一、美国农业抽样技术的现状与发展（论文文献综述）
阳帆[1]（2020）在《森林资源综合监测体系优化设计研究 ——以保定市为例》文中认为国家级森林资源监测体系是获取全国大范围区域尺度上森林资源动态变化信息的主要监测技术手段。森林资源监测数据的时效性、准确性以及监测内容的深度、广度将会影响到林业长期发展方针的制定。目前国际上森林资源监测体系已然向多资源、多目标化的年度综合监测体系方向发展。相比之下,我国国家级森林资源连续清查体系存在以下几点不足:其一,采用单一方形样地作为地面固定样地,其空间信息反映能力较弱,从而影响监测数据的准确性;其二,每5年产出一次森林资源监测报告,监测数据时效性较低;其三,以省为总体设计系统抽样方案,监测数据无法落实到市县级别,且与森林资源规划设计调查体系相互独立运行,存在一个地区两套数的问题;其四,森林资源监测内容较为单一,监测指标多侧重蓄积与面积监测。鉴于此,为优化我国森林资源监测体系,提高监测数据准确性,实现多目标化年度综合监测。本文以保定市为例,从以下4个方面开展研究:1.从样地类型、空间排列方式、样地尺度大小出发,探究在不同类型林分中开展森林资源监测的最优样地类型;2.采用时间序列二相抽样方法设计随机、系统及分层三种年度抽样方案,并通过模拟数据验证开展森林资源年度监测最优抽样方案;3.采用非线性指数模型分别树种组构建蓄积量预估模型,通过预估模型反演更新保定市内所有小班蓄积量信息,从而实现市县蓄积量一体化监测。4.在我国现有监测指标体系基础上,参考国外指标体系研建现状,在林分基本概况信息、森林健康、森林土壤、森林生物量、森林生物多样性以及森林经营管理6个监测内容上进行监测指标的丰富研建。主要研究结果如下:（1）同等面积尺度,群团样地对林分的蓄积抽样预估精度明显高于单一样地,四点圆形群团样地略高于方阵圆形群团样地。（2）在不同类型（起源、龄组）林分中开展蓄积监测,其样地最优规格尺度大小（样地面积、子样地间距）不同。对于样地面积而言:在天然林中开展蓄积量监测时,最优样地面积视龄组而定,幼龄林内最优监测样地面积为841 m2,中龄内最优监测样地面积为729 m2,近成过熟林内最优监测样地面积为625 m2。而人工林中不同龄组林分的最优监测样地面积大小一致,均为625 m2;对于群团样地内子样地间距而言:在幼、中龄林中开展蓄积量监测的群团样地最优间距方案为14 m,在近成过熟林中,最优间距方案为10 m。（3）采用二相回归抽样方法设计随机、系统、分层三种抽取方案对保定市开展连续两个监测年的蓄积年度模拟监测,其抽样监测精度均在90%以上,满足《国家森林资源连续清查技术规定》对活立木蓄积抽样精度达90%以上的要求。验证了本研究所设计的年度监测方案可行性。（4）通过对比分析3种抽取方案的蓄积抽样精度,可以确定以二相回归抽样为基础,采取分层抽取方案（按照地形分层）进行蓄积量年度监测,其抽样效果最佳。连续两个监测年的蓄积抽样精度分别高达96.94%、98.01%。（5）研究建立的7个树种组的蓄积量预估模型统计量（R2、SEE、TRE、MSE、MPE、MPSE）结果表现较好,表明模型具有良好的预估能力。通过蓄积量预估模型获取的保定全市蓄积量与年度抽样监测值之间的误差仅为8.94%,相互验证了市县蓄积量一体化监测方案的可行性。（6）构建了一套涵盖林分基本信息、森林健康、森林生物量、生物多样性、森林土壤、森林经营管理6个监测内容的多目标、多资源化森林资源综合监测指标体系,可为我国今后森林资源监测指标体系研建工作提供参考。本研究针对目前我国森林资源连续清查体系存在的不足点,从多个角度出发开展优化研究,可为我国森林资源监测体系的优化改革提供理论支撑及方法参考。
高海力[2]（2020）在《基于地理格网的森林资源面积变化监测研究》文中研究说明森林资源给人类的生产生活提供了丰富的物质资源和旅游资源,同时在调节生态平衡、净化人类生存环境方面起着重要的作用,具有很高的经济价值和生态价值。随着地理格网技术的迅猛发展,将其作为森林资源面积变化监测具有重要意义。本研究基于地理格网技术,利用高空间分辨率影像结合系统抽样技术,采用文献查阅、外业调查、综合分析的方法,对青田县和永嘉县的森林资源面积进行变化监测研究,从而实现项目区森林覆盖度、树种结构及无林地面积的快速估算,研究结果表明:（1）由青田县和永嘉县各地类不同单元尺寸抽样面积上推总体精度分析可知,在保证抽样精度95%的前提下,单元尺寸对抽样上推总体精度和稳定性呈不显着影响,而采用25m×25m的单元尺寸得到的上推总体估计精度最高;减小样本单元尺寸可以显着改善抽样上推总体的精度;将25m×25m抽样单元内的地类当作纯地类处理,能够满足抽样估计精度达到95%以上的要求,是最佳的抽样单元尺寸。（2）由青田和永嘉县域尺度地类（森林类型）面积变化监测分析可知,抽样结果得到的各地类和森林类型面积变化量和相对变化与实测结果得到的各地类和森林类型面积变化量和相对变化相近,竹林、特殊灌木林、疏灌和无林地面积变化量相对误差较大,平均精度在90%以上,乔木林面积变化量相对误差较小,精度在95%以上。（3）通过识别精度分析可知,高分辨率卫星影像及航片的阴影对地类识别干扰很大,应考虑加入地形因子和人为活动影响因子等辅助模型进行地类识别;项目区内乔木林面积比例均在70%以上,竹林和疏灌林面积比例均在5%以下,抽样过程中乔木林和竹林、疏灌林的分类混淆,极易导致竹林面积和疏灌林面积出现巨大误差;在进行森林资源二类调查数据整理时,将迹地和宜林地划为无林地后影响了无林地面积的估算精度,与森林资源小班区划相比,25m ×25m的地块更为精细。
林川[3]（2019）在《典型省份森林资源清查中的分层抽样设计与效率分析》文中研究表明森林资源为人类提供物质资源保障和良好生存环境,作为反映森林资源现状优劣的一个重要指标,实时有效地获取森林蓄积量的现状及动态变化极为重要。目前,我国系统性的森林蓄积量监测技术主要是森林资源连续清查,其调查间隔期为5年,每5年产生一份新的全国森林资源清查报告。本文以我国地形地貌多样,资源分布不均匀的典型省份为例,在传统的系统抽样方法基础上,尝试通过分层抽样技术优化设计抽样方案,通过确保精度和减少样地数量,以提高今后一类清查的效率。本文以河北省、安徽省为研究区域,针对活立木蓄积量指标研究探讨全新的分层方案。在两省内采用之前系统抽样的网格布点的样地为监测对象,尝试利用依据不同属性分层,合理设计不同分层方案,将得到的活立木蓄积量的精度与系统抽样方案进行对比,并基于样地数进行效率分析,最后得出结论。此次研究以第八次森林资源连续清查数据为基础数据,以系统抽样布点样地为抽样监测对象,依地貌、县界、郁闭度三个大类属性进行分层,每一种属性分层根据其特点,又细分成两层与三层,共得到三类六种分层方案。通过比较六种方案的抽样精度与之前的系统抽样精度,确定更为有效的分层抽样方案。研究表明:针对活立木蓄积,河北省六种抽样方案的抽样精度均达到90%以上,系统抽样为94.33%,分层方案中按照地貌、县界、郁闭度属性分两层得到的蓄积抽样精度分别为:94.33%、94.34%、94.79%;分层方案中按照地貌、县界、郁闭度属性分三层得到的蓄积抽样精度分别为:94.36%、94.35%、94.89%。相应地,安徽省六种抽样方案的抽样精度均达到90%以上,系统抽样为96.08%,分层方案中按照地貌、县界、郁闭度属性分两层得到的蓄积抽样精度分别为:96.09%、96.07、96.82%;分层方案中按照地貌、县界、郁闭度属性分三层得到的蓄积抽样精度分别为:96.31%、96.31%、96.96%。三类六种对活立木蓄积的抽样方案全部达到我国一类调查技术规定要求,表明分层抽样方案对于我国一些地形地貌多样的省份的可行性。在样地数效率分析当中,三类六种分层抽样方案样地块数均有所降低。河北省,以郁闭度属性分层的抽样方案最佳,当以郁闭度属性分两层时所需样地数为6962块;当以郁闭度属性分三层时所需样地数为6728块。将分层抽样精度降低到与系统抽样精度一致时,以郁闭度属性分三层的分层方案中所需样地块数最少,仅需要5389块样地,效率提高了 54%。安徽省的三类六种分层抽样方案中。同样以郁闭度分层的抽样方案最佳,当郁闭度分两层时所需样地数为7179块;当以郁闭度属性分三层时所需样地数为7153块。将分层抽样精度降低到与系统抽样精度一致时,同样以郁闭度属性分三层的分层方案中所需样地块数最少,仅需要4156块样地,效率提高了 64%。综上所述,以郁闭度属性分层为最优分层方案,将其总体分成三层得到的抽样精度最高,样地数最少。
