区面积的14%,侧柏纯林约占泰山林区面积的8%,赤松纯林约占泰山林区的5%,麻栎纯林约占泰山林区面积的9%,麻栎-侧柏混交林约占泰山林区面积的4%。泰山林区主要以高燃烧性树种为主。(2)各林分地表可燃物都具有一定的空间相关性,其中,刺槐林空间相关度最高,其次是赤松,油松,侧柏,麻栎,麻栎-侧柏最低。麻栎-侧柏林地表可燃物空间相关度在25%~75%之间,并且枯落物和腐殖质两者的空间相关性比较相似。各林分枯落物与腐殖质空间分布呈斑块状,麻栎-侧柏林、油松、侧柏斑块分布极明显,赤松较为明显,麻栎、刺槐不明显。(3)各林分可燃物载量如下:侧柏纯林的为9.53 t/hm2,赤松纯林的为12.84t/hm2,油松纯林的为21.02 t/hm2,刺槐纯林的为9.56 t/hm2,麻栎纯林的为14.19t/hm2,麻栎-侧柏混交林的为13.9 t/hm2。(4)依据不同林分区域的火险因子(坡度、坡向、海拔、可燃物载量、燃点、热值、含水率、空间相关性),制定出火险区划标准,将泰山林区划分为五个火险级别,火险区I、低火险区II、中火险区III、高火险区IV、极高火险区V。其中,火险区I占22.18%,火险区II占11.10%,火险区III占36.36%,火险区IV占15.98%,火险区V占14.38%,其中III级火险区域占比最高,中风险区域面积最大。
吴金汝,陈芳,陈晓玲[2](2021)在《1900~2018年全球自然灾害时空演变特征与相关性研究》文中研究表明全球紧急灾难数据库EM-DAT(Emergency Events Database,简称EM-DAT)中1900~2018年的自然灾害数据,综合趋势检验及突变点检测方法、标准差椭圆空间统计方法,探究灾害的时空分布、演变趋势及不同灾害之间的相关性。结果表明:(1)洪水、干旱和风暴的危害性较大。其中,洪水发生次数最多,干旱造成的死亡人数最多,风暴造成的经济损失最为惨重;(2)从时间上来看,灾害发生次数先增加后稍有减少,总体呈上升趋势;因灾死亡人数则自1932年后大幅度减少,呈下降趋势;灾害经济损失持续增加,呈上升趋势;(3)从空间上来看,灾害发生次数分布格局呈南北方向扩张、东西方向收缩趋势,整体往东南方向移动;灾害死亡人数空间分布先呈现西北-东南分布格局,后转变成西南-东北格局,且这种格局不断弱化,直到最后重新呈现西北-东南分布格局;灾害经济损失重心东西方向移动距离大于南北方向,经济损失主方向总体向西北方向转移;(4)洪水、风暴、地震、流行病、滑坡5种灾害与所有灾害均呈显着正相关,相关性系数都达到0.57以上,相互作用较强,其中,地震与风暴两种灾害间的相关性系数最高(为0.906)。
薛乃婷[3](2020)在《北极地区活跃火时空变化及影响研究》文中认为随着全球变暖,火灾在北极地区发生的频率呈显着增加趋势,火灾的发生会释放大量二氧化碳,进而加剧全球气候变暖。变暖的北极使得多年冻土活动层厚度增加,进而加速冻土释放甲烷。因此,本研究基于FIRMS(Fire Information for Resource Management System)2000-2019 年 MODIS C6(MODIS NRT 1km active fire products,MCD14DL)与 2012-2019 年 VIIRS V1(VIIRS NRT 375m active fire products,VNP14IMGTDLNRT)活跃火位置数据集,按照不同时间(年、月、时)和空间(国家)尺度分析了北极地区活跃火以及碳排放的动态变化。基于GIS定量分析活跃火频次与近地面2 m气温、降水、近地面10 m风速、NDVI、植被类型、海拔、坡度、距居民点的距离以及距道路的距离共9个火险因子的相关特征;基于Logistic回归建立了火灾风险评估模型。依据灾后净初级生产力与植被恢复情况分析火灾对北极生态系统的影响,旨在为北极地区活跃火的预测和管控、减少火灾碳排放提供科学依据。研究结果表明:(1)2012-2019年,MODIS C6与VIIRS VI活跃火频次趋势一致,最大值与最小值分别出现在2019年与2015年。1997-2016年,火灾造成的年碳排放最大值出现在2003年,这与活跃火频次和过火面积密切相关。北极地区7国(俄罗斯、美国、加拿大、丹麦(格陵兰岛)、挪威、瑞典和芬兰)活跃火现象以及碳排放主要集中在6-8月,活跃火观测时段主要集中在各国当地时间12时左右。北极地区活跃火频次及碳排放累计最多的国家均是俄罗斯,最少的国家分别是挪威、丹麦(格陵兰岛)。北极地区的火灾不是随机发生的,由一定影响因素共同作用。(2)2012-2019年,MODIS C6与VIIRS V1活跃火频次随火险因子变化的趋势一致,活跃火发生频次与NDVI、海拔、坡度、近地面2 m气温、降水的关系基本相同,而活跃火频次在近地面10 m风速上呈现“双峰”结构,活跃火频次总体随距道路距离、距居民点距离的增加而减小。活跃火分布较多的植被类型为稀疏灌丛与热带稀树草原、NDVI为0.4-0.8左右、海拔为600 m以下、坡度为10“以下、近地面2 m气温为10-20℃左右、降水为0-3 mm左右、近地面10 m风速为2-6 m/s左右、距道路距离为0-20 km左右、距居民点距离为0-5 km左右。精度评价结果与风险评估结果均表示基于Logistic构建的风险模型具有良好的精度。(3)火灾发生后第一年NPP值减少至最低,之后逐渐恢复,过火面积大于1 × 104ha的所有火灾NPP平均恢复时间约为1 1年。不同火烧程度的植被NDVI总体均呈增加趋势,其植被恢复能力从强到弱依次为轻度火烧、中度火烧、重度火烧。轻度火烧与中度火烧的植被NDVI恢复时间约为灾后第二年,而重度火烧约为灾后第16年。图[36]表[10]参[92]
