福建农林大学林学院简介
生态学研究方法 3取样技术
生态第二章取样技术福建农林大学林学院陈灿重点2.无样地取样1.有样地取样难点第一章群落的取样各取样方法及优缺点无样地取样方法取样需设置一定数量的样地取样无需设置特定形状的样地第一节有样地取样一、样方的选取方法二、样方的形状和大小的确定三、样方的数目的确定1.主观取样取样方法2.客观取样人为地选择取样地段通过某种统计学方法来设置样方一、样方的选取方法1.主观取样选代表性样地(selective sampling):样地的选择是凭主观判断,使它能够代表所研究的植物群落。
优这一方法在植被研究实践中曾广泛地使用,它迅速、简便,对有经验的工作者能够取得较好的结果缺非统计学方法,不能进行显著性检验2.客观取样每一样品单位被抽样的机会是相等的。
随机取样系统取样分层取样限定随机取样几种常见的客观取样是根据某一规则系统地设置样方,也叫规则取样(regular sampling )。
是系统取样和随机取样的结合是将研究地段分成一些小的地段,再在小地段内进行随机或规则取样环境因子取样2.客观取样AB1020304050102030401001000坐标样方A=(4,4)样方B=(55,25)图3.1随机取样图示,由随机数确定样方位置2.1客观取样比如说从山麓到山顶沿西北方向,每隔海拔50m 设置一个样方。
在大多数情况下,系统取样是先用地形等因素确定第一个样方位置,比如山顶等。
2.2 系统取样优点取样简单,样品分布普遍,代表性强,在植被变差较小的情况下,效果很好。
缺点取样效果的好坏不能客观地评价,只能凭经验判断,其数据也不能进行统计分析分标题一2.3限定随机取样·X1Y1X2Y2·X3Y3·X4Y4·X5Y5··X6Y6X7Y7·X8Y8·X9Y9·图3.2 限定随机取样图示这种方法每个区组内每个样品被抽取的机会更大,而且这样抽取的数据可以进行统计分析但是该方法在野外可能更费时间2.4 分层取样优缺点简便易做,也是应用最多的方法。
福建农林大学风景园林专业2021-2022年考研备考信息汇总考试科目 参考书籍 考研经验等
福建农林大学风景园林专业2021-2022年考研备考信息汇总考试科目参考书籍考研经验等本文将由新祥旭陈老师系统的对福建农林大学风景园林考研进行解析,主要有以下几个板块:福建农林大学、院系介绍、风景园林考试科目、福建农林大学风景园林考研参考书目、2021年初试大纲等及备考经验等几大方面。
一、院校简介福建农林大学,简称“福建农大”,坐落于福建省省会福州市,是全国建校最早的农林院校之一,是福建省重点建设3所高水平大学之一,是农业部与福建省政府共建大学、国家林业局与福建省政府共建大学。
是全国首批硕士学位授予权单位和全国第二批博士学位授予权单位,教育部本科教学工作水平评估优秀高校,国家首批卓越农林人才教育培养计划改革试点高校。
二、院系介绍:学院现有风景园林学博士后科研流动站,风景园林学一级学科博士点,风景园林学一级学科硕士点、设计学一级学科硕士点、风景园林专业学位硕士点、艺术专业学位硕士点,国家林业局森林公园工程技术研究中心1个、国家林业局濒危兰科植物保护与利用重点实验室1个、国家水利风景区研究中心1个。
国家级特色专业1个、福建省重点学科1个、福建省高等学校重点实验室1个,福建省海峡花卉工程技术研究中心1个,设有海峡兰花保育研究中心、艺术&园林设计研究中心、森林公园与森林风景研究所、园林规划设计研究所、环境艺术设计研究所等。
三、考试科目、招生人数及研究方向019艺术学院、园林学院2021年拟招生人数192083400风景园林学(学硕)学习方式:全日制研究方向及考试科目:01风景园林历史理论与遗产保护初试科目:①101思想政治理论②201英语一③620园林建筑设计(3小时)④511园林规划设计(6小时)02园林与景观设计初试科目:①101思想政治理论②201英语一③620园林建筑设计(3小时)④511园林规划设计(6小时)03风景园林工程与技术初试科目:①101思想政治理论②201英语一③620园林建筑设计(3小时)④511园林规划设计(6小时)04园林植物与应用初试科目:①101思想政治理论②201英语一③344风景园林基础④819园林植物复试科目:01、02、03方向考2小时快题设计;04方向考园林植物与应用095300风景园林(专硕)学习方式:全日制研究方向及初试科目:01风景园林历史理论与遗产保护初试科目:①101思想政治理论②204英语二③344风景园林基础④511园林规划设计(6小时)02园林与景观设计初试科目:①101思想政治理论②204英语二③344风景园林基础④511园林规划设计(6小时)03风景园林工程与技术初试科目:①101思想政治理论②204英语二③344风景园林基础④511园林规划设计(6小时)04园林植物与应用初试科目:①101思想政治理论②204英语二③344风景园林基础④819园林植物复试科目:01、02、03方向考2小时快题设计;04方向考园林植物与应用四、参考书目《中国古典园林史》,周维权,1999,清华大学出版社。
福建农林大学林学院
福建农林大学林学院福建农林大学林学院具有悠久的办学历史,前身系创建于1940年的福建省立农学院森林系。
2000年10月福建农业大学与福建林学院合并成立福建农林大学。
2001年4月在原福建林学院资源与环境系基础上成立福建农林大学林学院。
学院拥有1个林学学科博士后科研流动站、1个林学一级学科博士学位授权点、8个二级学科博士学位授权点(森林培育、森林经理学、森林保护学、林木遗传育种、水土保持与荒漠化防治、野生动植物保护与利用、园林植物与观赏园艺、海岸带森林与环境)、1个林学一级学科硕士学位授权点、11个二级学科硕士学位授权点学院概况林学院办学68年来,经历了艰苦创业、曲折进步、健康发展的办学历程,从一个专业发展成为多专业、多层次并具有较大办学规模的学院。
目前,(森林培育、森林经理学、森林保护学、林木遗传育种、水土保持与荒漠化防治、野生动植物保护与利用、园林植物与观赏园艺、生态学、自然地理学、统计学、海岸带森林与环境)、1个专业硕士学位授予权(农业推广(林业领域)),3个高等学校在职攻读硕士学位专业(森林培育、森林经理学及生态学),6个全日制本科专业(林学、资源环境与城乡规划管理、水土保持与荒漠化防治、森林资源保护与利用、生态学、统计学)、3个成人教育本科专业,形成了以本科、硕士、博士培养为主,成人教育为辅的多层次人才培养体系,其中本科层次包含农学、理学、管理学、经济学4个学科门类。
目前,学院拥有4个省级以上重点学科、2门省级精品课程、3门省级优质硕士立项课程、6门省重点(优秀)课程、1个福建省高校重点实验室。
师资队伍目前,学院共有正高级职称22人,副高职称21人,中级职称21人;具有研究生学历的43人,其中博士21人,硕士26人。
现有国务院学位委员会学科评议组成员1人,国家有突出贡献中青年专家2人,福建省级优秀专家4人,享受政府特殊津贴10人,新世纪百千万国家级人选1人,国家林业局跨世纪学术与技术带头人重点培养对象人选1人,中国林业青年科技奖获得者2人,福建省“百千万人才工程”人选15人,福建省优秀教师2人,福建省教学名师1人,博士生导师14人,硕士生导师30人,有20多位教师获省部级以上荣誉称号。
应用无人机可见光影像和面向对象的随机森林模型对城市树种分类
第52卷第3期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Vol.52No.32024年3月JOURNALOFNORTHEASTFORESTRYUNIVERSITYMar.20241)国家自然科学基金项目(31901298),西藏自治区科学技术重点研发计划项目(XZ202201ZY0003G),福建农林大学省级大学生创新创业训练项目(S202310389046),福建农林大学科技创新专项基金项目(KFb22033XA)㊂第一作者简介:陈逊龙,男,1998年10月生,福建农林大学林学院,硕士研究生㊂E-mail:1220496002@fafu.edu.cn㊂通信作者:张厚喜,福建农林大学林学院㊁南方红壤区水土保持国家林业和草原局重点实验室(福建农林大学)㊁海峡两岸红壤区水土保持协同创新中心(福建农林大学)㊁福建长汀红壤丘陵生态系统国家定位观测研究站,副教授㊂E-mail:zhanghouxi@126.com㊂收稿日期:2023年10月23日㊂责任编辑:王广建㊂应用无人机可见光影像和面向对象的随机森林模型对城市树种分类1)陈逊龙㊀孙一铭㊀郭仕杰㊀段煜柯㊀唐桉琦㊀叶章熙㊀张厚喜(福建农林大学,福州,350002)㊀㊀摘㊀要㊀为及时准确的了解城市树种空间分布信息,提升城市居民生活水平和推动城市生态系统可持续发展㊂以福州市仓山区城市森林为研究对象,应用无人机(UAV)监测城市树种空间分布及其动态变化的可见光影像,根据最佳尺度对影像进行分割,并提取分割对象的光谱㊁地形㊁指数㊁纹理和几何特征㊂通过对不同类型特征的组合构建不同的分类方案,利用递归特征消除法(RFE)筛选出优选特征子集,利用面向对象方法结合随机森林(RF)模型对城市树种进行分类㊂结果表明:在随机森林模型分类的过程中,利用光谱特征对树种分类的总体分类精度为82.12%;地形特征对树种分类的贡献度率为14.96%;指数特征和纹理特征的引入,在一定程度提高了树种的分类精度;几何特征的贡献较小,在分类过程中没有明显的贡献㊂特征优选子集的S10方案分类精度最高,总体精度达92.42%,Kappa系数为0.91㊂说明特征优选能够降低高维度特征的复杂性,在大幅减少数据冗余的同时提高了分类精度㊂在最优特征子集下,随机森林(RF)算法分类的总体精度比极致梯度提升(XGBoost)㊁轻量级梯度提升机(LightGBM)和k最近邻算法(KNN)分别提高了1.15%㊁1.81%和15.15%,Kappa系数分别提高了1%㊁2%和17%㊂关键词㊀城市树种;无人机影像;面向对象;随机森林模型;地形特征分类号㊀S771.8UrbanTreeSpeciesClassificationbyUAVVisibleLightImageryandOBIA-RFModel//ChenXunlong,SunYim⁃ing,GuoShijie,DuanYuke,TangAnqi,YeZhangxi,ZhangHouxi(FujianAgricultureandForestryUniversity,Fuzhou350002,P.R.China