基于BP神经网络的城市蓝绿开放空间社会介质属性评价

doi:10.12302/j.issn.1000-2006.202306020

国家林草科技领军期刊
中国精品科技期刊
中国高校百佳科技期刊
江苏省新闻出版政府奖期刊奖
RCCSE林学权威期刊（A+）
CSCD核心期刊
Scopus数据库收录期刊
中文核心期刊
SCD核心期刊

作者加群：102861116

微信公众号：南京林业大学学报

高级检索

南京林业大学学报（自然科学版） ›› 2024, Vol. 48 ›› Issue (6): 193-200.doi: 10.12302/j.issn.1000-2006.202306020

基于BP神经网络的城市蓝绿开放空间社会介质属性评价

徐海顺(), 钱宸, 秦雪

南京林业大学风景园林学院,江苏南京 210037

收稿日期:2023-06-19 修回日期:2023-11-09 出版日期:2024-11-30 发布日期:2024-12-10
作者简介:
徐海顺(nj_xuhaishun@163.com),副教授。
基金资助:
教育部人文社会科学研究青年基金项目(20YJCZH190)

Evaluating the social media attributes of urban blue-green open space using a back propagation neural network

XU Haishun(), QIAN Chen, QIN Xue

College of Landscape Architecture, Nanjing Forestry University, Nanjing 210037, China

Received:2023-06-19 Revised:2023-11-09 Online:2024-11-30 Published:2024-12-10

1. 基于BP神经网络的城市蓝绿开放空间社会介质属性评价.zip(52361KB)

摘要/Abstract

摘要：

【目的】通过对城市蓝绿开放空间中使用者使用需求和活动方式的分析,识别城市蓝绿开放空间服务于人的社会介质属性,科学构建评价体系,为丰富“人-蓝绿开放空间-社会”关系的研究及相应管理规划提供参考。【方法】基于文献分析、网络数据抓取及实地调查,从蓝绿开放空间作为城市社会介质的视角出发,构建城市蓝绿开放空间社会介质属性评价模型,并以南京市的3个城市公园为例,运用BP神经网络进行模型验证及指标权重定量分析。【结果】基于样本构建的评价模型包含4项一级指标、12项二级指标,其中一级指标包括空间本底、连接类型、参与方式和空间意义,空间本底(权重0.440)是评价社会介质水平的关键要素;二级指标中影响较大的是自然支持水平(权重0.157),其次是基础设施完善度(权重0.127)、微气候舒适度(权重0.125)和地方认同(权重0.121),其余参数的影响相对较小。分析认为,空间本底质量是吸引使用者进行社会活动的基础,“人-蓝绿开放空间-社会”的亲近关系有助于提升空间的社会介质水平。【结论】采用BP神经网络通过对调查数据的学习,能够实现对城市蓝绿开放空间社会介质属性的评价。将社会学与风景园林领域理论与实践相耦合,从人与空间关系的角度出发,可为城市蓝绿开放空间社会效益的识别与评价提供新的研究思路和方法。

关键词: 蓝绿开放空间, BP神经网络, 社会介质, 属性评价, 南京市

Abstract:

【Objective】Through the analysis of the needs and activity patterns of urban blue-green open space (BGOS) users, the social media attributes of urban BGOS can best serve people were identified. The aim was to construct a scientifically based evaluation system that enhanced the “People-BGOS-Society” relationship and provide a reference for corresponding management planning.【Method】Based on literature research, field surveys, and network data collection, from the perspective of BGOS as the urban social medium, an evaluation model of the social media attributes of urban BGOS was constructed based on four dimensions: space background, connection type, participation mode, and spatial significance. Taking three urban parks in Nanjing as an examples, a back propagation (BP) neural network model was used for model verification and a weighted quantitative analysis.【Result】By studying the survey data, the BP neural network evaluated the social media attributes of urban BGOS. The evaluation model included four first-level indicators and 12 second-level indicators. The first-level indicators included spatial background, connection type, participation mode, and spatial significance, among which spatial background (weight 0.440) was the key factor for evaluating the social media attributes. Among the secondary indicators, the natural support level (weight 0.157) had the greatest impact, followed by infrastructure perfection (weight 0.127), microclimate comfort (weight 0.125), and local identity (weight 0.121), while the remaining parameters showed relatively little impact. The quality of the spatial background was the basis for attracting users to carry out social activities. The close “People-BGOS-Society” relationship helped to improve the spatial level of social media attributes.【Conclusion】This study combined sociology with the field of landscape architecture. From the perspective of the relationship between people and space, the application of a BP neural network model was a novel research concept and methods were developed for the identification and evaluation of the social benefits of BGOS.