李伟克,殷继艳,冯梦,胡同欣,郭赞权[4](2020)在《2019国际林火特点及管理经验对我国森林防火工作的启示》文中进行了进一步梳理2019年受厄尔尼诺现象影响,全球发生多起重大森林火灾,引发世人关注。分析总结2019年国际森林火灾形势及特点,介绍世界林业发达国家在林火管理和森林火灾应急处置方面的经验做法,提出了新形势下完善我国林火应急管理机制的7条相关对策。
李伟克,殷继艳,郭赞权,郭亚娇,胡同欣[5](2020)在《2019年世界代表性国家和地区森林火灾发生概况分析》文中指出森林火灾突发性强、破坏性大,一旦失去控制,处置救助十分困难,被称为世界性难题。2019年全球气候异常,高温、干旱、大风等极端天气增加,多地爆发大规模森林火灾。笔者综述2019年具有代表性的国家、地区森林火灾发生情况和特点并分析其背后相关的自然因素和社会因素,以期对我国森林防灭火工作有所借鉴。
孙晓芳[6](2020)在《基于边缘计算的森林火灾视频识别技术的研究》文中认为2020年《全球森林资源评估》科学报告指出,我国森林覆盖率大约为22.96%,年均净增加量位于全世界第一。然而我国林地分布区域化明显,主要林区为南方集体林区、东北林区、北方林区和西南林区,森林生态环境较为脆弱,容易发生重、特大森林火灾。因此,利用现有的高效技术和方法实现对森林火灾的监测和预警,加强对森林火灾监测系统的研究具有极为重要的意义。本文对传统林火烟雾视频识别算法进行优化,综合运用图像处理、人工智能,模式识别以及云计算技术等方法,建立了基于边缘计算的火灾数据监测预警云平台系统,提高了林火视频监测的时效性和有效性。(1)视频数据预处理是林火烟雾视频关键帧提取前的首要环节,本文提出了一种基于SURF和SIFT特征的视频镜头边界检测算法。该算法镜头边界检测准确率为93%(切变镜头)和76%(渐变镜头),召回率为95%(切变镜头)和90%(渐变镜头),F1Score为93.9%(切变镜头)和82.4%(渐变镜头)。实验结果表明该算法综合性能优于像素帧差法等同类型算法,针对视频特征具有更好的查全率和查准率。(2)针对基于传统聚类方法提取视频关键帧需要人工调整聚类中心和聚类数量的缺陷,本文提出了基于改进K-Means的林火烟雾视频关键帧提取算法。该算法基于传统K-Means算法并引入层次聚类与K近邻算法的思想,关键帧的识别准确率为94%,召回率为87%,F1Score为90.3%。实验结果表明该算法在保证准确率和减小冗余度的同时能够完整地表达视频内容。(3)云、雾与烟的视频接近度非常高,为减少林火监测的误报率,本文依据林火监测对象的特点和林火监测的流程,使用HOG特征与支持向量机结合构建了森林火灾烟雾识别模型,即HOGSVM模型,林火烟雾识别准确率达到87.7%。该算法方便网络模型处理,能够满足边缘计算终端设备要求,减少计算量、提高训练识别效果。(4)提出了基于改进Faster R-CNN的林火烟雾视频图像目标识别模型,该模型利用CNN网络之间的特征提取的优势,提取烟雾特征。为保证构建的模型符合边缘计算终端设备的需求,使用Soft-NMS算法来改进Faster R-CNN模型,建立Impro FRCNN模型,以保证计算的快速和准确,林火烟雾目标识别的准确率达到93.1%。(5)通过分析林火监测数据的特点和设备连接模块的功能需求,设计基于Edge X Foundry的边缘计算智能网关软件系统总体设计方案;设计了基于CoAP设备通讯协议规范的设备连接模块的软件架构;设计了基于Consul服务发现框架的注册配置服务;设计访问设备的统一接口的命令控制服务组件,经由Impro FRCNN深度挖掘数据,实现对设备、数据的统一管理;设计实现了边缘智能网关设备;实现了边缘平台训练模型并下发模块,增强了系统的兼容性。综上,本文针对森林火灾视频识别技术利用边缘计算技术对传统云中心的架构进行了改进,提出基于Edge XFoundry框架的边缘计算平台总体方案,并根据方案结合嵌入式技术和识别算法,构建了终端-边缘-云结构的林火识别边缘计算系统,创新性的将林火识别算法和边缘计算相结合,充分解决了传统云在终端设备密集增长带来的故障率高、时效性差的问题,为我国森林防火的自动化、信息化提供了一种新的手段。
武佳华[7](2020)在《基于碳汇和碳源双重视角的林业企业减排管理研究》文中研究说明陆地生态系统中最大的有机碳库就是森林生态系统,它不仅能调节全球范围内的碳平衡,而且还在应对气候变化过程中起到基础性作用。但是,森林的这种基础作用该怎么去衡量、程度如何一直是众多专家学者们研究的一个重要方向。近些年来,关于森林植被碳储量和空间分布等的研究一直没有停止过,国内外学者都在研究中取得一些不错的科研成果。但目前研究区域森林的净碳储量及其潜力的成果较少,且已有对森林碳储量潜力的研究并没有考虑森林的二重性,仅从单一方面进行分析,未能全面的探究碳储量潜力。因此,将森林的碳储量功能与碳源功能进行综合考量,估算森林的净碳储量将是区域森林碳储量估算相关领域的新方向。本文以吉林省森林为研究对象,从森林的二重性视角探索林业企业如何最大程度上提高森林的减排潜力。首先,本文全面的总结了森林碳储量和碳排放相关文献的研究情况,大部分的文献均是从林龄、树木及土壤这三方面探究森林的碳储量,而森林碳排放量就只有森林火灾所造成的。