)//JournalofNortheastForestryUniversity,2024,52(3):48-59.Inordertoobtaintimelyandaccuratespatialdistributioninformationofurbantreespecies,improvethelivingstand⁃ardsofurbanresidents,andpromotethesustainabledevelopmentofurbanecosystems,thisstudytakestheurbanforestinCangshanDistrict,FuzhouCityastheresearchobject.Itappliesunmannedaerialvehicles(UAVs)tomonitorthevisiblelightimagesofurbantreespeciesspatialdistributionandtheirdynamicchanges.Theimagesweresegmentedbasedontheoptimalscale,andthespectral,terrain,Index,texture,andgeometricfeaturesofthesegmentedobjectsareextracted.Differentclassificationschemeswereconstructedbycombiningdifferenttypesoffeatures,andtheoptimalfeaturesubsetwasselectedusingtherecursivefeatureelimination(RFE)method.Theurbantreespecieswereclassifiedusingtheob⁃ject⁃orientedmethodcombinedwiththerandomforest(RF)model.TheresultsshowedthatintheprocessofRFmodelclassification,theoverallclassificationaccuracyoftreespeciesusingspectralfeatureswas82.12%.Thecontributionrateofterrainfeaturestotreespeciesclassificationwas14.96%.TheintroductionofIndexfeaturesandtexturefeaturesim⁃provestheclassificationaccuracyoftreespeciestoacertainextent.Geometricfeatureshaveasmallcontributionanddonothaveasignificantcontributionintheclassificationprocess.TheS10schemeoffeatureselectionsubsethadthehighestclas⁃sificationaccuracy,withanoverallaccuracyof92.42%andaKappacoefficientof0.91.Thisindicatesthatfeatureselec⁃tioncanreducethecomplexityofhigh⁃dimensionalfeatures,whilegreatlyreducingdataredundancyandimprovingclassifi⁃cationaccuracy.Undertheoptimalfeaturesubset,theoverallaccuracyofclassificationusingtheRFalgorithmwasin⁃creasedby1.15%,1.81%,and15.15%comparedtoextremegradientboosting(XGBoost),lightgradientboostingma⁃chine(LightGBM),andk⁃nearestneighboralgorithm(KNN),respectively.TheKappacoefficientwasincreasedby1%,2%,and17%,respectively.Keywords㊀Urbantreespecies;UAVimagery;Object-based;Randomforestmodel;Terrainfeature㊀㊀城市树木作为城市的重要组成部分是评估城市生态环境的重要指标之一,具有重要的生态㊁经济和社会效益[1]㊂随着城市化进程的不断深化,城市树木的生态效益也日渐凸显㊂然而,不同种类㊁种植结构和种植区域的城市树木会产生不同的生态环境效益[2]㊂因此,及时准确地获取城市树种的类别和空间分布信息对城市规划㊁城市树木的管理与维护具有重要意义[3]㊂传统的城市树种分类主要依靠地面调查,然而该方法存在成本高㊁耗时长且难以获取大尺度数据等不足[4]㊂近年来,遥感技术飞速发展,为城市树种的准确快速识别提供了新的途径㊂然而,传统的高分辨率卫星遥感影像易受天气和环境因素干扰㊁时效性较差且费用昂贵㊂此外,免费提供的卫星遥感影像空间分辨率低,难以适用于树种层面的识别研究[5]㊂相比传统的遥感平台,近地无人机(UAV)能在较小空间尺度上提供高分辨率的遥感影像和地理数据,具有更高的适用性,是遥感数据获取的重要手段之一[6]㊂然而,目前有关树种信息提取的无人机遥感研究多集中于多光谱㊁高光谱影像的分类领域,但由于搭载多光谱㊁高光谱传感器的无人机普遍价格昂贵,极大地限制了其在实际生产中的推广应用㊂随着数码技术的发展,通过搭载可见光传感器的无人机获取包含树种信息的遥感影像,具有获取方便㊁成本低㊁空间分辨率高等优点,已成为遥感影像识别树种研究方向上重要的数据源之一[7]㊂根据遥感影像分类单元的不同,可将分类方法归为基于像元和面向对象两类㊂基于像元的方法主要关注局部像素的光谱信息,在处理高分辨率遥感影像时对噪声比较敏感㊁稳健性差,极易出现错分㊁漏分现象[8]㊂为弥补基于像元方法的不足,面向对象的影像分析技术(OBIA)逐渐被用于处理高分辨率遥感影像[9]㊂OBIA方法综合考虑区域相邻像素的纹理㊁形态以及空间结构等多维特征,减少了 椒盐噪声 的同时,通常具有更高的准确率[10]㊂然而,随着特征维数的增加,数据处理的难度呈几何倍数增长,使得传统分类算法的应用受到一定限制㊂随机森林(RF)是一种基于集成学习思想集成多颗决策树的机器学习算法,通过对样本的决策树建模以及组合多棵决策树的预测,最终由分类树投票决定数据的分类[11]㊂随机森林算法不仅具有模型简单㊁分类精度更高㊁校正参数更少的特点,而且鲁棒性强,不易过拟合,在遥感领域高维特征分类中得到广泛应用[12]㊂面向对象方法可以有效减少 同物异谱 现象,而随机森林算法在处理高维数据时有其独特的性能优势,二者的结合在一定程度上提高了分类精度㊂宗影等[13]将面向对象方法和随机森林算法的有机结合,有效提高了滨海湿地植被的分类精度,总体精度达87.07%;赵士肄等[14]将面向对象方法和随机森林算法应用于耕地领域,并与其他机器学习分类算法进行对比验证,结果表明基于面向对象的随机森林模型取得了最高的耕地提取精度,并减弱了 椒盐 噪声,优化了分类结果;耿仁方等[15]研究结果表明,基于面向对象结合随机森林算法对岩溶湿地植被具有较高的识别能力,在95%置信区间内的总体精度为86.75%㊂虽然该方法的研究已经取得了一定的成功,但不同类型的特征对城市树种信息提取效果的影响尚不明确㊂因此,面向对象结合随机森林的方法对于城市树种分类的效果有待进一步探讨㊂此外,目前主流的数据源是大尺度的卫星影像和航空影像,或者是特征信息更加丰富的多光谱和激光雷达影像,而消费级无人机可见光影像在城市树种的精细分类方面还鲜有报道㊂因此,本文以福州市仓山区无人机可见光影像为研究对象,基于OBIA-RF模型,通过特征优选,构建最佳子集并比较不同机器学习算法的分类精度,并分析不同特征对城市树种分类的影响,构建该研究区城市行道树的最佳特征子集,比较不同分类算法对城市树种的分类效果,进一步评估OBIA-RF模型的分类性能和适用性,为城市生态系统保护及生态环境治理提供技术支持㊂1㊀研究区概况研究区位于福建省福州市仓山区(见图1),该区域属于南亚热带海洋性季风气候温暖湿润,冬季无严寒,夏季无酷暑㊂年日照时间1700 1980h,年降水量900 2100mm,气温20 25ħ㊂福州市仓山区典型树种包括白兰(Michelia✕alba)㊁荔枝(Li⁃tchichinensis)㊁芒果(Mangiferaindica)㊁南洋楹(Fal⁃catariafalcata)㊁榕树(Ficusmicrocarpa)㊁棕榈(Tra⁃chycarpusfortunei)㊁樟(Cinnamomumcamphora)等㊂研究区地势平坦,自然环境相对复杂,具备城市的基本特征,对研究城市树种分类具有一定的代表性㊂2㊀研究方法2.1㊀无人机数据采集与预处理实验数据于2020年2月8日采集,采用搭载FC6310S可见光镜头的大疆精灵4Pro(DJIPhantom4Pro)无人机进行航拍获取研究区影像,为削弱阴影对分类过程的干扰,选择天气状况良好无风有云的时间段进行作业㊂飞行相关参数设置如下:航高设置为60m,航向与旁向重叠率均为70%,镜头角度-90ʎ,光圈值f/5,曝光时间1/200s,IOS速度为IOS-400㊂本次飞行共获得450张航拍影像,照片分辨率为5472ˑ3078㊂通过瑞士Pix4Dmapper专业摄影测量软件对所采集的原始数据进行空中三角测量㊁点云重建㊁裁切以及镶嵌等操作,得到研究区的正射影像(DOM)和数字地表模型(DSM)㊂为了精确获得研究区的道路信息,采用天地图在线矢量影像作为辅助信息,并通过手绘的方式提取道路矢量数据㊂根据实际调查情况,利用缓冲分析,将缓冲距离设置为5m,得到了行道树的矢量分布图,然后,将矢量布图与原始影像叠加,最终裁剪出了研究区影像㊂2.2㊀地形特征提取归一化数字表面模型(nDSM)是一种反映地物绝对高度的高程模型[16],可为地物判别提供可靠依94第3期㊀㊀㊀㊀㊀㊀㊀陈逊龙,等:应用无人机可见光影像和面向对象的随机森林模型对城市树种分类据㊂使用ArcMap10.2软件进行地形特征提取㊂首先,通过人工目视解译方法从DSM中选取950个地面点,