优化的分布式梯度提升算法，end-to-end 不需要特征抽取。输入原始数据，就能输出目标结果。 整篇论文技术实现分两个部分显而易见，xgboost是非线性(Tree)的加法模型如果是回归问题则可能是： 而分类问题则应该是交叉熵, 此处 ： 二分类问题： 多分类问题： 这里review一下，对于多分类及二分类，交叉熵及soft公式，二分类均是多分类的特例 : ： 原文描述：Default direction, 按我的理解应该是：每轮迭代，每颗树对待一个特征缺失的方向处理应该是一致的，但是不同特征的缺失方向是随机的；不同的迭代子树，策略也是随机的在建树的过程中，最耗时是找最优的切分点，而这个过程中，最耗时的部分是 将数据排序 。为了减少排序的时间，Xgboost采用 Block结构 存储数据(Data in each block is stored in the compressed column (CSC) format, with each column sorted by the corresponding feature value) 对于approximate算法来说，Xgboost使用了多个Block，存在多个机器上或者磁盘中。每个Block对应原来数据的子集。不同的Block可以在不同的机器上计算。该方法对Local策略尤其有效，因为Local策略每次分支都重新生成候选切分点。使用Block结构的一个缺点是取梯度的时候，是通过索引来获取的，而这些梯度的获取顺序是按照特征的大小顺序的。这将导致非连续的内存访问，可能使得CPU cache缓存命中率低，从而影响算法效率在非近似的贪心算法中， 使用 缓存预取（cache-aware prefetching） 。具体来说，对每个线程分配一个连续的buffer，读取梯度信息并存入Buffer中（这样就实现了非连续到连续的转化），然后再统计梯度信息 在近似 算法中，对Block的大小进行了合理的设置。 定义Block的大小为Block中最多的样本数 。设置合适的大小是很重要的，设置过大则容易导致命中率低，过小则容易导致并行化效率不高。经过实验，发现2^16比较好当数据量太大不能全部放入主内存的时候，为了使得out-of-core计算称为可能，将数据划分为多个Block并存放在磁盘上。计算的时候，使用独立的线程预先将Block放入主内存，因此可以在计算的同时读取磁盘。但是由于磁盘IO速度太慢，通常更不上计算的速度。因此，需要提升磁盘IO的销量。Xgboost采用了2个策略： Block压缩（Block Compression）：将Block按列压缩（LZ4压缩算法？），读取的时候用另外的线程解压。对于行索引，只保存第一个索引值，然后只保存该数据与第一个索引值之差(offset)，一共用16个bits来保存 offset，因此，一个block一般有2的16次方个样本。 Block拆分（Block Sharding）：将数据划分到不同磁盘上，为每个磁盘分配一个预取（pre-fetcher）线程，并将数据提取到内存缓冲区中。然后，训练线程交替地从每个缓冲区读取数据。这有助于在多个磁盘可用时增加磁盘读取的吞吐量。[1] R. Bekkerman. The present and the future of the kdd cup competition: an outsider’s perspective. (xgboost应用) [2] R. Bekkerman, M. Bilenko, and J. Langford. Scaling Up Machine Learning: Parallel and Distributed Approaches. Cambridge University Press, New York, NY, USA, 2011.(并行分布式设计) [3] J. Bennett and S. Lanning. The netflix prize. In Proceedings of the KDD Cup Workshop 2007, pages 3–6, New York, Aug. 2007.(xgboost应用) [4] L. Breiman. Random forests. Maching Learning, 45(1):5–32, Oct. 2001.(Breiman随机森林论文) [5] C. Burges. From ranknet to lambdarank to lambdamart: An overview. Learning, 11:23–581, 2010. [6] O. Chapelle and Y. Chang. Yahoo! Learning to Rank Challenge Overview. Journal of Machine Learning Research - W & CP, 14:1–24, 2011.(xgboost应用) [7] T. Chen, H. Li, Q. Yang, and Y. Yu. General functional matrix factorization using gradient boosting. In Proceeding of 30th International Conference on Machine Learning(通过梯度提升的方法来实现general的矩阵分解) (ICML’13), volume 1, pages 436–444, 2013. [8] T. Chen, S. Singh, B. Taskar, and C. Guestrin. Efficient second-order gradient boosting for conditional random fields. In Proceeding of 18th Artificial Intelligence and Statistics Conference (AISTATS’15), volume 1, 2015.(二阶导boost实现的条件随机场) [9] . Fan, . Chang, . Hsieh, . Wang, and . Lin. LIBLINEAR: A library for large linear classification. Journal of Machine Learning Research, 9:1871–1874, 2008.(xgboost应用) [10] J. Friedman. Greedy function approximation: a gradient boosting machine. Annals of Statistics, 29(5):1189–1232, 2001.(gbm的贪心算法实现) [11] J. Friedman. Stochastic gradient boosting. Computational Statistics & Data Analysis, 38(4):367–378, 2002. (随机梯度下降) [12] J. Friedman, T. Hastie, and R. Tibshirani. Additive logistic regression: a statistical view of boosting. Annals of Statistics, 28(2):337–407, 2000.(叠加式的逻辑回归方式) [13] J. H. Friedman and B. E. Popescu. Importance sampled learning ensembles, 2003.(采样学习) [14] M. Greenwald and S. Khanna. Space-efficient online computation of quantile summaries. In Proceedings of the 2001 ACM SIGMOD International Conference on Management of Data, pages 58–66, 2001. [15] X. He, J. Pan, O. Jin, T. Xu, B. Liu, T. Xu, Y. Shi, A. Atallah, R. Herbrich, S. Bowers, and J. Q. n. Candela. Practical lessons from predicting clicks on ads at facebook. In Proceedings of the Eighth International Workshop on Data Mining for Online Advertising, ADKDD’14, 2014.(xgboost应用) [16] P. Li. Robust Logitboost and adaptive base class (ABC) Logitboost. In Proceedings of the Twenty-Sixth Conference Annual Conference on Uncertainty in Artificial Intelligence (UAI’10), pages 302–311, 2010.(logitboost) [17] P. Li, Q. Wu, and C. J. Burges. Mcrank: Learning to rank using multiple classification and gradient boosting. In Advances in Neural Information Processing Systems 20, pages 897–904. 2008.(多分类应用) [18] X. Meng, J. Bradley, B. Yavuz, E. Sparks, S. Venkataraman, D. Liu, J. Freeman, D. Tsai, M. Amde, S. Owen, D. Xin, R. Xin, M. J. Franklin, R. Zadeh, M. Zaharia, and A. Talwalkar. MLlib: Machine learning in apache spark. Journal of Machine Learning Research, 17(34):1–7, 2016.(分布式机器学习设计) [19] B. Panda, J. S. Herbach, S. Basu, and R. J. Bayardo. Planet: Massively parallel learning of tree ensembles with mapreduce. Proceeding of VLDB Endowment, 2(2):1426–1437, Aug. 2009.(分布式机器学习设计) [20] F. Pedregosa, G. Varoquaux, A. Gramfort, V. Michel, B. Thirion, O. Grisel, M. Blondel, P. Prettenhofer, R. Weiss, V. Dubourg, J. Vanderplas, A. Passos, D. Cournapeau, M. Brucher, M. Perrot, and E. Duchesnay. Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830, 2011.(sklearn) [21] G. Ridgeway. Generalized Boosted Models: A guide to the gbm package. [22] S. Tyree, K. Weinberger, K. Agrawal, and J. Paykin. Parallel boosted regression trees for web search ranking. In Proceedings of the 20th international conference on World wide web, pages 387–396. ACM, 2011. [23] J. Ye, . Chow, J. Chen, and Z. Zheng. Stochastic gradient boosted distributed decision trees. In Proceedings of the 18th ACM Conference on Information and Knowledge Management, CIKM ’09. [24] Q. Zhang and W. Wang. A fast algorithm for approximate quantiles in high speed data streams. In Proceedings of the 19th International Conference on Scientific and Statistical Database Management, 2007.(数据处理加速计算) [25] T. Zhang and R. Johnson. Learning nonlinear functions using regularized greedy forest. IEEE Transactions on Pattern Analysis and Machine Intelligence, 36(5), 2014.