Key words: blue-green open space (BGOS), BP neural network, social media, attribute evaluation, Nanjing City

中图分类号:

TU984.115

徐海顺,钱宸,秦雪. 基于BP神经网络的城市蓝绿开放空间社会介质属性评价[J]. 南京林业大学学报（自然科学版）, 2024, 48(6): 193-200.

XU Haishun, QIAN Chen, QIN Xue. Evaluating the social media attributes of urban blue-green open space using a back propagation neural network[J].Journal of Nanjing Forestry University (Natural Science Edition), 2024, 48(6): 193-200.DOI: 10.12302/j.issn.1000-2006.202306020.

图/表 9

图1

表1

蓝绿空间评价指标模型与数据来源"

目标层 target layer	要素层 factor ayer	指标层 indicator layer	指标描述与量化标准(方法) standard (methodology) for indicator description and quantification	调查途径 investigative approach
本底质量 basis of space	蓝/绿视率		蓝/绿色在人视野里的面积占人视野总面积的比例	实地调研
	微气候舒适度		游憩环境中人们感受到的舒适程度(舒适度指数K)	实地调研
	基础设施完善度		与环境的协调度、基础设施的功能性	问卷
	景观美感		人们能够体验到的视觉景观美的程度	问卷
连接方式 connection type	自然支持	交通可达性	居民以适宜交通方式到达公园所用的时间,选择:<10 min,≥10~30 min,≥0.5~1.5 h,>1.5 h	问卷
		参观频率	游客到访蓝绿空间的频率,选择:每天都来,每周2~3次,每周1次,每月1次,每年2~3次	问卷
		停留时间	游客自然体验的停留时间,选择:1 h以内,≥1~3 h,≥3~5 h,≥5 h	问卷
	社会支持	与他人接触强度	出行人员关系,反映交往双方情感与联系紧密程度,包括:视听接触,偶然接触,熟人、朋友、家人	问卷,微博数据
		与他人接触广度	以接触总人数和游客出行组织方式表征,包括:独自出行,2~4人,5人及以上;分别对应个人活动、小团体活动与群体活动	问卷,微博数据
参与方式 way of participation	认知型参与	公园的重要性与象征性	游客对公园的重视程度及借助游览公园表达或传递某种意义或信息的意愿程度	问卷
	情感型参与	参与的愉悦性	游客在公园游览中获得的乐趣多少	问卷,实地调研
	行为型参与	活动类型意向	健身、休闲游乐、交流与扩展交际3类活动的活动意向	问卷
		游后行为意向	重游意向和推荐意向	问卷
空间意义 meaning of space	地方依赖		功能层面,游客对公园资源、设施、活动等需求的满意程度	问卷
	地方认同		精神层面,游客对公园产生的情感依恋与归属感	问卷

