基于TM与ASAR遥感数据的扎龙丹顶鹤繁殖栖息地多尺度特征

选取扎龙保护区Landsat TM及Envisat ASAR双极化（HH/HV）两种遥感数据源,利用丹顶鹤巢址GPS位点数据（n=28）,在8个尺度（30～240 m）下,采用二元Logistic回归建立丹顶鹤繁殖栖息地选择模型,从而确定不同尺度下栖息地选择关键影响因子;并通过对比两种遥感影像数据模型,探讨了雷达影像在不同尺度下对模型预测能力的影响.结果表明： 两种数据集的回归模型总体精度均较理想（≥69.0%）.在30 m尺度下,TM数据集模型中仅穗帽变换绿度分量(TCA_2)以系数为负值进入模型,表明该尺度下丹顶鹤避免选择植被密度较高的芦苇沼泽;60～120 m尺度下,两种数据集模型的主成分变换中第二主成分(PCA_2)系数均为正值,表明该尺度下丹顶鹤对植被覆盖度和长势要求较高,有利于增强其隐蔽性;90 m尺度交叉极化（HV）的后向散射系数信息进入混合模型,表明该尺度下水分条件是丹顶鹤栖息地选择的重要因子;>120 m尺度下,两种数据源的纹理信息开始进入模型,说明较大尺度下丹顶鹤栖息地选择对植被特性的要求降低,而对人为干扰因子的敏感度增强.在不同尺度的混合模型中,ASAR变量的纳入均显著提高了模型的预测精度.     

基于Logistic回归模型的兔血液凝血功能诊断分析

针对兔胸部创伤后血液凝血功能检测数据,从变量检验入手,建立了基于Logistic回归模型的兔血液凝血功能诊断模型.结果表明模型的诊断正确率均在90%以上.为了降低样本集的划分对诊断正确率的影响,本文利用jackknife检验法思想和随机抽样技术,进一步对模型的有效性进行了评估分析并且证实了剔除纤维蛋白原(fibrinogen,FIB)指标会显著降低诊断正确率.     

丝氨酸蛋白酶抑制剂(SERPIN)家族相关基因在结肠腺癌中预后模型的建立及应用

应用生物信息学方法,构建结肠腺癌(COAD)丝氨酸蛋白酶抑制剂(SERPIN)家族相关基因预后模型。从TCGA数据库和GEO数据库下载结肠腺癌(COAD)转录组和临床数据,根据数据中SERPINs家族基因的表达量对COAD患者进行一致性聚类分析；将数据随机均分为训练集(Train)组和验证集(Test)组,基于两个亚型的差异基因,利用Train组进行COX回归和Lasso回归构建预后模型,根据模型风险评分中位值将样本分为高、低风险两组,绘制高低风险组患者生存曲线；通过ROC曲线评价模型预测能力；利用Test组数据验证模型；构建列线图,评估患者生存率模型预测值与实际值的一致性；并利用利用ESTIMATE算法和CIBERSORT算法评估风险评分和肿瘤微环境(TME)以及免疫浸润的相关性。通过34个SERPIN基因确定了两个亚型,基于2个亚型筛选出了436个预后相关分型差异基因,通过Lasso回归确定出了11个预后相关基因参与风险模型的构建,根据模型评分区分的高低风险组具有明显的生存差异,列线图可以准确预测1、3和5年生存率。肿瘤微环境分析和免疫浸润分析显示高风险评分组患者免疫活性差。SERPIN家族相关基因构建的风险评分模型能够预测COAD的预后,有利于进一步指导临床对COAD的诊治,提高患者生存率。     

大鼠肠道系统的高分辨解剖数据集及三维模型的构建

利用冰冻铣切技术获取的大鼠腹部的断面图像,构建了大鼠肠道系统的高分辨解剖数据集及三维模型,该数据集及模型具有信息丰富等特点.本工作为开展高等动物肠道系统功能与结构关系的"定量研究及系统整合"提供了基础.     

应用指示种预测森林管理对物种多样性及群落组成的影响

采用指示种分析方法,研究了会同亚热带森林物种多样性和群落组成对森林管理的响应.从357个林下种中鉴定出显著性指示种94个,并构造新的指示种数据集,检验指示种数据集和源群落数据集之间的关联,评估指示种对林下植被管理效应的预测潜能.结果表明:指示种数据集和源群落数据集之间存在极显著的关联(Mantel r=0.898),指示种数据集很好地预测了生物多样性的变化(回归分析,R2>0.74);指示种很好地预测了群落组成对森林管理的响应(ANOVA,F>16.79);非度量多尺度排序(NMDS)以及K-means聚类分析表明,对于不同森林管理的样地类型,指示种数据集的识别能力和源群落数据集是一致的.从物种多样性、群落组成以及在森林类型的识别上,指示种数据集和源群落数据集有一致性规律,作用几乎相同,因此森林评估可以利用指示种代替源群落预测森林管理效应,以减少森林全面调查的成本.     