刘金成[4]（2019）在《林分因子测计关键技术研发与应用》文中提出森林生态系统是人类赖以生存和发展的最为稳定和最为丰富的资源库之一,对维持全球生态系统平衡起着不可替代的重要支撑作用。如何正确认识和经营管理好森林生态系统一直是科学界研究的重点和热点问题。林分作为森林生态系统中区划森林的最小地域单位,其特征因子是反映森林生态系统现状及其变化规律的基础数据,因此,在林业、生态和环境等诸多领域内,林分因子都成为了相关基础研究的关键数据,且需求量很大。如何高效率、高质量、低成本地对这些林分因子进行获取和统计分析,对于正确认识和指导森林生态系统的规划和决策具有较大的现实意义。为了实现这一目的,本文将林分因子的测量、计算、统计和预测分析等一体化流程统称为林分因子测计过程,并分别围绕林分的观测、监测/检测和建模预测等核心需求展开,以北京市作为研究区,以“互联网+3S技术”为技术支撑,重点研发了林分信息化观测技术、林分微样地空间抽样技术和林分生物量/碳储量动态预测技术等林分因子测计领域的关键技术,同时,分别从理论、方法和实践层面对林分因子测计关键技术的现实需求性、理论可行性和技术适用性等进行了探讨和评价分析。其主要研究结果如下:（1）林分信息化观测技术研发率先将手持式PX-80激光扫描仪引入到我国林分观测中,分别在平坦实验区和山区坡地实验区对其测计能力进行了验证,实验结果表明,其偏差（Bias）、均方根误差（RMSE）、相对偏差（rBias）和相对均方根误差（rRMSE）等评价指标均满足精度要求,是一种较为推荐的林分信息化观测技术手段。研制了一种实时动态多功能立体摄影测树系统——RTK测树仪,并依此设计了适用于单木级观测的“双向交叉摄影测量法”和适用于林分观测的“仿航线法”,实现了样木位置、胸径、树高及任意高处直径等单木级因子测计和林分三维点云构建、树心坐标位置、林分平均胸径、林分平均高等林分因子测计。实验结果表明,地面摄影测量技术以其高效性、灵活性和廉价性等优势有望在林分观测中有良好的应用前景。（2）林分微样地空间抽样技术研发基于“互联网+3S技术”思维和地理空间相似性原理,提出一种大尺度林分微样地同质化抽象聚类方法,并将北京市全域聚类为300～1000个林分微样地,同时,采用5～9棵树法对选定的微样地进行定时、定点、定位、定标的现场复测,实现对林分生长动态监测和检测的目的。为了评价其可行性,随机选取100个微样地,将其林分因子提取结果与对应的标准样地进行对比,结果表明,林分微样地法可以达到与标准样地法相近的抽样精度,其提取结果可以代表特定林分的整体平均情况。在现场实测微样地的基础上,提出利用RTK测树仪的环绕连续摄影构建可量测林分微样地3D点云的方法,实现了微样地的三维可视化,并可依据点云模型提取样木点位坐标、胸径、树高等测树仪因子,进而计算出林分平均胸径、林分平均高、株数密度和蓄积量等林分因子。实验结果表明,点云微样地法与实测微样地法具有较强的相关性,林分因子提取精度较高,同时,点云微样地法还具有三维可视化、数据采集效率高、人工成本投入低等优点,是一种推荐的林分微样地抽样方法。（3）林分生物量/碳储量动态预测技术研发以北京市214个连续清查固定样地为研究对象,在考虑环境因素影响的前提下,基于第六、第七、第八次连续3期的固定样地数据,以时间（林分年龄）参数为主导关键因子,借助SPSS Modeler软件建立了基于异速生长方程的林分生物量多元回归预测模型,实现了对未来时间段内林分生物量和碳储量的预测。结果表明,建模样本和检验样本的R2均在0.82以上,表明模型系数的拟合优度较好,估计值的标准差（SEE）、总相对误差（TRE）、平均系统误差（MSE）、平均预估误差（MPE）和平均百分标准误差（MPSE）等评价指标同样满足精度要求。此外,借助Matlab平台建立了基于BP人工神经网络的林分生物量动态预测模型,对于训练样本和检验样本,其R2均在0.88以上,拟合效果要优于多元回归模型,SEE、TRE、MSE、MPE和MPSE等评价指标同样满足精度要求,且略优于多元回归模型。同时,分别利用建立的多元回归模型和BP-ANN模型对214个固定样地下一期的生物量和碳储量进行了预测分析,证明了两种模型的稳定性和适用性。
张贞梅[5]（2019）在《面向不平衡数据的集成学习算法研究》文中研究指明在人们的日常生产、生活中,由于数据本身或抽样过程中人为因素的影响,不平衡数据集是广泛存在的。在这些不平衡数据集中,数量比较稀少的少数类样本往往与一些异常且重要的情况关系比较密切。在很多现实应用中,传统方法对这些少数类样本进行有效分类、识别是比较困难的。集成学习作为目前数据挖掘领域中的一个重要研究分支,受到研究者的广泛关注。集成学习通过把多个子学习器集成起来对机器学习问题进行研究,显着提高学习系统的泛化能力,比传统单一的数据挖掘算法更有优势。本文的主要研究对象为不平衡数据的分类和聚类问题,把集成学习方法作为工具,分别从使用抽样技术对原始不平衡数据样本集的样本分布进行调整、从数据抽样技术与改进的算法相结合等方面出发,以提高不平衡数据集分类和聚类的性能为目标,围绕数据层面如何合理有效地调整样本分布、在算法层面对已有算法的参数进行优化改进,提出了一些改进的算法,本文的主要研究内容如下:（1）基于欠抽样技术的K-AdaBoost聚类集成算法结合AdaBoost算法和K-means技术,面向不平衡数据集提出了一种站于欠抽样的K-AdaBoost算法。算法首先使用基于K-means聚类的欠抽样技术,在不破坏多数类样本结构的基础上,减少多数类样本的数量,提高数据集的平衡度;其次,在新的训练样本集上再次应用K-means算法得到多个类簇,通过计算测试样本到各类簇中心的距离,基于相似度和各类簇对基学习器的权重进行加权组合,得到测试样本对各基学习器的权重;最后,按照权重把各基学习器组合成强学习器,最终对测试样本进行预测。（2）基于ADASYN的R-AdaBoost分类集成算法面向不平衡数据集提出了一种基于ADASYN的R-AdaBoost分类集成算法。首先,算法基于ADASYN技术生成m个合成样本,对原始数据集起到平衡作用;其次,使用基学习器对新的数据集进行分类并得到每个子分类器的分类结果。在对样本的权重值进行更新时,引入Focal Loss损失函数的思想,增加了难分类样本的权重;最后,使用AdaBoost算法对测试样本进行分类,得到最终的分类结果。（3）基于进化过抽样的EOS-Bagging集成学习算法面向不平衡数据集,基于改进的SMOTE抽样技术,提出了EOS-Bagging（Evolutionary Over-sampling）算法。首先,EOS-Bagging算法对原始数据集中的少数类样本进行随机过抽样;其次,基于SMOTE算法和遗传算法通过对新样本集中的少数类样本进行选择操作,交叉操作,变异操作,通过进化抽样获取一个新的数据集;最后,在算法层面上,结合Bagging集成学习框架,使用基学习器对包含合成样本的新数据集进行分类,实现对测试样本的分类结果预测。通过实验表明,论文提出的算法在处理不平衡数据集聚类和分类的性能上有所提高。