表1

表2

图2

图3

表3

表4

图4

表5

参考文献 32

[1]	WANG Y C, SHEN J K, XIANG W N. Ecosystem service of green infrastructure for adaptation to urban growth:function and configuration[J]. Ecosyst Health Sustain, 2018, 4(5):132-143.DOI: 10.1080/20964129.2018.1474721.
[2]	吴雪飞, 谭传东. 武汉中心城区生态系统服务额外需求量化评估:缘起绿色基础设施供需错配[J]. 中国园林, 2020, 36(5):127-132.
	WU X F, TAN C D. Evaluation of ecosy-stem services excess demand in the central area of Wuhan:a discussion based on mismatches between supply and demand of green infrastructure[J]. Chin Landsc Archit, 2020, 36(5):127-132.DOI: 10.19775/j.cla.2020.05.0127.
[3]	SANDER H A, ZHAO C. Urban green and blue:who values what and where?[J]. Land Use Policy, 2015, 42:194-209.DOI: 10.1016/j.landusepol.2014.07.021.
[4]	常俪. 关于移动社交对日常活动空间影响的实证研究:基于对手机用户的调查数据[J]. 广告大观(理论版), 2013(6):77-87.
	CHANG L. Research of daily activity impacted by mobile social network:based on mobile phone users data[J]. J Advert Study (Acad Ed), 2013(6):77-87.
[5]	LENG L Y, MAO X H, JIA H F, et al. Performance assessment of coupled green-grey-blue systems for Sponge City construction[J]. Sci Total Environ, 2020,728:138608.DOI: 10.1016/j.scitotenv.2020.138608.
[6]	ZHOU W, CAO W, WU T, et al. The win-win interaction between integrated blue and green space on urban cooling[J]. Sci Total Environ, 2023,863:160712.DOI: 10.1016/j.scitotenv.2022.160712.
[7]	曹先磊, 刘高慧, 张颖, 等. 城市生态系统休闲娱乐服务支付意愿及价值评估:以成都市温江区为例[J]. 生态学报, 2017, 37(9):2970-2981.
	CAO X L, LIU G H, ZHANG Y, et al. Willingness-to-pay for recreation services of urban ecosy stem and its value assessment:a case study in the Wenjiang District of Chengdu City,China[J]. Acta Ecol Sin, 2017, 37(9):2970-2981.DOI: 10.5846/stxb201602010228.
[8]	JIAO X X, ZHAO Z M, LI X, et al. Advances in the blue-green space evaluation index system[J]. Ecohydrology, 2023, 16(3):2527.DOI: 10.1002/eco.2527.
[9]	JIANG X R, LARSEN L, SULLIVAN W. Connections-between daily greenness exposure and health outcomes[J]. Int J Environ Res Public Health, 2020, 17(11):3965.DOI: 10.3390/ijerph17113965.
[10]	WANG K, SUN Z H, CAI M, et al. Impacts of urban blue-green space on residents’ health:a bibliometric review[J]. Int J Environ Res Public Health, 2022, 19(23):16192.DOI: 10.3390/ijerph192316192.
[11]	MACKERRON G, MOURATO S. Happiness is greater in natural environments[J]. Glob Environ Change, 2013, 23(5):992-1000.DOI: 10.1016/j.gloenvcha.2013.03.010.
[12]	SIKHULULEKILE N, SCOTT A. Influence of blue-green and grey infrastructure combinations on natural and human-derived capital in urban drainage planning[J]. Sustainability, 2021, 13(5):2571.DOI: 10.3390/SU13052571.
[13]	杨青娟, 梅瑞狄斯·弗朗西丝·多比. 雨洪管理多功能景观文化生态系统服务的重要性-满意度研究[J]. 景观设计学, 2019, 7(1):52-67.
	YANG Q J, DOBBIE M F. Importance-satisfaction analysis of cultural ecosystem services of multi-functional landscapes designed for stormwater management[J]. Landsc Archit Front, 2019, 7(1):52-67.DOI: 10.15302/J-LAF-20190105.
[14]	刘颂, 杨莹, 贾虎, 等. 基于多源数据的上海城市公园使用满意度关键影响因素[J]. 中国城市林业, 2020, 18(2):51-56.
	LIU S, YANG Y, JIA H, et al. Research on influe-ncing factors to Shanghai urban parks satisfaction based on multi-source data[J]. J Chin Urban For, 2020, 18(2):51-56.DOI: 10.12169/zgcsly.2019.11.20.0004.
[15]	AYALA-AZCÁRRAGA C, DIAZ D, ZAMBRANO L. Characteristics of urban parks and their relation to user well-being[J]. Landsc Urban Plan, 2019, 189:27-35.DOI: 10.1016/j.landurbplan.2019.04.005.
[16]	郭庭鸿. 城市绿色空间健康效益的社会生态调节因素研究[J]. 西部人居环境学刊, 2019, 34(3):35-41.
	GUO T H. Study on social-ecological moderators differing the relation between urban green space and human health[J]. J Hum Settl West China, 2019, 34(3):35-41.DOI: 10.13791/j.cnki.hsfwest.20190305.
[17]	秦诗文, 杨俊宴, 冯雅茹, 等. 基于多源数据的城市公园时空活力与影响因素测度:以南京为例[J]. 中国园林, 2021, 37(1):68-73.
	QIN S W, YANG J Y, FENG Y R, et al. Spatio-temporal vitality and influencing factors of urban parks based on multi-source data:a case study of Nanjing[J]. Chin Landsc Archit, 2021, 37(1):68-73.DOI: 10.19775/j.cla.2021.01.0068.