内质网应激相关基因能预测骨肉瘤预后并与肿瘤免疫微环境相关

以内质网应激相关基因构建骨肉瘤患者的风险模型,探索其与肿瘤免疫微环境的关系。采用生物信息学分析法,训练集的转录组数据及临床数据下载于UCSC Xena数据库,验证集的相应数据下载于GEO数据库(GSE21257,GSE39058)。采用单因素COX回归分析、LASSO回归分析及多因素COX回归分析提取风险特征基因构建风险模型,使用决策曲线分析、受试者工作特征曲线分析验证模型的准确性,随后构建列线图进一步预测骨肉瘤患者预后;根据风险评分将患者分为高、低风险组,使用Kaplan-Meier生存曲线评估高、低风险组间的生存差异,对差异表达基因(Differentially expressed genes, DEGs)进行GO/KEGG联合富集分析、基因集富集分析(Gene set enrichment analysis, GSEA)及基因集变异分析(Gene set variation analysis, GSVA);采用ESTIMATE算法、微环境种群计数器(Microenvironment cell population counter, MCP counter)方法、单样本基因集富集分析(Single sample gene set enrichment analysis, ssGSEA)进行免疫分析;最终在验证集中验证上述结果。6个风险特征基因中VEGFA、PTGIS及SERPINH1与骨肉瘤患者的不良预后相关,而TMED10、MAPK10及TOR1B与与骨肉瘤患者的良好预后相关,高、低风险组患者之间具有显著生存差异;GO/KEGG联合富集分析、GSVA、GSEA结果表明DEGs与免疫状态相关;免疫分析显示高风险组具有更低的免疫评分及免疫景观;列线图进一步准确地预测了骨肉瘤患者的预后。内质网应激相关基因构建的风险模型能准确预测骨肉瘤患者预后,并与肿瘤免疫微环境相关。     

基于单细胞测序构建胶质母细胞瘤预后模型

[目的]基于单细胞测序筛选胶质母细胞瘤特征基因并构建预后模型。[方法]分析GEO数据库单细胞RNA测序数据集GSE84465,筛选出GBM细胞分化相关的差异基因。下载TCGA数据库GBM的基因表达谱和临床数据,采用Lasso回归、Cox回归分析筛选出特征基因构建预后模型,根据独立预后因素构建列线图,GSE83300作为外部验证集。基于风险评分中位数将患者分组,比较两组生存差异。[结果]通过scRNA-seq得到492个分化差异基因,经过回归分析得到基于6个基因(PLAUR、RARRES2、G0S2、MDK、SERPINE2、CD81)的预后模型。其1、3、5年ROC曲线下面积均大于0.7;KM分析显示高低风险组预后存在差异(P<0.001),GSE83300验证结果与TCGA一致。多因素Cox回归分析表明年龄和风险评分可以作为独立影响因素(P<0.01);C-Index(0.679)、校准图显示列线图预测模型有良好的拟合度。GSEA分析示高低风险组差异基因集参与细胞因子受体相互作用、抗原处理与提呈等通路。[结论]由PLAUR、RARRES2、G0S2、MDK、SERPINE...     

基于投影寻踪理论的稻飞虱发生程度预测模型

稻飞虱发生程度与相关气候因子的数据大多具有高维非正态、非线性特征,采用统计预测法会出现预测效果的不稳定,采用人工神经网络预测模型需要较多的训练样本.投影寻踪模型把高维数据投影到低维子空间上,对数据结构进行分析,一定程度上解决了非线性、非正态问题.本文建立了浙江省新昌县单季晚稻稻飞虱主害代发生程度的投影寻踪预测模型,并与BP神经网络模型、线性回归模型的预测结果进行了对比.结果表明:投影寻踪模型优于BP神经网络模型、线性回归模型;投影寻踪模型的历史符合率和预测准确率均为100%;BP神经网络模型历史符合率达到100%,但预测偏差较大;线性回归模型历史符合率和预测偏差均较大.可见,投影寻踪模型在稻飞虱发生程度的预测上具有较好的应用前景.     