在随机森林介绍中提到了随机森林一个重要特征：能够计算单个特征变量的重要性。并且这一特征在很多方面能够得到应用,例如在银行贷款业务中能否正确的评估一个企业的信用度,关系到是否能够有效地回收贷款。但是信用评估模型的数据特征有很多,其中不乏有很多噪音,所以需要计算出每一个特征的重要性并对这些特征进行一个排序,进而可以从所有特征中选择出重要性靠前的特征。 一：特征重要性在随机森林中某个特征X的重要性的计算方法如下：1：对于随机森林中的每一颗决策树,使用相应的OOB(袋外数据)数据来计算它的袋外数据误差,记为: 随机地对袋外数据OOB所有样本的特征X加入噪声干扰(就可以随机的改变样本在特征X处的值),再次计算它的袋外数据误差,记为：假设随机森林中有Ntree棵树,那么对于特征X的重要性=∑(errOOB2-errOOB1)/Ntree,之所以可以用这个表达式来作为相应特征的重要性的度量值是因为：若给某个特征随机加入噪声之后,袋外的准确率大幅度降低,则说明这个特征对于样本的分类结果影响很大,也就是说它的重要程度比较高。 二：特征选择在论文 Variable Selection using Random Forests中详细的论述了基于随机森林的特征选择方法,这里我们进行一些回顾。首先特征选择的目标有两个：1：找到与应变量高度相关的特征变量。2：选择出数目较少的特征变量并且能够充分的预测应变量的结果。其次一般特征选择的步骤为：1：初步估计和排序a)对随机森林中的特征变量按照VI（Variable Importance）降序排序。b)确定删除比例,从当前的特征变量中剔除相应比例不重要的指标，从而得到一个新的特征集。c)用新的特征集建立新的随机森林,并计算特征集中每个特征的VI,并排序。d)重复以上步骤,直到剩下m个特征。2：根据1中得到的每个特征集和它们建立起来的随机森林,计算对应的袋外误差率(OOB err),将袋外误差率最低的特征集作为最后选定的特征集。
在随机森林介绍中提到了随机森林一个重要特征：能够计算单个特征变量的重要性。并且这一特征在很多方面能够得到应用,例如在银行贷款业务中能否正确的评估一个企业的信用度,关系到是否能够有效地回收贷款。但是信用评估模型的数据特征有很多,其中不乏有很多噪音,所以需要计算出每一个特征的重要性并对这些特征进行一个排序,进而可以从所有特征中选择出重要性靠前的特征。 一：特征重要性在随机森林中某个特征X的重要性的计算方法如下：1：对于随机森林中的每一颗决策树,使用相应的OOB(袋外数据)数据来计算它的袋外数据误差,记为: 随机地对袋外数据OOB所有样本的特征X加入噪声干扰(就可以随机的改变样本在特征X处的值),再次计算它的袋外数据误差,记为：假设随机森林中有Ntree棵树,那么对于特征X的重要性=∑(errOOB2-errOOB1)/Ntree,之所以可以用这个表达式来作为相应特征的重要性的度量值是因为：若给某个特征随机加入噪声之后,袋外的准确率大幅度降低,则说明这个特征对于样本的分类结果影响很大,也就是说它的重要程度比较高。 二：特征选择在论文 Variable Selection using Random Forests中详细的论述了基于随机森林的特征选择方法,这里我们进行一些回顾。首先特征选择的目标有两个：1：找到与应变量高度相关的特征变量。2：选择出数目较少的特征变量并且能够充分的预测应变量的结果。其次一般特征选择的步骤为：1：初步估计和排序a)对随机森林中的特征变量按照VI（Variable Importance）降序排序。b)确定删除比例,从当前的特征变量中剔除相应比例不重要的指标，从而得到一个新的特征集。c)用新的特征集建立新的随机森林,并计算特征集中每个特征的VI,并排序。d)重复以上步骤,直到剩下m个特征。2：根据1中得到的每个特征集和它们建立起来的随机森林,计算对应的袋外误差率(OOB err),将袋外误差率最低的特征集作为最后选定的特征集。
按照规定的来就可以了 九品论文网 发表职称论文
还是哪句话，新浪得瑟说理吧
我是辽宁的。我们这边要晋工程师，要有二篇论文或二个工程的设计。一般答辩时都是围绕论文考的，有的是直接问论文，有的要扩展一些。只要你平时对绿化工作熟悉，再把论文背下来，是能通过答辩的。我们这边是按评审人数的80%通过，所以竞争也是比较激烈的，如果有熟人，找找评委还是很有必要的。祝你成功！
这几年,全球沙化速度加快,中国也不例外,治理沙漠化和退耕还林早已成为国策,要实施这些国策,具有森林工程专业知识的人才必不可少.森林工程专业的毕业生可在林业、交通、机械等部门的企事业单位、科研院所从事森林工程、道路桥梁的勘测、设计、施工、管理及国际森林工程项目开发管理的高级工程技术人员.森林工程专业主要是学习有关机械方面的知识.在我国,机械化程度还不高,各行各业对机械设备需求量很大,因此,机械制造行业是一个很重要的行业,该行业对专业人才的需求量也大.另一方面,生活中的事情,无论大小,都离不开机械,可以说没有机械制造提供各种产品,我们的生活将不可思议.森林工程专业的毕业生所从事的森林采运、木材运输、森林道路与桥梁设计等行业是森林工业中的前导工程.中华人民共和国成立以后,在发展林业的同时,重视森林工业的发展.建国初期提出:普遍护林、重视造林、合理采伐利用的方针.60年代后期,强调造管并举、采育结合、永续利用,并针对国民经济发展对木材与其他林产品日益增长的需要,专设森林工业经营管理机构,使中国森林工业进入机械化作业阶段.80年代以来,中国林业进入振兴时期.1949年到1987年为国家提供木材亿立方米,1987年木材产量为万立方米,为1949年567万立方米的倍.1987年,森林采运机械化程度,东北、内蒙古林区达,西南、西北林区达.新中国成立后,为了发展林业机械化,50年代初在东北地区建立了两个林业制造总厂,只能生产伐木工具与森林铁路车辆.80年代已能生产包括森林采运、木材加工、林产化工设备、林业工具、刃具及狩猎机具等多种产品.1986年,林业系统的林业机械厂77个.随着林业机构化的发展,通过机械设备引进与技术改造,不仅在提高单工序机械性能方面,而且在联合机创制方面都有新的进展.如研制出了具有中国特色的山地整地机、超低容量喷雾机等管林机械,液压传动木材装载机、钢架杆集材架空索道等森林采运机械,低噪单的带锯机、木工机床、板式家具成立设备、鼓式削片机等木材加工机械新产品,为进一步推动森林工业和林业生产机械化的发展起了重要作用.从现阶段来说,学习森林工程专业的大学生并不太多,而我国在现阶段却大量缺乏森林工程专业的人才,这点,从本专业就业率100%就看出.森林环境学、森林生态经济学、测量学、土力学与工程地质、水力学与水文学、工程机电基础、结构力学、道路工程、机械设计制造基础、人类工效学、运筹学等森林工程学科硕士研究生培养方案 一、培养目标 本学科研究生培养的总目标是培养为社会主义现代化建设服务，德、智、体等方面全面发展的高级专门人才，具体要求为： 较好地掌握马克思列宁主义、毛泽东思想的基本原理和邓小平理论、“三个代表”重要思想；坚持党的基本路线，热爱祖国，遵纪守法，品德优良；学风严谨，有较强的事业心和敬业精神；适应经济建设、社会发展的要求，积极为社会主义现代化建设服务。 在本学科领域，掌握坚实的理论基础和系统的专门知识，了解本学科国际、国内最新理论研究成果和科技发展动态；具有合理的知识结构和必要的实验技能；具有扎实的理论基础和一定的论文功底；具有从事科学研究、教学工作和独立承担专门技术工作的能力。较熟练地掌握一门外国语；具有较强的计算机应用能力。 具有健康的体魄和良好的心理素质。 二、研究方向 森林工程学科硕士研究生的主要研究方向为： 1. 生态森林工程 2. 道路工程 3. 结构工程 4. 