并批量提取栅格的高程信息,其中100个样本点的高程数据用以验证精度㊂其次采用插值的方法生成数字高程模型(DEM)㊂为获取更加精确的地面高程信息,比较常见的插值方法(克里金插值法㊁反距离权重法㊁样条插值法以及自然邻域法)生成的数字高程模型(DEM),以均方根误差㊁平均绝对值误差和决定系数(R2)作为评分指标(见表1)㊂4种插值方法均可得到较高精度的DEM数据,综合考虑决定系数(R2)㊁平均绝对值误差以及均方根误差,最终确定采用克里金插值法生成连续的DEM数据㊂最后,根据已生成的DEM数据,利用Arc⁃Map10.2软件中的栅格计算器,将DSM数据与DEM数据相减得到nDSM数据[17]㊂图1㊀研究区概况图表1㊀不同插值方法精度评价方㊀法决定系数(R2)平均绝对值误差均方根误差克里金插值法0.990.070.04反距离权重法0.990.080.04样条插值法0.990.080.05自然邻域法0.990.070.042.3㊀最佳分割尺度确定影像分割是面向对象方法中至关重要的初始环节,分割结果将直接影响分类精度[18]㊂本研究采用尺度参数评价工具(ESP2),结合目视解译的方法确定最佳分割尺度,所有图像分割过程均在eCogni⁃tion9.0Developer9.0软件完成㊂ESP2是用以评价不同尺度影像整体最大差异性的工具,通过计算整体局部方差均值随尺度变化率评估不同地物所对应的最佳尺度参数[19]㊂而ESP2计算出的尺度参数往往是多个值,需要结合人工目视才能确定最佳分割尺度㊂形状参数和紧致度参数是准确表示不同树种轮廓,使得对象内部同质性高的关键㊂综合考虑无人机影像的特点以及影像对象形状和紧致度因子的相互关系,将形状参数设置为0.5,紧致度参数设置为0.3㊂其他必要参数为:各波段的权重值设置为1㊁起始分割尺度为40㊁分割步长为1㊁迭代80次㊂随着尺度的增大,局部方差均值整体呈现上升的趋势,而尺度变化率呈现下降的趋势(见图2)㊂为了获得图像的过分割和欠分割之间的临界值,选取尺度变化率峰值为51㊁57㊁76㊁80㊁89㊁104㊁109和118作为相对最佳分割尺度参数,采用多尺度分割算法得到分割结果(见图3)㊂当分割尺度参数设置较大(分割尺度参数大于104)时,白兰㊁榕树和背景多处05㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第52卷被划分为同一个对象,不同树种存在混淆现象难以被区分㊂当分割尺度参数设置较小(分割尺度小于76)时,不同地物内部出现了过分割现象,增加了数据冗余㊂当分割尺度参数设置76 89时,植被与背景区分相对明显,不同的树种之间能够被分割成独立的对象,整体分割效果较为理想㊂权衡分割效果与实际情况的吻合度,最终确定研究区无人机影像最佳分割尺度参数为76,并利用该分割尺度参数进行城市行道树提取㊂图2㊀ESP2最佳分割尺度估计图图3㊀不同尺度参数分割效果图2.4㊀对象光谱特征提取光谱特征是遥感影像的重要特征之一,地物通常具有不同的光谱特征,因此根据可见光影像中的地物光谱信息的差异可以用来区分不同的地物类型[20]㊂植被指数利用植被在不同波段下反射和吸收的特性,增强植被信息的同时使非植被信息最小化[21],被广泛应用于林业病虫害防治㊁农作物生长量估计㊁生态环境监测等领域[22]㊂在遥感图像中,不同地物通常具有复杂程度不同的边缘特征,因此,形状特征可以作为快速准确识别地物类型的有效手段[23]㊂纹理特征是遥感影像的底层特征,不受图像亮度的影响,能够综合反映像素的灰度分布和结构信息,利用纹理特征可以有效弥补可见光影像光谱信息的不足[6]㊂在面向对象的分类过程中,结合纹理特征对于提升分类精度效果显著[24]㊂地形特征能真实反映不同地物的高程信息,在影像分类过程中对于区分不同类型的地物具有重要意义㊂因此,本研究共选取光谱㊁指数㊁纹理㊁几何以及地形5大特征,剔除无效特征筛选出40个子特征,具体如下:(1)光谱特征(SPEC):主要包括:红色(R)波段的像元亮度的均值(MR)㊁绿色(G)波段的像元亮度的均值(MG)㊁蓝色(B)波段像元亮度的均值(MB)㊁最大差异值(Md)㊁亮度值(Br)㊂(2)指数特征(INDE):包括植被颜色指数(ICIVE)㊁可见光波段差异植被指数(IVDVI)㊁联合指数2(ICOM2)㊁超绿指数(IEXG)㊁超绿超红差分指数(IEXGR)㊁植被指数(IVGE)㊁归一化红绿差异指数(INGRDI)以及归一化绿蓝差异指数(INGBDI)(见表2)㊂(3)几何特征(GEOM):包括面积㊁边界长㊁宽度㊁长度㊁不对称性㊁长宽比㊁边界指数㊁圆度㊁像素个数㊁紧致度㊁体积㊁密度㊁椭圆拟合㊁主方向㊁形状指数㊁最大封闭椭圆半径㊁最小封闭椭圆半径以及矩形拟合㊂15第3期㊀㊀㊀㊀㊀㊀㊀陈逊龙,等:应用无人机可见光影像和面向对象的随机森林模型对城市树种分类(4)纹理特征(GLCM):基于灰度共生矩阵(GLCM)提取影像的纹理特征,包括对比度(TCON)㊁相关性(TCOR)㊁相异性(TDIS)㊁熵(TENT)㊁同质度(THOM)㊁均值(TMEA)㊁角二阶矩(TASM)和标准差(TSD)等特征值[6](见表3)㊂(5)地形特征:归一化数字表面模型(nDSM)㊂表2㊀植被指数及表达式指数特征公㊀式归一化红绿差异指数(INGRDI)[25]INGRDI=(MG-MR)/(MG+MR)归一化绿蓝差异指数(INGBDI)[26]INGBDI=(MG-MB)/(MG+MR)超绿指数(IEXG)[27]IEXG=2MG-MB-MR超绿超红差分指数(IEXGR)[28]IEXGR=MG-MB-2.4MR可见光波段差异植被指数(IVDVI)[21]IVDVI=(2MG-MR-MB)/(2MG+MR+MB)植被颜色指数(ICIVE)[29]ICIVE=0.44MR-0.88MG-0.39MB+18.79植被指数(IVGE)[30]IVGE=MG/MaRM1-aB,a=0.667联合指数2(ICOM2)[31]ICOM2=0.36IEXG+0.47ICIVE+0.17IVGE㊀㊀注:MR㊁MG㊁MB分别为红㊁绿㊁蓝波段像元亮度的均值㊂表3㊀纹理特征及表达式纹理指标公㊀式角二阶矩(TASM)TASM=ðNgi=0ðNgj=0p(i,j)2对比度(TCON)TCON=ðNgi=0ðNgj=0p(i,j)ˑ(i-j)2相关性(TCOR)TCOR=ðNgi=0ðNgj=0((i-ux)ˑ(j-uy)ˑp(i,j)2)/σxσy相异性(TDIS)TDIS=ðNgi=0ðNgj=0p(i,j)ˑ|i-j|熵(TENT)TENT=ðNgi=0ðNgj=0p(i,j)ˑlnp(i,j)同质度(THOM)THOM=ðNgi=0ðNgj=0p(i,j)ˑ(1/(1+(i+j)2))均值(TMEA)TMEA=ðNgi=0ðNgj=0p(i,j)ˑi标准差(TSD)TSD=ðNgi=0ðNgj=0p(i,j)ˑ(i-ux)2㊀㊀注:其中i,j是像元在图像中的行列坐标,p(i,j)为像素对的频数,Ng为灰度级数,ux㊁σx分别为px的均值和标准差,uy㊁σy分别为py的均值和标准差㊂2.5㊀试验样本选取本实验通过实地调查获取样本数据㊂调查者沿着研究区的主要道路记录了绿化树种,并排除了数量较少或被其他冠层遮挡的树种,最终确定了7类树种(白兰(Michelia✕alba)㊁荔枝(Litchichinensis)㊁芒果(Mangiferaindica)㊁南洋楹(Falcatariafalca⁃ta)㊁榕树(Ficusmicrocarpa)㊁棕榈(Trachycarpusfor⁃tunei)㊁樟(Cinnamomumcamphora))以及草地㊁灌木作为研究对象㊂根据遥感影像中不同地物类型的分布位置与大致面积比例,共选取了1100个样本点㊂为了避免较小的样本数量影响模型分类精度,将最小样本数量设置为60㊂采用Scikit-learn中内置的train_test_split函数进行分层抽样,按7:3的比例将数据划分为训练集和测试集(见表4),使各类别样本点数量大致与该类别的总面积成比例㊂训练集用于构建分类模型,测试集用于验证分类精度㊂表4㊀训练和验证样本地物总样本数训练样本数测试样本数白兰20014060草地503515灌木503515荔枝1409842芒果20014060南洋楹1208436榕树1409842棕榈604218樟1208436总计11007703302.6㊀分类模型与参数优化2.6.1㊀随机森林算法随机森林算法(RF)是一种通过集成学习的装袋思想将多棵决策树集合起来的算法,每棵决策树都充当预测目标类别的分类器㊂随机森林模型在样本数据和分类特征选择方面具有随机性,不容易过拟合,并且表现出良好的稳健性,即使在处理具有缺失值的高维数据时,仍能保持较高的分类精度㊂因此,它被认为是当今最好的算法之一[32]㊂目前,随机森林算法已经广泛集成在各种软件包中,使用Stata数据管理统计绘图软件㊁R语言统计软件可以轻松实现㊂在模型构造的过程中,通常只需要确定每个树节点包含的特征数量(M)以及决策树数量(N),就足以保证模型的性能[33]㊂本文采取递归特征消除法(RFE)[34]结合交叉验证(Cross-Validation)确定最佳特征数(见图4)㊂随着特征维数的增加,整体分类精度曲线经历 几何增长 ㊁ 缓慢上升 这个两个阶段后趋于平稳㊂当特征数为20时,各分类精度曲线均处于相对最高点,因此最终将特征数量的参数设置为20㊂在使用装袋方法生成训练集的过程中,随机森林算法会导致原始数据集中大约37%的数据未被抽到,这部分数据被称为袋外(OOB)数据㊂利用袋外数据对随机森林模型进行评估是一种无偏估计方法,且在一定程度上能减少计算量,提高算法的运行效率[35]㊂因此,本文采取遍历不同数量(1 