联合星载ICESat-GLAS波形与多光谱Landsat-TM影像的森林郁闭度估测

森林郁闭度的空间分布是评价森林生产力和分解率的一个重要指标.本研究以吉林汪清林区为研究区,分别利用星载激光雷达ICESat-GLAS波形数据和多光谱遥感Landsat-TM影像对该区的森林郁闭度进行估测,然后采用多元线性回归和BP神经网络两种方法对GLAS数据和TM数据进行联合,共同估测了森林郁闭度.结果表明:单一遥感数据估测森林郁闭度时,GLAS数据的模型决定系数为0.762,TM数据的模型决定系数为0.598.将GLAS数据和TM数据联合后估测森林郁闭度时,多元线性回归模型的复决定系数为0.841,BP神经网络模型的仿真精度为0.851.表明ICESat-GLAS数据与Landsat-TM影像联合能够发挥多源遥感数据的优势,提高森林郁闭度的估测精度,并为后续的空间区域内森林郁闭度的连续制图提供可靠的方法.     

Logistic回归模型及其在昆虫学中的应用

介绍了应用Logistic回归分析对二值反应的试验数据进行分析的方法 ,以及Logistic回归分析模型参数估计及其统计检验的方法 ,并结合 1个实际例子说明了Logistic回归模型的应用。     

荒漠化地区土壤含水量的遥感定量反演

基于奈曼旗科尔沁沙地TM数据建立了反射率经验模型,据此计算了TM数据的地表反射率,同时通过光学植被盖度模型排除了植被干扰,建立了土壤含水量与地表反射率的回归模型,并以此模型反演出了研究区土壤含水量,最后对TM遥感数据反演的土壤含水量结果进行了精度检验.结果表明：遥感定量反演的理论精度达到81.81％,实际精度达到92.17％,说明荒漠化地区土壤含水量数据的遥感定量反演具有较高的科学性.     

含不可忽略缺失数据非线性再生散度模型参数的Bayes估计

给出协变量带有不可忽略缺失数据的非线性再生散度模型的Bayes方法,缺失数据机制由Logistic回归模型来确定.Gibbs抽样技术和Metropolis-Hastings算法(简称MH算法)用来得到模型参数、缺失数据机制中回归系数的联合Bayes估计,并用实例加以说明.     

基于线性混合模型的红松人工林一级枝条大小预测模拟

基于黑龙江省孟家岗林场60株人工红松955个标准枝数据,采用线性混合效应模型理论和方法,考虑树木效应,利用SAS软件中的MIXED模块拟合红松人工林一级枝条各因子(基径、枝长、着枝角度)的预测模型.结果表明： 通过选择合适的随机参数和方差协方差结构能够提高模型的拟合精度;把相关性结构包括复合对称结构CS、一阶自回归结构AR(1)及一阶自回归与滑动平均结构ARMA(1,1)加入到一级枝条大小最优混合模型中,AR(1)可显著提高枝条基径和角度混合模型的拟合精度,但3种结构均不能提高枝条角度混合模型的精度.为了描述混合模型构建过程中产生的异方差现象,把CF₁和CF₂函数加入到枝条混合模型中,CF₁函数显著提高了枝条角度混合模型的拟合效果,CF₂函数显著提高了枝条基径和长度混合模型拟合效果.模型检验结果表明：对于红松人工林一级枝条大小预测模型,混合效应模型的估计精度比传统回归模型估计精度明显提高.
     

基于卷积神经网络和循环神经网络的环形RNA剪接位点识别研究

本文提出了一种基于卷积神经网络和循环神经网络的深度学习模型,通过分析基因组序列数据,识别人基因组中环形RNA剪接位点.首先,根据预处理后的核苷酸序列,设计了2种网络深度、8种卷积核大小和3种长短期记忆(long short term memory,LSTM)参数,共8组16个模型;其次,进一步针对池化层进行均值池化和最大池化的测试,并加入GC含量提高模型的预测能力;最后,对已经实验验证过的人类精浆中环形RNA进行了预测.结果表明,卷积核尺寸为32×4、深度为1、LSTM参数为32的模型识别率最高,在训练集上为0.9824,在测试数据集上准确率为0.95,并且在实验验证数据上的正确识别率为83%.该模型在人的环形RNA剪接位点识别方面具有较好的性能.     

