间隔天数统计法土壤墒情诊断模型

本文介绍所建立的基于时段降水量、土壤初始含水量和两次监测时段天数的间隔天数统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:间隔天数统计法模型诊断和预测精度高达到90%以上;间隔天数统计法模型诊断和预测合格率高,其原因是增加了间隔天数变量,有效地解决了测定间隔天数不固定的问题;逐日模型法可以实现逐日土壤墒情的预测。初步结论是:间隔天数统计法模型可以单独作为墒情诊断模型使用。     

综合模型法土壤墒情诊断模型

本文介绍了将平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立模型综合应用的墒情综合模型法的原理和方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:综合模型诊断和预测合格率高,为97%以上。综合模型的优点:6个独立模型的参数在不同气候、下垫面和管理措施下的取值不同,因此,6个独立模型即使按点统计也不通用;而在同一次预测时,6个模型预测结果中总有一个预测精度较高的结果,这个结果与时段降水量和初始土壤含水量之和高度相关;通过对6个模型的适应性优选后,从概率上选择水分来源数量对应的预测结果。     

墒情诊断模型的应用条件

对墒情诊断模型应用的下垫面条件进行了综合分析,这些条件包括气候区、监测点距气象站距离、土壤质地、监测时间、熟制、作物种类和模型参数。结果表明:平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立诊断模型和综合模型具有普遍适应性;模型普遍适应性的外在原因是建模时只考虑3个独立的具有普遍性的变量(土壤含水量、时段降水量、2次土壤含水量测定的间隔天数),模型普遍适应性的内在原因是按监测点建模和确定参数;多年平均降水量是影响模型预测合格率的主要因素之一,其值越小模型预测合格率越高。6个独立诊断模型和综合模型的应用不受下垫面因素影响,模型通用变量为3个独立变量。     

土壤墒情诊断理论和方法

本文对土壤墒情诊断理论和方法进行了简述,并介绍了国内墒情监测、诊断和预报现状。重点介绍了所建立的平衡法、统计法、差减统计法、比值统计法、间隔天数统计法、移动统计法6个独立的墒情诊断模型及其联合应用的综合诊断模型。应用2012—2014年7省23个县87个监测点的数据建模,并应用2015年的数据进行了验证。结果表明:所有模型构建简单,参数获得容易;综合模型优于6个独立模型。所建立的6个独立模型和综合模型适用于基于降水量的土壤墒情诊断和预测。     

差减统计法土壤墒情诊断模型

迄今为止,墒情诊断与预测模型由于缺乏通用性难以应用。本文介绍专栏6个独立模型中的差减统计法模型。差减统计法模型中2次监测的土壤含水量变化量为因变量,土壤初始含水量和时段降水量(含灌溉量)为自变量。应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行验证。结果表明:差减统计法模型诊断和预测合格率达90%左右,表明该模型适用性好;合格率高的主要原因是该模型遵循质量守恒定律和统计学规律;差减统计法预测误差主要来源于异地降水量数据和缺少灌溉记录数据。与传统模型相比,差减统计法具有以下特点:参数少、参数容易获得,参数具有统计意义、模型覆盖全部降水量范围、模型按点建模不受下垫面因素影响等。因此,差减统计法模型作为墒情诊断和预报模型是科学和实用的,可以单独使用。     

统计法土壤墒情诊断模型

本文介绍了统计法土壤墒情诊断模型的原理和建模方法,该模型是基于时段降水量和土壤初始含水量以及二者的交互作用项建立的,并应用7个省23个县87个监测点2012—2014年的数据建模,以及2015年的数据进行验证。结果表明:统计法模型诊断和预测合格率较高,合格率达到85%以上;相邻墒情监测日的时间间隔有时不固定将导致异常值的出现,这是影响模型预测合格率的主要原因;逐日模型法可以实现逐日土壤墒情的预测。本研究表明,统计法模型可以单独作为墒情诊断模型使用。     

墒情诊断模型的理论分析、综合评价和展望

本文基于专栏论文的全部研究结果,对墒情诊断模型进行了理论分析、综合评价和展望,目的是建立更实用的墒情诊断模型。研究结果如下:(1)87个墒情监测点的降水量数据可以用就近气象站的降水量代替;(2)分别就87个墒情监测点所建立的6个独立模型和1个综合模型(分时段诊断和逐日诊断2类)的诊断合格率都达到75%以上;(3)综合模型优于6个独立模型的单独使用;(4)所有模型和参数都是按监测点建立和确定的,不存在下垫面因素的影响;(5)所有模型简单、使用3个独立变量(前期土壤含水量、时段降水量之和和2次监测之间的天数)、参数容易获得,只要有系列性的土壤含水量监测数据和对应的降水量(监测点降水量或就近气象站降水量)数据就可建模。     