1000)决策树的方法,通过比较袋外误差的大小,确定最佳的决策树数量(见图5)㊂当决策树数量小于85时,不同子集的袋外数据误差均随着决策树数量的增加而急剧下降,而后随着决策树数量的增加袋外数据误差的下降速度逐渐迟缓,当决策树数量为200时,袋外数据误差处于相对最低点㊂因此,选择决策树25㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第52卷的最佳数量为200㊂图4㊀模型分类精度与特征数的关系曲线图5㊀袋外误差与决策树数量的关系曲线2.6.2㊀其他分类模型为充分探索随机森林算法对城市树种信息提取的适用性,引入当下流行的机器学习算法作为对照,包括极致梯度提升(XGBoost)㊁轻量级梯度提升机(LightGBM)以及k最近邻算法(KNN)㊂XGBoost是一种基于增强学习(Boosting)的集成算法,它通过在梯度下降方向上将弱分类器集成到强分类器中,并迭代生成新树以拟合先前树的残差㊂XGBoost能够自动利用中央处理器(CPU)的多线程进行分布式学习和多核计算,在保证分类准确度的前提下提高计算效率,尤其适用于处理大规模数据[36-37]㊂LightGBM也属于增强学习方法,基本原理与XG⁃Boost相似㊂但LightGBM使用基于直方图的决策树算法来减少存储与计算成本,并优化模型训练速度[38]㊂KNN算法是一种近似自变量与连续结果之间的关系的非参数方法[39],其基本思路是通过计算待分类样本与临近样本的距离(欧氏距离㊁曼哈顿距离)来确定所属类别,是一种简单而有效的分类算法㊂为了防止过拟合,本研究在JupyterNotebook平台上利用Scikit-learn库中的GridSearchCV包对这3种分类器参数进行了调优(见表5)㊂表5㊀不同分类器的超参数分类器参㊀数参数取值范围极致梯度提升(XGBoost)决策树数量[50,100,150,200]最大树深度[3,5,7,9]学习率[0.01,0.05,0.10]样本抽样率[0.6,0.8,1.0]特征抽样率[0.6,0.8,1.0]轻量级梯度提升机(LightGBM)学习率[0.01,0.05,0.10]决策树数量[50,100,150,200]叶子节点数[10,20,30,40]最大树深度[3,5,7,9]k最近邻算法(KNN)近邻数[1,2,3,4,5,6,7,8,9,10]2.7㊀试验方案构建不同树种之间单一特征的差异有限,难以满足树种分类的要求㊂因此,本研究采取增加特征数量的方式来提高分类精度,并探究不同特征组合对分类结果的影响(见表6)㊂表6㊀研究区各地物特征值地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟面积6859.673636.732928.797194.057200.108688.483457.752263.137325.01不对称性0.550.430.440.430.450.420.480.560.45边界指数1.741.462.011.971.991.842.062.191.79边界长578.70340.20431.95650.41669.29670.73488.16408.63601.00亮度值83.1078.79115.6974.0977.2081.1571.6396.8763.83植被颜色指数-29.14-33.17-47.78-21.15-18.89-21.62-29.96-17.74-20.18联合指数214.1116.2520.1911.7410.7511.6015.279.2511.82紧致度1.851.631.871.911.861.802.002.361.85密度2.032.102.042.102.102.161.971.822.09超绿指数76.6087.77117.8159.6253.9359.8280.8348.3158.52超绿超红差分指数-215.56-204.06-304.33-194.88-204.07-199.54-168.32-273.24-155.97椭圆拟合0.680.750.630.670.670.710.590.500.68角二阶矩000000000对比度556.77786.24877.55597.29614.12770.77714.25765.51514.11相关性0.870.820.820.880.880.840.850.860.90相异性17.1319.0521.6618.1218.6820.2819.7219.6216.64熵8.798.668.909.149.189.198.948.699.07同质度0.060.060.050.050.050.050.050.050.06均值127.03126.07125.67126.81126.68126.73126.23125.97126.8835第3期㊀㊀㊀㊀㊀㊀㊀陈逊龙,等:应用无人机可见光影像和面向对象的随机森林模型对城市树种分类续(表6)地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟标准差34.1734.6536.2336.4036.2335.7636.4037.6636.32长度143.4591.1085.96136.33136.90144.38100.0389.62138.31长宽比1.811.741.521.551.551.511.621.781.61主方向113.61130.6395.3296.5294.5694.5591.4883.5681.45最大差异值1.641.691.531.471.361.201.501.341.46蓝色(B)波段像元亮度的均值84.4766.8094.6274.2079.0881.7263.64105.5364.38绿色(G)波段像元亮度的均值136.22133.75189.36116.28116.90120.40118.79141.29101.72红色(R)波段像元亮度的均值111.38112.92166.2898.74100.7999.2693.11128.7580.55归一化数字表面模型0.321.7012.517.1612.0423.2010.9611.938.67归一化绿蓝差异指数0.210.270.270.200.170.180.260.130.21归一化红绿差异指数0.100.090.070.080.070.100.130.050.12像素个数6859.673636.732928.797194.057200.108688.483457.752263.137325.01最大封闭椭圆半径0.580.720.490.560.540.610.450.380.59最小封闭椭圆半径1.451.391.441.491.451.431.511.631.45矩形拟合0.820.860.800.820.820.830.780.740.82圆度0.860.670.950.930.920.821.061.250.86形状指数1.841.552.092.042.061.902.162.321.86可见光波段差异植被指数0.170.200.190.150.130.140.210.090.17植被指数1.361.431.381.301.261.301.461.181.37体积6859.673636.732928.797194.057200.108688.483457.752263.137325.01宽度80.7852.7558.0390.8190.4997.8862.9651.4688.94㊀㊀根据优选特征贡献率(见表7),将所选取的5大特征组合形成了10种试验方案(S1 S10)㊂光谱特征作为每幅遥感影像的基本特征,作为基础被纳入到这10种方案的构建中㊂其中,S1仅包含光谱特征;为了全面探究其他特征对分类结果的影响,在S1基础上引入了地形㊁指数㊁纹理等3个总体特征贡献率较高的特征,通过遍历这3个特征的各种组合得到了S2 S8;S9包含了所有的特征;根据20个优选特征组合建立S10,具体的分类方案见表8㊂表7㊀优选特征重要性优选特征重要性/%归一化数字表面模型14.96最大差异值12.41联合指数25.57植被颜色指数5.42绿色(G)波段像元亮度的均值4.84归一化绿蓝差异指数4.67超绿指数4.58亮度值4.36可见光波段差异植被指数3.42植被指数3.26红色(R)波段像元亮度的均值3.05角二阶矩2.90蓝色(B)波段像元亮度的均值2.86超绿超红差分指数2.78标准差2.25归一化红绿差异指数2.23熵2.03相关性1.97均值1.41边界指数1.28表8㊀分类方案方案特征子集特征数量S1光谱5S2光谱+地形6S3光谱+指数13S4光谱+纹理13S5光谱+地形+指数14S6光谱+地形+纹理14S7光谱+指数+纹理21S8光谱+地形+指数+纹理22S9光谱+地形+指数+纹理+几何40S10优选特征202.8㊀精度评价本文根据混淆矩阵对模型的分类精度进行定量评价㊂混淆矩阵也称为误差矩阵,是遥感影像二分类问题上的一种评价方法,反映了分类结果与真实地物类别之间的相关性[40]㊂混淆矩阵的评价指标包括总体精度(OA)㊁Kappa系数(Kp)㊁生产者精度(PA)以及用户精度(UA)㊂其中,总体精度指正确分类样本与总体样本的比值;生产者精度指分类结果与参考分类相符合的程度;用户精度指样本分类正确的可能性;Kappa系数是用于检验遥感影像分类结果的一致性,也可以用以均衡分类效果[41]㊂各指标计算公式如下:㊀㊀㊀㊀㊀OA=ðni=1xiiN;㊀㊀㊀㊀㊀Kp=Nðni=1xii-ðni=1xi+x+iN2-ðni=1xi+x+i;45㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第52卷㊀㊀㊀㊀㊀PA=xii/x+i;㊀㊀㊀㊀㊀UA=xii/xi+㊂式中:N为参与评价的样本总数;n为混淆矩阵的行列数;xii为混淆矩阵第i行㊁第i列上的样本数;xi+和x+i分别为第i行和第i列的样本总数㊂3㊀结果与分析3.1㊀随机森林算法的不同分类方案精度由表9可知,随着不同特征类型数量的增加,总体分类精度和kappa系数整体呈上升趋势㊂其中,仅利用光谱特征作为分类依据的方案S1精度最低,总体精度和kappa系数分别为82.12%和0.79,说明光谱特征是遥感影像最重要的特征之一,但仅利用光谱特征难以达到所需的分类精度㊂方案S2 S4是在S1的基础上分别加上地形㊁指数和纹理特征,相比方案S1,这3个方案的总体分类精度分别提高了5.15%㊁4.55%㊁1.82%,kappa系数分别提高了0.06㊁0.06㊁0.03㊂在分类过程中,地形特征相较于指数和纹理特征扮演着更重要的角色,大幅提高了分类精度㊂方案S5 S7是在光谱特征的基础上加入地形㊁指数和纹理特征的两两组合,旨在研究它们之间的相互作用对分类精度的影响㊂整体而言,与S2 