李凯[6]（2019）在《分享经济增加值核算研究》文中提出分享作为一项古老社交活动与经济相结合时,衍生出一种新型商业模式——分享经济,这种新模式在20世纪末期出现于社区日常活动、音乐分享、房屋分享、汽车分享等领域。在2008年金融危机以后,得益于互联网web2.0技术广泛应用,分享经济已在全球经济市场中占据重要份额,并引起各国政府高度重视,尤其是在中国。2015年10月,党的第十八届五中全会在通过的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中提出“要坚持创新发展,实施网络强国战略,实施“互联网+”行动计划,发展分享经济”的规划,这是分享经济在中国经济市场上已具雏形时首次出现在国家发展战略计划中。此后,国家发展改革委员会联合其他7个部委于2017年7月共同发布具有针对性的《关于促进分享经济发展的指导性意见》通知,提出大力发展分享经济的指导方针。分享经济引致的政府统计问题。目前,有中国、英国、加拿大、澳大利亚、欧盟等国家和地区的统计部门已在不同层面开展分享经济统计调查工作,主要集中于分享经济的界定、行业分类、数据收集等方面。根据相关统计部门的研究表明,目前针对包括分享经济在内的新经济政府统计工作存在三个方面问题:第一,基本概念方面缺乏统一共识。分享经济出现时间相对较短,各国分享经济发展路径各不相同,导致其理论体系缺乏统一共识;第二,现行GDP核算原则及方法无法适用于分享经济。例如,居民个人参与分享经济时个人消费品转为投资品,那么如何对此转换进行处理,目前国民经济核算理论尚缺乏应对方案;第三,分享经济对统计调查方法方面的挑战。传统调查对象基本是企业、事业行政单位和个体经营户,而分享经济参与者主要集中在住户部门,这就会导致利用传统调查手段难以收集对应生产数据。因此,在国民经济核算框架内开展分享经济核算理论与方法研究,不仅能为分享经济核算理论研究起抛砖引玉之用,还能满足政府统计工作之需和为分享经济测度提供技术参考。为实现上述目标,本研究以分享经济增加值核算理论研究为主要目标,基于学科综合角度,在理论上分析分享经济的来源、内涵与性质和交易模式等概念之后,在联合国国民账户体系与中国国民经济核算体系2016标准两种核算理论框架内,不仅探讨分享经济增加值核算的基本原则与测度方法,还结合大数据环境下新经济核算所需要的技术特征,对分享经济增加值核算数据的呈现与实现问题进行尝试性研究。具体内容如下。第一,明确核算对象。本文在经济范畴中探讨分享经济活动范围,从分享经济实践活动中归纳出界定的理论依据,进而研究分享经济的内涵与性质以及其与其他新经济之间的关系,以此勾勒出清晰的核算对象。第二,获取分享经济核算研究的切入点。基于经济学理论框架和学界研究,解析分享经济交易活动的内涵、特征以及其与传统交易模式的区别,进而总结出将传统交易模式核算理论应用于分享经济交易模式时的主要问题,为分享经济增加值核算理论研究提供切入点。第三,搭建分享经济增加值核算理论的框架。在梳理国民经济核算体系基础上,先探讨分享经济增加值核算的基本原则,再界定核算主体和统计范围,并设计分享经济产品与行业的统计分类方法及标准,为之后分享经济增加值核算方法研究提供理论依据。第四,提供分享经济增加值核算的统计方法。根据分享经济交易模式的特征,从宏观到微观视角,本文分别从生产和收入两个方面探讨分享经济增加值核算的基本概念、方法以及相关技术问题,并通过文献梳理总结出住户部门混合收入的分劈方法,最后辨析网络分享平台的收入归属问题。第五,设计分享经济增加值核算数据的呈现方式与调查方法。本部分在两个方面开展研究。一方面,根据生产法和收入法核算数据的归集方式,即根据宏观经济核算账户与微观企业会计账户两种数据归集结构理论,设计分享经济增加值核算表式,并就核算表与中国国家统计局“三新”统计报表制度之间的指标衔接问题进行研究;另一方面,通过梳理目前中国与英国有关分享经济官方统计的实践进展与局限性,分别对居民个人与小微企业构建统计调查方案。此外,基于大数据思想和分层抽样技术,设计分享住宿模式增加值核算的问卷调查方案,以此启发分享经济统计调查的理论研究与实践。通过上述研究内容,本文得出以下五点主要结论。（1）在消费效用和机会成本安排下,分享活动和闲置资源利用是界定分享经济的必要条件,而网络分享平台是分享经济规模化发展的基础,但不是必要条件;分享经济与其他新经济之间既有联系也有区别。分享经济只属于“三新”经济中新商业模式,但不是新业态和新产业。分享经济与共享经济存在本质区别,理由是共享经济是一种公平性配置社会资源的经济活动,并且共享活动弱化排他权。分享经济活动则是暂时性放弃排他权,同时对社会闲置资源再配置;分享经济与数字经济存在部分交集,即数字信息和网络技术应用。但这并不表示分享经济作为一种新商业模式完全属于数字经济之中。这同样说明分享经济作为一种新交易模式,传统交易模式的核算理论无法直接应用于分享经济增加值核算。（2）交易模式是识别分享经济活动的重要依据。分享经济的交易模式包括一系列直接或间接利用闲置资源的使用权创造经济价值的经济活动,在交易者自行组织交易活动时,会产生较高交易费用,从而提高交易总成本。当网络平台组织交易时则是相反情况,并且分享经济交易模式的组织形式呈现出“去中心化”到“再中心化”变化趋势,同时会外推社会经济生产与消费品的可能性边界;从交易模式类型看,分享经济交易活动可以分为平台交易和非平台交易两种。其中,平台会内化交易者大部分交易费用,使总交易成本在很大程度上被减少,这说明网络平台是分享经济规模化发展的基础;在交易实现方面,分享经济的交易活动主要通过众包、协作和分享三种方式实现基于闲置资源分享的服务活动;传统交易模式与分享经济交易模式之间主要存在三个区别:（1）交易的组织形式;（2）交易的管理结构、生产关系、主要实现方式;（3）交易模式的特征。以上区别会导致在传统交易模式核算理论中开展分享经济增加值核算时,会产生核算原则、主体和客体、统计分类、核算方法等方面问题。（3）开展分享经济增加值核算研究,应以SNA2008体系为主要理论框架。但涉及中国部分时,需考虑中国国民经济核算体系2016标准中有关“三新”经济核算理论。同时,在分享经济的基本核算原则、统计主体、生产与产出范围及分类等方面,要注意以下三点:一是在分享经济增加值核算原则上,应注意权责发生制的适用性、闲置资源价格的估价原则、SNA经济所有权与闲置资源使用权是统一概念,但分享使用权与租赁使用权是两种不同的概念;二是分享经济生产者应具有四点特征:（1）在市场性与机会成本补偿安排下,生产者主要由居民个人和企业构成;（2）应以闲置资源作为主要投入要素开展分享服务生产;（3）如果生产者同时在传统经济领域开展活动,基于闲置资源的生产活动必不能影响生产者在传统经济内主要或次要的生产活动;（4）网络分享平台企业通过提供信息要素作为分享经济生产者;三是对于分享经济产品与行业的统计分类,应采用“异质性互斥”原则,根据服务性质、生产方式、提供形式等特征识别相关服务活动,并按照一定规则将服务生产与服务产出进行归集与分组,以此建立分享经济行业活动与产品的统计分类。根据上述分类方法,目前分享经济的服务产品可分为六个组类,按照国民经济行业分类标准,分享经济行业活动主要涉及第三产业中的10个服务生产领域。（4）开展生产法分享经济增加值核算时,应以市场性和机会成本补偿原则确定分享经济的总产出核算范围。采用营业收入法核算分享经济的服务产出时,存在闲置资源消耗测算问题,尤其是个人耐用品转变为投资品的价值消耗;使用收入法核算时,由于SNA2008与中国国民经济核算体系2016之间存在不同核算口径,因而在测算收入法分享经济增加值时需要根据具体情况选择合适口径。同时,可以采用经验比例法、推算法和计量经济模型三种方法分劈个人非法人企业的混合收入。此外,网络平台企业的收入应视为生产者营业盈余的组成部分。（5）在可比性与平衡性的原则下,分享经济核算表式可以采用T字型表和多栏式表两种数据结构,并且表中指标与企业会计科目具有一定对应关系。但这种关系需要调整核算口径;在设计居民个人与小微企业两类群体参与分享经济情况的统计方案时,合理定义分享经济是设计关键因素,大数据抽样有利于抽样效率提升,机器学习之聚类算法可用于分享经济行业分类。针对分享住宿模式增加值核算,理论上可利用网络爬虫技术获取平台数据并建立大数据抽样框,再利用分层抽样技术估算出分享住宿模式的全国一级增加值。本文以分享经济增加值核算作为主要研究目标,具有以下四点创新之处:（1）规范了分享经济的范畴,明确了分享经济增加值核算对象;（2）构建了分享经济增加值核算的理论框架,解决了分享经济与现有国民经济核算体系的衔接。（3）建立了分享经济产品与行业统计分类标准,充实了“三新”统计制度的统计分类。（4）设计了分享经济交易数据的采集方案,丰富了统计核算数据的来源渠道。