即很少有文献分析区域森林的净碳储量现状以及提升减排潜力的管理措施;其次,定量分析了目前吉林省森林的碳储量和碳排放量情况,并基于滑动求和自回归(ARIMA)方法预测了吉林省森林未来十几年的净碳储量走势,结果表示:若碳储量和碳排放以自然状态发展不采取任何管理措施,那未来十几年里吉林省森林的净碳储量仅有小幅升高;再次,利用逐步回归模型分析森林火灾受害面积、造林面积、林业产值等八个变量对森林净碳储量的影响程度,其中,森林管护面积,森林蓄积量和造林面积是刺激森林净碳储量上升的主要影响因素,而火灾过火面积和病虫鼠害发生面积则是抑制森林净碳储量增加的关键因素;最后,应用情景分析法,模拟林业企业通过控制森林火灾、病虫鼠害以及蓄积量等管理措施对提高吉林省森林减排潜力的程度,结果表明:2018-2030年,如果吉林省森林在自然生长状态下,净碳储量将呈增长态势但增速较低;在控制火灾的情景下,2030年将增加净碳储量15.3亿吨,此时净碳储量将是2017年的2.04倍,即比自然情况下增加了一倍;而在控制森林病虫鼠害的情景下,到2030年森林净碳储量比自然状态下高471.5万吨;在控制蓄积量的情景下,2030年单位蓄积量为287.16立方米/公顷,是2017年的2.5倍。本文以真实可靠的实验结果为基础,提出具有针对性的减排建议,同时本文的研究结果不仅能为吉林省林业企业的可持续发展提供理论参考,还对国内其他林业企业的发展具有借鉴价值。
赵越[8](2020)在《2001-2017年中国东北地区生物质燃烧高分辨率多年排放清单研究》文中指出开放式生物质燃烧(Open Biomass Burning)释放大量痕量气体和气溶胶,这对全球大气化学、气候变化和潜在的人类健康具有严重的负面影响。借助卫星观测数据集燃烧面积产品(MCD64A1)和活动火产品(MCD14ML)以及不同植被覆盖的生物量数据,这项研究得出了新的高2001年至2017年东北地区开放式生物质燃烧的高分辨率(1km×1km)和多年排放清单。开放式生物质燃烧的各类物质排放量通过燃烧面积(BAs),燃料负荷(FLs),燃烧因子(CFs)和更新的特定源排放因子(EFs)计算得到。其中,2001-2017年期间,东北地区开放式生物质燃烧产生的CO、CH4、NOx、NMVOC、SO2、NH3、PM2.5、PM10、OC、BC、CO2年平均排放量分别达到1538.0 Gg、95.1 Gg、69.8 Gg、258.5 Gg、11.3 Gg、18.8Gg、225.3 Gg、321.8 Gg、133.7 Gg、23.4 Gg以及30816.8 Gg。东北中部,东部和南部的排放量很高。秸秆燃烧是造成污染物排放的最大原因,分别占89%和86%。森林火灾是造成森林,泥炭地,灌木和草原火灾的最大原因。开放式生物质燃烧排放的空间格局与燃烧区域的格局一致。此外,从2001年到2017年,开放式生物质燃烧排放量表现出相似的时间趋势,且年内变化很大。污染物排放的年内峰值发生在3月,4月,10月和11月的春季和秋季收获期,高生物质燃烧排放物集中在农业和农村活动较多的地区。开放式生物质燃烧的排放量逐年增加,同时在2003年和2008年有两个由森林火灾引起的高异常值。
殷长明[9](2020)在《多模型耦合下的森林火灾燃烧烈度遥感反演方法研究》文中研究表明近年来,全球气候变暖背景下,森林火灾频发。森林火灾发生后,快速掌握火灾燃烧的严重程度及其分布情况对灾情评估和生态恢复规划具有重要指导意义。森林火灾燃烧烈度一般定义为在特定区域内火灾对植被和土壤的影响。传统的森林火灾燃烧烈度评估大多通过人工野外调查来完成,这一过程需要投入大量的人力和物力,而且人工野外调查仅能覆盖小范围的景观尺度。卫星遥感技术依靠其高时空分辨率以及大范围监测的优势,为评估森林火灾燃烧烈度提供了一种快捷高效的新手段。火灾会对地表植被和土壤的理化性质造成直接影响,不同状态的植被、土壤和灾后地面灰烬对遥感传感器产生不同的回波信号,使得基于卫星遥感数据估算森林火灾燃烧烈度成为可能。本文围绕森林火灾燃烧烈度遥感估算中的核心问题——由于树木覆盖度变化导致的不同燃烧烈度间的光谱混淆问题,深入开展耦合多层植被辐射传输模型的森林火灾燃烧烈度反演方法研究,并分析了森林火灾燃烧烈度与环境驱动因子之间的关系。论文主要研究工作和创新成果如下:(1)分析了树木覆盖度对森林火灾燃烧烈度估算的影响,并创新性地将树木覆盖度信息引入到多层植被辐射传输模型建模与反演中,以提高燃烧烈度与遥感影像光谱反射率的匹配性。基于遥感影像提取的不同燃烧烈度下的光谱反射特征分析结果表明,树木覆盖度会对燃烧烈度的准确估算产生极大的影响。具体表现为低树木覆盖度区域的低等级燃烧烈度存在高估,高树木覆盖区域的高等级燃烧烈度存在低估,最终将导致不同燃烧烈度之间的光谱混淆问题。本文选取多层辐射传输模型FRT(Forest Reflectance and Transmittance,FRT)模型,在前向模拟过程中,利用模型冠层参数“林分密度”控制树木覆盖度的变化,分别模拟不同燃烧烈度在不同树木覆盖度区间下的光谱反射曲线;在后向反演过程中,将树木覆盖度产品作为辅助数据,确定待反演象元的树木覆盖度范围,进而在对应的查找表内进行反演。这种反演策略可以有效改善燃烧烈度和遥感影像反射率的对应关系,极大地缓解光谱混淆问题,燃烧烈度的总体反演精度由65%提高至81%,卡帕系数(kappa)系数由0.35提高至0.55。(2)通过耦合多层植被辐射传输模型,进一步提高了森林火灾燃烧烈度反演方法的易用性和普适性。针对FRT模型在燃烧烈度反演中存在的不足,本文进一步探索了更简单易用且普适性强的植被辐射传输模型进行燃烧烈度反演。使用FRT模型进行燃烧烈度反演时,冠层参数“林分密度”被用来控制树木覆盖度,以提高燃烧烈度与遥感影像反射率的匹配性。