S4相比,这3个方案的总体分类精度呈上升趋势㊂其中,S6具有最高的总体精度和kappa系数,分别达到90%和0.88;其次是S7,和S1相比,总体精度和kappa系数分别提高了7.27%和0.09;而S5总体精度和kappa系数只增长了6.36%和0.08㊂表明地形与指数特征交互作用在分类过程中提供了更大的贡献度㊂方案S8是由特征重要性靠前的光谱㊁地形㊁指数以及纹理特征构成㊂与包含所有特征的方案S9相比,S8反而具有更高的总体分类精度和kappa系数,分别达到92.12%和0.91㊂表明几何特征对分类精度具有负向影响,它的加入降低了分类精度㊂方案S10由优选特征组成,其获得了所有子集中最高的分类精度和kappa系数,分别为92.42%和0.91㊂与S9相比,分类精度提高了0.60%㊂说明特征优选方法能消除高维复杂特征间的信息冗余,使模型仅利用较少特征数量并获得更高的运行效率和分类精度㊂表9㊀不同分类方案分类精度方案总体精度/%Kappa系数方案总体精度/%Kappa系数S182.120.79S690.000.88S287.270.85S789.390.88S386.670.85S892.120.91S483.940.82S991.820.91S588.480.87S1092.420.91㊀㊀由表10可知,虽然S1方案的用户精度与生产者精度整体上处于最低水平,但棕榈树的用户精度达到了100%,表明棕榈与其他树种存在明显的光谱差异㊂方案S2加入地形指数后,各类地物的用户精度与生产者精度相比S1都有不同程度的提高,用户精度提升幅度1.88% 8.18%,生产者精度提升幅度2.78% 11.11%,因为地形特征的加入更好的反映了不同地物之间的空间关系,从而大幅提高了分类精度㊂方案S3在S1的基础上加入了指数特征,荔枝㊁榕树以及樟的用户精度分别提升了10.95%㊁9.18%和8.72%,说明植被指数对荔枝㊁榕树以及樟分类效果显著,但对于其他树种的区分能力有限㊂方案S4加入纹理特征,芒果和樟的用户精度提升了8.85%和9.00%,而棕榈和榕树的生产者精度分别提升了22.22%和11.9%,说明这些树种的纹理结构特异性强与其他地物的差异显著,因此纹理特征的加入对分类精度有正向影响㊂方案S5与S2相比,荔枝和榕树的用户精度提升了7.05%和5.12%,而草地的精度下降了5.88%;与S3相比,灌木的用户精度提升了4.47%㊂总体而言,地形特征与指数特征的组合对分类精度的提升不显著,并且在某些树种的分类上精度出现不同程度的下降,说明这二者的组合产生了冗余信息影响了分类精度㊂方案S6与S2相比,芒果与樟的用户精度分别提升了6.44%和7.66%,而棕榈树和榕树的生产者精度分别提升了27.78%和11.90%,这个结果与方案S4类似,说明地形特征和纹理特征的组合与树种的分类精度呈正相关㊂方案S7与S6相比,除个别树种外,整体精度出现了不同程度的降低,波动范围为-6.21% 4.04%㊂然而,与方案S5相比,总体分类精度有一定的提升,波动范围是-0.58% 7.55%㊂方案S8与表现最好的方案S7相比,荔枝和榕树的总体分类精度分别提升了9.42%和6.67%,其他树种的总体分类精度保持稳定,这表明高维度的特征组合带来了更多的信息,在一定程度上提高了分类精度㊂综合所有特征的方案S9与S8相比,总体分类精度呈现出不升反降的现象,波动范围为-10.23% 4.74%,说明高纬度的特征产生了冗余信息,影响了随机森林模型的分类性能㊂优选特征子集S10与S9相比,总体分类精度有所提升,其中灌木㊁草地以及荔枝的用户精度分别提升了10.23%㊁5.88%和3.55%㊂由此可见,特征优选通过对高维数据集的降维和优化,使模型仅利用较少的特征仍能保证良好的分类效果㊂3.2㊀应用优选特征子集对不同分类模型的精度评价由表11可知,随机森林模型的分类精度最高,总体精度为92.42%,比k最近邻算法(KNN)㊁极致55第3期㊀㊀㊀㊀㊀㊀㊀陈逊龙,等:应用无人机可见光影像和面向对象的随机森林模型对城市树种分类。
中国林学会关于召开第三届中国林业学术大会的第二轮通知
中国林学会关于召开第三届中国林业学术大会的第二轮通知文章属性•【制定机关】中国林学会•【公布日期】2013.07.16•【文号】中林会学字[2013]33号•【施行日期】2013.07.16•【效力等级】行业规定•【时效性】现行有效•【主题分类】森林资源,机关工作正文中国林学会关于召开第三届中国林业学术大会的第二轮通知(中林会学字[2013]33号)各省、自治区、直辖市林业厅(局)、林学会,中国林学会各分会、专业委员会,各有关单位:2013年5月,中国林学会下发了《关于召开第三届中国林业学术大会的第一轮通知》(中林会学字[2013]22号)。
在各有关单位的大力支持下,第三届中国林业学术大会的筹备工作进展顺利,大会将于2013年9月12-13日在福州召开。
现将大会有关事项通知如下:一、大会主办、承办、协办单位主办单位:国家林业局、福建省人民政府、中国林学会承办单位:中国林学会秘书处、福建省林业厅协办单位:福建省林学会、福建农林大学等二、大会时间与地点大会时间:2013年9月12-13日,会期2天,9月11日全天报到。
大会地点:福建省福州市,各分会场入住宾馆见附件1。
三、大会主要内容(一)开幕式开幕式将邀请国家林业局、福建省人民政府、中国科协等有关领导出席并讲话,颁发第五届梁希林业科学技术奖、第四届梁希科普奖。
(二)大会特邀报告大会在开幕式后拟安排4-5个大会特邀报告。
(三)分会场特邀报告大会设美丽中国与森林高效培育、科技创新与森林可持续经营、木质材料加工制造技术的科学问题等20个学术分会场,各分会场根据自身情况设3-12个特邀报告(详见附件2)。
(四)分会场学术交流各分会场将围绕主题和研讨内容开展一天半学术交流。
(五)创新成果展示与技术供需交流会为促进林业科技成果的转化与应用,大会期间将举办2013中国林业创新成果展示与技术供需交流会。
四、参会人员(一)有关领导和特邀专家;(二)从事大会涉及相关领域的科研、管理、教学、生产部门的科技工作者;(三)第五届梁希林业科学技术奖、第四届梁希科普奖获奖代表。
森林生态学实验指导书
福建农林大学林学院森林生态学实验指导书福建农林大学林学院生态环境系实验一生物气候图的绘制水热组合状况在决定植被类弄中起着重要的作用。
Walter生物气候图解能较好地反映水、热二者综合的气候特点,是目前解释植被分布规律的一种比较理想的方法。
Walter 生物气候图解主要是用月平均气温和月平均降水量的匹配关系来表示生物气候类型。
通常以月平均气温和月平均降水量为两个纵坐标(右边为降水量,左边为温度),两者之间的匹配关系为P=2T(其中P为月平均降水量,T为月平均温度),而用一年中的12个月份作为横坐标。
实验目的:(1)掌握生物气候图的绘制方法(2)加深理解植被分布与气候之间的相互关系,并预测研究区域的地带性植被类型及其特点实验器材:1、气象资料(世界主要城市气候数据)2、实验器材坐标纸、直尺、铅笔、橡皮等方法与步骤1、气象数据的整理2、坐标轴刻度的确定(1)按P=2T分别建立两条纵轴(降水与温度)的坐标刻度值,每个刻度的大小视站点逐月平均温度和平均降水量的具体数值大小而定,如月平均温度曲线1刻度(即1格)等于10℃,则月平均降水刻度1格等于20mm。
若月平均降水量超过100mm,则刻度单位缩小1/10。
(2)以两条均分为12段(代表12个月)的平行直线作为横坐标,并从左至右依次标出1月、2月、3月、…12月。
3、生物气候图的绘制根据上述确定的坐标体系以及计算出来的逐月年平均降水量和逐月年平均温度,在坐标纸上绘制年平均降水量曲线和年平均温度曲线,并标定图示。
(1)将降水曲线与温度曲线相交的区域填充不同的标示符。
如果温度曲线在上,降水曲线在下,两者间的区域表示干旱区,将此区域用小黑点填充。
(2)如果温度曲线在下,降水曲线在上,两者间的区域表示湿润期,将此区域用细黑竖线填充。
(3)月平均降水量超过100mm的区域用黑色填充。
(4)在降水轴的上方,标明该站点的年均温度和年均降水量。
(5)在温度轴的上方标明该站点的海拔高度和经纬度。
福建农林大学
福建农林大学福建农林大学是一所具有74年办学历史的省重点大学。
其最早前身为1936年创办的福建协和大学农科。
2000年,福建农业大学和福建林学院合并为福建农林大学。
建校以来,学校形成了“明德、诚智、博学、创新”的校训,凝炼了“五种品格”(即耕牛的拓荒品格、骏马的争先品格、蜜蜂的勤勉品格、青松的顽强品格、小草的奉献品格),坚持追求“敬业乐群、达士通人”的精神境界。
学校位于福州市金山,校园占地面积234万平方米。
现有1个国家重点学科、1个国家重点(培育)学科、1个国家理科生物学基地、2个农业部重点学科、1个国家林业局重点学科、18个福建省重点学科、8个博士后科研流动站、6个一级学科博士点、45个二级学科博士点、11个一级学科硕士点、78个二级学科硕士点、MBA等4个专业硕士学位点以及15个高校教师在职攻读硕士学位的学科专业。
有22个学院、68个本科专业、43个成人学历教育专业。
涵盖8大学科门类,在校本科生2.1万多人、研究生近3000人。
现有教职工2300多人,专任教师1572人,有正高职称人员224人,副高职称人员494人,有福建省属高校唯一的1位中科院院士,96名博士生导师。
自1984年以来,先后有1人被评为全国杰出专业技术人才,10人入选国家有突出贡献的中青年专家,14人入选国务院学位委员会学科评议组成员,142人享受国务院政府特殊津贴,7人入选教育部高等学校农林科类教学指导委员会委员,1人入选教育部高等学校思想政治理论课教学指导委员会委员,1人入选教育部科学技术委员会学部委员,1人入选农业部科学技术委员会委员,2人入选教育部新世纪优秀人才支持计划,5人被评为福建省杰出科技人员,2人被评为福建省杰出人民教师,28人被评为福建省优秀专家,74人入选福建省“百千万人才工程”人选,9人被评为全国优秀教师、教育工作者,37人被评为福建省优秀教师、教育工作者,11人被评为省级教学名师。
学校是教育部本科教学工作水平评估优秀高校,是第二批实施国家大学生创新性实验计划高校。
森林培育学实习报告
福建农林大学林学院森林培育学实习报告学生姓名:专业名称:林学年级: 2009级学号: 090410102 指导教师:冯金玲教师职称:讲师二O一二年十二月一、前言(一)、实习目的要求1、基本掌握造林绿化的工序,技术环节的实践知识,操作技能;综合所学专业知识,应用到森林培育施工设计2、纪律:必须参加所有现场调查,现场考察,现场评估,独立完成实习报告。
(二)、计划安排1、时间:1.5周。
12月10日星期一(下午竹种园),星期二校内两山体调查,星期三灵石林场。
