基于近20年遥感数据的藏北草地分类及其动态变化

利用1982—2000年NOAA/AVHRR的旬合成归一化植被指数(NDVI)资料,采用主成分分析和非监督分类方法对藏北那曲地区植被进行分类,分析不同草地类型代表像元的NDVI年内和年际变化特征;定义那曲地区牧草主要生长期平均NDVI≥0.1的地区为植被区,NDVI<0.1的地区为植被稀少区,进一步分析植被区每个像元NDVI的时空变化特征.结果表明:该地区草地类型可分为高寒草甸、高寒草甸草原、高寒草原和高寒荒漠,分类结果与实际情况相符.4种草地类型的NDVI年内变化均呈单峰型,年最大值出现在8月;近20年来那曲地区植被区7—8月平均NDVI由东南向西北逐渐减少,约在0.1~0.6之间变化,变异系数在0.05~0.40之间.NDVI高的地区,变异系数相对较小;NDVI低的地区,变异系数相对较大,年变率的范围在-0.005~0.008之间.近20年来那曲地区植被变化不明显,约20%地区(主要分布在西部的尼玛和东部的嘉黎、比如、索县和巴青等县)的植被活动在减弱.     

农业环境中土壤取样误差研究

对自然条件下8种土壤类型、39个取样地块的25个土壤理化参数的取样误差进行了综合研究。结果表明,不同地块间,按累计取样误差大小排序为:池塘>地块边缘>自留地>林地>商品菜地>旱地>水田>滩地。在所有地块测定项目中,取样误差最大的是Cl^-,平均高达70%以上,其次是土壤有效磷,除滩地外取样误差基本上都超过30%;有效钾和全硫的取样误差也多在20%以上;取样误差最小的理化参数与成土母质有关,其中包括各种重金属和全量P、K、Mg以及pH和砂粒等,除极个别外,误差都在10%以下;2种粒度的土壤水分、碳酸钙、粉砂、粘粒、有机碳、全量N、Na、Ca、B和As等11项理化参数的取样误差居中,误差变动于10%～20%之间。聚类分析可以将不同测定项目大致分为3类,客观反映了人类活动对土壤理化参数分布均匀性的影响。     

一种简单快速测定Rubisco CO2/O2特异性因子的方法

提出了一种简单快速测定1,5-二磷酸核酮糖羧化/氧化酶CO2/O2特异性因子的方法.理论上改进了定量计算公式;操作上避免了使用放射性同位素标记以及层析分离3-磷酸甘油酸和2-磷酸乙醇酸的复杂程序,使测定过程一步完成,极大地减少了随机误差.讨论了实验数据(pH、温度、离子强度)的准确性对计算结果的影响.     

“二氧化碳浓度对植物光合作用强度的影响”的实验探究

主要探究“二氧化碳浓度对植物光合作用强度的影响”,用质壁分离实验直观佐证高浓度碳酸氢钠溶液降低植物光合作用强度的原因,结合溶液的物理性质与化学性质等进行误差分析。本次探究通过2个实验、1个讨论,层层递进,激发学生的求知欲;在教学实践中提升了学生的科学探究能力,锻炼了严谨的科学思维,使生物学学科核心素养落地生根。     

长三角城市群生态系统服务权衡强度时空演变及影响因素

人类活动扰动加剧了长三角城市群生态系统结构演变，从而导致不同生态系统服务之间冲突加剧。明晰城市生态系统服务权衡强度及其影响因素对经济社会发展与生态保护的双赢具有重要意义。基于InVEST模型分析长三角城市群2005年、2019年碳储存、粮食生产、生境质量、产水量和氮输出量生态系统服务时空格局演变，并利用相关性分析、均方根误差指数和冗余分析方法，测度权衡强度并揭示权衡强度演变的关键影响因素。结果表明：粮食生产分别与碳储存、生境质量和产水量之间，以及氮输出量与生境质量和碳储存之间，碳储存与产水量之间呈现出显著的权衡关系；权衡强度空间异质性显著的粮食生产与碳储存，粮食生产与产水量的权衡强度高值主要集中在北部粮食主产区和南部山区。氮输出与碳储存、碳储存与产水量之间的高强度权衡关系主要位于南部地区。粮食生产与生境质量以及氮输出与生境质量的高强度权衡区域多集中在社会经济快速发展地区。长三角城市群生态系统服务权衡强度受多个因素共同作用，其主要影响因素包括坡度、林地覆盖率、农田覆盖率、降雨、气温、建设用地率等。     