基于分位数回归的长白落叶松人工林最大密度线

基于东北地区378块固定样地和415块临时样地的调查数据和Reineke方程,利用线性分位数回归技术建立了不同分位点(τ=0.90、0.95、0.99)下的长白落叶松人工林最大林分密度与林木平均胸径的关系模型,选出拟合长白落叶松人工林最大密度线的最优模型. 利用人为选取最大的拟合数据,采用最小二乘(OLS)和最大似然(ML)回归同时建立最大密度线模型. 采用极值统计理论的广义Pareto模型推算现实林分特定径阶的极限最大株数,进一步建立极限密度线模型. 将线性分位数回归模型与其他方法进行对比.结果表明: 在全部径阶范围内选取5个最大数据点拟合的方法能够得到现实林分的最大密度线,选取的样点过多会使模拟结果偏离最大密度线,且ML法要优于OLS法. 分位点为0.99的线性分位数回归模型能够取得与ML接近的拟合结果,但分位数回归模型参数的估计结果更稳定. 人为选取拟合数据具有一定的人为性,最终选取分位点为0.99的分位数回归模型为拟合最大密度线的最优模型,参数估计结果为k=11.790、β=-1.586,极限密度线模型的参数估计结果为k=11.820、β=-1.594. 所确定的极限密度线位置略高于最大密度线,但二者差异不明显. 由固定样地数据的验证结果可知,所建立的最大林分密度线及极限密度线能够对现实林分的最大密度及极限密度进行预测,为长白落叶松人工林的合理经营提供依据.     

利用辅助变量对污染土壤锌分布的克里格估值

采用协同克里格及与回归相结合的克里格方法,以36个下层(10～20 cm)土壤锌数据为目标变量、另36个下层土壤锌数据为校验数据、72个上层(0～10 cm)土壤锌为辅助变量,对沈阳市南郊某有色金属加工厂附近农田0.1 mol·L^-1 HCl浸提态土壤锌进行插值分析,并对这两种利用辅助变量的克里格方法在土壤锌空间分布研究中的适用性进行评价.结果表明,与回归相结合的克里格的估值效果明显优于协同克里格及普通克里格法.结合回归模型的变异函数理论模型决定系数较大、残差较小,估值精度比普通克里格法提高4%,且基于回归克里格的土壤锌分布图与利用72个样点普通克里格插值图具有高度的相似性.而协同克里格与普通克里格相比未表现出明显优势.借助辅助变量,采用基于回归模型的克里格方法是进行土壤重金属空间分布估值的一种有效方法.     

三种预测林木生长量方法的比较

本研究选择了三种方法灰色GM(1,1)模型法、回归法、灰色线性回归组合模型法,经过数据的加载,灰色GM(1,1)为Ⅱ级合格模型,发展系数|a|＜0.3可用于中长期预测;在回归法中选用5个模型进行拟合,以Richards方程的复相关系高,残差平方和最小,被选中;灰色线性回组合模型达到Ⅲ级勉强可用模型.用三个模型分别对32、34龄阶的生长量进行预测,其平均相对精度分别为94.64%、80.68%、92.41%.     

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

对应用几种统计模型评价甘蔗品种稳定性的初步比较

利用广东省2009年甘蔗品种区域试验产量数据,对线性回归模型、AMMI模型和LR-PCA模型在评价甘蔗品种稳定性方面的应用进行了初步比较,结果发现,回归法计算简便、直观,AMMI模型和LR-PCA模型的分析结果则更全面、深入,而这两种模型之间仍存在着一定差异.实际操作中,在根据不同的数据资料选择相适宜的分析方法的同时,也可以采用不同的方法进行分析,通过比较选择较为合理的结果.     

不同质地盐渍化土壤水盐含量的高光谱反演

为了方便快捷地同步监测盐渍化土壤的水、盐含量,本文以新疆典型盐渍化灌区为研究对象,基于高光谱技术、运用便携式光谱仪获取不同质地的土壤水盐含量光谱曲线,采用一阶微分、二阶微分、连续统去除的数据处理方法对土壤原始光谱进行变换.结果表明: 对原始光谱数据的变换有利于土壤属性指纹波段的提取,不同质地水盐含量的变换方法并不相同,在壤土中质量含水量为0%和10%时的水盐光谱曲线使用连续统去除方法、15%含水量使用一阶微分、19%含水量使用二阶微分,砂土中0%含水量使用连续统去除方法、10%、15%和19%含水量水盐光谱曲线使用二阶微分处理后,有利于特征波段的提取;对筛选出的变换数据采用偏最小二乘回归方法构建水盐反演模型,壤土盐度小于6.38 mS·cm^-1、砂土小于5.94 mS·cm^-1时,模型建立的建模数据集决定系数(R_cal²)、内部交叉验证(R_cv²)和外部检验数据集决定系数(R_val²)均大于0.65(P<0.05);壤土水分含量小于16%、砂土小于12%时模型反演精度较高.研究结果可为盐渍化土壤水盐含量同步监测提供阈值参考.