2、组织方式:划分小组,以小组为单位,老师现场总介绍后,各小组独立调查;3、内业整理:星期一、星期四实习辅导4、实习报告:实习结束后完成(三)、实习内容1、造林地立地类型(立地级)评价表、造林效果调查与评价;主要树种生长效果(山地与校园、灵石林场)2、造林施工作业设计(灵石林场)3、林分改选设计——校园内4、典型设计表5、园林绿化树种评价与选择(四)、外业实习方法1、观测、目估2、测定小班因子(标准地调查,样地调查,样圆调查等方法)树种组成、混交比例、造林密度—半径3.26米、立地级、树高、胸径、冠幅等;3、竹林调查、造林地调查、杉木、湿地松调查4、后山台湾相思林改造—城市森林、生态风景林5、校园绿化树种二、调查地区概况(一)福建农林大学两山及创业园竹园1社会经济概况:位置、范围、面积、劳力、人口、交道、工农业生产概况、林业生产比重福建农林大学位于福州西郊,面积2700多亩,交通方便,学校注重生态建设,有以观音湖、创业园等为主体的校园景观生态风景。
2自然概况:地形、气候、土壤、现有林情况农大南山海拔150m左右,北坡,坡度较缓,土壤为砖红性土壤,土层厚度50cm左右,表土层厚20cm左右,气候温暖湿润,降水丰富,主要树种为人工种植樟树,密度过稀,可补植耐阴树种。
农大北山主要树种为台湾相思,包括少部分竹子,台湾相思长势良好,但密度过大,应适当间伐。
农大创业园竹园主要有毛竹林,还包括景观效益为主的观赏竹,如佛肚竹。
福建农林大学资源与环境学院
科研项目
科研项目
福建农林大学资源与环境学院教师承担的比较重要的科研项目有:国家自然科学基金、中央环保专项基金项 目、教育部留学人员基金、教育部重点项目、国家农业综合开发办、省科技厅重点项目、省重大专项前期研究项 目、世界银行红壤贷款科研项目、省农业跨越计划项目、省环保局重点项目、省水利厅、省国土厅、省烟草局、 省农业厅、省地调院等单位的科研项目,同时参加加拿大国际合作暑(CIDA)的项目。
资源与环境学院2018级环境工程2班团支部被授予“福建省五四红旗团(总)支 部”称号。
谢谢观看
办学条件
院系专业
师资力量
教学建设
师资力量
截至2021年4月,学院有专任教师82人,其中91%具有博士学位,46%具有海外留学经历,教授28人,博士生 导师20人。获部级创新团队1个,省级教学团队3个,省级科技团队1个。有20多人(次)在国内外学术组织和学 术期刊任职,30多人(次)获的省级及以上人才称号;其中,国家杰青2人,“国家百千万人才工程”人选2人, 国家优青2名,美国微生物科学院院士1名,国务院政府特殊津贴专家5名,霍英东教师奖3名。
院系专业
截至2021年4月,学院拥有农业资源与环境博士后科研流动站和一级学科博士学位授权点、环境科学与工程 一级学科硕士学位授权点。共设立农业资源与环境、环境工程、空间信息与数字技术等3个本科专业。
教学建设
近5年学院建设有国家级精品资源共享和一流本科课程2门,省级在线开放课程12门(次),校级一流课程 14门,新编农业农村部“十三五”规划等教材4部。
研究成就
研究成就
福建农林大学资源与环境学院研究论文分别在《European Journal of Soil Science》,《Science of the Total Environment》,《Environmental Pollution》,《Journal of Environmental Radioactivity》,《Pedosphere》,《土壤学报》,《植物营养与肥料学报》,《生态学报》,《环境科学学 报》,《中国农业科学》,《水土保持学报》,《自然资源学报》等国内外重要学术学术刊物上发表。2007年该 院已通过成果鉴定的项目3项,经专家鉴定分别达到国际先进和国内领先水平。该院教师作为主编或副主编或参编 专著、教材十多部,有三位教师作为副主编参加农林院校十五或十一五规划教材的编写,《土壤学》和《植物营 养学》课程分别于2005和2007年被评为福建省省级精品课程。
《福建林学院学报》和《福建农林大学学报(自然科学版)》被收录为中国科学引文数据库(CSCD)来源期刊
[ 2 1 ]张清海 , 叶功富 , 林益 明. 海岸退化沙地木麻黄人工林能量的研究 [ J ] . 林业科学 , 2 0 0 6 , 4 2 ( 8 ) : 1 — 7 .
[ 2 2 ]叶功 富, 高伟 , 殷亮 , 等. 海岸 基干林 带 木麻 黄蒸 腾速 率和 水分利 用效 率 的动态 变 化特 征 [ J ] . 中国水 土保 持科 学 ,
[ 1 5 ]韩广轩 , 王光美 , 张志东 , 等. 烟台海岸黑松防护林种群结 构及其随离岸距离的变化 [ J ] . 林业科学 , 2 0 0 8 , 4 4 ( 1 0 ) : 8 一l 3 .
[ 1 6 ]夏江宝 , 许景伟 , 李传荣 , 等. 沙质海岸 不同植被梯度 带的土壤 蓄水 功能 [ J ] . 水土保持学报 , 2 0 0 8 , 2 2 ( 6 ) : 2 0 8 — 2 1 1 .
[ 3 O ]赵哈林 , 何玉 慧 , 岳广 阳, 等. 风吹 、 沙埋 对沙地 植物幼 苗生长 和光合蒸腾 特性 的影响 [ J ] . 生态学 杂志 , 2 0 1 0 , 2 9 ( 3 ) :
4 1 3—4 1 9 .
[ 3 1 ]于云江 , 史 培军 , 鲁春霞. 不 同风 沙条件对几种植物生态 生理特征 的影 响[ J ] . 植物生态学报 , 2 0 0 3 , 2 7 ( 1 ) : 5 3 — 5 8 . [ 3 2 ]唐霞 , 崔建垣 , 曲浩 , 等. 风对 科尔沁 地 区几种 常见 作 物幼苗 光合 、 蒸 腾特性 的影 响 [ J ] . 生态 学杂 志 , 2 0 1 1 , 3 0 ( 3 ) :
2 0 0 7 , 2 7 ( 9 ) : 3 8 7 4— 3 8 8 2 .
[ 2 0 ]R a j e n d r a n K, D e v a r a j P .B i o ma s s a n d n u t r i e n t d i s t r i b u t i o n a n d t h e i r r e t u r n o f C a s u a r / n a e q u i s e t f i o l i a i n o c u l a t e d w i h t b i o f e r t i l i - g @ r s i n f a r m l a n d [ J ] .B i o m a s s nd a B i cn o e r g y , 2 0 0 4 , 2 6 ( 3 ) : 2 3 5— 2 4 9 .
福建农林大学2012届毕业生校园周末招聘会工作方案
福建农林大学2012届毕业生校园周末招聘会工作方案第一篇:福建农林大学2012届毕业生校园周末招聘会工作方案福建农林大学2012届毕业生校园周末招聘会工作方案工作目的:搭建平台,满足各用人单位尤其是中小企业的招聘人才的需要,促进学校、毕业生、用人单位之间的交流和沟通。
执行地点:福建农林大学大学生活动中心多功能厅执行时间:2012年2月底——5月每周六下午14:00~17:00 执行方案:一、方案说明1.参会单位于每周四之前,以电子邮件的方式,与校毕业生就业指导中心或相关院系联系预定周六见面会的展位。
每周五通过各种校园渠道发布参会单位的招聘信息。
电子邮件格式要求:①邮件主题注明“周末招聘会——**单位参加*月*日校园招聘”,公司的营业执照电子档(最新年检)、企业简介以及招聘岗位详细要求以附件方式,发送到****************。
2.参会单位如果有笔试面试要求,必须在电子邮件中注明申请,指导中心在周五完成相关场地的申请工作。
3.参会单位展位的宣传、展示材料(含单位简介、招聘职位及单位要求等内容)由参会单位自行准备。
学生助手参会单位的电子邮件核对相关招聘信息。
二、宣传推广οοοοοο在金桥网上发布招聘信息。
通过官方微博和QQ群传播招聘信息。
大学生活动中心大屏幕大学生活动中心多功能厅内部投影仪图书馆电子大屏幕短信群发三、执行团队指导中心老师必须到岗,辅导员老师和学院学生以轮流值班的方式,安排在多功能厅为企业提供服务。
1.指导中心老师2.各学院毕业班辅导员3.各学院就业创业服务部学生第二篇:毕业生校园周末招聘会邀请函尊敬的用人单位:非常感谢贵单位长期以来对我校毕业生就业工作的大力支持!福州大学是国家“211工程”重点建设大学,创建于1958年,现已发展成为一所以工为主、理工结合,理、工、经、管、文、法、艺等多学科协调发展的福建省属重点大学。
学校确立了走区域特色创业型强校之路的办学理念,正朝着建设我国东南强校的奋斗目标大步迈进,努力为国家和海峡西岸经济区建设作出更大的贡献!为适应海峡西岸经济区建设发展的需要,搭建用人单位与毕业生双向交流平台,创造公开、公平、公正的选人择业环境,促进我校2011届毕业生充分就业,我校联合在榕各行业人才机构将自2011年3月5日(星期六)开始,每周六上午9:00在福州大学旗山校区(闽侯大学城)学生素质拓展中心一楼大厅举行周末校园招聘会。
芳华七秩,揽智高飞
பைடு நூலகம்
专家 2 新世纪百千万人才工程国家级人选 2 享受国务院政府特殊津贴专家 l 人、 人、 人、 1 福建省优秀专家
4人 。20 09年 , 全 日制学 生 1 7 在校 2人 , 中本 科生 149人 、 硕士 生 23人 。7 6 其 2 博 4 0年来 , 院共培 养博 学 硕 士 54人 、 6 本专 科学生 696人 、 人教育 215人 , 院学子遍 布海 内外 , 7 成 9 林 为祖 国 的林 业 建设 和社 会发
展做 出了突出贡献 。 林 学院将 于 2 1 00年举行 盛大庆典 , 盛情邀请 和热 忱欢 迎海 内外 校 友拨 冗莅 校 , 襄盛 举 。无 论 您是 共
颐养天年, 还是风华正茂 ; 无论您是近在咫尺 , 还是远在天涯 ; 无论您是功成名就, 还是正艰苦创业 , 学院都 将 以母 亲 的情 怀 , 期待您 的归来 , 忆难忘岁 月 , 师生深 情 , 共 共叙 共话科 技兴林 , 谋林 院发展 。躬逢 其盛 , 共
校友 齐聚 , 亦乐乎 ! 不
[ ]陈灵芝 , 8 任继凯 , 鲍显诚. 北京西山人工油松林群落学特征及生物量的研究 [] 植物生态学与地植 物学报 ,94 8 3 : J. 18 , ( )
1 3—1 1 7 8.