但是,树木覆盖度并不仅由林分密度决定,除林分密度外,冠层直径也是影响树木覆盖度的重要参数。林分密度与树木覆盖度的相关关系只在部分区域进行了验证,建立的经验关系并不具备普适性。因此,限制了基于FRT模型反演森林火灾燃烧烈度方法的应用和推广。此外,FRT模型输入参数众多,过多的输入参数也会引入更多的不确定性。本文耦合了可以模拟异质性强、不连续冠层反射率的PRO-Geo Sail(PROSPECT+Geo Sail)模型和可以模拟一维均质分布植被冠层反射率的双层冠层辐射传输模型ACRM模型。其中,Geo Sail模型中自带的树木覆盖度参数FCOV可以直接对树木覆盖度进行控制而不需要中间的转换参数,有效地提高了方法的易用性和普适性。(3)分析了燃烧烈度与环境驱动因子之间的关系,以及各类环境驱动因子在不同场景下对燃烧烈度的重要程度。森林火灾燃烧烈度的时空分布特征与其灾前环境驱动因子是密切相关的,分析不同环境驱动因子与燃烧烈度的关系和重要程度对森林火灾烈度预警至关重要。前人研究往往侧重于单一场景下,对野外实测燃烧烈度样点和环境驱动因子之间的关系进行分析。受野外采样点数量限制,无法做到全场景覆盖,如陡峭的斜坡和山顶等场景。而且,对各种典型场景下缺乏系统分析和总结。因此,论文在反演得到的燃烧烈度空间分布图的基础上进行应用拓展,分析了山西省沁源森林火灾灾前环境驱动因子与灾后不同燃烧烈度之间的关系,以及八种典型场景下各类环境驱动因子对燃烧烈度的重要程度。分析结果将有助于进一步提高森林火灾燃烧烈度预警的准确性,为林业管理部门的精准决策提供依据。
骆开苇[10](2020)在《全球森林火灾风险时空挖掘及预警预测方法研究》文中指出全球变暖背景下,森林火灾频发。以往的研究指出,森林火灾受到可燃物、天气、地形三个因素的强烈影响。为了提高森林火灾防御和扑灭计划的成功率,将这些因素的变化进行森林火灾风险时空挖掘并纳入区域森林火灾预警预测模型最近成为一种趋势。然而,在国家尺度内(如中国)或更大尺度内的森林火灾预警预测研究主要面临三个挑战:(1)由于无法在大尺度下时空连续地获取可燃物含水率信息以及缺乏其与森林火灾的关系研究导致森林火灾诱发因子数据库不完整;(2)森林火灾风险时空挖掘方法的欠缺使得大尺度的森林火灾风险评估的准确性有待提高;(3)像素级的高精度森林火灾风险预警预测方法亟待探索。因此本研究通过对上述问题的攻克,建立了森林火灾风险时空挖掘及预警预测方法体系,为森林火灾预警预测系统的开发提供新的解决思路和方法,促进地方消防管理规划和基于地理位置的资源配置优化,并贡献于森林火灾风险预警,抑制,和响应,以及提高人们对生命财产的安全意识。本论文首先基于多源遥感数据及辐射传输模型时空连续地反演了中国西南地区可燃物含水率,并对其与森林火灾发生关系进行分析,验证了其作为森林火灾发生驱动因子的重要性;其次通过整合可燃物诱发因子、气象诱发因子、地形诱发因子和森林火灾参考信息因子构建了完整的历史森林火灾事件及诱发因子数据库,并通过深度学习模型完成了中国西南地区的历史森林火灾风险评估;最后通过基于像素级的长时间序列森林火灾风险挖掘实现了全球林火多发区域的森林火灾风险预测和分析。主要的工作及成果可以概括为:(1)基于辐射传输模型(RTM)和中分辨率成像光谱仪(MODIS)反射率产品MCD43A4和土地覆盖产品MCD12Q1反演了中国西南地区的可燃物含水率产品,并从MODIS火烧迹地产品MCD64A1中提取火灾事件。研究了处于Koppen气候分类冬干温暖带下的亚热带高原气候区(Cwa)和亚热带湿润气候区(Cwb)内可燃物含水率与森林火灾发生的关系。证明了可燃物含水率对森林火灾发生存在短期的阈值作用和长期的控制作用。(2)通过整合2000年-2018年的可燃物诱发因子(MODIS MCD15A2H产品的叶面积指数(LAI)、基于MCD12Q1的可燃物类别及基于遥感数据和辐射传输模型反演的可燃物含水率),气象诱发因子(通过ERA-Interim气象再分析资料提取和计算的相对湿度,空气温度,降雨量和风速),地形诱发因子(通过GMTED2010地形数据提取和计算的高程,坡度和坡向)和森林火灾参考信息因子(通过MODIS MCD64A1提取的燃烧年份,燃烧日期和经纬度)构建完整的历史森林火灾事件及诱发因子数据库。(3)基于半变异函数和多时相遥感信息确定森林火灾像元的时空缓冲半径大小,并以此确定非森林火灾样本点,同时提取其目标时期的相关诱发因子数值,完成森林火灾事件及诱发因子数据库的对照数据库构建。基于深度学习模型计算森林火灾风险,以中国西南地区为例,实现了对森林火灾风险在空间上的定量表征。模型以上述历史森林火灾事件及诱发因子数据库及其对照数据库为基础,采用70%的样本作为训练数据训练模型,30%的样本作为验证样本验证模型精度。通过AUC值和准确率作为验证标准。此外利用Logistic回归模型作为传统方法进行比较研究。验证结果表明构建的深度学习模型对森林火灾风险具有很好的评估性能,且性能好于Logistic回归模型。(4)基于全球森林火险指数(Fire Danger index,FDI)产品,通过时间序列ARIMA模型实现了全球五个森林火灾多发区域(中国西南部、澳大利亚北部、欧洲南部、非洲中部和美国西海岸)在2000-2018年森林火灾风险的像素级模拟以及2019-2020年森林火灾风险未来趋势预测和分析,并利用2019年的实际林地火灾数据对趋势预测结果进行验证。
二、2002年全球森林火灾概述(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、2002年全球森林火灾概述(论文提纲范文)