工程机械与管理 三、学习年限和时间安排 全日制硕士生为～3年，非全日制硕士生可延长1年，鼓励符合条件的研究生提前毕业。按照课程与论文并重的原则，在时间的安排上课程学习应累计1～学年，论文的实际工作量不少于1学年，实践教学环节不少于120学时的工作量或20个工作日。 四、课程设置、学分要求与课程说明 （一）课程设置及学分要求 本学科研究生课程的设置坚持基础性、实际性和实用性的原则，既与本科生阶段的课程拉开档次，但又有连贯，体现培养目标的要求，注意不同层次课程内容的衔接，适应学科发展，使研究生具有一个合理的知识结构；同时注意吸收国内外的先进经验和世界最新科技成果。 研究生课程分学位课和选修课，总学分要求不少于32学分（其中教学实践2学分）。学分计算一般以课内讲授20学时为1学分，实验、实习比重大的课程30～40学时为1学分。 1. 学位课 （1）自然辩证法概论、科学社会主义理论与实践3学分 （2）第一外国语（含基础部分和专业部分）6学分 （3）复变函数与积分变换3学分 （4）矩阵分析与计算方法3学分 （5）弹性力学及有限元3学分 2. 选修课 （1）森林工程专论3学分 （2）弹塑性力学3学分 （3）机械动力学3学分 （4）工程结构设计理论与方法3学分 （5）柔索理论2学分 （6）运筹学2学分 （7）伐区生态学2学分 （8）非线性森林工程动力系统引论2学分 （9）多元统计分析2学分 （10）生态道路工程引论2学分 （11）道路路面结构设计理论与方法2学分 （12）土木工程CAD2学分 （13）岩土工程数值分析2学分 （14）桥隧控制测量2学分 （15）公路网规划2学分 （16）基础工程学2学分 （17）结构动力学2学分 （18）损伤力学2学分 （19）结构稳定性理论2学分 （20）结构实验与测试技术2学分 （21）工程结构非线性分析2学分 （22）工程结构可靠度理论及应用2学分 （23）地下及支挡结构2学分 （24）大跨桥梁结构施工与控制2学分 （25）现代桥梁结构故障检测与修复2学分 （26）隧道工程专论2学分 （27）现代控制理论2学分 （28）实验技术与数据处理2学分 （29）机械设备故障诊断技术2学分 （30）机械CAD/CAM 2学分 （31）机械CAE与仿真2学分 （32）机电一体化技术2学分 （33）微控制器原理及开发应用2学分 （34）汽车振动2学分 （35）现代汽车电子学2学分 （36）现代汽车诊断技术2学分 （37）工程项目管理2学分 （38）实用统计方法及应用2学分 （39）现代管理理论2学分 （40）市场经济学2学分 （41）工程建设风险评估2学分 （42）工程建设监理2学分 （43）图形处理2学分 （二）课程说明 1. 自然辩证法概论、科学社会主义理论与实践、 见原国家教委组织编写的教学大纲。 2. 第一外国语 见原国家教委组织编写的教学大纲。 3. 复变函数与积分变换 本课程主要讨论复变函数和积分变换。内容主要包括：复数运算、解析函数、初等函数、复变函数积分理论、级数展开及留数理论、共形映射、拉普拉斯变换、富里叶变换。以提高学生解决实际问题的数学能力 4. 矩阵分析与计算方法 本课程主要介绍适合于在计算机上使用的矩阵基本理论、常用数值计算方法及与此相关的理论；包括计算方法的基本概念、常用的基本算法、方法的收敛性、稳定性以及误差分析等基本内容。 5. 弹性力学及有限元 弹性力学及有限元主要研究弹性体由于外力载荷或者温度改变、物体内部所产生的位移、变形和应力分布等，内容包括应力分析、应变分析、本构关系、求解方法、平面问题基本概念、柱体扭转问题的求解、空间问题的典型解、弹性力学的变分原理和有限元法等基本理论，对于加强研究生专业基础，培养研究生的思维方法和独立工作能力有着重要意义。 6. 森林工程专论 介绍在生态森林工程领域中近十年来的科技发展动向和新成果，阐明其解决问题的意义、思路和方法，并指明今后尚待研究解决的延伸问题。 7. 弹塑性力学 弹塑性力学主要是要求学生掌握弹塑性力学的基本概念、基本原理和边值问题的提法，包括弹塑性问题张量提法、基本假定，屈服条件和弹塑性材料的本构关系等，掌握如何将一个实际弹塑性问题简化为合理力学模型的求解方程的边值问题、线弹性力学平面问题及简单弹塑性力学问题的求解方法和求解所得的重要结果等，为专业的需要打下较为扎实的弹塑性力学的基础。 8. 机械动力学 机械动力学是研究机械产品动态性能的重要课程，其目的在于使学生掌握研究机械产品动态性能的基本理论方法，并基本具备分析、改善和优化机械产品动态性能的能力。本课程的主要内容有：1)建立机械系统的数学模型。包括理论建模方法和试验建模方法；2)机械系统动态性能的分析计算。包括对数学模型的计算求解，对机械系统的动态试验与数据处理；3)机械系统动态性能的改善与优化。包括结构动力修改和动态优化设计两个方面。 9. 工程结构设计理论与方法 覆盖《工程结构抗震设计》、《高层建筑结构设计理论及应用》、《大跨桥梁结构》等三门课程。 五、实践环节、学术活动 实践环节是培养研究生实际工作能力的重要环节。研究生在校期间应参加教学实践或进行生产实践、技术服务、社会调查，时间不少于120学时的工作量或20个工作日，以培养研究生的实际工作能力。若为教学实践，可参加本科生的辅导答疑、批改作业、习题课、课程设计指导、实习指导等；社会实践不少于2周；参加重大工程建设项目的实践活动可按社会实践考核。 实践环节由导师或教研室负责安排、检查和指导，并在实践活动结束后进行考核，合格者记2学分；未通过考核者需重修，否则不可申请答辩；在职研究生或在攻读硕士学位前有三年以上工作经验者可申请免修。 加强研究生科研能力的培养，研究生应参加一定的学术活动，导师与教研室应积极支持、组织和要求研究生参加有关学术活动，使其了解学科发展的动向，开阔视野，培养开拓与创新精神。具体要求为：参加校外学术会议或学术报告1次以上；在本学科内做学术报告或阶段性研究1次以上。此项活动应纳入教研室的教学计划。 考核方法：硕士生在学术活动后，提交参加学术会议的论文复印件、研究报告复印件或学术报告小结（小结不少于500字），并注明报告时间、地点、报告人，经指导教师签字后自己留存，达到要求时由导师或教研室对研究生学术报告写出评语。 六、论文工作与论文要求 本学科研究生在论文答辩前必须在国内外有正式刊号的学述期刊杂志以及国内外有较大影响的学术会议（正式出版物）以西南林学院的名义公开发表至少一篇学术论文，或获得部省级以上奖励（主要完成人），或获得国家专利技术一项。 学位论文工作是对研究生进行科学研究能力的综合训练，包括文献综述、开题报告、科学实验（或科研调查、工程设计）、撰写论文等部分。文献综述与开题报告是很重要的两个环节，应结合研究课题，查阅30篇以上的近期相关文献，其中外文文献不少于10篇，在此基础上完成1万字左右的文献综述，综述内容包括本研究课题相关的国内外研究现状及水平、待进一步研究的问题、研究的目的意义及应用前景；在此基础上，按研究生选题报告的格式要求，精炼并完成论文选题报告。研究生应在第三学期提出学位论文的选题报告，并在一定范围内(课题组或全教研组)广泛听取意见，经导师同意、教研组审定确定后，制定论文工作计划，开展研究工作。 学位论文的基本要求是：论文选题应具有一定的学术理论意义或明确的工程意义；研究成果应有新的见解或解决实际生产问题；应表明作者具有从事科学研究或独立承担技术工作的能力；论文的格式、文法、引注、标点符号应符合有关要求；若有软件内容，应随同论文附出所做工作中核心部分源程序磁盘。论文工作要在导师的指导下独立完成，实际工作量不少于1学年，论文字数一般在3万字左右。 论文研究成果应有新的见解，一般指： （1）对所研究领域中，前人未有过或未曾肯定的理论见解，而这种新见解既有充分依据，又是该领域中比较有意义和重要的环节；或前人虽有见解，但随着科技进步，在重新认识过程中，提出与前人完全不同的见解，具有充分依据，并符合现代科学理论。 （2）国外近年虽有，但国内尚未掌握的学科前沿，且有一定推广、应用价值的研究方法或测试技术，并取得可靠的实验对比数据，及有初步的解释，能获得有意义的新结果。 （3）把专业基本原理拓展应用到高新技术产品领域，取得新的社会效益，并有一定的实用推广价值。 七、培养方式和方法 随着科学技术与我国经济建设的发展，研究生的培养已不是单一的规格与模式，对于教学科研型、工程应用型及跨学科复合型人才的培养应采取不同的方式和方法，做出不同的要求和安排。 （1）马克思主义理论课学习与经常性思想政治工作相结合。研究生应在学好马克思主义理论课的同时，积极参加校、院(系)统一规定的政治、形势教育，积极参加社会公益劳动，注意培养共产主义品德，树立良好的科学道德。 （2）采取导师负责制与学术群体、教研室集体培养相结合，充分发挥导师的主导作用和指导小组集体作用。导师应根据每个学生的具体情况制定出培养计划。 （3）采取课程学习与学位论文工作并重的方式，使学生掌握本专业的基础理论、专业知识和科学研究的基本方法，并重视培养和提高研究生实际动手能力。 （4）课程教学采取自学为主，讲授为辅的方式。在学习方法上，讲课与自学相结合，启发式与研讨式相结合，充分激发研究生自学的主动性和学习的创造性，培养发现问题、分析问题和解决问题的能力。 （5）修满专业规定的学分后，在导师的指导下，研究生应独立完成学位论文。注意培养实事求是、严格、细致和理论与实践统一的作风，严谨治学的态度。 （6）经常参加体育锻炼、全民健身运动，保持身体健康。 八、中期考核 中期考核是加强研究生培养管理、提高研究生培养质量的有效措施。进行考核和分流，实行因材施教，有利于促进高级专门人才的成长；同时，考核又是对培养工作的检查，起到了交流经验、发现问题、改进方法的作用。 考核一般定在第三学期末或第四学期初，考核工作由教研室(研究室)组织领导，导师及指导小组配合，院(系)、研究生部有关领导参加。考核内容主要为研究生一年多来的政治表现、课程学习成绩、发表论文情况、课题综述、开题报告以及思维能力。考核方式以口试为主。成绩突出者给予表扬或奖励；不合格者，按研究生学籍管理办法处理。
首先、如果你毕业了，还不是工程师。2、做林业工作确实要深入林区。才能掌握第一手资料。如果你是出色的，工作还是很好找的。
林业工程师就是从事林业工作的已取得“工程师”职称的林业工作者。分初，中，高级。由当地职称评审委员会审评后取得“资格证书”既成。林业专业本科毕业后当年即可参加“林业助理工程师资格”的评审。专科生一年后可参加评审。中专生三年后可参加评审。主要工作是：培育苗木，植树造林，林木采伐，护林防火，森林病虫害防治，森林资源调查。 工作待遇根据地方有所不同。我的是外企，这里本科生刚进是两千多点。有“工程师”职称的每月另有些补贴。
森林资源调查中SPOT5遥感图像处理方法探讨王照利、黄生、张敏中、马胜利（国家林业局西北林业规划设计院，遥感计算中心，西安710048）本文发表于＜陕西林业科技＞2005 摘要：目前，多光谱、高空间分辨率的SPOT5卫星遥感数据被广泛应用到森林资源调查中。本文结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的处理和信息提取。探讨性地提出了适应于森林资源调查的SPOT5遥感数据处理方法。关键词：SPOT5 遥感数据，森林资源调查、数据处理DISCUSSION ON SPOT5 IMAGE DATA PROCESSING FOR FOREST INVENTORYWang Zhaoli, Huangsheng,Zhangminzhong,Ma Shengli(Northwest Institute for Forest Inventory, Planning &Design, Xi’an China 710048)Abstract: Now days, high spatial resolution and multispectral SPOT5 image data are widely applied in forest inventory in China. Based on the characteristics of SPOT5 image and requirements of forest inventory, this paper discusses the processing procedures of ordering image data, ortho-rectification, image bands composition and image data fusion. The complete steps of image processing for forest inventory are words: SPOT5 image data，forest inventory, data processing前言卫星遥感影像具有空间宏观性、视角广、多分辨率（光谱和空间）、多时相、周期性、信息量丰富等特点，所以卫星遥感影像既可以提供森林资源的宏观空间分布信息又能提供局部的详细信息以及随时间、空间变化的信息等[1]。目前在林业领域卫星遥感数据被广泛的应用于不同尺度层次的森林资源调查、资源监测、病虫害、火灾监测等方面。2002年5月法国SPOT地球观测卫星系列之5号卫星（即SPOT5星）发射。SPOT5遥感数据的多光谱波段空间分辨率为10米（短波红外空间分辨率为20米），但全色波段空间分辨率达到米。SPOT5遥感数据的高空间分辨率和多光谱分辨率为森林资源调查提供了丰富的、可靠的、高精度的基础数据源。从性价比分析，在其他高分辨率遥感数据目前比较昂贵的状况下，SPOT5遥感数据比较适宜应用于大面积的森林资源调查，可大幅度的森林调查的减少外业工作量、提高工作效率。在我国SPOT5卫星数据已被大量地应用于森林资源调查工作中，尤其，是在森林资源“二类”调查中被作基本的森林资源信息源提取各类信息。针对于将多光谱分辨率和高空间分辨率的SPOT5遥感数据应用于森林资源调查的数据处理技术和方法鲜有报道。本文总结工作实践，结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的订购、正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的基本处理方法。1．SPOT5卫星遥感数据特点SPOT卫星系统采用线性阵列传感器和推扫式扫描技术，具有旋转式平面镜可以进行倾斜观察获得倾斜图像和立体像对。采用与太阳同步的近极地的椭圆形轨道，轨道高度约832Km，轨道倾角 ，每天绕地球14圈多，重复覆盖周期26天[2]。由于有倾斜观测功能，使重复覆盖周期减少到2-3天。SPOT5卫星载有2台高分辨率几何成像仪（HRG）、1台高分辨率立体成像装置（HRS）和1台宽视域植被探测仪（VGT）。高分辨率几何成像仪的波段选择是总结了多年的研究成果，认为HRG的波段设置（见表1）足以取得辨别作物和植被类型的最佳效果。本文主要探讨HRG高空间分辨率数据的处理。2．SPOT5数据的处理方法和过程SPOT5数据处理工作流程： 遥感数据的订购订购数据时，用户需向数据代理商提供购买区域的四个角的大地坐标或者数据的景号（PATH/ROW）。特别应该注意数据订购时间和用户拿到数据之间有时间差，间隔时间长短因用户的要求、天气、卫星重复覆盖周期而异。相对于其他卫星数据，比较有利的一面是SPOT5卫星装置有旋转式平面镜可以进行倾斜观察，用户可向代理商申请红色编程提前得到调查区域的遥感数据，但要支付编程费。