[] 9 党承林 , 吴兆秉. 季风常绿 阔叶林短刺拷群落的生物量研究 []云南大学学报 : J, 自然科学版 , 9 , ( )9 17 1 11 2 : 9 4 5— 0。
[O 1 ]国庆喜 , 张锋. 基于遥感信息估测森林 的生物量 [ ] 东北林业大学学报 ,03 3 ( ) 1 —1 . J. 2 0 ,1 2 :3 6 [1 1 ]唐守正 , 张会儒 , 胥辉. 相容性生物量模型建立及其估计方法研究[ ] 林业科学 ,00 3 ( ) 1 2 J. 2 0 ,6 1 : — . [2 1 ]胥辉 , 平. 刘伟 相容性生物量模型研究 [] 福建林学院学报 ,0 12 ( ) 1 — 3 J. 20 ,1 1 :8 2 . [3 1 ]张思玉 , 存德 . 潘 天山云杉人工幼林相容性生物量模型[ ] 福建林学院学报 ,0 22 ( )2 1 2 4 J. 20 , 3 :0 — 0 . 2
森林生态学实习报告
福建农林大学林学院森林生态学实习报告学生姓名:学号: 090410102专业:林学年级:2009级指导教师:范海兰教师职称:讲师二O一一年十二月一、实习目的森林生态学是林学一级学科重要的课程之一,实习是学生掌握该课程的重要环节。
实习目的在于使学生有一次接触森林,感受大自然的机会,通过实践环节促进学生对森林生态学理论知识的联想和理解,学生通过参加教学实习能够更好地掌握课堂所学的理论知识,并能更好地与实践相结合,使学生加深对森林的认识,增强环境意识,不断提高学生的动手能力,增强学生对森林生态系统进行探索的兴趣和思维的自觉性,强化森林生态学的基础课教学,增加学生对森林群落的感性认识,培养实际工作能力,训练并掌握野外调查和研究的方法,并为后续的专业课学习和高年级的生产实习打下必要的理论基础和掌握基本的实践技能奠定基础。
二、实习时间第16周周一:实习相关事项的讲解,包括实习内容和实习安全事项周二:外业,生态因子的综合测定周四:外业,群落物种多样性的调查和重要值的数据收集调查周三、五:内业,数据处理,计算,完成实习报告三、实习地点福建农林大学校园和福州国家森林公园,实习一周。
四、实习主要内容(一)生态因子综合测定1、基本原理:生物所生存的环境变化多端,既有空间上的异质性,又有时间上的变化,同时因为不同生物的存在也同时影响其周围的生态因子。
本实验通过对不同环境下垫面的主要生态因子的进行日动态观测与测定,使学生在实验课的基础上,进一步学会利用几种生态因子的测定工具,对几种主要生态因子进行日变化的观测和测定,并通过对不同生态环境及同一生态环境中时间变化的比较,了解生态因子的时空变化规律,进一步加深认识生物与环境的相互作用和相互关系。
2、方法步骤:1、选取校园湿地公园、拓荒广场、及后山相思林测定光照强度。
2、按照图1的样方配置在有林地内选择测定点5个,在每个测定点分别10cm 、50 cm 、150 cm 高度的光照强度(高度应一致),并记录每次测定的数值(要求15分钟内测定完毕),填入表1。
福建农林大学机电工程学院专业介绍
机电⼯程学院 机械设计制造及其⾃动化(本科) 本专业分设机电⼀体化和计算机辅助设计制造两个⽅向。
培养掌握机械设计、制造及⾃动控制技术和计算机应⽤技术等能⼒。
能从事各种机电产品的设计制造、科技开发、运⾏管理和经营销售等⽅⾯⼯作的⾼素质专门⼈才。
主要课程:理论⼒学、材料⼒学、机械原理、机械设计、电⼯与电⼦技术、微型计算机原理及应⽤、⼯程材料及成形技术、机械制造⼯艺学、⼯业控制技术、计算机辅助设计制造。
毕业⽣可从事机电⼀体化产品开发、制造、计算机辅助设计和⾃动化加⼯技术的研究、应⽤和管理⼯作;也可在教学、科研、⽣产和⾏政部门从事与专业相关的技术、管理或教学⼯作。
车辆⼯程(本科) 培养学⽣掌握汽车总成和零部件的设计、制造、试验与检测、修理等技术。
能从事汽车及其零部件、通⽤机械电⼦产品的研发、制造、试验、销售、维修服务以及运输管理、安全管理等⽅⾯的⾼素质技术和管理⼈才。
主要课程:理论⼒学、材料⼒学、⼯程图学、电⼯与电⼦技术、微型计算机及其应⽤、机械原理、机械设计、汽车发动机原理、汽车构造、汽车理论、汽车设计、机械制造⼯艺学、汽车试验学。
毕业⽣适宜在汽车及其零部件的制造、销售及维修企业、科研院所、公安交管部门、职业院校和保险公司等⾏业从事汽车产品的研发、检测、维修、管理、教学及保险等⼯作。
电⽓⼯程及其⾃动化(本科) 培养具备分析、解决电⽓⼯程技术与控制技术问题的基本能⼒,能从事电⽓⼯程与⾃动化系统的设计、开发和运⾏管理的⾼级专门技术⼈才。
本专业特⾊是强弱电结合、电⼯和电⼦技术与计算机应⽤技术结合、软硬件结合、元件与系统结合。
主要课程:电路原理、模拟电⼦技术、数字电⼦技术、电⼒电⼦技术、电机及拖动、电⼒拖动⾃动控制系统、微机原理与接⼝技术、可编程控制器、控制原理与过程控制技术、电⽓控制与仪表等。
毕业⽣可从事电机电器的制造与控制、⼯业⽣产⾃动化、⼯⼚供电、电⼒系统的发配电与继电保护计算机控制等⼯作,也可在教学、科研、⾏政管理部门从事相关技术或管理⼯作。
佛肚竹枯萎病病原、发病规律及防治
福建林学院学报Z004Z4Z97~100Jour nal of Fu i an Coll e g e of Forestr y佛肚竹枯萎病病原!发病规律及防治。
宋漳!福建农林大学林学院"福建福州35000Z#摘要"佛肚竹枯萎病病原鉴定为!有性阶段为鲜红丛赤壳菌Nectria ditissi ma Tul."无性阶段为半裸镰孢霉Fus ari u mse m itect u m Ber k.Rav..病菌平时在土壤中营腐生生活"在佛肚竹遭受冻害后"借风雨传播"从竹秆基竹节伤口侵入.病害于Z月下旬至3月初开始发病"3月上旬~4月中旬霉雨季节为发病高峰期"5月中下旬停止蔓延.冻害是诱导枯萎病发生的主要原因.关键词"佛肚竹#枯萎病#发病规律#防治中图分类号"S718文献标识码"A文章编号"1001-389X Z0040Z-0097-04Identificati on of t he Pat ho g en O ut break Re g ul arit y andControl M et hod of W ilt D isease of Bambusa vent ricosaSONG Zhan gForestr y Coll e g e Fu i an A g ri cult ure and Forestr y Uni versit y Fuz hou35000Z Chi naAbstract The s y m p t o m i dentificati on i nocul ati on culti vated characteristics of t he p at ho g en and out break re g ul arit y of t he W ilt disease of Ba m bus a Uent ricOs a Were Well st udi ed.The s p eci es Was i dentifi ed as Nect ria ditissi m a Tul.at sexual p hase and as Fus ari u mse m itect u m Ber k.Rav.at ana mor p hic state.The results of ex p eri m ents sho Wed t hat t he p at ho g en of W ilt disease Was over W i nteri n g at soil and disse m i nated b y W i nds and rai ns t o i nf ect t he Wounded ste m base of Ba m bus a Uent ricO-s a.The p ri m ar y i nf ecti on occurred f r o m t he l ast ten da y s of Febr uar y or t he first da y s of M arch.The p eak i nf ecti on occurred f r o m t he first ten da y s of M arch t o t he second ten da y s of A p ril duri n g earl y su mm er rai ns.The st o p i nf ecti on occurred f r o m t he second ten da y s or t he last ten da y s of M a y.The f reeze i n ur y Was i m p ortant f act or t o i nduce i nf ecti on of t he W ilt disease. K e y words Ba m bus a Uent ricOs a W ilt disease out break re g ul arit y contr ol佛肚竹Ba m bus a UentricOs a分布于广东广西福建等地多栽培为庭园观赏是极美观的观赏竹种1.近年来在福建省南平市栽植的佛肚竹枯萎病时有发生造成较大的经济损失.l材料与方法l.l病原菌的分离从野外采集病株在室内按常规法进行组织分离和纯化再经分生孢子单孢分离获得纯菌种Z.l.2接种试验将纯菌种在PSA培养基上培养7~9d待形成大量成熟分生孢子后用无菌水配成分生孢子浓悬浮液含菌丝.选择佛肚竹健株靠近地面的秆基用下列方法秆基枝痕伤口割伤秆基烧伤秆基无伤秆基进行野外涂抹接种以无菌水处理作为对照湿脱脂棉保湿48h定期观察症状出现.l.3病原菌培养性状观测将供试菌种切取直径1c m的菌丝块分别移入不同成分的培养基中置Z8下恒温培养逐日观察记载试验设3个重复.l.4发病规律观测。