(1)泰山森林可燃物分布及火险等级的划分(论文提纲范文)
符号说明 |
中文摘要 |
Abstract |
1 前言 |
1.1 选题背景 |
1.2 国内外研究进展 |
1.2.1 森林可燃物 |
1.2.1.1 可燃物类型 |
1.2.1.2 森林可燃物载量 |
1.2.1.3 森林可燃物的空间分布 |
1.2.2 森林火险等级划分 |
1.3 研究目的及意义 |
1.4 技术路线 |
2 材料与方法 |
2.1 研究区域概况 |
2.1.1 地理位置 |
2.1.2 地貌 |
2.1.3 气候 |
2.1.4 植被 |
2.1.5 社会经济概况 |
2.2 研究方法 |
2.2.1 样地设置 |
2.2.2 可燃物分类 |
2.2.3 可燃物燃烧特性 |
2.2.4 森林火险区划原则 |
2.2.5 森林火险等级划分 |
3 结果与分析 |
3.1 可燃物分布 |
3.1.1 泰山森林可燃物分布 |
3.1.2 麻栎-侧柏林可燃物分布的空间异质性 |
3.1.3 麻栎林可燃物分布的空间异质性 |
3.1.4 刺槐林可燃物分布的空间异质性 |
3.1.5 油松林可燃物分布的空间异质性 |
3.1.6 赤松林可燃物分布的空间异质性 |
3.1.7 侧柏林可燃物分布的空间异质性 |
3.1.8 不同林分的空间异质性比较 |
3.2 火险等级划分 |
3.2.1 火险因子的选取 |
3.2.2 火险因子的赋值 |
3.2.2.1 可燃物载量 |
3.2.2.2 可燃物燃点 |
3.2.2.3 可燃物热值 |
3.2.2.4 可燃物含水率 |
3.2.2.5 可燃物空间相关性 |
3.2.2.6 坡度 |
3.2.2.7 坡向 |
3.2.2.8 海拔 |
3.2.3 火险等级 |
4 讨论 |
5 结论 |
6 参考文献 |
7 致谢 |
(2)1900~2018年全球自然灾害时空演变特征与相关性研究(论文提纲范文)
1 数据与方法 |
1.1 数据来源 |
1.2 研究方法 |
1.2.1 时序分析方法 |
(1) Mann-Kendall非参数突变检验法 |
(2) 滑动 t检验法 |
(3) 累计距平 |
1.2.2 空间统计方法 |
(1) 重心分析 |
(2) 标准差椭圆 |
2 全球自然灾害分布特征 |
2.1 自然灾害的发生次数及总体危害性评估 |
2.2 时间分布特征 |
2.2.1 灾害总体变化趋势 |
2.2.2 主要灾害变化趋势 |
2.3 空间分布特征 |
2.3.1 灾害空间分布 |
2.3.2 灾害空间趋势变化 |
(1)灾害发生次数演变趋势 |
(2)灾害死亡人数演变趋势 |
(3)灾害经济损失演变趋势 |
2.3.3 时空分布及演变特征形成机制 |
(1)全球气候变化 |
(2)医疗水平和联合防灾减灾能力 |
(3)经济发展水平 |
2.4 灾害相关性分析 |
3 结论与讨论 |
3.1 结论 |
3.2 讨论 |
(3)北极地区活跃火时空变化及影响研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 火灾的时空变化 |
1.2.2 火灾的影响因子 |
1.2.3 火灾风险评估模型 |
1.2.4 火灾对生态系统的影响 |
1.3 研究目的与研究内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.3.3 技术路线 |
2 数据来源与研究方法 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 植被 |
2.1.3 气候 |
2.2 数据来源与处理 |
2.2.1 FIRMS活跃火数据 |
2.2.2 土地覆盖数据 |
2.2.3 MODIS植被指数数据 |
2.2.4 MOD64A1火烧迹地数据 |
2.2.5 MOD17A3数据 |
2.2.6 闪电数据 |
2.2.7 GFED4s数据 |
2.2.8 DEM数据 |
2.2.9 ERA5气象数据 |
2.2.10 居民点和道路数据 |
2.3 研究方法 |
2.3.1 Theil-Sen slope方法 |
2.3.2 Mann-Kendall检验 |
2.3.3 平均最近邻分析方法 |
2.3.4 Logistic回归模型原理 |
2.3.5 多重共线性检验 |
2.3.6 相关性分析 |
3 北极地区活跃火及碳排放的时空变化 |
3.1 时间变化特征 |
3.1.1 北极地区的时间变化特征 |
3.1.2 北极地区7国的时间变化特征 |
3.2 空间变化特征 |
3.2.1 空间格局分析 |
3.2.2 空间分布模式分析 |
3.3 本章小结 |
4 北极地区火灾风险评估模型的构建 |
4.1 北极地区活跃火频次与火险因子的关系 |
4.1.1 植被因子 |
4.1.2 地形因子 |
4.1.3 气象因子 |
4.1.4 人类活动因子 |
4.2 Logistic回归模型 |
4.2.1 模型样本的选择 |
4.2.2 风险因子预处理 |
4.2.3 Logistic回归模型的构建 |
4.2.4 精度评价 |
4.2.5 风险评估结果 |
4.3 本章小结 |
5 火灾对生态系统的影响 |
5.1 灾后净初级生产力的响应 |
5.1.1 特定区域的火灾 |
5.1.2 所有火灾的灾后NPP |
5.1.3 灾后NPP恢复 |
5.2 灾后植被恢复 |