移动统计法土壤墒情诊断模型

本文介绍了基于土壤初始含水量和时段每日平均降水量所建立的移动统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。移动统计法墒情诊断模型分为时段模型和逐日模型。结果表明:时段模型预测的合格率为90%左右,逐日模型预测的合格率为70%左右;时段模型优于逐日模型。移动统计法模型单独作为墒情诊断模型,使用时需要进一步完善,可以在土壤初始含水量分段的基础上应用其他5个独立模型进行尝试。     

比值统计法土壤墒情诊断模型

本文介绍了研发的基于时段降水量和土壤初始含水量的比值统计法土壤墒情诊断模型的原理和建模方法,并应用7个省23个县87个监测点2012—2014年的数据建模,应用2015年的数据进行了验证。结果表明:比值统计法诊断模型的预测精度较高,达到80%以上;比值统计法诊断和预测合格率较高的主要原因是模型参数都是数据挖掘的结果而非人为确定;逐日模型法可以实现逐日土壤墒情的预测。研究表明,比值统计法模型可以单独作为墒情诊断模型使用。     

基于东北区吉林省监测数据的土壤墒情综合诊断模型验证

综合诊断模型是土壤墒情监测、诊断与预报的新方法,它包括6个独立模型和基于水分来源数量对土壤含水量判断的一些逻辑关系,6个独立模型分别基于墒情监测数据与邻近气象站降水量之间的定量关系诊断或预报土壤含水量。本文应用吉林省4个县/市的6个墒情监测点的数据验证综合诊断模型在东北半干旱和半湿润地区的应用精度和适应性,建模使用2013—2014年的数据,模型验证使用2015年的数据。为了模型更好地应用于实际,本文对每个监测点的模型参数均进行了校正。结果表明:按监测点建模情况下,不同气候和下垫面条件下的模型和参数不同;模型在东北区吉林省半干旱和半湿润地区具有较好的适应性,验证合格率为88%以上;降水量少的监测点的模型预测合格率高。墒情综合诊断模型在吉林省半干旱和半湿润地区应用精度较高,为模型在该地区应用提供了研究案例。     

Application of a rice simulation model in high temperature sensitivity study

以调试校正较高精度的ORYZA2000模型参数及高温敏感性模拟验证为目的, 为模型适应性和本地化提供依据, 利用江苏省9个试验点5个水稻(Oryza sativa)品种的田间观测数据及当地逐日气象数据, 采用ORYZA2000最新版本(V2.13)水稻生长模型, 首先挑选出5个试验点3个品种的观测数据进行模型参数适应性调试校正, 确定了水稻发育生长阶段的各项参数, 然后用该参数对独立样本的4个试验点2个水稻品种地上部分各器官生物量、叶面积指数动态变化过程及最终产量进行了动态模拟。通过t检验和质量评价指标对模拟结果进行了显著性检验。利用通过检验的模型及其参数在假设环境温度不同时间段的持续升高条件下, 开展了高温对水稻生物量及产量影响的模拟研究, 模拟结果的影响幅度与实际高温处理结果的影响幅度进行了比较。结果表明: 1)经过调试校正获得较高精度的水稻发育阶段各参数, 较准确地模拟了水稻生物量和叶面积指数的动态累积过程, 模拟值与观测值基本一致, 说明校正后参数的合理性和有效性; 2)调整参数后高温敏感性模拟结果表明, 孕穗期到开花期温度连续3天、5天、7天升高到35 ℃时, 总生物量、穗生物量和总产量与对照(CK)相比分别下降了12%-25%; 不同时间段连续升高到38 ℃时下降18%-31%; 不同时间段升高到41 ℃时, 各生物量与对照相比分别下降了20%-38%。模型模拟值与控制试验室的观测数据的下降幅度基本一致, 表明经过参数校正的ORYZA2000可以应用于水稻对气温升高响应的预测。     