林学(森林康养方向)专业“森林康养管理”课程教学改革初探——以福建农林大学为例
林学(森林康养方向)专业“森林康养管理”课程教学改革初探——以福建农林大学为例闫小莉;曲鲁平;詹丽玉;张玮尹【期刊名称】《中国林业教育》【年(卷),期】2024(42)1【摘要】发展森林康养产业是满足“健康中国”国家战略人才需求和“经济转型”国家健康产业发展需求的重要举措,更是践行“两山论”理念的最佳途径之一。
“森林康养管理”是林学(森林康养方向)专业的核心课程,是以林学、生态学、管理学和中医养生学的相关理论作为基础的新兴课程,具有较强的理论性和实践性。
课程以国家、社会和行业发展需求为指引,以培养具有扎实的专业基础、较强的创新精神和精湛的实践技能的森林康养管理人才为目标。
根据“森林康养管理”课程教学实践及其评价结果以及面向教学对象进行问卷调查所获得的反馈信息,发现该课程教学面临的主要问题包括尚无专用教材且缺乏完整统一的教学资料、课程教学内容与相关学科理论知识和研究热点间缺乏相互支撑和有效融合、课程教学手段和方法单一、课程教学过程中思政元素的挖掘和融入不够、实践教学与理论知识的学习和巩固脱节、实践教学的软硬件条件不足、课程考评方式传统且单一等。
因此,采取以下措施对“森林康养管理”课程教学进行了改革。
一是广泛收集、深入挖掘和归纳整理课程相关题材,建成一套理论性、逻辑性和系统性较强的课程教学资料。
二是加强与相关学科理论知识和研究热点的有机融合,构建多学科相互支撑且融会贯通的教学内容体系。
三是改进和创新教学方法,促进教学手段多元化,有效激发学生的学习兴趣和自主性。
四是立足课程教学大纲和目标,充分挖掘课程所蕴藏的思政元素并有效融入课程教学。
五是从完善内容、丰富环节、改进方式、加大支持力度等方面入手,多方式多途径完善课程实践教学体系。
六是加强校企合作和产教融合,加大实验室建设力度,设立专项经费,改善课程实践教学的软硬件条件。
七是分别进行理论教学内容考核与实践教学内容考核,构建覆盖教学全过程的科学的课程考核内容体系,实施多元化考核。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
福建农林大学林学院介绍
“一年之计,莫如树谷;十年之计,莫如树木;终身之计,莫如树人”(《管子·权修》)。
管仲之人本思想乃国家长治之基础,亦为教育办学之根本。
“天行健,君子以自强不息;地势坤,君子以厚德载物”(《周易》)。
师者,当心如大地载育万物,淡泊明志宁静致远。
然莘莘学子,唯有“苟日新,日日新,又日新”(《礼记·大学》)方可“青取之于蓝而胜于蓝”(《荀子·劝学》)而终成国之栋梁、天之骄子,此乃林院人之精神——“树木树人,厚德求新”!
(一)筚路蓝缕创榛辟莽
林学院具有悠久的办学历史,前身系创建于1940年的福建省立农学院森林系。
2000年10月福建农业大学与福建林学院合并成立福建农林大学。
2001年4月在原福建林学院资源与环境系基础上成立福建农林大学林学院。
林学院办学69年来,经历了艰苦创业、曲折进步、健康发展的办学历程,从一个专业发展成为多专业、多层次并具有较大办学规模的学院。
目前,林学院具有71年的办学历史,学院拥有1个“林学”博士后科研流动站、1个“林学”一级学科博士学位授权点、11个二级学科博士学位授权点(森林培育学、森林经理学、森林保护学、林木遗传育种、水土保持与荒漠化防治、野生动植物保护与利用、园林植物与观赏园艺、海岸带森林与环境、经济林、自然保护区学以及森林生态学), 2个一级学科硕士学位授权点(林学和统计学)、17个二级学科硕士学位授权点、2个专业硕士学位授予点,3个高等学校在职攻读硕士学位专业,6个全日制本科专业,形成了以林学为优势和特色的办学格局。
学院现有各类在校生1940人,其中博士后6人,博士研究生25人,硕士研究生229人,农业推广和专业硕士59人,本科生1621人。
学院拥有1个国家级特色专业(林学),1个国家级重点学科福建省重点培育学科(森林培育),1个国家林业局重点学科(森林培育),5项国家级大学生创新项目;2个省级重点学科,6门省级精品课程,3门省级优质硕士立项课程(森林培育专题、数量生态学、流域管理学),3个福建省高校重点实验室,1个省级教学团队,2个省级人才培养模式创新实验区(林学、生态学),4个福建省科研共享平台(福建省杉木工程技术研究中心、福建省中药材GAP工程技术研究中心、南方森林资源与环境工程技术研究中心、福建省油茶工程技术研究中心)。
(二)名师荟萃成绩斐然
学院现有教职工83人,其中正高级职称22人,副高职称23人,中级职称24人,具有研究生学历的60人(在读13人)、专任教师中具有研究生学历占80.6%,其中博士42人(在读9人),硕士18人。
新世纪百千万国家级人选2人,国务院学位委员会学科评议组成员1人,国家有突出贡献中青年专家2人,福建省级优秀专家4人,享受政府特殊津贴10人,国家林业局跨世纪学术与技术带头人重点培养对象人选2人,中国林业青年科技获得者3人,福建省“百千万人才工程”人选15人,福建省优秀教师2人,福建省教学名师2人,博士生导师16人,硕士生导师38人。
在国内外学术机构担任理事、委员以上职务的有17人,在国内二级以上学术机构担任理事以上职务的有11人。
学院先后主持和参加了国际协作项目、国家“六五”、“七五”、“八五”、“九五”科技攻关项目、国家“十一五”、“十二五”支撑项目、国家自然科学基金项目、国家948项目、福建省科技重大专项、省工程研究中心项目、福建省自然科学基金项目等200多项。
通过部省级鉴定的科研成果200多项,有106项成果获奖,其中获国家科技进步二等奖5项,国家科技进步三等奖1项,部省级科技进步一等奖3项,部省级科技进步二等奖22项,
部省级科技进步三等奖91项。
这些科研成果大多已转化为生产力,有利地促进了地方经济
的发展,创造了很好的社会效益和经济效益。
(三)改革机构成效显著
学院通过一系列的资源重组、整合等改革措施,目前已建立一套健全、完善、高效的教学管理模式与实践教学平台,极大地提高了本科教育水平与教学质量。
学院下设森林资源系、资源环境与城乡规划系、水土保持系、森林旅游与保护系、生态环境系、统计系、实验中心等7个教学机构。
目前有17个实验室:福建高校森林生态过程与经营重点实验室、树木生理生化实验室、林业生物技术实验室、树木标本室、树木学实验室、森林昆虫标本室、显微镜室、3S技术实验室、分析测试室、学生综合创新实验室、原子分光光度计室、森林生态环境实验室、统计学实验室、森林资源与培育实验室、水土保持实验室、森林保护与游憩实验室、城乡规划与设计实验室,仪器设备总价值达2000多万元。
学院设有海峡两岸现代林业研究中心、福建省杉木研究中心、森林与环境研究所、森林保护研究所、工业原材料研究所、竹类研究所、经济林研究所、药用植物研究所、森林生态研究所、城乡规划研究中心、油茶研究中心、桉树研究中心、水土保持研究所等13个研究机构。
建设林业科研楼(3000m2)和南方森林资源与环境工程技术研究中心。
学院还先后与加拿大的不列颠哥伦比亚大学、美国俄略冈州大学森林系、日本东京农工大学农学部、英国爱丁堡大学、台湾中兴大学森林系、台湾嘉义大学等高等学府、研究机构建立友好关系,加强了学术交流。
(四)风华正茂桃李芬芳
学院历来重视学风建设作,推行本科生导师制,落实班主任工作责任制度;以“瀚林计划”、“瀚林论坛”、“林学之声”为依托,积极开展大学生素质计划活动和大学生“三下乡”社会实践工作,增强学生的创新意识和实践能力;以文化体育活动为载体,通过“五木弦”艺术团等学生团体,开展了一系列主题鲜明、内容丰富、扎实有效的校园文化活动;学院以困难学生的帮扶工作为重点,完善资助体系,设立了“俞新妥绿色工程育才奖学金”和“新加坡金鹰国际集团奖(助)学金”。
学院先后获得国家模范职工小家、福建师德建设先进集体、省模范职工小家、省教育系统关心下一代工作先进集体、省高校党支部工作“立项活动”优秀成果奖、校创建福建省第九届文明校园先进单位、校师德建设先进集体、校学生工作先进集体、校毕业生就业工作先进单位、校大学生资助工作先进单位、校学生档案工作先进集体等荣誉称号。
学院团委多次被评为省和校级先进集体,曾获得共青团福建省“五四红旗团支部”、校“五四红旗团委”等荣誉称号,获得校大学生社会实践先进单位。
近年来,林学院每年毕业生综合就业率均达90%以上,多名同学考上中国科学院、厦门大学等知名院校研究生。
学院获得省、校级大学生创新性实验计划项目100多项,多名学生获得美国(国际)大学生数学建模竞赛二等奖、全国大学生数学建模竞赛一等奖、“北斗杯”全国青少年科技创新大赛二等奖等荣誉;有10多位同学被授予“省三好学生”、“省优秀学生干部”等荣誉称号,有数百位同学被评为“校三好学生”等先进个人。
学院已经为社会各个行业培养输送了大量优秀的人才,共培养了博硕士毕业生600多人、本专科毕业生10000多人,他们遍布祖国各地和海内外,大多数已成为任职单位的骨干,受到用人单位的高度评价,树立了学院在社会上的良好形象。
结束语
长风破浪会有时,直挂去帆济沧海。
岁月沧桑、天道酬勤。
我们坚信:只要秉承“树木树人、厚德求新”的宗旨,不仅能够造就今天的辉煌,而且必将谱写明日更加美好的新篇章!。