5.3 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 不足与展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(4)2019国际林火特点及管理经验对我国森林防火工作的启示(论文提纲范文)
1 2019年国际森林火灾形势 |
2 2019年全球森林火灾特点 |
2.1 火灾从季节性发生向全年性发生转变 |
2.2 火灾从区域性发生向全球性发生转变 |
2.3 高强度火灾次数明显增多 |
2.4 森林火灾的面积大、持续时间长,扑救难度大 |
3 各国应对森林火灾的经验做法 |
3.1 法制宣传教育 |
3.2 火险预测预报与火灾监控 |
3.3 可燃物管理措施 |
3.4 应急扑救响应 |
3.5 航空救援 |
3.6 专业人员培训 |
4 我国林火应急管理对策分析 |
4.1 完善应急管理体系建设 |
4.2 加强林火管理系统化 |
4.3 完善森林火灾预防扑救体系建设 |
4.4 加强森林火灾扑救力量体系建设 |
4.5 完善信息化装备、物资储备体系建设 |
4.6 加强国家航空应急救援体系建设 |
4.7 加大科研投入和专业体系建设 |
(5)2019年世界代表性国家和地区森林火灾发生概况分析(论文提纲范文)
1 2019年世界代表性国家、地区森林火灾概况 |
1.1 美国森林火灾 |
1.2 加拿大森林火灾 |
1.3 澳大利亚森林火灾 |
1.4 法国森林火灾 |
1.5 俄罗斯森林火灾 |
1.6 亚马孙雨林火灾 |
1.7 中国森林火灾 |
2 2019年全球森林火灾特点及发生原因分析 |
2.1 2019年全球森林火灾特点 |
2.2 2019年全球森林火灾发生原因分析 |
(6)基于边缘计算的森林火灾视频识别技术的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 森林火灾视频识别技术研究现状 |
1.2.2 边缘计算研究现状 |
1.3 主要研究内容和方法 |
1.4 本文结构安排 |
2 视频识别相关技术 |
2.1 视频检索技术 |
2.2 视频数据特点及结构 |
2.2.1 视频数据特点 |
2.2.2 视频数据结构 |
2.3 视频检索原理及关键技术 |
2.3.1 视频检索原理 |
2.3.2 视频检索关键技术 |
2.4 本章小结 |
3 基于SURF和SIFT特征的林火烟雾镜头边界检侧 |
3.1 特征融合的方法 |
3.1.1 局部特征 |
3.1.2 特征融合 |
3.2 林火烟雾镜头边界变换的检测方法 |
3.3 林火烟雾镜头边界检测 |
3.4 结果评价指标 |
3.5 实验结果与分析 |
3.6 本章小结 |
4 基于K-Means的林火烟雾视频关键帧提取 |
4.1 关键帧提取原理 |
4.2 基于聚类的林火烟雾视频关键帧提取算法 |
4.2.1 聚类特征的提取 |
4.2.2 K-Means聚类 |
4.2.3 基于改进K-Means的关键帧提取算法 |
4.2.4 林火烟雾视频关键帧提取算法流程 |
4.3 实验结果与分析 |
4.4 本章小结 |
5 基于HOG_SVM模型的林火烟雾视频识别 |
5.1 HOG特征 |
5.2 SVM原理 |
5.3 视频图像预处理 |
5.3.1 数据预处理 |
5.3.2 数据增强 |
5.4 基于HOG_SVM林火烟雾识别模型的构建 |
5.5 实验结果与分析 |
5.5.1 实验环境 |
5.5.2 HOG特征可视化 |
5.5.3 基于HOG_SVM模型识别效果 |
5.6 本章小结 |
6 基于Faster R-CNN的林火烟雾视频识别 |
6.1 深度学习技术 |
6.1.1 深度学习特点 |
6.1.2 深度学习在视频检索中的应用 |
6.2 Faster R-CNN相关理论 |
6.2.1 卷积神经网络基本理论 |
6.2.2 Faster R-CNN模型原理 |
6.2.3 模型常用函数 |
6.3 基于Faster R-CNN林火烟雾识别模型的构建 |
6.3.1 Faster R-CNN识别模型 |
6.3.2 Faster R-CNN模型训练 |
6.3.3 改进的Faster R-CNN模型 |
6.4 实验结果与分析 |
6.4.1 实验数据集与环境 |
6.4.2 模型表现分析 |
6.4.3 与传统模型的比较 |
6.5 本章小结 |
7 森林火灾监侧边缘计算架构设计 |
7.1 典型边缘计算平台 |
7.1.1 移动边缘计算 |
7.1.2 雾计算 |
7.1.3 Edge X Foundry |
7.1.4 朵云计算平台 |
7.2 边缘计算平台的选择 |
7.3 森林火灾监测边缘设备描述 |
7.4 森林火灾监测Edge X Foundry框架设计 |
7.4.1 设备服务层设计 |
7.4.2 核心服务层设计 |
7.4.3 支持服务层设计 |
7.4.4 输出服务层设计 |
7.5 森林火灾监测边缘计算网关设计与实现 |
7.6 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
附件 |
(7)基于碳汇和碳源双重视角的林业企业减排管理研究(论文提纲范文)
学位论文数据集 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究对象及目的 |
1.3 研究意义 |
1.4 研究内容和创新点 |
1.4.1 研究内容和框架安排 |
1.4.2 主要研究方法 |
1.4.3 研究创新点 |
第二章 文献综述 |