王少轩[7]（2019）在《面向农网高比例光伏消纳的储能和需求响应优化配置研究》文中认为近年来,随着国家光伏扶贫政策的推进,分布式光伏在低压配电网得到了广泛的应用。然而,高比例分布式光伏接入电网导致无法就地消纳问题,为此,需要根据农网的负荷使用及变压器安装情况,给出低压农网分布式光伏可接入容量评估方法。另外,合理配置储能系统和需求响应是促进低压农网高比例分布式光伏就地消纳的有效手段,通过对二者进行协同优化配置,可优化负荷用电模式,促进分布式光伏的就地消纳,为此,需要考虑储能系统和需求响应联合运行策略,建立其优化配置模型。本文主要工作如下:首先,建立分布式光伏与负荷出力的概率模型并对随机变量进行采样。针对分布式光伏与负荷出力的随机性,分别建立其相应的概率模型。考虑分布式光伏与负荷之间概率分布参数时序差异性特征,通过划分时段并根据每个时段内特定的概率分布参数,利用拉丁超立方采样技术得到24个时段内分布式光伏与负荷出力的时序样本矩阵。其次,给出一种低压农网分布式光伏可接入容量评估方法。考虑农网负荷季节性特征,并计及不同类型负荷的使用概率,建立低压农网分布式光伏可接入容量评估模型,并以电压质量为验证指标,对分布式光伏可接入容量进行验证。以河北某扶贫村为例进行分析,结果表明所给方法的有效性。最后编制了分布式光伏可接入容量分析软件。然后,建立低压农网消纳高比例分布式光伏的储能系统优化配置模型。考虑分布式光伏出力及负荷用电情况,提出储能系统充放电策略,在此基础上以经济性为目标,建立储能系统优化配置模型。采用概率潮流法与嵌套的混合智能算法对上述模型进行求解。最后,建立低压农网消纳高比例分布式光伏的储能系统与需求响应优化配置模型。计及分时电价提出储能系统与需求响应联合运行策略,在此基础上仍以经济性为目标,建立储能系统与需求响应联合优化配置模型。采用随机模拟技术结合嵌套的模拟退火粒子群算法对上述模型进行求解。
孙小旭,赵胜园,靳明辉,赵慧媛,李国平,张浩文,姜玉英,杨现明,吴孔明[8]（2019）在《玉米田草地贪夜蛾幼虫的空间分布型与抽样技术》文中提出草地贪夜蛾Spodoptera frugiperda（J. E. Smith）是一种世界性的重大农业害虫,已于2019年1月侵入中国云南省西部地区,对当地主要经济作物鲜食玉米的生产构成了严重威胁。我们调查了入侵成虫后代幼虫在鲜食玉米田的种群密度和为害情况,分析了幼虫种群的空间分布格局。结果表明,草地贪夜蛾幼虫在玉米田呈聚集分布,聚集度随密度的增加而升高,环境是导致聚集分布的主要因素。基于空间分布型的分析结果,进一步研究提出了幼虫密度的理论抽样模型和基于幼虫密度防治指标的序贯抽样技术。本研究明确了草地贪夜蛾幼虫在玉米田的空间分布特征和抽样方法,为通过调查田间种群密度指导幼虫防治工作提供了技术支撑。
牛豪杰[9]（2019）在《红松林中梢斑螟种群特征及其生物学特性》文中认为红松是我国珍贵的经济树种。梢斑螟属Dioryctria种类是危害红松果梢的重要害虫之一,具有使红松主梢分叉流脂或折断、球果腐烂等危害特点。因其形态特征及生活习性相似,不易分辨;生活隐蔽,很难防治。为了弄清梢斑螟在黑龙江省林口地区的种类组成、种群特征及生物生态学习性,本研究在牡丹江林口林业局利用灯光诱捕,结合人工采集,分析其成虫种群动态、幼虫空间分布;观察其成虫的生殖行为,以及越冬虫态和地点。研究结果如下。（1）红松人工纯林内梢斑螟成虫种群动态分析在牡丹江林口林业局的湖水、曙光和西北楞三个地点,诱捕到的种类均为赤松梢斑螟（D sylvestrella）、冷杉梢斑螟（D.abietella）和微红梢斑螟（D.rubella）。在湖水梢斑螟的种群数量最多,平均每天诱捕111.38头;西北楞其次,平均每天诱捕79.625头;曙光最少,平均每天诱捕69.63头。在整个诱捕期间,冷杉梢斑螟和赤松梢斑螟成虫期为6月上旬～7月下旬,高峰期为6月下旬,微红梢斑螟成虫期为6月上旬～8月下旬,高峰期为6月下旬和7月中旬。对3种梢斑螟都是在21:00～22:00诱捕到最多数量。3种梢斑螟的雌雄性比随着季节的推移波动较大,由开始的小于1,到接近于1,最终大于1,但总的性比接近1:1。（2）冷杉梢斑螟和赤松梢斑螟幼虫的空间分布型以及抽样技术应用7个聚集指标以及Iwao的m*-m回归分析法对两种梢斑螟幼虫的空间分布型和抽样技术进行了研究。研究结果表明,冷杉梢斑螟和赤松梢斑螟在东南西北四个方位上的分布没有明显差异。球果被害率和每株虫口密度,冷杉梢斑螟在结实量较高的样地显着高于结实量较低的样地,赤松梢斑螟在结实量不同的样地则差异不显着。两种梢斑螟的7个聚集度指标均显示为聚集分布,且分布的基本成分为个体群,冷杉梢斑螟个体间相互排斥,赤松梢斑螟个体间相互吸引。聚集均数λ>2,表明聚集分布是由两种梢斑螟各自的聚集习性和环境因素的共同作用引起的。通过Iwao的m*-m回归法的两个分布参数α和β值,计算出了在不同结实量下两种梢斑螟幼虫的理论抽样数据表及序贯抽样数据表,方便在生产调查防治中查阅使用。（3）冷杉梢斑螟和赤松梢斑螟的生殖行为冷杉梢斑螟雌虫的羽化行为集中发生在08:00～10:00,雄虫羽化行为集中发生在08:00～12:00。赤松梢斑螟雌虫的羽化行为集中发生在02:00～08:00,雄虫羽化行为集中发生在04:00～8:00。两种梢斑螟雌蛾在1～5日龄均可进行求偶,冷杉梢斑螟在20:00～00:00为求偶高峰期,次高峰出现在00:40～08:00。赤松梢斑螟在20:00～00:00为求偶高峰期,次高峰出现在00:40-08:00。冷杉梢斑螟林缘求偶高峰期较室内提前1.5小时,赤松梢斑螟林缘求偶高峰期较室内提前1小时。老龄处女雌蛾较刚羽化雌蛾会提前进行求偶。冷杉梢斑螟和赤松梢斑螟在雄性竞争对手信息存在条件下,雄蛾会延长交尾持续时间,但是产卵量没有显着变化。（4）冷杉梢斑螟越冬虫态与越冬场所冷杉梢斑螟以低龄幼虫、老熟幼虫和蛹越冬,其中主要以老熟幼虫形态越冬,占57.21%,越冬场所为球果、枯枝落叶层和土壤,以球果为主,占75.82%。其中以老熟幼虫形态在红松球果中越冬成活率最高,为46.5%。综上所述,通过对梢斑螟成虫的种群动态、越冬方式、幼虫的空间分布的研究,确定梢斑螟种团组成,掌握其成虫及幼虫发生特点,为梢斑螟的有效综合防治提供依据。通过对梢斑螟成虫的求偶、交配等生殖行为进行观察研究,确定其求偶、交配高峰期以及其他生殖行为特征,为性信息素的提取以及林间防治奠定基础。