对于遥感数据的时相、云量、入射角、阴影量、是否购买高空间分辨率的全色波段等用户根据自己具体的工作需要向代理商提出限制要求。根据我们对SPOT5遥感数据的使用，对于森林资源调查，北方9，10月份和11月初的遥感影像比较适宜。代理商向用户提供经过处理的不同级别的影像产品，在森林资源调查中建议购买SPOT1A级产品，用户可根据自己的工作需要进行处理，同时也可减少费用。 基础数据准备大比例尺地形图和高精度DEM是进行SPOT5遥感数据高精度正射校正必需的基础地理数据。建议购买1：10000地形图和1：25000数字高程模型（DEM）。将1：1万地形图扫描，扫描分辨率设置为300DPI。将扫描好的地形图进行几何精纠正，纠正精度控制在毫米内。从测绘部门购买的1：1万地形图为北京54坐标系3度分带高斯克吕格投影，而1：万DEM为北京54坐标系6度分带投影。在数据准备时，将校正好的1：1万地形图通过换带转换转成和DEM一致的6度分带投影。对于没有1：1万地形图的地区，建议使用差分GPS接收机采集地面控制点。几何正射校正正射校正过程应用了法国SPOT公司发行的GEOIMAGE软件。GEOIMAGE软件有针对SPOT5卫星数据开发的SPOT5物理模型。模型模块自动读取DEM信息。SPOT 物理模型可读取卫星在获取遥感数据的瞬间状态参数，这些参数存贮在数据的头文件中[3]。卫星状态参数包括：卫星成像瞬间的经纬度、高度、倾角等。卫星状态参数能够帮助提高几何校正的精度。以校正好的1：1万地形图为基准，在影像图上找出和地形图上地物相匹配的明显地物作为地面控制点。在进行正射校正时，应先进行全色波段数据校正，然后以校正好的全色波段数据为基准进行多光谱数据校正。以全色波段数据为基准校正多光谱波段就比较容易校正，且能提高两者的匹配精度。地面控制点应分布均匀，影像的边缘部分布要有控制点分布，同时在不同的高程范围最好都有控制点。地面控制点的数量因地形地貌的复杂程度而定，根据我们的经验，一景60KmX60Km的SPOT5数据，一般地势平缓的地区20个左右控制点即可达到满意的结果，在高山区25个左右控制点就可使正射校正精度满足要求。重采样方法采用双线性内插法。 辐射校正用户购买的SPOT5的各级数据，数据提供商已经根据卫星的记录参数对遥感数据做了辐射校正，即消除了传感器自身引起的、大气辐射引起的辐射噪声。若果影像存在薄雾或地形高差较大引起的辐射误差情况，用户应进一步进行辐射校正处理。薄雾的简单消除原理是基于近红外波段不受大气辐射影响，清澈的水体或死阴影区的数值应为零。从各波段数据中减去近红外波段的水体或阴影的不为零值。地形起伏引起的辐射误差校正公式: f (x,y)=g(x,y)/cosa，g(x,y)为坡度为a的倾斜面上的地物影像；f (x,y)为校正后的影像。由于坡度因子参与校正所以需要DEM支持。 波段组合根据SPOT5数据波谱特征（表1），各波段分别记录反映了植被的不同特征方面：B4（SWIR）短波红外反映植物和土壤的含水量，利于植被水分状况和长势分析；B3（NIR）近红外波段对植被类别、密度、生长力、病虫害等的变化敏感；B2（RED）红光波段对植被的覆盖度、植被的生长状况敏感；B1（VIS）可见光波段对植物的叶绿素和叶绿素浓度敏感。经过比较分析和实际应用发现SPOT5的B3、B4、B2波段组合对植被类型的识别要优于B3、B2和B1的组合。但由于B4波段的空间分辨率为20米，使B342组合对植被空间几何细节表达没有B321组合清晰，例如林缘界线信息表达方面B321要优于B342。 影像数据融合对于购买有高空间分辨率全色波段数据的用户，进行数据融合是必不可少的。影像数据融合能够综合不同波段、不同空间分辨率数据（层）的特征，融合后的数据具有更丰富、更可靠的信息[4]。 根据影像数据融合的水平阶段，影像融合分为：像元级、特征级和决策级三个层次。为了最大限度的从SPOT5遥感数据中提取森林植被信息，应进行像元级的数据融合，将米的全色波段和10米多光谱数据进行融合。融合得到的新数据既具有全色波段数据的高空间分辨率特征又具有多光谱特征。像元级数据融合的方法多种多样，根据数据融合的目的，即最大限度的突显森林植被信息，应选取B4、B3、B2和PAN波段，根据我们的试验Brovey 融合算法方法比较理想：遥感影像地图将融合好的数据按Rfused、Gfused、Bfused组合，叠加上行政界线、公里格网、坐标、比例尺等辅助信息，按1：1万地形图分幅生成1：1万纸质图作为外业手图。3. 结果和讨论 几何精度利用SPOT5物理模型，采用1：1万地形图和万DEM ，经过正射校正处理，可使影像的几何精度控制在2个像元内（<10米）,达到1：1万制图标准要求。为以遥感影像为基础信息源提取林分调查因子、区划林班界线生成大比例尺的林相图、森林分布图提供了几何精度保障。 波段选择对于没有全色波段的情况，SPOT5数据的B342组合有利于森林植被类型的识别。在应用遥感技术进行森林资源调查区划中，林分类型信息提取是最为重要的环节，所以B342波段组合是小班区划和外业手图的最佳组合。 融合效果融合数据技术使SPOT5遥感影像既具有全色波段的高空间分辨率又拥有多光谱数据的光谱分辨率，丰富了遥感影像的信息量。采用Brovey算法使SPOT5遥感影像从色彩、纹理等方面增强了影像的可判读性，提高了小班因子正判率和林分小班的区划精度。参考文献1．周成虎，杨晓梅，骆剑承等.《遥感影像地学理解与分析》，科学出版社，北京，2001，．赵英时.《遥感应用分析原理与方法》，科学出版社，北京，．北京视宝卫星图像有限公司.《专业制图工作室GEOIMAGE用户指南》，2004，．Christine Pohl. Geometric Aspects of Multisensor Image Fusion for Topographic Map Updating in The Humid Tropics, ITC Publication, 1996,世纪遥感与GIS的发展来源： 李德仁 时间： 2005-08-11-23:09 浏览次数: 7921世纪遥感与GIS的发展李德仁（武汉大学测绘遥感信息工程国家重点实验室，武汉市珞瑜路129号，430079）摘要：在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测，并将所得到的数据和信息存储在计算机网络上，为人类社会的可持续发展服务。在短短的30年中，遥感和GIS作为一个边缘交叉学科已发展成为一门科学、技术和经济实体。本文深入地论述了21世纪中遥感的6大发展趋势和GIS的5个发展特征。关键词：发展趋势；航空航天遥感；地理信息系统；对地观测中图法分类号：P208；随着计算机技术、空间技术和信息技术的发展，人类实现了从空中和太空来观测和感知人类赖以生存的地球的理想，并能将所感知到的结果通过计算机网络在全球流通，为人类的生存、繁荣和可持续发展服务。在20世纪后半叶，遥感和地理信息系统作为一门新兴的科学和技术，迅速地成长起来。1 遥感技术的主要发展趋势 航空航天遥感传感器数据获取技术趋向三多（多平台、多传感器、多角度）和三高（高空间分辨率、高光谱分辨率和高时相分辨率）从空中和太空观测地球获取影像是20世纪的重大成果之一，短短几十年，遥感数据获取手段迅猛发展。遥感平台有地球同步轨道卫星（35000km）、太阳同步卫星（600—1000km）、太空飞船（200—300km）、航天飞机（240—350km）、探空火箭（200—1000km），并且还有高、中、低空飞机、升空气球、无人飞机等；传感器有框幅式光学相机、缝隙、全景相机、光机扫描仪、光电扫描仪、CCD线阵、面阵扫描仪、微波散射计雷达测高仪、激光扫描仪和合成孔径雷达等，它们几乎覆盖了可透过大气窗口的所有电磁波段。