IT职员工作-家庭冲突与职业枯竭的关系

目的:探讨工作家庭冲突和职业枯竭的关系.方法:采用问卷法调查了249名IT职员.结果:分层回归分析的结果显示.在控制了人口统计学变量之后,工作家庭冲突所解释的方差变异量,在情绪衰竭、去人性化和成就感低落三个维度上分别增加了44%、25%和16%.结论:工作家庭冲突可有效地预测职业枯竭.     

细菌抗性突变研究中几个经典实验

介绍了变量实验、涂布实验和影印实验等几个经典实验,并对实验进行了简单分析.     

刈割高度对草丛群体特征的影响的研究—典型变量分析在草地生态系统研究中的应用

典型变量分析（CVA）在农业研究中应用的条件已经具备,本文对CVA在草地生态系统研究中的应用作了例示与讨论,在控制光温的人工草地上,高羊茅草丛群体的3个特征－牧草产量,叶面积和分薛密度与钊割高度（3,6,10,14,18和24cm)的关系研究中采用CVA,结果表明,第一典型相关极显著,且第一典型变量能反映刈割高度问98％的变异,在用CVA,结果表明,第一典型相关极显著,且第一典型变量能反映刈割高度问98％的变异,在3－24xm范围内,刈割高度的作用是渐进式的,任两刈割高度间的群体之综合差异与其高谍差呈正比例,叶面积和分薛刈割高度间差异的解释能力基本持平,但作用方向相反,两都都大于牧草产量的作用,建议在应用CVA时,应该适当增加重复次数,考虑附加线性变量,剔除分布不对称的指标变量等等。     

沈阳西郊镉污染地改造中优选草坪草的聚类分析

本文对种植在沈阳西郊镉污染农田的18种草坪草进行了聚类分析,从而为农业生态工程中优选抗镉能力强和富集能力强的草坪草品种提供数量化依据。     

胚乳性状数量基因的定位方法

将三倍体胚乳性状的数量遗传模型和二倍体性状数量基因（QTL）图构建方法相结合,导出双侧标记基因型下有关胚乳性状QTL的遗传组成、平均数和遗传方差分量,据之提出以某一区间双侧标记基因型胚乳性状的平均值为依变数,以该区间内任一点假定存在的QTL的加性效应d、显性效应h1和／或h2的系数为自变数,进行有重复观察值的多元线性回归分析,根据多元线性回归的显著性测验该点是否存在QTL,并估计出QTL的遗传效应。给定区间内任一点,皆可以此进行分析,从而可在整条染色体上作图,并以之确定QTL的数目和最可能位置,同时,在检测某一区间时,利用多元线性回归方法将该区间外可能存在的QTL的干扰进行统计控制,以提高QTL检测的精度。此外,还讨论了如何将之推广应用于其他类型的DNA不对应资料以及具复杂遗传模型的胚乳性状资料。     

遗传密码格式的组合编码数分析

用N个密码子对m个编码对象进行编码的编码格式是m元N维空间中的一个顶点。64个密码子对20种氨基酸和终止密码子进行编码格式的组合编码数是一个十分巨大的数字。对多元高维编码空间的拓扑特性进行了分析和研究 ,并由此推导出m -N空间的特性三角的排列方式以及给出特性三角公式的数学证明。指出 ,目前的遗传密码的编码格式是21元64维编码空间的一个顶点。应用组合数学分析的方法 ,计算了遗传密码格式的最大组合编码数CM =4.19×1084 ,基因组遗传密码的组合编码数CG =1.13×1080 以及线粒体遗传密码的组合编码数CT =1.38×1079 等。分析结果表明 ,遗传密码的指定是一个小概率事件 ,可能来源于λ简并后的偶数三联密码配对的组合编码的对称破缺     

太行山猕猴颅骨变量的异速生长研究

采用定点方法 ,对太行山猕猴 (Macacamulatta)颅骨的 3 2项变量进行了测量、统计和异速生长分析 ,结果表明 ,除颅骨最小宽和冠颞点间宽外 ,其余变量统计值雄性大于雌性 ;颅骨变量的生长存在性别间及部位间的差异。这些差异与雄性和雌性在社群中的不同地位和竞争压力以及取食习性有关。     

鸟类栖息地选择研究中的一种数学模型

介绍了近年来在鸟类栖息地选择研究领域中新出现的一种数学建模方法,并对其适用范围和应用前景进行了简要评述。     

太白红杉（Larix chinensis）叶的形态解剖学特征与环境因子的关系

根据生态气候学方法推断出不同海拔高度气候指标,应用多元统计方法,对分布于秦岭太白山地区海拔3000－3400m的太白红杉（Larix chinensis)叶特征进行了生态解剖学研究,分析了影响其变化的主导生态因子。观察指标包括叶形态指标（叶片总厚度、每束叶中的叶数和叶长宽比）、叶解剖学特征（叶表皮角质膜厚度、上、下表皮厚度,近上、下表皮叶肉厚度,内皮层厚度,管胞直径,叶传输组织和维管束厚度及其与叶片总厚度之比）。结果表明：（1）水热综合因子是影响太白叶长宽比和叶表皮角质膜厚度的主导因子,随着水热综合因子的增大,叶长宽比呈增加趋势,而角质膜厚度则逐渐变薄。（2）年降水量是影响其它形态解剖学指标的主导因子,随着年降水量的增加,每束叶中的叶数、叶厚度、管胞直径、叶传输组织和维管束厚度、内皮层厚度、传输组织和维管束厚度及其与叶总厚度之比呈减少和变薄的趋势,而上、下表皮厚度则逐渐增加。（3）近上、下表皮叶肉厚度与环境因子无明显相关,可能属于比较保守的性状。     

Canopy closure estimation in a temperate forest using airborne LiDAR and LANDSAT ETM+ data

Aims　Forest canopy closure is one of the essential factors in forest survey, and plays an important role in forest ecosystem management. It is of great significance to study how to apply LiDAR (light detection and ranging) data efficiently in remote sensing estimation of forest canopy closure. LiDAR can be used to obtain data fast and accurately and therefore be used as training and validation data to estimate forest canopy closure in large spatial scale. It can compensate for the insufficiency (e.g. labor-intensive, time-consuming) of conventional ground survey, and provide foundations to forest inventory.Methods　In this study, we estimated canopy closure of a temperate forest in Genhe forest of Da Hinggan Ling area, Nei Mongol, China, using LiDAR and LANDSAT ETM+ data. Firstly, we calculated the canopy closure from ALS (Airborne Laser Scanning) high density point cloud data. Then, the estimated canopy closure from ALS data was used as training and validation data to modeling and inversion from eight vegetation indices computed from LANDSAT ETM+ data. Three approaches, multi-variable stepwise regression (MSR), random forest (RF) and Cubist, were developed and tested to estimate canopy closure from these vegetation indices, respectively.Important findings The validation results showed that the Cubist model yielded the highest accuracy compared to the other two models (determination coefficient (R²) = 0.722, root mean square error (RMSE) = 0.126, relative root mean square error (rRMSE) = 0.209, estimation accuracy (EA) = 79.883%). The combination of LiDAR data and LANDSAT ETM+ showed great potential to accurately estimate the canopy closure of the temperate forest. However, the model prediction capability needs to be further improved in order to be applied in larger spatial scale. More independent variables from other remotely sensed datasets, e.g. topographic data, texture information from high-resolution imagery, should be added into the model. These variables can help to reduce the influence of optical image, vegetation indices, terrain and shadow and so on. Moreover, the accuracy of the LiDAR-derived canopy closure needs to be further validated in future studies.