[18]	YANG B, LI M H, LI S J. Design-with-nature for multifunctional landscapes:environmental benefits and social barriers in community development[J]. Int J Environ Res Public Health, 2013, 10(11):5433-5458.DOI: 10.3390/ijerph10115433.
[19]	毛国栋. 多源数据视角下城市活力空间特征与影响机制研究[J]. 测绘技术装备, 2023, 25(2):31-38.
	MAO G D. The spatial characteristic analysis and influence mechanism of urban vitality space based on multi-sourced data[J]. Geomat Technol Equip, 2023, 25(2):31-38.DOI: 10.20006/j.cnki.61-1363/P.2023.02.007.
[20]	何仲禹, 李岳昊. 基于开放数据的上海城市公园使用活跃度时空特征研究[J]. 中国园林, 2020, 36(10):45-50.
	HE Z Y, LI Y H. The temporal-spatial characteristics of usage activ-eness of urban parks in Shanghai based on open data[J]. Chin Landsc Archit, 2020, 36(10):45-50.DOI: 10.19775/j.cla.2020.10.0045.
[21]	范佳辉, 张亚丽, 李明诗. 基于空间光谱信息协同的城市不透水层提取方法比较研究[J]. 南京林业大学学报(自然科学版), 2021, 45(1):212-218.
	FAN J H, ZHANG Y L, LI M S. Comparing four methods for extracting impervious surfaces using spectral information in synergy with spatial heterogeneity of remotely sensed imagery[J]. J Nanjing For Univ(Nat Sci Ed), 2021, 45(1):212-218.DOI: 10.12302/j.issn.1000-2006.201911012.
[22]	刘超, 李卓欣, 陈芷凝, 等. 基于微气候模拟与人体舒适度指数的校园微更新研究:以同济大学四平路校区为例[J]. 住宅科技, 2021, 41(3):38-46.
	LIU C, LI Z X, CHEN Z N, et al. Study of campus regeneration through microclimate simulation and body comfort index approaches: a case of Tongji University Siping Road campus[J]. Hous Sci, 2021, 41(3):38-46.DOI: 10.13626/j.cnki.hs.2021.03.008.
[23]	王彬, 吴海宏, 李庚华. 基于BP神经网络确定评价体系指标权重[J]. 广州航海学院学报, 2021, 29(1):55-59.
	WANG B, WU H H, LI G H. Determining the index weight of the evaluation system based on BP neural network[J]. J Guangzhou Mar Univ, 2021, 29(1):55-59.DOI: 10.3969/j.issn.1009-8526.2021.01.014.
[24]	SHI X F. Tourism culture and demand forecasting based on BP neural network mining algorithms[J]. Pers Ubiquitous Comput, 2020, 24(2):299-308.DOI: 10.1007/s00779-019-01325-x.
[25]	TANG Y S, SU J H, KHAN M A. Research on sentiment analysis of network forum based on BP neural network[J]. Mob Netw Appl, 2021, 26(1):174-183.DOI: 10.1007/s11036-020-01697-y.
[26]	RÍOS-RODRÍGUEZ M L, ROSALES C, LORENZO M, et al. Influence of perceived environmental quality on the per-ceived restorativeness of public spaces[J]. Front Psychol, 2021,12:644763.DOI: 10.3389/fpsyg.2021.644763.
[27]	CHEN J R, JIN Y M, JIN H. Effects of visual landscape on subjective environmental evaluations in the open spaces of a severe cold city[J]. Front Psychol, 2022,13:954402.DOI: 10.3389/fpsyg.2022.954402.
[28]	DE BELL S, GRAHAM H, JARVIS S, et al. The importance of nature in mediating social and psychological benefits associated with visits to freshwater blue space[J]. Landsc Urban Plan, 2017, 167:118-127.DOI: 10.1016/j.landurbplan.2017.06.003.
[29]	ZHOU Y, YANG L Q, YU J N, et al. Do seasons matter?Exploring the dynamic link between blue-green space and mental restoration[J]. Urban For Urban Green, 2022,73:127612.DOI: 10.1016/j.ufug.2022.127612.
[30]	RIVERA E, TIMPERIO A, LOH V H, et al. Important park features for encouraging park visitation,physical activity and social interaction among adolescents:a conjoint analysis[J]. Health Place, 2021,70:102617.DOI: 10.1016/j.healthplace.2021.102617.
[31]	屈子雅, 张青萍, 张瑞, 等. 基于双重绩效的城市蓝绿空间布局优化研究:以上海市普陀区为例[J]. 南京林业大学学报(自然科学版), 2023, 47(4):235-243.
	QU Z Y, ZHANG Q P, ZHANG R, et al. The optimization of urban blue-green spatial layout based on dual performances: a case study on Putuo District in Shanghai[J]. J Nanjing For Univ(Nat Sci Ed), 2023, 47(4):235-243.DOI: 10.12302/j.issn.1000-2006.202111019.
[32]	HONG S K, LEE S W, JO H K, et al. Impact of frequency of visits and time spent in urban green space on subjective Well-Being[J]. Sustainability, 2019, 11(15):4189.DOI: 10.3390/su11154189.