2.1 基础理论研究 |
2.1.1 可持续发展理论 |
2.1.2 森林经营管理 |
2.1.3 森林碳储量价值理论 |
2.2 国外研究现状 |
2.2.1 林业企业管理的研究 |
2.2.2 森林碳储量功能的研究 |
2.2.3 森林碳源的研究 |
2.2.4 森林碳排放和碳储量的估算方法 |
2.3 国内研究现状 |
2.3.1 林业企业管理的研究 |
2.3.2 森林碳储量的相关研究 |
2.3.3 森林碳源的相关研究 |
2.3.4 森林碳排放和碳储量的估算方法 |
2.4 国内外对比研究 |
2.5 小结 |
第三章 吉林林业企业的森林净碳储量现状分析 |
3.1 吉林省林业企业的碳储量现状 |
3.1.1 吉林省森林概况 |
3.1.2 林业企业的森林碳储量估算 |
3.1.3 林业企业的森林草地碳储量估算 |
3.1.4 林业企业的森林土壤碳储量估算 |
3.2 吉林省林业企业的碳排放量现状 |
3.2.1 林业企业的森林火灾碳排放估算 |
3.2.2 林业企业的森林病虫鼠害碳排放量估算 |
3.3 吉林省林业企业的森林净碳储量估算 |
3.4 小结 |
第四章 吉林林业企业的森林净碳储量影响因素研究 |
4.1 指标选取与数据来源 |
4.1.1 指标选取 |
4.1.2 数据来源 |
4.2 模型构建与数据预处理 |
4.2.1 模型简介和构建 |
4.2.2 描述性统计分析 |
4.2.3 皮尔逊相关性检验 |
4.3 吉林林业企业净碳储量影响因素的实证分析 |
4.3.1 多元回归分析 |
4.3.2 多重共线性的检验 |
4.3.3 模型调整 |
4.4 小结 |
第五章 吉林省林业企业的减排潜力分析 |
5.1 指标数据的预处理 |
5.2 ARIMA模型的构建与检验 |
5.2.1 模型介绍和构建 |
5.2.2 参数估计 |
5.2.3 模型检验 |
5.3 林业企业的森林净碳储量预测 |
5.4 情景分析 |
5.4.1 情景假设 |
5.4.1.1 控制火灾的情景描述及参数设定 |
5.4.1.2 控制病虫鼠害的情景描述及参数设定 |
5.4.1.3 控制蓄积量的情景描述及参数设定 |
5.4.2 情景分析 |
5.4.2.1 三种不同情景下碳储量对减排潜力的贡献 |
5.4.2.2 三种情景下减排程度的比较分析 |
5.5 小结 |
第六章 结论与管理对策 |
6.1 结论 |
6.2 管理对策 |
6.3 不足与展望 |
6.3.1 不足 |
6.3.2 展望 |
参考文献 |
致谢 |
研究成果及发表的学术论文 |
作者及导师简介 |
附件 |
(8)2001-2017年中国东北地区生物质燃烧高分辨率多年排放清单研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外相关研究进展 |
1.3 研究目的与研究内容 |
1.4 技术路线 |
1.5 论文结构与框架 |
第二章 生物质燃烧排放清单模型 |
2.1 研究区概况 |
2.2 研究方法 |
2.2.1 森林、灌木和草地燃烧 |
2.2.2 农作物秸秆焚烧 |
2.2.3 湿地燃烧 |
2.3 数据来源介绍 |
2.3.1 燃烧面积及活动火数据 |
2.3.2 可燃生物量 |
2.3.3 燃烧系数 |
2.3.4 排放因子 |
第三章 生物质燃烧排放清单时空特征分析 |
3.1 东北地区的总排放量分析 |
3.1.1 生物质燃烧资源的贡献 |
3.1.2 各种农作物秸秆的贡献 |
3.2 不同省份的排放 |
3.2.1 各省总排放量 |
3.2.2 各省生物质资源贡献 |
3.2.3 各省不同农作物秸秆的贡献 |
3.3 生物质燃烧排放的空间分布 |
3.4 生物质燃烧排放的时间变化 |
3.4.1 年际变化 |
3.4.2 年内月变化 |
第四章 GFEDv4.1全球火灾排放数据与数据验证 |
4.1 GFEDv4.1全球火灾排放数据 |
4.2 GFEDv4.1东北地区生物质燃烧排放量 |
4.3 GFEDv4.1与本研究的对比 |
第五章 结论与展望 |
5.1 结论 |
5.2 不足与展望 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
(9)多模型耦合下的森林火灾燃烧烈度遥感反演方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于经验统计模型的燃烧烈度估算 |
1.2.2 基于光谱混合分析的燃烧烈度估算 |
1.2.3 基于机器学习方法的燃烧烈度估算 |
1.2.4 基于植被辐射传输模型的燃烧烈度反演 |
1.2.5 基于主动遥感的燃烧烈度估算 |
1.2.6 燃烧烈度与环境驱动因子关系分析 |
1.2.7 存在的主要问题 |
1.3 本文主要贡献与创新 |
1.4 本文结构安排 |
第二章 植被辐射传输模型及燃烧烈度反演方法 |
2.1 叶片辐射传输模型 |
2.1.1 PROSPECT叶片光学模型 |
2.1.2 LIBERTY针叶模型 |
2.2 冠层植被辐射传输模型 |
2.2.1 ACRM模型 |
2.2.2 GeoSail模型 |
2.2.3 FRT模型 |
2.3 燃烧烈度反演算法 |
2.3.1 查找表算法 |
2.3.2 人工神经网络 |
2.3.3 数值优化算法 |
2.4 本章小结 |
第三章 基于FRT模型反演森林火灾燃烧烈度 |
3.1 引言 |
3.2 研究区及实验数据 |
3.2.1 研究区简介 |
3.2.2 野外实验数据采集 |
