奇异数据筛选法在玉米籽粒蛋白质近红外光谱检测中的应用

相对于传统生化测定方法,基于近红外光谱(Near infrared spectroscopy,NIRS)玉米籽粒蛋白质含量检测是一种快速、非破坏、且适用于多组分同时检测的新方法。但在建模过程中,由于奇异数据(异常值)的存在会影响近红外光谱模型的预测精度和稳定性,我们采用奇异数据筛选法剔除了玉米籽粒近红外光谱中的奇异数据并建立了玉米籽粒蛋白质含量的偏最小二乘支持向量机(Least squares support vector machine,LS-SVM)模型。本文分别采用杠杆值法(Leverage)、半数重采样法(Resampling by Half-Mean,RHM)和蒙特卡洛采样法(Monte-Carlo Sampling,MCS)剔除了玉米籽粒蛋白质光谱数据中的奇异数据并对模型结果进行比较。在剔除奇异数据的基础上,采用偏最小二乘回归法(Partial least squares regression,PLSR)提取主成分,并基于小生境蚁群算法(Niche ant colony algorithm,NACA)优化偏最小二乘支持向量机(LS-SVM)模型参数(γ和σ2),建立基于LS-SVM的玉米籽粒蛋白质定量分析模型。结果表明,采用3种奇异数据筛选法剔除奇异数据后所建LS-SVM模型的预测结果都优于采用原光谱数据所建模型,相比较而言,蒙特卡洛采样法为基于近红外光谱检测玉米籽粒蛋白质的最佳奇异数据筛选法。     

应用浮力法测定叶片厚度、体积、密度及内部空间体积

叶片厚度、体积及其内部结构状态是构成叶片内部生理代谢活动的重要基础和环境,影响叶片的生理功能。了解这些特征对生理学及结构研究具有重要意义。以往人们在研究叶片厚度、体积、密度及内部空间体积等方面,分别采用了显微镜和测微尺相结合     

可持续发展概念的系统分析

回顾了可持续发展提出的背景及研究进展,综合分析了可持续发展的各种主要“定义”,同时分别研究了可持续发展与经济增长,经济发展及环境保护之间的关系。     

长白山红松阔叶林主要树种高度生态位的研究

森林生态系统内主要乔木的高度生态位反映了不同树种在各个高度资源单位内资源利用的互补情况,同时也是表征森林生态系统演替的趋势及其森林循环过程主要特征之一．生物学特性和生态学特性接近的树种的高度生态位重叠较大,反之则较小．在Ｇａｐ内,色木槭和扭筋槭的高度生态位重叠最大,而青楷槭和千金榆、花楷槭和水曲柳、青楷槭和裂叶榆的高度生态位重叠较小;在非Ｇａｐ生态系统内,青楷槭和白牛槭的高度生态位重叠最大,青楷槭和裂叶榆、青楷槭和千金榆、花楷槭和水曲柳的高度生态位重叠较小．红松和阔叶树之间的高度生态位分离较大,利用资源的方式和能力差异较大,它们之间可以在不同空间的资源利用上达到互补,种间竞争较弱,从而能够保持红松和阔叶树之间长期而稳定的共存．但Ｇａｐ内红松和阔叶树的高度生态位重叠均大于非Ｇａｐ生态系统,可见Ｇａｐ的存在加大了红松和阔叶树之间的种间竞争,减小了红松和阔叶树之间的资源互补利用的能力．Ｇａｐ削弱了个体生态位重叠值较大的树种间的种间竞争,增强了个体生态位重叠值较小的树种间的种间竞争     

长白山红松阔叶林林隙动态变化对早春草本植物的影响

采用生态学的方法,系统分析了长白山红松阔叶林林冠空隙的动态对早春草本层植物的分布密度和生物量的以及早春草本层择林冠空隙的反应,进而探讨了早春草本层植物在红松阔叶林森林生态系统中所起的生态作用。本研究为全面系统地揭示红松阔叶林森林生态系统的结构与功能及列深入地研究森林循环理论提供科学依据。