目标层 target layer	指标层 indicator layer	指标等级及对应值阈indicator level and corresponding value range
目标层 target layer	指标层 indicator layer	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ
本底质量 basis of space	蓝视率/%	≥40	[30,40)	[0,5)或[20,30)	[5,10)或[15,20)	[10,15)
	绿视率/%	≤7	[7,15)	[15,30)	[30,50)	≥50
	微气候舒适度	<25或≥85	[25,40)或[80,85)	[40,50)或[75,80)	[50,60)或[70,75)	[60,70)
	基础设施完善度	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
	景观美感	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
连接方式 connection type	自然支持	<0.600	[0.600,1.200)	[1.200,1.800)	[1.800,2.400)	[2.400,3.000)
	社会支持	<0.400	[0.400,0.800)	[0.800,1.200)	[1.200,1.600)	[1.600,2.000)
参与方式 way of participation	认知型参与	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
	情感型参与	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
	行为型参与	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
空间意义 meaning of space	地方依赖	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)
	地方认同	<1.500	[1.500,2.500)	[2.500,3.500)	[3.500,4.500)	[4.500,5.000)

指标 indicator	水平 level	蓝视率 blue- vision ratio	绿视率 green- vision ratio	舒适度 micro- climate comfort	基础设施 basic facility	景观美感 landscape aesthetics	自然支持 nature support	社会支持 social support	认知参与 cognitive part	情感参与 emotion parti	行为参与 behavior part	地方依赖 place dependence	地方认同 place identity
水平level	1.000
蓝视率blue-vision ratio	-0.263	1.000
绿视率green-vision ratio	0.445^*	-0.070	1.000
舒适度microclimate comfort	-0.459^*	-0.115	-0.258	1.000
基础设施infrastructure	0.475^*	0.068	0.204	-0.242	1.000
景观美感landscape aesthetics	0.262	-0.015	-0.047	-0.017	0.568^**	1.000
自然支持nature support	0.346	-0.175	0.624^**	0.007	-0.011	-0.224	1.000
社会支持social support	0.428^*	-0.373	0.234	-0.020	-0.154	-0.283	0.212	1.000
认知参与cognitive part	0.514^*	-0.238	0.448^*	-0.277	0.482^*	0.542^**	0.351	-0.136	1.000
情感参与emotion part	0.574^**	-0.411^*	0.313	-0.213	0.180	0.267	0.471^*	0.203	0.601^**	1.000
行为参与behavior part	0.352	-0.157	0.269	-0.166	0.229	0.279	0.258	0.120	0.625^**	0.681^**	1.000
地方依赖place dependence	0.548^**	-0.498^*	0.110	-0.120	0.378	0.387	0.304	0.062	0.500^*	0.613^**	0.383	1.000
地方认同place identity	0.549^**	-0.500^*	0.112	-0.125	0.381	0.391	0.297	0.062	0.502^*	0.612^**	0.386	1.000^**	1.000

指标 indicator	R²	Durbin-Watson检验 DW test	F	显著性 sig.	常数 constant	回归系数 B
微气候舒适度microclimate comfort	0.166	1.650	4.382	0.048	0.773	-0.065
自然支持nature support	0.201	1.732	5.521	0.028	0.633	0.178
社会支持social support	0.453	1.903	18.242	<0.001	0.681	0.160
认知型参与cognitive participation	0.163	1.711	4.288	0.050	0.709	0.062
情感型参与emotion participation	0.316	1.861	10.157	0.004	0.681	0.089
地方依赖place dependence	0.186	1.213	5.020	0.035	0.704	0.057
地方认同place identity	0.186	1.212	5.041	0.035	0.678	0.079