林芳芳[10]（2018）在《福建闽侯丘陵区农作物种植面积估算的最优抽样技术研究》文中研究表明农业是我国国民经济的基础,准确及时地实现农作物种植面积的调查是国家制定粮食政策、确保粮食安全的前提。随着农作物种植面积遥感调查应用体系不断完善,遥感技术在农作物面积调查中被广泛应用。目前,大多数基于遥感的农作物种植面积研究主要集中在我国北方平原地区,而福建丘陵区相关研究并不多见。同时相关研究主要采用MODIS、Landsat等中低分辨率遥感数据,GF-1号、GF-2号等国产新型卫星数据的应用相对较少。选取福建省闽侯县为研究区,以GF-1号遥感影像数据为主要数据源,综合应用遥感技术、抽样技术、模拟退火算法及空间自相关理论等,对研究区农作物种植面积进行抽样估算,从而确定适宜于研究区农作物种植面积的空间抽样方案,以期为福建丘陵区农作物种植面积空间抽样调查研究提供一定的科学参考。主要结论如下:（1）运用面向对象分类法对GF-1号遥感数据进行农作物种植面积信息提取,其总体分类精度高达92.70%,Kappa系数为0.9180。可见,基于面向对象分类法的影像对象信息提取能够有效地获取研究区农作物种植面积遥感识别数据。（2）以正方形网格作为抽样单元基础形状,构建500m×500m、800m×800m、1000m×1000m、1200m×1200m、1500m×1500m、2000m × 2000m、2500m × 2500m、3000m × 3000m 等 8 种遥感抽样框,比较8种遥感抽样框空间自相关指数和农作物种植面积变动系数,选取1500m×1500m作为最优抽样单元尺寸。（3）采用传统抽样方法及空间抽样方法对研究区农作物种植面积进行抽样。与其他抽样方法相比,空间分层抽样方法的相对误差为3.86%,变异系数为6.03%。抽样成本为6.03,农作物种植面积抽样效率最高。（4）综合考虑估算精度、道路通达性和抽样调查成本,结合研究区交通路网矢量图,以野外调查路径最短为目标函数,利用模拟退火算法规划经过各个采样点的野外调查最优路线,从而在进行野外抽样调查时节省调查时间、降低调查成本。（5）在空间分层抽样的基础上对修正后的农作物种植面积进行估算,研究区农作物种植面积为174142hm2。与2015年福州统计局调查统计结果相比,其估算精度达到94.78%,说明空间分层抽样方法对研究区农作物种植面积的抽样估算精度较高。
二、美国农业抽样技术的现状与发展（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、美国农业抽样技术的现状与发展（论文提纲范文）
（1）森林资源综合监测体系优化设计研究 ——以保定市为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及研究进展 |
| 1.2.1 国外森林资源综合监测体系研建现状 |
| 1.2.2 我国森林资源监测体系现状 |
| 1.2.3 森林资源地面监测样地类型应用与研究 |
| 1.2.4 森林资源监测指标体系应用与研究 |
| 1.3 研究目标 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 2 研究区概况 |
| 2.1 地理位置 |
| 2.2 森林资源概况 |
| 2.3 自然条件 |
| 2.3.1 气候条件 |
| 2.3.2 土壤条件 |
| 2.3.3 水文特征 |
| 2.3.4 植被类型 |
| 3 森林资源综合监测地面固定样地优化研究 |
| 3.1 引言 |
| 3.2 研究方案 |
| 3.2.1 大样地选择 |
| 3.2.2 单一样地类型设计方案 |
| 3.2.3 群团样地类型设计方案 |
| 3.3 结果与分析 |
| 3.3.1 单一样地最优样地面积尺度研究结果 |
| 3.3.2 群团样地最优间距研究结果 |
| 3.3.3 不同类型样地对比分析 |
| 3.4 结论与讨论 |
| 3.4.1 章节小结 |
| 3.4.2 章节讨论 |
| 4 森林资源综合监测年度抽样方案研究 |
| 4.1 引言 |
| 4.2 年度监测方案抽样框架及样地布设 |
| 4.2.1 正六边形抽样框架布设 |
| 4.2.2 地面固定样地布设 |
| 4.3 年度抽样监测方案设计 |
| 4.3.1 随机抽取方案 |
| 4.3.2 系统抽取方案 |
| 4.3.3 分层抽取方案 |
| 4.4 年度抽样监测案例试验 |
| 4.4.1 正六边形抽样框架大小确定 |
| 4.4.2 圆形群团样地监测数据模拟 |
| 4.4.3 年度抽样监测结果 |
| 4.5 结论与讨论 |
| 4.5.1 章节小结 |
| 4.5.2 章节讨论 |
| 5.森林资源综合一体化监测方案研究 |
| 5.1 引言 |
| 5.2 研究方案 |
| 5.2.1 树种组划分 |
| 5.2.2 模型构建 |
| 5.2.3 模型评价 |
| 5.2.4 市、县蓄积量预估及更新 |
| 5.3 研究结果 |
| 5.3.1 分别树种组模型构建结果 |
| 5.3.2 市、县一体化监测结果 |
| 5.4 结论与讨论 |
| 5.4.1 章节小结 |
| 5.4.2 章节讨论 |
| 6 森林资源综合监测指标体系优化研究 |
| 6.1 引言 |
| 6.2 指标体系研建方案 |
| 6.2.1 森林资源综合监测体系构建原则 |
| 6.2.2 森林资源综合监测指标体系构建思路 |
| 6.3 指标体系构建 |
| 6.3.1 林分基本概况信息监测 |
| 6.3.2 森林健康监测 |
| 6.3.3 土壤监测 |
| 6.3.4 森林生物量监测 |
| 6.3.5 生物多样监测 |
| 6.3.6 森林经营管理监测 |
| 6.4 结论与讨论 |
| 6.4.1 章节小结 |
| 6.4.2 章节讨论 |
| 7 结论 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 附录 国家级森林资源地面固定样地类型介绍 |
| 1 德国国家级地面固定样地(方阵式圆形群团样地代表) |
| 2.日本国家级地面固定样地(单一同心圆群团样地代表) |
| 3.美国国家级地面固定样地(四点圆形群团样地代表) |
| 4.加拿大国家级地面固定样地(样线结合圆形群团样地类型代表) |
| 5.喀麦隆国家级地面固定样地(复合样地类型代表) |
| 6.澳大利亚国家级地面固定样地(样带结合方形样地类型代表) |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
（2）基于地理格网的森林资源面积变化监测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.3.1 地理格网的基本理论 |
| 1.3.2 基于卷积神经网络的遥感图像识别研究 |
| 1.4 研究目的和意义 |
| 1.4.1 基于系统抽样方法的森林资源面积调查 |
| 1.4.2 基于卷积神经网络的遥感图像识别研究 |
| 2 研究区概况与技术方案 |
| 2.1 研究区概况 |
| 2.1.1 青田县 |
| 2.1.2 永嘉县 |
| 2.2 技术路线 |
| 2.2.1 浙江省地理格网构建 |
| 2.2.2 地理格网构建方法 |
| 2.2.3 县域尺度地类(森林类型)面积监测抽样方案设计 |
| 2.2.4 县域尺度地类(森林类型)面积变化监测方案设计 |
| 2.2.5 图像识别系统技术流程 |
| 2.3 数据来源及预处理 |
| 2.3.1 数据来源 |
| 2.3.2 数据预处理 |
| 2.3.3 遥感图像预处理 |
| 2.3.4 地类判读 |
| 3 县域尺度地类(森林类型)不同单元尺寸抽样面积上推总体精度分析 |
| 3.1 青田县各地类不同单元尺寸抽样面积上推总体精度分析 |
| 3.1.1 抽样面积统计特征 |
| 3.1.2 抽样面积上推总体精度分析 |
| 3.1.3 单一地类假设下抽样面积上推总体精度分析 |
| 3.2 永嘉县各地类不同单元尺寸抽样面积上推总体精度分析 |
| 3.2.1 抽样面积统计特征 |
| 3.2.2 抽样面积上推总体精度分析 |
| 3.2.3 单一地类假设下抽样面积上推总体精度分析 |