水稻模拟模型在高温敏感性研究中的应用

以调试校正较高精度的ORYZA2000模型参数及高温敏感性模拟验证为目的, 为模型适应性和本地化提供依据, 利用江苏省9个试验点5个水稻(Oryza sativa)品种的田间观测数据及当地逐日气象数据, 采用ORYZA2000最新版本(V2.13)水稻生长模型, 首先挑选出5个试验点3个品种的观测数据进行模型参数适应性调试校正, 确定了水稻发育生长阶段的各项参数, 然后用该参数对独立样本的4个试验点2个水稻品种地上部分各器官生物量、叶面积指数动态变化过程及最终产量进行了动态模拟。通过t检验和质量评价指标对模拟结果进行了显著性检验。利用通过检验的模型及其参数在假设环境温度不同时间段的持续升高条件下, 开展了高温对水稻生物量及产量影响的模拟研究, 模拟结果的影响幅度与实际高温处理结果的影响幅度进行了比较。结果表明: 1)经过调试校正获得较高精度的水稻发育阶段各参数, 较准确地模拟了水稻生物量和叶面积指数的动态累积过程, 模拟值与观测值基本一致, 说明校正后参数的合理性和有效性; 2)调整参数后高温敏感性模拟结果表明, 孕穗期到开花期温度连续3天、5天、7天升高到35 ℃时, 总生物量、穗生物量和总产量与对照(CK)相比分别下降了12%-25%; 不同时间段连续升高到38 ℃时下降18%-31%; 不同时间段升高到41 ℃时, 各生物量与对照相比分别下降了20%-38%。模型模拟值与控制试验室的观测数据的下降幅度基本一致, 表明经过参数校正的ORYZA2000可以应用于水稻对气温升高响应的预测。     

滇西北森林郁闭度估测模型——基于全球生态系统动力学调查多波束激光雷达数据

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型。结果表明:(1)EBK法预测精度高,估测结果可靠,R²:0.20-0.92,RMSE:0.004-2812.912,MAE:0.003-1996.258,MRE:0.007-4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM-RFE 法优选出6个参数(cover、pai、sensitivity、rv_a1、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5%为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson法以相关性大于0.3且在0.01水平显著优选出5个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM-RFE和RF方法优选参数构建估测模型的精度更佳,SVM-RFE方法优选参数研建估测模型精度变化相对稳定,以 RF方法中的BO-GBRT模型为最佳FCC估测模型(R²=0.85、RMSE=0.069,P=86.5%);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4-0.7,分别占比65.45%、51.79%。研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性。研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础。     

用抑制差减杂交法分离小麦幼苗水分胁迫诱导表达的cDNA

小麦种子水培 ,幼苗长至一叶一心后 ,在 2 0℃生长箱中水培 4 8h作为对照组 (Driver) ,PEG 6 0 0 0水溶液胁迫培养 4 8h作为处理组 (Tester)。进行抑制差减杂交 ,构建包含 15 0 0个独立克隆的SSH文库。以正向和反向差减杂交后的cDNA为探针 ,筛选SSH文库 ,得到 181个阳性克隆 ,测序后获不重复EST 10 1个。     

高寒典型草原主要物种的株高和盖度预测种群和群落地上生物量

为快速、准确、无破坏地测定草原地上生物量,在祁连山高寒典型草原植物生长旺季,观测了冬季和春秋季放牧地60个样方内各物种的株高、盖度等生长指标。以冬季牧地紫花针茅（Stipa purpurea）、醉马草（Achnatherum inebrians）、赖草（Leymus secalinus）、扁穗冰草（Agropyron cristatum）、二裂委陵菜（Potentilla bifurca）、银灰旋花（Convolvulus ammannii）6个主要物种的株高、盖度、株高和盖度的乘积为自变量,分别预测同物种、其他物种和群落地上生物量。用春秋季牧场的数据验证模型的精确性和稳定性。结果表明：主要物种的生长指标可预测其自身、其他物种和群落地上生物量。对自身种群,株高和盖度乘积的复合因子预测效果最好;4种禾草对其他物种、二裂委陵菜对菊科植物种群,株高、盖度单因子预测效果优于复合因子;6个主要物种单独或2-6个种结合均可预测群落地上生物量,但是以6个物种株高和盖度的乘积同时预测时决定系数最大,可解释群落地上生物量89.5%的变异,为高寒典型草原群落地上生物量最优预测模型。     

基于高光谱遥感的小麦叶片氮积累量

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义.以多个小麦品种在不同施氮水平下的连续3a大田试验为基础,研究了小麦叶片氮积累量与冠层高光谱参数的定量关系.结果表明,冠层叶片氮积累量随着施氮水平的提高而增加,光谱反射率在不同叶片氮积累量水平下发生相应的变化.叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著.通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量间进行相关回归分析,SDr/SDb、FD742和AVHRR-GVI 3个参数与叶片氮积累量关系最密切,方程拟合决定系数R2分别为0.9163、0.9097和0.9142,估计标准误差SE分别为1.165、1.079和1.077.经不同年际独立数据的检验表明,利用光谱参数FD742建立的模型对叶片氮积累量的估测精度为0.8449,预测的RMSE为0.984;红边位置REPIG对叶片氮积累量的估测精度和预测的RMSE分别为0.8394和1.014,表明预测值与观察值之间符合精度高,比较而言,FD742为自变量建立的模型可以更好地评估不同条件下叶片氮素积累状况.     

