21. Ocenjevanje razlik v fenološkem razvoju dreves v nižinskem poplavnem gozdu na podlagi satelitskih posnetkovDavid Hladnik, 2018, original scientific article Abstract: Na območju Krakovskega pragozdnega rezervata smo ocenjevali fenološke razlike prevladujočih drevesnih vrst na podlagi satelitskih posnetkov Sentinel-2. Ocenili smo vrednosti normiranega diferencialnega vegetacijskega indeksa NDVI v obdobju med 29. marcem in 5. oktobrom 2017. Razlike v fenološkem razvoju doba, belega gabra in črne jelše smo potrdili s štirimi zaporednimi satelitskimi posnetki v aprilu in maju. Ocene NDVI iz tretje dekade aprila, druge in tretje dekade v maju 2017 je bilo mogoče uporabiti za razlikovanje razvoja najzgodnej- šega olistanja belega gabra, kasnejšega olistanja doba in in poznega končnega olistanja črne jelše. S primerjavo vzorčnih ploskev v dobovih sestojih je mogoče sklepati o mikrorastiščnih razlikah, ki vplivajo tudi na oceno vegetacijskih indeksov.
Keywords: fenološki razvoj dreves, NDVI, Sentinel-2, Krakovski gozd
Published in DiRROS: 22.05.2018; Views: 3353; Downloads: 742
 Full text (428,57 KB) |
22. Kdaj bomo uspeli resnično omejiti vožnje z motornimi vozili v naravnem okolju?Mitja Skudnik, 2018, preface, editorial, afterword Keywords: ohranjanje narave, varovalni gozdovi, motorna vozila, varovanje okolja, erozijski procesi, fenološki razvoj dreves
Published in DiRROS: 22.05.2018; Views: 2854; Downloads: 703
Full text (44,26 KB) |
23. |
24. |
25. |
26. Uporaba metod strojnega učenja za preučevanje odnosov med značilnostmi branik in okoljemJernej Jevšenak, Sašo Džeroski, Tom Levanič, 2017, original scientific article Abstract: Različne študije so pokazale, da lahko z nelinearnimi metodami bolje opišemo (modeliramo) odnos med branikami in okoljem. V naši študiji smo primerjali (multiplo) linearno regresijo (MLR) in štiri nelinearne metode strojnega učenja: modelna drevesa (MT), ansambel bagging modelnih dreves (BMT), umetne nevronske mreže (ANN) in metodo naključnih gozdov (RF). Za primerjavo teh metod modeliranja smo uporabili štiri množice podatkov. Natančnost naučenih modelov smo ocenili z metodo 10-kratnega prečnega preverjanja (ang. 10-fold cross-validation) na naši množici in preverjanjem na dodatni testni množici. Na vseh množicah smo dobili boljše statistične kazalce za nelinearne metode s področja strojnega učenja, s katerimi lahko pojasnimo večji delež variance oz. dobimo manjšo napako. Nobena metoda se ni pokazala kot najboljša v vseh primerih, zato je smiselno predhodno primerjati več različnih metod in nato uporabiti najprimernejšo, npr. za rekonstrukcijo klime.
Keywords: strojno učenje, primerjava metod, dendroklimatologija, umetne nevronske mreže, modelna drevesa, ansambel modelnih dreves, naključni gozdovi, linearna regresija
Published in DiRROS: 21.02.2018; Views: 5324; Downloads: 3302
Full text (1,18 MB)
This document has many files! More... |
27. |
28. Razmestitev dreves v sestojuAnton Cedilnik, Marijan Kotar, 1992, original scientific article Abstract: V sestavku najprej pojasnimo, da sta sistematičnost/naključnost in enakomernost/šopastost dve v splošnem nekorelirani lastnosti sestoja. Nadalje izračunamo povprečni minimalni razdalji od stojišča do drevesa in od drevesa do soseda pri nekaterih ekstremnih razmestitvah dreves. Ti računi so utemeljitev definicije dveh parametrov, ki ju predlagamo kot meri za stopnjo enakomernosti in stopnjo naključnosti. Glavna odlika teh parametrov je neodvisnost - tako od izbire merskih enot kot od ocene gostote sestoja.
Keywords: matematika, verjetnostni račun, gozdarstvo, razmestitev dreves, minimalna razdalja
Published in DiRROS: 12.07.2017; Views: 4331; Downloads: 1801
Full text (935,61 KB) |
29. |
30. Zanesljivost volumenskih funkcij na primeru drevesne vrste smreke v SlovenijiGal Kušar, David Hladnik, Milan Hočevar, 2013, original scientific article Abstract: Primerjali smo različne volumenske funkcije za ocenjevanje volumnov dreves. S pomočjo sekcijskih meritev (Newtonova metoda) smo izračunali prave ocene volumnov dreves 88 posekanih smrek na Pokljuki. Te smo uporabili za izdelavo regionalnih trovhodnih volumenskih funkcij, (dvovhodnih) deblovnic in tarif. Standardna napaka ocene povprečne vrednosti volumna drevesa je najmanjša pri trovhodnih volumenskih funkcijah (5,0 %), nato pri deblovnicah (11,7 %) in največja pri tarifah (15,1 %). Zanesljivost in uporabnost izdelanih regionalnih ter drugih volumenskih funkcij smo preverili na dveh hektarskih raziskovalnih ploskvah. Ugotovili smo, da s prirejenimi nemškimi deblovnicami smrekam določimo previsoke volumne. Ker volumne iz teh deblovnic uporabljamo tudi pri določanju prirejenih tarif na Slovenskem, je s takim postopkom določen tarifni razred z vsaj za 5 % previsokimi volumni dreves.
Keywords: volumenske funkcije, volumen dreves, lesna zaloga, smreka, Picea abies, Pokljuka
Published in DiRROS: 12.07.2017; Views: 4470; Downloads: 2168
Full text (791,99 KB) |