农作物种子检验中发芽试验的容许误差的统计模型与计算

当代计算手段远远优于计算种子检验规程发芽试验现行标准中容许误差数值的20 世纪60年代,鉴于此,本文在提出发芽试验统计检验模型的基础上,利用MATLAB编程重新计算了容许误差值．过去计算的三种容许误差有较大的正偏差,另一种有很小的负偏差．建议对现行的种子检验规程有关计数型的容许误差数值进行修订．     

NEE观测误差分布类型对陆地生态系统机理模型参数估计的影响——以长白山温带阔叶红松林为例

基于观测数据的陆地生态系统模型参数估计有助于提高模型的模拟和预测能力,降低模拟不确定性.在已有参数估计研究中,涡度相关技术测定的净生态系统碳交换量(NEE)数据的随机误差通常被假设为服从零均值的正态分布.然而近年来已有研究表明NEE数据的随机误差更服从双指数分布.为探讨NEE观测误差分布类型的不同选择对陆地生态系统机理模型参数估计以及碳通量模拟结果造成的差异,以长白山温带阔叶红松林为研究区域,采用马尔可夫链-蒙特卡罗方法,利用2003～2005年测定的NEE数据对陆地生态系统机理模型CEVSA2的敏感参数进行估计,对比分析了两种误差分布类型(正态分布和双指数分布)的参数估计结果以及碳通量模拟的差异.结果表明,基于正态观测误差模拟的总初级生产力和生态系统呼吸的年总量分别比基于双指数观测误差的模拟结果高61～86 g C m-2 a-1和107～116 g C m-2 a-1,导致前者模拟的NEE年总量较后者低29～47 g C m-2 a-1,特别在生长旺季期间有明显低估.在参数估计研究中,不能忽略观测误差的分布类型以及相应的目标函数的选择,它们的不合理设置可能对参数估计以及模拟结果产生较大影响.     

基于人工神经网络的天然林生物量遥感估测

基于Landsat TM遥感图像, 以吉林省汪清天然林区为例, 应用B-P神经网络建立了森林生物量非线性遥感模型系统. 除采用遥感数据外, 该系统还引入了地形因子(海拔、坡度、坡向、立地类型等)作为模型自变量. 通过压缩输入数据和增强网络训练学习算法等措施, 对标准B-P神经网络进行了增强. 模型仿真结果表明：增强型B-P神经网络具有收敛速度快和自学习、自适应功能强的特点, 能最大限度地利用样本集的先验知识, 自动提取合理的模型, 模型预测结果能真实合理地反映实际情况. 针叶林、阔叶林和针阔混交林的生物量遥感模型系统仿真结果的平均相对误差分别为-1.47%、2.38%和3.56%, 平均相对误差绝对值分别为6.33%、8.46%和8.91%, 预估效果较理想. 应用该模型系统生成了研究区的森林生物量定量分布图, 其总体精度为88.04%.     

人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试

研究利用人工神经网络模型 ,以水稻群体分蘖动态为例 ,采用交互验证和独立验证的方式 ,对水稻生长 BP网络模型进行了训练与模拟 ,其结果与水稻群体分蘖的积温统计模型、基本动力学模型和复合分蘖模型进行了比较。研究结果表明 ,神经网络模型具有一定的外推能力 ,但其外推能力依赖于大量的训练样本。神经网络模型具有较好的拟合能力 ,是因为有较多的模型参数 ,因此对神经网络模型的训练需要大量的参数来保证其参数不致过度吻合。具有外推能力神经网络模型的最少训练样本数应大于 6 .75倍于神经网络参数数目 ,小于 13.5倍于神经网络参数数目。因此在应用神经网络模型时 ,如果神经网络模型包括较多的输入变量时 ,可考虑采用主成分分析、对应分析等技术对输入变量进行信息综合 ,相应地减少网络模型的参数。另一方面 ,当训练样本不足时 ,最好只用神经网络模型对同一系统的情况进行模拟 ,应谨慎使用神经网络模型进行外推。神经网络模型给作物模拟研究的科学工作者提供了一个“傻瓜”式工具 ,对数学建模不熟悉的农业研究人员 ,人工神经网络可以替代数学建模进行仿真实验 ;对于精通数学建模的研究人员来说 ,它至少是一种补充和可作为比较的非线性数据处理方法     

用度量误差模型方法编制相容的生长过程表和材积表

指出了按照常规方法建立的生长模型和材积模型不相容的原因、利用两阶段度量误差模型方法估计生长模型和材积模型的参数,进而编制相容的生长过程表和材积表．