龙眼果实品质评价理化指标体系的构建

为了解龙眼果实成熟品质的构成因素及其相互关系,构建科学的品质评价体系,本研究以30个龙眼品种为试材,观察、测定了43个品质相关的理化指标,综合运用多种统计方法,对果实不同类型品质进行评价,构建预测模型,提出综合品质类型可用的判别公式。结果表明,(1)筛选出构成龙眼果实表观性状、经济性状、内在品质和综合品质的公因子成分及其解释指标。(2)建立了4种类型品质的评价模型及其评价指标库,据此计算出的品质预测值与其因子分析综合评分均极显著相关,具有较好的预测效果。(3)依据综合品质评分将30个品种分成3类:低糖大果型、高糖中果型、高糖小果型,依据自然属性和应用价值2类评价指标,对分类结果分别进行了自身验证和交叉验证判别分析,结果表明都具有较高的判别准确率,价值评估方法基本能够满足自然分类和应用分类的共同需要。总之,龙眼果实综合品质评价指标包括果肉葡萄糖含量、可溶性固形物(TSS)含量、果肉流汁、肉厚率、果肉质地、可食率和单果重,达到7个指标全优可以作为龙眼新品种选育的一个重要目标。     

基于统计差表与加权投票的高精度剪接位点预测

基于机器学习的高精度剪接位点识别是真核生物基因组注释的关键.本文采用卡方测验确定序列窗口长度,构建卡方统计差表提取位置特征,并结合碱基二联体频次表征序列;针对剪接位点正负样本高度不均衡这一情形,构建10个正负样本均衡的支持向量机分类器,进行加权投票决策,有效解决了不平衡模式分类问题. HS~3D数据集上的独立测试结果显示,供体、受体位点预测准确率分别达到93.39%、90.46%,明显高于参比方法.基于卡方统计差表的位置特征能有效表征DNA序列,在分子序列信号位点识别中具有应用前景.     

水稻模型ORYZA2000在湖南双季稻区的验证与适应性评价

校准与验证水稻生长模型ORYZA2000,为模型本地化、区域化研究应用提供依据。本文采用湖南双季稻区作物田间观测数据,结合栽培管理措施、土壤以及同期逐日气象数据等资料对ORYZA2000进行参数校正,调试确定了早稻、晚稻有代表性品种的作物参数;利用独立的数据资料,对双季稻生育期、叶面积指数、生物量、产量等指标的模拟结果进行了详细地验证与适应性评价。结果表明：模型对双季稻品种的生育期模拟较好,开花期和成熟期的相对模拟误差为1—2d;早稻和晚稻叶面积指数的归一化均方根误差（NRMSE）均为24%,地上部总生物量、绿叶生物量、茎生物量和穗生物量的NRMSE值分别为18%、22%、22%、24%和19%、24%、28%、28%,产量的NRMSE值分别为11%和16%。校验的作物参数反映了湖南早稻和晚稻品种的生物学特性,参数值合理、有效。通过校准作物参数,ORYZA2000可较为准确地模拟双季稻生长发育及其生物量的动态累积过程,适应性较强,能够应用于双季稻生产。     

毛乌素湖盆滩地土壤温度对寸草苔生长的影响

土壤水热状况影响植物的生长发育、分布以及群落稳定性.选择毛乌素湖盆滩地优势植物寸草苔(Carex duriuscula)进行温控实验,设置对照、升温Ⅰ、升温Ⅱ、降温处理4种土壤温度控温条件,定期测定寸草苔株高、穗数、叶绿素、丙二醛、可溶性糖.结果表明:(1)寸草苔生长指标中,株高与8月之前的土壤温度呈正相关,与8月之后的土壤温度呈负相关;(2)寸草苔生理指标中,丙二醛、可溶性糖在8月底到9月初与土壤温度呈正相关,9月中旬至10月份呈负相关;土壤升温或降温都不利于叶绿素合成.丙二醛、可溶性糖可作为寸草苔植物生长受土壤温度影响的指示参数;(3)构建以土壤温度为自变量、植物生长参数或植物生理参数为因变量的回归模型;土壤温度与穗数的指数模型因其拟合度高,可以预测土壤温度对寸草苔生长的影响.