简介：Multi-functionaldendrometerisakindofforestrytoolthatcanmeasuremultiplefactorsofforest.Bycombiningsensortechnologyandcomputertechnology,adigitalmulti-functiondendrometerhasbeendeveloped,whichintegratedthefunctionsofmeasuringheight,distance,azimuth,slope,elevation,formquotientofanypartsofthestemintoonebodyatthesametest.Thedendrometercanfitthecomplexforestenvironment,solvethedifficultproblemsinaspectsofplantheight,measuredistance,centraldiameterandformquotientofbreastheight.Theaccuracycanmeettherequirementsofgeneralforestsurvey.

简介：Vegetationfractionalcoverage(VFC)isoneofthekeyindicatorsofvegetationdistribution.Intheworkameasurement-basedmodelwasdevelopedtoderivetotalforestVFC(TG)aswellastheVFCoftrees(T)andshrub-grasses(G)separatelyinasubtropicalforestareainNanjing,China.Bothupwardanddownwardphotographsweretakenwithadigitalcamerain72quadrats(10m×10meach).Fifteenmodelswereestablishedandvalidated.ModelsjointlyusingbothTandGperformedbetterthanthoseusingtheTandGseparately.Thebestmodel,TG=T+G-1.134×T×G-0.025(R2=0.9115,P<0.01,rootmeansquarederror=0.0789),isrecommendedforapplication.ThismodelprovidesagoodwaytoobtaintotalforestVFCvaluesthroughtakingtreeandshrub-grassphotosongroundbelowtreecanopyratherthanabovetreecanopy.

简介：详细土壤调查包含昂贵、费时间的工作并且要求专家知识。因为土壤调查提供信息满足大量需要，新方法是必要的快速并且精确地印射土壤。在这研究，多层的视感控器人工的神经网络(ANN)被开发单位使用印射土壤数字举起模型(DEM)属性。几最佳的ANN基于很多个输入数据被生产并且隐藏单位。途径使用了测试和确认区域计算插入内推并且外推的数据的精确性。结果证明采用的土壤分类的系统和水平在结果的精确性上有直接效果。在底层，更小的错误比土壤分类(圣)系统与世界引用库(世界佛教徙联谊会)分类标准被观察，但是当使用圣时，更多的土壤类能被预言(在圣的情况中的7土壤对5与世界佛教徙联谊会)。训练错误为当测试错误(插值错误)和确认错误(推测错误)分别地象50%和70%一样高时，模型使用了的所有ANN低于11%。是期望，用分类的高水平的土壤预言介绍了精确性的更好全面的水平。获得更好的预言除了DEM属性，与是的地形或岩性学有关的数据形成土壤的因素，应该被用作ANN输入数据。

简介：Informationaboutthespatialdistributionofsoilattributesisindispensableformanylandresourcemanagementapplications;however,theabilityofsoilmapstosupplysuchinformationformodernmodelingtoolsisquestionable.Theobjectivesofthisstudyweretoinvestigatethepossibilityofpredictingsoildepthusingsometerrainattributesderivedfromdigitalelevationmodels(DEMs)withgeographicinformationsystems(GIS)andtosuggestanapproachtopredictothersoilattributes.Soildepthwasdeterminedat652fieldobservationsovertheAl-MuwaqqarWatershed(70km2)inJordan.Terrainattributesderivedfrom30-mresolutionDEMswereutilizedtopredictsoildepth.Theresultsindicatedthattheuseofmultiplelinearregressionmodelswithinsmallwatershedsubdivisionsenabledthepredictionofsoildepthwithadifferenceof50cmfor77%ofthefieldobservations.Thespatialdistributionofthepredictedsoildepthwasvisuallycoincidedandhadgoodcorrelationswiththespatialdistributionoftheclassesamalgamatingthreeterrainattributes,slopesteepness,slopeshape,andcompoundtopographicindex.Thesesuggestedthatthemodelingofsoil-landscaperelationshipswithinsmallwatershedsubdivisionsusingthethreeterrainattributeswasapromisingapproachtopredictothersoilattributes.

简介：从最近在中国的香港以传统的方式进行的土壤调查基于遗产土壤数据，印射方法的数字土壤被使用为香港的山区生产土壤订购信息。二建模方法(决定树分析和线性判别式分析)被使用，并且他们的应用被比较。更多努力被放在为当模特儿选择土壤covariates上。首先，变化(ANOVA)的分析被用来测试在土壤订单之间的地面属性的变化。然后，一个逐步的过程被用来为线性判别式分析选择土壤covariates，并且一个向后的搬迁过程被开发为树建模选择土壤covariates。同时，印射的土壤上的ANOVA结果，以及我们的知识和经验，也为为树建模选择土壤covariates被考虑。二个线性判别式模型和四个树模型最后被建立，并且他们的预言表演用一条多重jackknifing途径被验证。结果证明在ANOVA结果上造的判别式模型最好表演了，由造由的判别式模型列在后面逐步，树模型由向后的搬迁过程，在印射的土壤上根据知识和经验造的树模型，和树造了自动地造的模型。结果强调了在为印射的土壤当模特儿选择土壤covariates的重要性，并且建议了在这研究使用选择土壤covariates的方法的实用性。最好的判别式模型最后被选择为这个区域印射土壤订单，并且确认结果显示出有的那张因此生产的土壤顺序地图高精确性。