三行CCD阵列可以同时得到3个角度的扫描成像，EOS Terra卫星上的MISR可同时从9个角度对地成像。卫星遥感的空间分辨率从Ikonos Ⅱ的1m，进一步提高到Quckbird（快鸟）的，高光谱分辨率已达到5—6nm，500—600个波段。在轨的美国EO-1高光谱遥感卫星，具有220个波段，EOS AM-1（Terra）和EOS PM-1（Aqua）卫星上的MODIS具有36个波段的中等分辨率成像光谱仪。时间分辨率的提高主要依赖于小卫星技术的发展，通过发射地球同步轨道卫星和合理分布的小卫星星座，以及传感器的大角度倾斜，可以以1—3d的周期获得感兴趣地区的遥感影像。由于具有全天候、全天时的特点，以及用INSAR和D-INSAR，特别是双天线INSAR进行高精度三位地形及其变化测定的可能性，SAR雷达卫星为全世界各国所普遍关注。例如，美国宇航局的长远计划是要发射一系列太阳同步和地球同步的长波SAR,美国国防部则要发射一系列短波SAR，实现干涉重访问间隔为8d、3d和1d，空间分辨率分别为20m、5m和2m。我国在机载和星载SAR传感器及其应用研究方面正在形成体系。“十五”期间，我国将全方位地推进遥感数据获取的手段，形成自主的高分辨率资源卫星、雷达卫星、测图卫星和对环境与灾害进行实时监测的小卫星群。 航空航天遥感对地定位趋向于不依赖地面控制确定影像目标的实地位置（三维坐标），解决影像目标在哪儿（Where）是摄影测量与遥感的主要任务之一。在已成功用于生产的全自动化GPS空中三角测量的基础上，利用DGPS和INS惯性导航系统的组合，可形成航空/航天影像传感器的位置与姿态的自动测量和稳定装置（POS），从而可实现定点摄影成像和无地面控制的高精度对地直接定位。在航空摄影条件下的精度可达到dm级，在卫星遥感的条件下，其精度可达到m级。该技术的推广应用，将改变目前摄影测量和遥感的作业流程，从而实现实时测图和实时数据库更新。若与高精度激光扫描仪集成，可实现实时三维测量（LIDAR），自动生成数字表面模型（DSM），并可推算出数字高程模型（DEM）。美国NASA在1994年和1997年两次将航天激光测高仪（SLA）安装在航天飞机上，企图建立基于SLA的全球控制点数据库，激光点大小为100m，间隔为750m，每秒10个脉冲；随后又提出了地学激光测高系统（GLAS）计划，已于2002年12月19日将该卫星IICESat（cloud and land elevation satellite）发射上天。该卫星装有激光测距系统、GPS接收机和恒星跟踪姿态测定系统。GLAS发射近红外光（1064nm）和可见绿光（532nm）的短脉冲（4ns）。激光脉冲频率为40次/s，激光点大小实地为70m，间隔为170m，其高程精度要明显高于SRTM，可望达到m级。他们的下一步计划是要在2015年之前使星载LIDAR的激光测高精度达到dm和cm级。法国利用设在全球的54个站点向卫星发射信号，通过测定多普勒频移，以精确解求卫星的空间坐标，具有极高的精度。测定距地球1300km的Topex/Poseidon卫星的高度，精度达到±3cm。用来测定SPOT 4卫星的轨道，3个坐标方向达到±5cm精度，对于SPOT 5和Envisat，可望达到±1m精度。若忽略SPOT 5传感器的角元素，直接进行无地面控制的正射像片制作，精度可达到±15m，完全可以满足国家安全和西部开发的需求。 摄影测量与遥感数据的计算机处理更趋向自动化和智能化从影像数据中自动提取地物目标，解决它的属性和语义（What）是摄影测量与遥感的另一大任务。在已取得影像匹配成果的基础上，影像目标的自动识别技术主要集中在影像融合技术，基于统计和基于结构的目标识别与分类，处理的对象既包括高分辨率影像，也更加注重高光谱影像。随着遥感数据量的增大，数据融合和信息融合技术逐渐成熟。压缩倍率高、速度快的影像数据压缩方法也已商业化。我国学者在这些方面取得了不少可喜的成果。 利用多时像影像数据自动发现地表覆盖的变化趋向实时化利用遥感影像自动进行变化监测（What change）关系到我国的经济建设和国防建设。过去人工方法投入大，周期长。随着各类空间数据库的建立和大量新的影像数据源的出现，实时自动化监测已成为研究的一个热点。自动变化监测研究包括利用新旧影像（DOM）的对比、新影像与旧数字地图（DLS）的对比来自动发现变化和更新数据库。目前的变化监测是先将新影像与旧影像（或数字地图）进行配准，然后再提取变化目标，这在精度、速度与自动化处理方面都有不足之处。笔者提出了把配准与变化监测同步的整体处理[1]。最理想的方法是将影像目标三维重建与变化监测一起进行，实现三维变化监测和自动更新。进一步的发展则是利用智能传感器，将数据处理在轨完成，发送回来的直接为信息，而不一定为影像数据。 摄影测量与遥感在构建“数字地球”、“数字中国”、“数字省市”和“数字文化遗产”中正在发挥愈来愈大的作用“数字地球”概念是在全球信息化浪潮推进下形成的。1999年12月在北京成功地召开了第一届国际“数字地球”大会后，我国正积极推进“数字中国”和“数字省市”的建设，2001年国家测绘局完成了构建“数字中国”地理空间基础框架的总体战略研究。在已完成1∶100万和1∶25万全国空间数据库的基础上，2001年全国各省市测绘局开始1∶5万空间数据库的建库工作。在这个数据量达11TB的巨型数据库中，摄影测量与遥感将用来建设DOM（数字正射影像）、DEM（数字高程模型）、DLG（数字线划图）和CP（控制点数据库）。如果要建立全国1m分辨率影像数据库，其数据量将达到60TB。如果整个“数字地球”均达到1m分辨率，其数据量之大可想而知。本世纪内可望建成这一分辨率的数字地球。“数字文化遗产”是目前联合国和许多国家关心的一个问题，涉及到近景成像、计算机视觉和虚拟现实技术。在近景成像和近景三位量测方面，有室内各种三维激光扫描与成像仪器，还可以直接由视频摄像机的系列图像获取目标场三维重建信息。它们所获取的数据经过计算机自动处理后，可以在虚拟现实技术支持下形成文化遗迹的三维仿真，而且可以按照时间序列，将历史文化在时间隧道中再现，对文化遗产保护、复原与研究具有重要意义。 全定量化遥感方法将走向实用从遥感科学的本质讲，通过对地球表层（包括岩石圈、水圈、大气圈和生物圈4大圈层）的遥感，其目的是为了获得有关地物目标的几何与物理特性，所以需要通过全定量化遥感方法进行反演。几何方程式是有显式表示的数学方程，而物理方程一直是隐式。目前的遥感解译与目标识别并没有通过物理方程反演，而是采用了基于灰度或加上一定知识的统计、结构和纹理的影像分析方法。但随着对成像机理、地物波谱反射特征、大气模型、气溶胶的研究深入和数据积累，多角度、多传感器、高光谱及雷达卫星遥感技术的成熟，相信在21世纪，估计几何与物理方程式的全定量化遥感方法将逐步由理论研究走向实用化，遥感基础理论研究将迈上新的台阶。只有实现了遥感定量化，才可能真正实现自动化和实时化。2 GIS技术的主要发展趋势 空间数据库趋向图形、影像和DEM三库一体化和面向对象[2]GIS发展曾经历过栅格、矢量两个不同数据结构发展阶段，目前随着高分辨率卫星遥感数据的飞快增长和数字地球、数码城市的需求，形成了面向对象的数据模型和三库（图形矢量库、影像栅格库和DEM格网库）一体化的数据结构。这样的数据库结构使GIS的发展更加趋向自然化、逼真化，更加贴近用户。以面向应用的GIS软件为前台，以大型关系数据库（Oracle 8i,9i等)为后台数据库管理，成为当前GIS技术的主流趋势。 空间数据表达趋向多比例尺、多尺度、动态多位和实时三维可视化在传统的GIS中，空间数据是以二维形式存储并挂接相应的属性数据。