3.2.3 卫星遥感数据及预处理 |
3.3 燃烧烈度反演 |
3.3.1 FRT模型 |
3.3.2 EFAST敏感性分析 |
3.3.3 前向模拟 |
3.3.4 后向反演 |
3.3.5 精度评价 |
3.4 结果及分析 |
3.4.1 澳大利亚北部研究区精度验证 |
3.4.2 美国西部研究区精度验证 |
3.5 讨论 |
3.6 本章小结 |
第四章 耦合多层植被辐射传输模型反演森林火灾燃烧烈度 |
4.1 引言 |
4.2 研究区及实验数据 |
4.2.1 研究区简介 |
4.2.2 野外实验数据采集 |
4.2.3 卫星遥感数据及预处理 |
4.3 燃烧烈度反演 |
4.3.1 模型耦合 |
4.3.2 前向模拟 |
4.3.3 后向反演 |
4.4 结果及分析 |
4.4.1 实测样点树木覆盖度影响分析 |
4.4.2 反演结果验证 |
4.5 中国西南地区森林火灾燃烧烈度评估应用 |
4.6 本章小结 |
第五章 森林火灾燃烧烈度与环境驱动因子关系分析 |
5.1 引言 |
5.2 研究区及实验数据简介 |
5.2.1 研究区简介 |
5.2.2 燃烧烈度数据 |
5.2.3 环境驱动因子数据 |
5.3 燃烧烈度与环境驱动因子关系分析 |
5.3.1 随机森林算法 |
5.3.2 环境驱动因子重要度分析 |
5.4 结果及分析 |
5.4.1 单一场景结果及分析 |
5.4.2 典型场景结果及分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(10)全球森林火灾风险时空挖掘及预警预测方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 可燃物含水率的获取及其与森林火灾发生关系研究 |
1.2.2 森林火灾风险预测模型的发展和应用 |
1.2.3 国家火险等级预报系统 |
1.3 研究内容 |
1.4 技术路线 |
第二章 可燃物含水率对中国西南森林火灾的作用关系研究 |
2.1 研究区概况 |
2.2 数据说明与准备 |
2.2.1 可燃物含水率野外实测 |
2.2.2 土地覆盖产品 |
2.2.3 反射率产品 |
2.2.4 火烧迹地产品 |
2.3 可燃物含水率反演、验证及制图 |
2.3.1 可燃物含水率反演及验证方法 |
2.3.2 可燃物含水率验证结果及区域制图 |
2.4 可燃物含水率对森林火灾发生的短期阈值作用 |
2.4.1 可燃物含水率临界阈值的确定 |
2.4.2 典型森林火灾案例验证短期阈值作用 |
2.5 可燃物含水率对森林火灾发生的长期控制作用 |
2.6 讨论 |
2.6.1 可燃物含水率反演及验证 |
2.6.2 可燃物含水率对森林火灾发生的影响 |
2.7 本章小结 |
第三章 基于深度学习的中国西南森林火灾风险时空挖掘 |
3.1 研究区概况 |
3.2 数据说明与准备 |
3.2.1 可燃物数据 |
3.2.2 气象数据 |
3.2.3 地形数据 |
3.2.4 火点参考信息数据 |
3.2.5 诱发因子提取 |
3.2.6 典型非火点信息提取 |
3.3 深度学习模型构建及其性能评价 |
3.3.1 深度学习模型构建 |
3.3.2 模型性能评价指标 |
3.3.3 模型性能评价结果 |
3.3.4 基于Logistic回归模型的森林火灾风险挖掘 |
3.4 中国西南森林火灾风险时空挖掘 |
3.5 本章小结 |
第四章 全球林火多发区域森林火险趋势分析 |
4.1 研究区概况 |
4.2 ARIMA时间序列预测模型介绍 |
4.3 森林火险趋势分析及验证 |
4.3.1 中国西南部 |
4.3.2 澳大利亚北部 |
4.3.3 欧洲南部 |
4.3.4 非洲中部 |
4.3.5 美国西海岸 |
4.3.6 森林火险趋势验证 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 研究结论 |
5.2 本文特色 |
5.3 不足与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
四、2002年全球森林火灾概述(论文参考文献)
- [1]泰山森林可燃物分布及火险等级的划分[D]. 宋巧娣. 山东农业大学, 2021(01)
- [2]1900~2018年全球自然灾害时空演变特征与相关性研究[J]. 吴金汝,陈芳,陈晓玲. 长江流域资源与环境, 2021(04)
- [3]北极地区活跃火时空变化及影响研究[D]. 薛乃婷. 安徽理工大学, 2020(07)
- [4]2019国际林火特点及管理经验对我国森林防火工作的启示[J]. 李伟克,殷继艳,冯梦,胡同欣,郭赞权. 森林防火, 2020(03)
- [5]2019年世界代表性国家和地区森林火灾发生概况分析[J]. 李伟克,殷继艳,郭赞权,郭亚娇,胡同欣. 消防科学与技术, 2020(09)
- [6]基于边缘计算的森林火灾视频识别技术的研究[D]. 孙晓芳. 东北林业大学, 2020(09)
- [7]基于碳汇和碳源双重视角的林业企业减排管理研究[D]. 武佳华. 北京化工大学, 2020(02)
- [8]2001-2017年中国东北地区生物质燃烧高分辨率多年排放清单研究[D]. 赵越. 哈尔滨师范大学, 2020(01)
- [9]多模型耦合下的森林火灾燃烧烈度遥感反演方法研究[D]. 殷长明. 电子科技大学, 2020(03)
- [10]全球森林火灾风险时空挖掘及预警预测方法研究[D]. 骆开苇. 电子科技大学, 2020(01)