| 3.3 青田县各森林类型不同单元尺寸抽样面积上推总体精度分析 |
| 3.3.1 抽样面积统计特征 |
| 3.3.2 抽样面积上推总体精度分析 |
| 3.3.3 单一森林类型假设下抽样面积上推总体精度分析 |
| 3.4 永嘉县各森林类型不同单元尺寸抽样面积上推总体精度分析 |
| 3.4.1 抽样面积统计特征 |
| 3.4.2 抽样面积上推总体精度分析 |
| 3.4.3 单一森林类型假设下抽样面积上推总体精度分析 |
| 3.5 小结 |
| 4 县域尺度地类(森林类型)面积变化监测分析 |
| 4.1 不同地类抽样面积变化分析 |
| 4.1.1 青田县 |
| 4.1.2 永嘉县 |
| 4.2 不同森林类型抽样面积变化分析 |
| 4.2.1 青田县 |
| 4.2.2 永嘉县 |
| 4.3 小结 |
| 5 识别精度分析 |
| 5.1 精度统计 |
| 5.2 小结 |
| 6 结论与展望 |
| 参考文献 |
| 个人简介 |
| 致谢 |
（3）典型省份森林资源清查中的分层抽样设计与效率分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究进展 |
| 1.2.1 国内森林资源监测体系发展概况 |
| 1.2.2 国外森林资源监测体系发展概况 |
| 1.3 抽样技术的应用与发展 |
| 1.3.1 系统抽样 |
| 1.3.2 分层抽样 |
| 2 研究目的、内容及技术路线 |
| 2.1 研究目的 |
| 2.2 研究内容 |
| 2.2.1 分层抽样方案设计 |
| 2.2.2 分层抽样效率分析 |
| 2.3 研究技术路线 |
| 3 研究区域概况 |
| 3.1 自然地理状况 |
| 4 数据与方法 |
| 4.1 数据准备 |
| 4.1.1 数据收集 |
| 4.1.2 数据转化与处理 |
| 4.2 分层抽样方案设计 |
| 4.2.1 安徽省的分层抽样方案设计 |
| 4.2.2 河北省的分层抽样方案设计 |
| 4.3 抽样效率分析 |
| 5 结果与分析 |
| 5.1 分层抽样结果 |
| 5.1.1 安徽省分层抽样结果 |
| 5.1.2 河北省分层抽样结果 |
| 5.2 分层抽样效率分析 |
| 5.2.1 安徽省抽样方案样地数分析 |
| 5.2.2 河北省抽样方案样地数分析 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 6.2.1 优点 |
| 6.2.2 不足 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（4）林分因子测计关键技术研发与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1. 引言 |
| 1.1. 研究背景与意义 |
| 1.2. 国内外研究综述 |
| 1.2.1. 森林调查技术体系的发展 |
| 1.2.2. 林分观测技术的发展 |
| 1.2.2.1. 林分观测技术的四个阶段 |
| 1.2.2.2. 林分观测装备的研究现状 |
| 1.2.2.3. 林分信息化观测技术的研究现状 |
| 1.2.3. 林分抽样调查技术的发展 |
| 1.2.4. 林分生物量/碳储量预测技术的发展 |
| 1.3. 研究内容 |
| 1.3.1. 研究目标 |
| 1.3.2. 研究内容 |
| 1.3.3. 技术路线 |
| 1.3.4. 关键科学问题 |
| 1.4. 章节安排 |
| 1.5. 本章小结 |
| 2. 研究区概况 |
| 2.1 总体自然条件 |
| 2.1.1. 地理位置 |
| 2.1.2. 地形地貌 |
| 2.1.3. 水文条件 |
| 2.1.4. 气候条件 |
| 2.1.5. 植被条件 |
| 2.2. 总体社会经济 |
| 2.2.1. 人口及组成 |
| 2.2.2. 经济状况 |
| 2.3. 实验区概况 |
| 2.3.1. 平地实验区 |
| 2.3.2. 坡地实验区 |
| 2.4. 本章小结 |
| 3. 林分信息化观测技术 |
| 3.1. 信息化森林资源观测技术评述 |
| 3.2. 材料准备 |
| 3.2.1. 激光雷达设备 |
| 3.2.1.1. 硬件构成 |
| 3.2.1.2. 软件构成 |
| 3.2.1.3. 功能及参数 |
| 3.2.2. 摄影测量设备 |
| 3.2.2.1. 硬件构成 |
| 3.2.2.2. 核心硬件的设计与组装 |
| 3.2.2.3. 软件构成 |
| 3.2.2.4. 功能及参数 |
| 3.3. 精度检验指标 |
| 3.4. 地面激光雷达森林观测技术 |
| 3.4.1. 测量原理 |
| 3.4.2. 数据获取与处理 |
| 3.4.2.1. 数据获取 |
| 3.4.2.2. 数据预处理 |
| 3.4.2.3. 树木坐标提取 |
| 3.4.2.4. 树木胸径和树高提取 |
| 3.4.3. 实验结果与分析 |
| 3.4.3.1. 林分平坦地区验证 |
| 3.4.3.2. 林分山区验证 |
| 3.4.3.3. 讨论与结论 |
| 3.5. 地面摄影测量森林观测技术 |
| 3.5.1. 测量原理与方法 |
| 3.5.1.1. 单木常规测量 |
| 3.5.1.2. 单木高精度建模测量 |
| 3.5.1.3. 林分测量 |
| 3.5.2. 实验结果与分析 |
| 3.5.2.1. 单木常规测量验证 |
| 3.5.2.2. 单木高精度建模验证 |
| 3.5.2.3. 林分平坦地区验证 |
| 3.5.2.4. 林分山区验证 |
| 3.5.2.5. 讨论与结论 |
| 3.6. 本章小结 |
| 4. 林分微样地空间抽样技术 |
| 4.1. 林分微样地设计 |
| 4.2. 林分微样地建立方法 |
| 4.2.1. 微样地建立标准 |
| 4.2.2. 基于现场实测的微样地建立方法 |
| 4.2.3. 基于影像点云的微样地建立方法 |
| 4.3. 林分微样地观测原理 |
| 4.3.1. 林分因子计算原理 |
| 4.3.2. 林分微样地监测原理 |
| 4.3.3. 林分微样地检测原理 |
| 4.4. 精度检验指标 |
| 4.5. 实验验证与分析 |
| 4.5.1. 微样地布设基本情况 |
| 4.5.2. 微样地法与实测样地法对比 |
| 4.5.3. 点云微样地法与实测微样地法对比 |
| 4.5.4. 讨论分析 |
| 4.6. 本章小结 |
| 5. 林分生物量/碳储量动态预测技术 |
| 5.1. 模型研建思路 |
| 5.2. 研究数据采集与处理 |
| 5.2.1. 数据来源 |
| 5.2.1.1. 连续清查固定样地数据 |
| 5.2.1.2. 环境因子数据 |
| 5.2.2. 数据整理 |
| 5.2.2.1. 样地数据关联 |
| 5.2.2.2. 样地生物量计算 |
| 5.2.2.3. 建模因子筛选 |
| 5.2.3. 主要数据处理工具 |
| 5.3. 建模技术方法与评价 |
| 5.3.1. 样地数据划分 |
| 5.3.2. 模型评价指标 |
| 5.3.3. 林分生物量数理统计模型的建立方法 |
| 5.3.3.1. 建模因子标准化 |
| 5.3.3.2. 模型建立 |
| 5.3.3.3. 模型结果及精度评价 |
| 5.3.3.4. 分析与讨论 |
| 5.3.4. 林分生物量机器学习模型的建立方法 |
| 5.3.4.1. 数据整理 |
| 5.3.4.2. 模型建立方法 |
| 5.3.4.3. 模型结果与精度评价 |
| 5.3.4.4. 分析与讨论 |
| 5.4. 林分生物量/碳储量预测分析 |
| 5.4.1. 林分生物量预测 |