目前，空间数据表达的趋势是基于金字塔和LOD（level of detail）技术的多比例尺空间数据库，在不同尺度表示时可自动显示出相应比例尺或相应分辨率的数据，多比例尺数据集的跨度要比传统地图的比例尺大，在显示不同比例尺数据时，可采用LOD或地图综合技术。真三维GIS的空间数据要存储三维坐标。动态GIS在土地变更调查、土地覆盖变化监测中已有较好的应用，真四维的时空GIS将有望从理论研究转入实用阶段。基于三库一体化的时空3D可视化技术发展势头迅猛，已能再PC机上实现GIS环境下的三维建筑物室外室内漫游、信息查询、空间分析、剖面分析和阴影分析等，基于虚拟现实技术的真三维GIS将使人们在现实空间外，可以同时拥有一个Cyber空间。 空间分析和辅助决策智能化需要利用数据挖掘方法从空间数据库和属性数据库中发现更多的有用知识GIS是以应用导向的空间信息技术，空间分析与辅助决策支持是GIS的高水平应用，它需要基于知识的智能系统。知识的获取是专家系统中最困难的任务。随着各种类型数据库的建立，从数据库中挖掘知识成为当今计算机界一个非常引人注目的课题。从GIS空间数据库中发现的知识可以有效的支持遥感图像解译，以解决“同物异谱”和“同谱异物”的问题。反过来，从属性数据库中挖掘的知识又具有优化资源配置等一些列空间分析的功能[3]。尽管数据挖掘和知识发现这一命题仍处于理论研究阶段，但随着数据库的快速增大和对数据挖掘工具的深入研究，其应用前景是不可估量的。 通过Web服务器和WAP服务器的互联网和移动GIS将推进联邦数据库和互操作的研究及地学信息服务事业随着计算机通讯网络（包括有线和无线网）的大容量和高速化，GIS已成为在网络上的分布式异构系统。许多不同单位、不同组织维护管理的既独立又互联互用的联邦数据库，将可提供全社会各行各业的应用需要。因此，联邦数据库和互操作（federal databases & interoperability）问题成为当前国际GIS联合研究的一个热点。互操作意味着数据库中数据的直接共享，GIS规律功能模块的互操作与共享，以及多点之间的相同工作，这方面的研究已显示出明显的成效。未来的GIS用户将可能在网络上缴纳为其需要所选用数据和软件功能模块的使用费，而不必购买这个数据库和整套的GIS软硬件，这些成果产生的直接效果是GIS应用将走向地学信息服务。目前已兴起的LBS和MLS，即基于位置的服务和移动定位服务，突出地反映了这种变化趋势。它引起的革命性变化使GIS将走出研究院所和政府机关，成为全社会人人具备的信息服务工具。我国目前已有2亿个手机用户，若每人每月为MLS支付10元费用，全国一年的产值将达到240亿。可以预测在不久的将来，地学信息将能随时随地为任何人和任何事情进行4A服务（geo-in-formation for anyone and anything at anywhere and anytime）。 地理信息科学的研究有望在本世纪形成较完整的理论框架体系笔者曾扼要地叙述了地球空间信息科学的7大理论问题[4]：（1）地球空间信息的基准，包括几何基准、物理基准和时间基准；（2）地球空间信息标准，包括空间数据采集、存储与交换标准、空间数据精度与质量标准、空间信息的分类与代码标准、空间信息的安全
顾名思义就是林业方面的专家喽~~貌似跟其它行业的工程师一样，也是这个行业的一种类似于职称吧，也分为中级、高级、教授级工程师几种至于具体做什么很难讲，大概来说就是负责林业方面的相关研究，林业的范围很广，育种、培育、生态、造林等等，跟个人的工作单位应该有很大关系，一般在林场、自然保护区、林科所、林业局等相关单位好多人是工程师的大学的林业相关专业的除了上面所说哪几种，再包括植物学、森林经理、林业工程等这些专业，不同学校专业设置有所不同，有些学校本科就笼统称为“林学”，研究生才细分的，呵呵，我们学校就是听同学讲如果是本专业毕业的话工作三年还是几年后可以直接评中级工程师，目前很多同学工作够一年之后转为助理工程师了不过成为林业工程师不一定要读这些专业的，如果在相关林业单位工作，又能够通过考核的（呃，听有人提过说他们单位是有点类似于毕业论文答辩的形式，有评审专家）也可以的平常见到的大概是这样子^^
在学习、工作或生活中，许多人都写过作文吧，作文根据体裁的不同可以分为记叙文、说明文、应用文、议论文。怎么写作文才能避免踩雷呢？以下是我收集整理的森林防火优秀作文，希望能够帮助到大家。
一个十月的早晨，森林xxx的消防警钟急促地响了起来。狮子国王火速召集了森林xxx中的所有动物们，商讨灭火的计策……
狮子国王干咳一声，清了清嗓子说：“现在有个很严重的问题摆在我们面前，就是森林北面因天气干燥，再加上几个不懂事的小家伙在那儿玩火，已经引起了一场大火。现在火势已经蔓延到了森林的西面，我希望大家能快点商议出好的对策！如果谁能扑灭这场大火，我将赏他100万个动物币！”重赏之下，必有勇夫。人称“机灵鬼”的小猴乖乖发言了：“大王，依我之见，当务之急是先阻止火势的蔓延。然后我们再组织一支救火队，去扑灭森林北面大火！”“好是好，但是……”狮子国王欲言又止。“但是什么呀？”“去哪找灭火队员？采用什么灭火器材？”狮子国王把自己心中的疑虑淋漓尽致地表达了出来。羊博士抢上来回答：“大王可以用金币聘请灭火队员们。并且我们先用泥沙先控制火势。大王，您觉得怎么样？”于是，狮子国王便带领自行组织的救火队奔赴火场。经过几天几夜的努力，火势终于得到了控制。森林xxx举国欢腾，狮子国王长吁一口气，终于放下了心里的大石头。
一个十一月的早晨，森林xxx的消防警钟又响了起来。狮子国王全副武装，带领着他的救火队员们又去抢救南面的森林。同前一次一样，狮子国王又取得了意想不到的胜利。可狮子国王却忧心忡忡，心细的参谋大臣狐狸看出了狮子国王的心思，便试探性地问：“大王，为何伤感呐？”“因为森林火灾在不断地发生，你说这该怎么办？”狐狸大臣自信十足地说：“大王，何不举办一次‘森林防火知识讲座’，让动物们都懂得一些森林防火的知识。然后在森林xxx贴一些森林防火的标语。我想，这一定行得通的！”“好！就这么办吧！”狮子国王对这个主意大加赞赏。并马上着手处理起这件事来。果不其然，森林xxx的起火事件越来越少，狮子国王他对那紧皱的眉头也渐渐舒展开来。
从此，森林xxx一直在强调着森林防火，植树造林。终于，森林xxx在狮子国王明智地带领下，成为了一个怏怏大国。
森林，人类正在保护的家园，那里绿树成荫，生活着很多的小动物。是它养育了人类，是我们人类的好朋友，可是，不管人类怎么保护它，它还是走向了毁灭。是因为人类吧！是啊！有些人就是忘恩负义，亲手毁灭了自己的家啊！
森林，那美丽的地方，它的树冠对雨水有截流作用，能减少雨水对地面的冲击力，保持水土。据计算，树冠能阻载10%——20%的降水，其中大部分蒸发到大气中，余下的降落到地面或沿树干渗透到土壤中成为地下水，所以一片森林就是一座水库。给人类带来了多少好处！同时森林地表枯枝落叶腐烂层不断增多，形成较厚的腐质层，就像一块巨大的吸收雨水的海绵，具有很强的吸水、延缓径流、削弱洪峰的功能。森林植被的根系能紧紧固定土壤，能使土地免受雨水冲刷，制止水土流失，防止土地荒漠化。荒漠化是当今世界上的一大灾难，防风固沙的有效措施之一就是植树造林。出于森林树干、枝叶的阻挡和摩擦消耗，进入林区风速会明显减弱。目前，中国各地营造的防护林正在起着防风固沙和改善生态环境的巨大作用。我们人类生活得多好，都是因为这森林，森林对一定范围内的区域性气候具有调节作用，特别是农田林网和防风林带对改善农田小气候效果显着。可我们人类却亲手伤害了她，这是多么荒唐啊！
我觉得人类应该保护它，保护我们的家园。