基于BP神经网络的城市蓝绿开放空间社会介质属性评价

Evaluating the social media attributes of urban blue-green open space using a back propagation neural network

RichHTML

PDF

详细数据

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价

作者

读者

审稿

一级指标 first indicator	二级指标 secondary indicator	神经网络输出权重 neural network output weight	综合权重 combined weight
空间本底 basis of space	蓝视率	0.045
	绿视率	0.091
	微气候舒适度	0.125	0.440
	基础设施完善度	0.127
	景观美感	0.052
连接方式 connection type	自然支持	0.157	0.216
	社会支持	0.059
参与方式 way of participation	认知型参与	0.039
	情感型参与	0.061	0.160
	行为型参与	0.060
空间意义 meaning of space	地方依赖	0.063	0.184
	地方认同	0.121

[1]	史俐莎, 文书生, 黄小婉, 韩茜, 史正阳. 南京5种木本植物早春花期物候对城市热岛效应的响应研究[J]. 南京林业大学学报（自然科学版）, 2024, 48(5): 228-234.
[2]	徐振, 李鸣珂, 陈妍, 周珍琦. 基于在线地图的南京市主城区大型公园绿地骑行可达范围评估[J]. 南京林业大学学报（自然科学版）, 2023, 47(6): 219-226.
[3]	陈明, 刘亮. 采样间隔对城市表土剖面磁化率变化的影响[J]. 南京林业大学学报（自然科学版）, 2023, 47(6): 61-69.
[4]	达婷, 李琰. 基于场所依恋的城市滨水公园社会连接研究[J]. 南京林业大学学报（自然科学版）, 2023, 47(6): 227-235.
[5]	崔志华, 吕言洁, 杨昕雨. 南京市都市区声景观的城乡梯度演变分析[J]. 南京林业大学学报（自然科学版）, 2023, 47(3): 199-206.
[6]	孙铭辰, 姜立春. 基于机器学习算法的樟子松立木材积预测[J]. 南京林业大学学报（自然科学版）, 2023, 47(1): 31-37.
[7]	费文君, 赵梦琴. 基于MSPA的南京市绿色基础设施网络构建[J]. 南京林业大学学报（自然科学版）, 2022, 46(3): 50-56.
[8]	徐晶园, 圣倩倩, 王伟希, 刘聪哲, 祝遵凌. 南京典型城市道路植物多样性与土壤因子的耦合关系[J]. 南京林业大学学报（自然科学版）, 2021, 45(6): 119-126.
[9]	范佳辉, 张亚丽, 李明诗. 基于空间光谱信息协同的城市不透水层提取方法比较研究[J]. 南京林业大学学报（自然科学版）, 2021, 45(1): 212-218.
[10]	崔志华,杨昕雨. 基于GIS的南京市中山陵景区核心区域声景观评价[J]. 南京林业大学学报（自然科学版）, 2019, 43(02): 121-127.
[11]	王彦超,朱一丹,徐丹丹. 基于Landsat 8影像的南京市热岛效应对植物物候的影响[J]. 南京林业大学学报（自然科学版）, 2018, 42(06): 99-105.
[12]	沈剑波,雷相东,李玉堂,兰莹. 基于BP神经网络的长白落叶松人工林林分平均高预测[J]. 南京林业大学学报（自然科学版）, 2018, 42(02): 147-154.
[13]	张俊叶,俞菲,杨靖宇,俞元春1. 南京城市林业土壤多环芳烃累积特征及其与黑炭的相关性[J]. 南京林业大学学报（自然科学版）, 2018, 42(02): 75-80.
[14]	郝德君,胡海桃,陈娟,陈瑞旭,凌梦沁,陈梦义. 南京市早春访花昆虫种类及其行为研究[J]. 南京林业大学学报（自然科学版）, 2015, 39(01): 33-38.
[15]	佟达,张燕,宋魁彦. 人工林胡桃楸幼龄期与成熟期界定方法的比较[J]. 南京林业大学学报（自然科学版）, 2013, 37(03): 103-109.