| 5.4.2. 林分碳储量预测 |
| 5.4.3. 不同建模方法的对比分析 |
| 5.5. 本章小结 |
| 6. 结论与展望 |
| 6.1. 结论 |
| 6.2. 技术对比 |
| 6.3. 创新点 |
| 6.4. 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
（5）面向不平衡数据的集成学习算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 2 相关概念与技术 |
| 2.1 不平衡数据 |
| 2.2 集成学习 |
| 2.3 经典集成学习算法 |
| 2.4 而向不平衡数据的评估度量方法 |
| 2.5 小结 |
| 3 基于欠抽样技术的K-AdaBoost聚类集成算法 |
| 3.1 引言 |
| 3.2 算法基础与分析 |
| 3.3 K-AdaBoost算法设计 |
| 3.4 实验结果与分析 |
| 3.5 小结 |
| 4 基于ADASYN的R-AdaBoost分类集成算法 |
| 4.1 引言 |
| 4.2 算法基础与分析 |
| 4.3 R-AdaBoost算法设计 |
| 4.4 实验结果与分析 |
| 4.5 小结 |
| 5 基于进化过抽样的EOS-Bagging集成学习算法 |
| 5.1 引言 |
| 5.2 算法基础与分析 |
| 5.3 EOS-Bagging算法设计 |
| 5.4 实验结果与分析 |
| 5.5 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（6）分享经济增加值核算研究（论文提纲范文）
| 摘要 |
| abstract |
| 导论 |
| 一、研究背景与意义 |
| 二、文献综述 |
| 三、研究内容 |
| 四、研究方法 |
| 五、创新之处 |
| 第一章 分享经济的界定 |
| 第一节 分享经济由来 |
| 一、分享经济的发展脉络 |
| 二、国内外分享经济的实践模式 |
| 三、分享经济的不同定义 |
| 四、分享经济的共识 |
| 第二节 分享经济的界定、构件与性质 |
| 一、分享经济的界定 |
| 二、分享经济的主要构成要素 |
| 三、分享经济的商业模式 |
| 四、分享经济的生产及组织形式 |
| 五、分享经济的性质 |
| 第三节 分享经济与其他新经济的关系 |
| 一、分享经济与“三新”经济的关系 |
| 二、分享经济与共享经济的关系 |
| 三、分享经济与数字经济的关系 |
| 四、分享经济与其他新经济的关联逻辑和启发 |
| 本章小结 |
| 第二章 分享经济的交易模式 |
| 第一节 分享经济交易模式的内涵与特征 |
| 一、分享经济交易模式的内涵 |
| 二、生产者视角下分享经济交易模式的特征 |
| 三、消费者视角下分享经济交易模式的特征 |
| 四、分享经济的交易模式 |
| 第二节 分享经济交易模式的不同类别 |
| 一、按组织形式分类的分享经济交易模式 |
| 二、按实现方式分类的分享经济交易模式 |
| 第三节 分享经济与传统经济的交易模式比较 |
| 一、分享经济与传统经济的交易组织形式比较 |
| 二、分享经济与传统经济的交易模式特征比较 |
| 第四节 传统经济交易模式增加值核算与启示 |
| 一、传统经济交易模式的增加值核算 |
| 二、分享经济增加值核算的不适用性 |
| 本章小结 |
| 第三章 分享经济增加值核算的基本问题 |
| 第一节 分享经济增加值核算的理论基础与基本原则 |
| 一、分享经济增加值核算的理论基础 |
| 二、分享经济增加值核算的基本规则 |
| 第二节 分享经济的核算主客体及统计范围 |
| 一、分享经济增加值核算的主体界定 |
| 二、分享经济增加值核算的客体 |
| 三、分享经济增加值核算的产出统计范围 |
| 第三节 分享经济产品与行业的统计分类方法 |
| 一、分享经济产品统计分类的原理与方法设计 |
| 二、分享经济行业统计分类的原理与方法 |
| 三、分享经济产品与行业的统计分类 |
| 本章小结 |
| 第四章 分享经济增加值的核算方法 |
| 第一节 生产法分享经济增加值核算的方法 |
| 一、生产法分享经济增加值的一般核算 |
| 二、分享经济不同商业模式的生产法核算 |
| 第二节 收入法分享经济增加值核算的方法 |
| 一、收入法分享经济增加值的一般核算 |
| 二、分享经济收入核算的特殊问题 |
| 三、网络分享平台的收入形成 |
| 本章小结 |
| 第五章 分享经济增加值核算数据的呈现与实现方法 |
| 第一节 分享经济增加值核算表式的设计 |
| 一、分享经济增加值核算表式的构建逻辑 |
| 二、分享经济增加值核算表式的构建 |
| 三、分享经济核算表的宏微指标衔接 |
| 第二节 分享经济增加值核算的数据实现 |
| 一、中国“三新”经济统计报表制度的概述 |
| 二、分享经济统计调查的实践情况分析 |
| 三、分享经济住户统计调查的设计 |
| 四、分享经济小微企业活动统计调查的设计 |
| 第三节 分享住宿模式统计调查设计 |
| 一、分享住宿模式的界定与发展现状 |
| 二、分享住宿模式调查问卷的设计 |
| 三、分享住宿模式问卷调查的抽样方案 |
| 四、分享住宿模式增加值的统计推断方法 |
| 本章小结 |
| 结论与研究展望 |
| 一、主要研究结论 |
| 二、研究展望 |
| 参考文献 |
| 在读期间科研成果 |
| 附录 |
| 附录 A:调查问卷 |
| 附录 B:网络爬虫程序代码 |
| 致谢 |
（7）面向农网高比例光伏消纳的储能和需求响应优化配置研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 储能及需求响应发展概述 |
| 1.2.1 储能发展概述 |
| 1.2.2 需求响应发展概述 |
| 1.3 国内外研究现状 |
| 1.3.1 分布式光伏可接入容量评估研究现状 |
| 1.3.2 面向高比例分布式光伏消纳的优化配置研究现状 |
| 1.4 课题主要研究内容 |
| 第2章 分布式光伏与负荷出力的概率建模与样本形成 |
| 2.1 分布式光伏并网对配电网的影响分析 |
| 2.1.1 分布式光伏的主要特征 |
| 2.1.2 分布式光伏并网对配电网的影响 |
| 2.2 分布式光伏与负荷随机变量的概率模型 |
| 2.2.1 分布式光伏出力的概率模型 |
| 2.2.2 负荷出力的概率模型 |
| 2.3 基于拉丁超抽样技术的分布式光伏与负荷时序样本的形成 |
| 2.3.1 拉丁超抽样技术定义与特征 |
| 2.3.2 基于拉丁超抽样技术的分布式光伏与负荷随机变量时序性处理 |
| 2.4 本章小结 |
| 第3章 低压农网高比例分布式光伏可接入容量评估 |
| 3.1 高比例分布式光伏可接入容量评估模型 |
| 3.1.1 目标函数 |
| 3.1.2 约束条件 |
| 3.2 高比例分布式光伏可接入容量实例分析 |
| 3.3 低压农网高比例分布式光伏可接入容量分析软件开发 |
| 3.4 本章小结 |
| 第4章 消纳高比例分布式光伏的储能优化配置策略研究 |
| 4.1 储能优化配置总体思路 |
| 4.2 储能充放电策略 |
| 4.3 消纳高比例分布式光伏的储能优化配置模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.4 求解算法 |
| 4.5 储能优化配置模型求解 |
| 4.5.1 随机概率潮流的计算 |
| 4.5.2 优化配置模型求解流程 |
| 4.6 算例分析 |
| 4.6.1 储能优化配置结果分析 |
| 4.6.2 随机因素对优化配置结果的影响 |