保护的方法有很多种1、人人树立“森林防火”意识。无论是进入林区从事垦荒、采集、采矿等生产性活动，还是进入林区祭祀、旅游度假、狩猎野炊等生活性活动，都要时刻不忘森林防火。特别是在森林防火期内，在林区禁止野外用火；因特殊情况需要用火的，必须按照《森林防火条例》的有关规定，经过审批后方可进行。2、从自我做起，从小事做起，确保不因为自己的疏忽而引发森林火灾。比如进入林区自觉向森林防火检查站交出随身携带的火种，比如自觉移风易俗，把上坟烧纸祭祖改为向先人敬献鲜花水果或种树，培养文明的风俗习惯等。如果因自己原因引发森林火灾的，应承担相应的法律责任。3、普通群众参加森林火灾扑救的，应该掌握有基本的扑火技能和安全避火知识，一旦被林火围困或袭击，要果断决策，迅速选择突围和避火路线，采取正确的避火方法，避免发生伤亡事故。扑救森林火灾时特别要注意，不得动员残疾人员、孕妇、老人和儿童参加。
我们多么美丽的家园啊！是你哺育了我们，是您给了我们生存的机会！我们人类也在此感谢你！保护森林，人人有责！从我做起！！
一个十月的早晨，森林xx的消防警钟急促地响了起来。狮子国王火速召集了森林xx中的所有动物们，商讨灭火的计策……
狮子国王干咳一声，清了清嗓子说：“现在有个很严重的问题摆在我们面前，就是森林北面因天气干燥，再加上几个不懂事的小家伙在那儿玩火，已经引起了一场大火。现在火势已经蔓延到了森林的西面，我希望大家能快点商议出好的对策！如果谁能扑灭这场大火，我将赏他100万个动物币！”重赏之下，必有勇夫。人称“机灵鬼”的小猴乖乖发言了：“大王，依我之见，当务之急是先阻止火势的蔓延。然后我们再组织一支救火队，去扑灭森林北面大火！”“好是好，但是……”狮子国王欲言又止。“但是什么呀？”“去哪找灭火队员？采用什么灭火器材？”狮子国王把自己心中的疑虑淋漓尽致地表达了出来。羊博士抢上来回答：“大王可以用金币聘请灭火队员们。并且我们先用泥沙先控制火势。大王，您觉得怎么样？”于是，狮子国王便带领自行组织的救火队奔赴火场。经过几天几夜的努力，火势终于得到了控制。森林xx举国欢腾，狮子国王长吁一口气，终于放下了心里的大石头。
一个十一月的早晨，森林xx的消防警钟又响了起来。狮子国王全副武装，带领着他的救火队员们又去抢救南面的森林。同前一次一样，狮子国王又取得了意想不到的胜利。可狮子国王却忧心忡忡，心细的参谋大臣狐狸看出了狮子国王的心思，便试探性地问：“大王，为何伤感呐？”“因为森林火灾在不断地发生，你说这该怎么办？”狐狸大臣自信十足地说：“大王，何不举办一次‘森林防火知识讲座’，让动物们都懂得一些森林防火的知识。然后在森林xx贴一些森林防火的标语。我想，这一定行得通的！”“好！就这么办吧！”狮子国王对这个主意大加赞赏。并马上着手处理起这件事来。果不其然，森林xx的起火事件越来越少，狮子国王他对那紧皱的眉头也渐渐舒展开来。
从此，森林xx一直在强调着森林防火，植树造林。终于，森林xx在狮子国王明智地带领下，成为了一个怏怏大国。
当我们一说起美丽的大自然，便会想到当下这绿意盎然的季节，我们可以踏着春的脚步去看看一望无际的田野风光，可以走进那郁郁葱葱，充满着各种生机的森林。但是我们要知道，森林是人类宝贵的物质财富，是我们赖以生存的美丽家园，所以，我们在接受大自然馈赠给我们的珍贵资源的同时，更要认识大自然，保护大自然。
现在，森林正处于防火期，气温偏高，天干物燥，火灾便是森林的大敌。一根火柴，一个烟头，甚至一个鞭炮头，在我们的不经意间就可能酿成一场大的森林火灾，就可能使我们经过辛勤努力建立起来的绿色美丽家园毁于一旦，造成我们生命财产的巨大损失。
记得在大年初一，我们一家人去山里祭拜阿太，在临走时我们放了几个鞭炮，本以为顺利结束了这次祭拜，当我们走下了山，我回头一看，忽然看见我们祭拜的地方升起了白烟。我连忙喊：“你们快看，那边的树木着火啦！”我的爸爸二话不说，赶紧跑上去，想要用脚把火苗踩灭，但由于天气干燥，火苗却蔓延开了。我的.爸爸又试图用手去拔起带着火苗的杂草，确也无能为力，反倒伤了自己的手。我的爸爸见形势不妙，立刻叫我们去找人，我们跑下山，可管理的那个师傅不在屋子里，我们就大声喊：“山上着火啦，快来帮帮忙——”管理师傅终于来了，他急忙跑到另外一间屋子，背起灭火器，就往山上跑。我们都被吓得脸色发白，万一火势得不到控制，整座山就会被毁灭。幸好师傅及时赶到，用灭火器控制了火苗。
通过这次经历，我们一定要牢记，千万要注意野外用火，要确保安全的情况下才离开。我们也要劝告我们的家长不要随意在山上点火，以免造成火灾。如果真的因玩火而引发森林火灾，或者发现有森林火灾发生，那该怎么办呢？请大家记住：千万不要自行救火，应该迅速撤离到安全的地方，并立即打电话报警。
森林防火，我们人人有责，我们从小就要树立起保护森林，保护大自然的意识，从小养成学法、守法、懂法的好习惯。
我们人人争当森林防火宣传员。用我们的实际行动为森林防火这一公益事业传递正能量。
“森林防火，人人有则。”是啊，朋友们，如果你们少上一次山，少抽一根烟，大地妈妈将会多一片绿洲，多一些新空气。然而，许多人却没这么做，请看：
镜头一：
山清水秀的野外那蓝盈盈的天，蔚蓝得像一泓秋水。那清粼粼的小溪，明净得像一面镜子，那绿油油的草地，绿得像一块翡翠，这样的景色，谁能不心动呢？瞧，这儿一帮，那儿一伙的人们，有的聊天，有的闭目养神，有的嬉戏玩耍，玩得开心极了。咦，那儿还有一帮小朋友在野炊呢！
他们有的搭灶，有的刷锅，有的洗菜，有的抓鱼，有的找柴禾，忙得不亦乐乎。开始点火了，可是，风太大了，怎么也点不着。一个小孩马上去搬救兵，把他爸爸给“搬”来了。毕竟是有经验的“老将”出马，一点就着。孩子欢呼起来。可是一阵强风吹来，，吹翻了锅盖，吹着了草地。“天哪！着火了！”
一声尖叫，平静的山野立马乱成一团，大家胡乱拿出手边的东西，试图去灭火。可是，借着风力的火毫不示弱，它放肆地吞噬着草地。于是，哭声，喊声，拍打声，夹杂着风声，在安静的午后，刺耳地响着。终于，火被扑灭了，可是，美丽的山野却被划出一道黑色的疤痕。
镜头二：
山间平地正午，火辣辣的太阳炙烤着大地，一位老汉正在田间挥汗如雨，那锄头砸下的的每一下，都预示着丰收的希望。他那么不遗余力地锄，终于累得不行。于是，他走到了旁边的一棵大树下歇息。只见他拿出一袋旱烟，娴熟地点起，“吧嗒，吧嗒”地抽着，他满足地闭上了眼睛，享受这片刻的惬意。很快，一管烟在他的吞云吐雾中完成了自己的使命，并被好汉随手扔在一旁。一点火星在风中若隐若现，顷刻间，火星变成了火苗，随即又变成了熊熊大火。老汉却还浑然不知，还在锄地，憧憬着丰收的希望。大火燃烧着一草一木，。等老汉听见大火燃烧的声音，但为时已晚。老汉控制不了火势，只好跑下山去找人救援。火，终于被扑灭了，但是庄稼没了，丰收没了，老汉脸上流下了一串悔恨的泪珠。“星星之火可以燎原。”难道这些事件还换醒不了大家沉睡的森林放火意识吗？
情系一片绿，心防一把火 古往今来，地球妈妈用甘甜的乳汁哺育了无数代子孙。原来的她被小辈们装饰得楚楚动人。可是，现在人类为了自身的利益，将她折磨得天昏地暗。 “救救地球”已成为世界各国人民最强烈呼喊！。 森林作为地球上可再生自然资源及陆地生态系统的主体，在人类生存和发展的历史可中起着不可替代的作用。森林有地球之肺的美称，它能大量地吸收二氧化碳，不断制造人类和其他生物所需的氧气。 它在国家经济建设中具有不可替代的地位和作用。 森林和人们的生产生活有着密切的联系，可是森林却时刻面临着火的威胁！所谓的森林火灾，是指失去人为控制，在林池内自由蔓延和扩展，对森林、森林生态系统和人类带来一定的危害和损失的林灾。森林火灾是一种火灾性强、破坏性大、处置救助十分困难的自然灾害。 一片森林的形成往往需要几十年甚到几百年，就像由俭入奢易，由奢入俭难一样，毁树容易种树难，每年冬春之际，是火灾多发的季节，各地都不同程度地发生火灾，如上次苍山发生的火灾，已造成巨大的损失。因此，做好森林防火工作迫在眉睫，为保护我们来之不易的经济成果，我们必须做好森林防火工作。