| 4.7 本章小结 |
| 第5章 消纳高比例分布式光伏的储能和需求响应联合优化配置策略研究 |
| 5.1 储能和需求响应联合优化配置总体思路 |
| 5.1.1 考虑需求响应后负荷变化量时序性处理 |
| 5.1.2 优化配置建模思路 |
| 5.2 考虑储能与需求响应的联合运行策略 |
| 5.3 消纳高比例分布式光伏的储能和需求响应联合优化配置模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件 |
| 5.4 储能和需求响应联合优化配置模型求解 |
| 5.4.1 随机模拟技术嵌入混合智能算法的求解过程 |
| 5.4.2 优化配置模型求解流程 |
| 5.5 算例分析 |
| 5.5.1 储能与需求响应联合优化配置结果分析 |
| 5.5.2 综合配置储能与需求响应对净负荷峰谷差的影响 |
| 5.5.3 拉丁超抽样技术嵌入混合智能算法性能分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（8）玉米田草地贪夜蛾幼虫的空间分布型与抽样技术（论文提纲范文）
| 1 材料与方法 |
| 1.1 玉米种植情况和调查方法 |
| 1.2 聚集度测定和空间分布型分析方法 |
| 1.3 种群密度抽样技术的研究方法 |
| 2 结果与分析 |
| 2.1 幼虫的密度与为害情况 |
| 2.2 幼虫的空间分布型 |
| 2.3 抽样模型与技术 |
| 3 讨论 |
（9）红松林中梢斑螟种群特征及其生物学特性（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 红松果梢害虫研究进展 |
| 1.1.1 红松果梢害虫的发生与危害 |
| 1.1.2 红松果梢害虫的生物学特性 |
| 1.1.3 国内外研究现状 |
| 1.2 害虫种群空间分布型与抽样技术 |
| 1.3 昆虫的生殖行为节律 |
| 1.4 研究内容与意义 |
| 2 红松人工纯林3种梢斑螟成虫种群动态分析 |
| 2.1 材料与方法 |
| 2.1.1 试验地点 |
| 2.1.2 研究方法 |
| 2.1.3 数据分析 |
| 2.2 结果与分析 |
| 2.2.1 红松果梢内梢斑螟种团的种类组成 |
| 2.2.2 梢斑螟羽化进度 |
| 2.2.3 不同地点梢斑螟的种群数量 |
| 2.2.4 梢斑螟在夜间不同时间段的种群数量 |
| 2.2.5 梢斑螟雌雄性比 |
| 2.3 讨论 |
| 2.4 本章小结 |
| 3 两种梢斑螟幼虫空间分布型以及抽样技术研究 |
| 3.1 材料与方法 |
| 3.1.1 幼虫危害程度及特点调查 |
| 3.1.2 幼虫形态识别 |
| 3.1.3 空间分布型测定方法 |
| 3.1.4 聚集因素分析 |
| 3.1.5 最适抽样数的确定 |
| 3.1.6 序贯抽样数值表的确定 |
| 3.1.7 数据分析 |
| 3.2 结果与分析 |
| 3.2.1 幼虫危害程度及树冠不同方位分布的调查 |
| 3.2.2 两种梢斑螟幼虫形态识别 |
| 3.2.3 梢斑螟的空间分布型的测定 |
| 3.2.4 聚集原因分析 |
| 3.2.5 理论抽样数的确定 |
| 3.2.6 序贯抽样 |
| 3.3 讨论 |
| 3.4 本章小结 |
| 4 两种梢斑螟成虫生殖行为研究 |
| 4.1 材料与方法 |
| 4.1.1 供试虫源 |
| 4.1.2 羽化行为节律观察 |
| 4.1.3 求偶节律观察 |
| 4.1.4 不同性比对交配及产卵的影响 |
| 4.2 结果与分析 |
| 4.2.1 两种梢斑螟羽化昼夜节律 |
| 4.2.2 两种梢斑螟求偶节律研究 |
| 4.2.3 不同性比对交配及产卵的影响 |
| 4.3 讨论 |
| 4.4 本章小结 |
| 5 冷杉梢斑螟越冬虫态与越冬场所 |
| 5.1 材料与方法 |
| 5.2 结果与分析 |
| 5.2.1 冷杉梢斑螟越冬场所及越冬虫态 |
| 5.2.2 冷杉梢斑螟越冬存活率 |
| 5.3 讨论 |
| 5.4 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 |
（10）福建闽侯丘陵区农作物种植面积估算的最优抽样技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究综述 |
| 1.2.2 国内研究综述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 课题来源 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 2 研究方法 |
| 2.1 抽样调查基本概念和步骤 |
| 2.1.1 抽样调查基本概念 |
| 2.1.2 抽样调查设计步骤 |
| 2.2 传统抽样方法 |
| 2.2.1 简单随机抽样 |
| 2.2.2 系统抽样 |
| 2.2.3 分层抽样 |
| 2.3 空间抽样方法 |
| 2.3.1 空间随机抽样 |
| 2.3.2 空间系统抽样 |
| 2.3.3 空间分层抽样 |
| 2.4 空间自相关 |
| 2.5 面向对象分类法 |
| 2.6 模拟退火优化算法 |
| 3 研究区概况及研究数据 |
| 3.1 研究区概况 |
| 3.1.1 地理位置 |
| 3.1.2 地貌气候特征 |
| 3.1.3 农业经济概况 |
| 3.2 研究区数据 |
| 3.2.1 遥感数据 |
| 3.2.2 野外调查数据 |
| 3.2.3 其他数据 |
| 3.3 遥感数据预处理 |
| 3.3.1 辐射定标 |
| 3.3.2 大气校正 |
| 3.3.3 几何精校正 |
| 3.3.4 图像融合及裁剪 |
| 4 农作物种植面积遥感信息提取 |
| 4.1 多尺度影像分割 |
| 4.2 影像对象信息提取 |
| 4.3 分类精度评价 |
| 5 农作物种植面积估算的空间抽样方案设计 |
| 5.1 抽样框构建 |
| 5.2 抽样单元尺寸优选 |
| 5.3 空间抽样方法优选 |
| 5.4 基于模拟退火算法的最优路径选择 |
| 5.5 基于空间分层抽样的农作物种植面积估算 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读学位期间的学术论文与研究成果 |
| 致谢 |
四、美国农业抽样技术的现状与发展（论文参考文献）
- [1]森林资源综合监测体系优化设计研究 ——以保定市为例[D]. 阳帆. 北京林业大学, 2020(01)
- [2]基于地理格网的森林资源面积变化监测研究[D]. 高海力. 浙江农林大学, 2020(01)
- [3]典型省份森林资源清查中的分层抽样设计与效率分析[D]. 林川. 北京林业大学, 2019(04)
- [4]林分因子测计关键技术研发与应用[D]. 刘金成. 北京林业大学, 2019(04)
- [5]面向不平衡数据的集成学习算法研究[D]. 张贞梅. 山东科技大学, 2019
- [6]分享经济增加值核算研究[D]. 李凯. 中南财经政法大学, 2019(08)
- [7]面向农网高比例光伏消纳的储能和需求响应优化配置研究[D]. 王少轩. 燕山大学, 2019(03)
- [8]玉米田草地贪夜蛾幼虫的空间分布型与抽样技术[J]. 孙小旭,赵胜园,靳明辉,赵慧媛,李国平,张浩文,姜玉英,杨现明,吴孔明. 植物保护, 2019(02)
- [9]红松林中梢斑螟种群特征及其生物学特性[D]. 牛豪杰. 东北林业大学, 2019
- [10]福建闽侯丘陵区农作物种植面积估算的最优抽样技术研究[D]. 林芳芳. 福建农林大学, 2018(01)