Logistic曲线参数的一个最佳估计方法

本文提出用O．628优选法和SAS/STAT软件NLIN模块中的DUD法,对Logistic曲线中的参数k,a和b可得到最佳估计。     

基于混合效应模型和分位数回归的长白落叶松枝下高模型构建

枝下高是反映树冠特征的重要指标,准确预测枝下高对森林的经营管理和提高林分生产具有重要意义。本研究采用非线性回归构建枝下高广义基础模型,再进一步扩展到混合效应模型和分位数回归模型,通过“留一法”检验对模型的预测能力进行评价和比较。此外,使用4种抽样设计和不同抽样大小对枝下高模型进行校正,选择最佳的模型校正方案。结果表明：基于包含树高、胸径、林分每公顷断面积和优势木平均高的枝下高广义模型、扩展后的混合效应模型以及三分位数组合模型的预测精度均显著提高,混合效应模型略优于三分位数组合模型,最佳抽样校正方案为抽5株平均木。因此,推荐在实践应用中使用混合效应模型,抽5株样地平均木校正预测枝下高。     

基于分数阶微分技术的土壤水盐信息高光谱反演

准确高效获取土壤水盐信息是盐碱地改良和可持续利用的前提。本研究以地面野外高光谱反射率和实测土壤水盐含量为数据源,利用分数阶微分(FOD)技术对原始光谱反射率进行步长为0.25的处理,从光谱数据与土壤水盐信息相关性层面筛选FOD阶数,构建二维光谱指数,采用支持向量机回归(SVR)和地理加权回归(GWR)建立土壤水盐含量反演模型并进行验证。结果表明：FOD技术可以在一定程度上减弱高光谱噪声并挖掘潜在光谱信息,提高高光谱反射率与土壤含水量(SMC)、pH值和含盐量的相关性,相关系数最高分别提升0.98、1.35和0.33。与一维光谱相比,FOD结合二维光谱指数筛选的特征波段组合对SMC、pH值和含盐量的响应更敏感,分别以1.5、1.0和0.75阶为最优,其中,SMC最大相关系数绝对值的最佳组合波段为570、1000、1010、1020、1330和2140 nm; pH值为550、1000、1380和2180 nm;含盐量为600、990、1600和1710 nm。相较于原始光谱反射率,SMC、pH值和含盐量最优阶次估算模型验证决定系数(R_p²)最高...     

适用于获取最优化配方的一种算法

本文应用印楝种仁提取物（F3）与敌敌畏混配为例,以斜纹夜蛾（Spodopteralitura）为目标害虫,介绍一种适用于获取最优化配方的算法,在二次通用回归旋转组合设计的基础上,经参数辨识,获取二次回归方程,经失拟性、回归显著性检验,本方程基本能够反映杀虫剂用量与斜纹夜蛾幼虫死亡机率值之间的关系．在害虫防治实践中,要求在防治费用最小的基础上,目标害虫有最大的死亡率.因此,以防治目标害虫的费用作为优化算法的目标函数,以害虫死亡机率值最大作为约束条件,有如下的一组优化算式为目标函数约束条件式中a1,a2分别为参试杀虫剂1,2最低用量,b1,b2则为相应的最高用量．C1,C2分别为杀虫剂1,2的单价,N1,N2为杀虫剂l,2的用量．Y为目标害虫死亡机率值回归方程．本文所依据的试验设计中,以对数函数关系变换编码值与使用浓度之间的关系,所以应用拉格朗日求极值原理求取最优化配方．由计算所得的混配比例与其他方法所获结果一致．     

N-(2-吡啶基)-N'-苯基脲对几种作物种子根、芽生长影响的回归分析

N-（2-吡啶基）-N'-苯基脲（2PU）,属苯基脲衍生物,具有细胞分裂素活性,有关其合成和应用的研究未见报道。作者合成了2PU并进行了生物效应试验研究。结果表明,2PU对作物种子萌发时胚根、胚芽的生长具有明显的促进作用,其根、芽生长与2PU浓度之间的关系符合Y=a＋bX＋eX2＋的数学模型。2PU对小麦根芽和赤豆根芽生长最佳浓度分别是0.001～0.0lppm、0.005～0.05ppm,对黄豆根生长以0.001～0.06ppm最佳。     

基于土地利用及植被覆盖变化的黄河源区生境质量时空变化特征

位于青藏高原腹地的黄河源地区生态环境脆弱,面临生物多样性锐减、生态系统退化等问题,黄河源区生态系统保护及其高质量发展已成为国家的重点战略之一。土地利用与植被覆盖是影响生境质量的重要因素,定量化土地利用方式、强度及格局和植被覆盖格局对生态质量影响的研究越来越受到关注,但其对黄河源区生态质量的耦合效应尚不明确。基于2000年和2015年黄河源区土地利用类型及生长季归一化植被指数（NDVI）,采用InVEST模型探究了不同时期黄河源区生境质量时空变化,并采用地理加权回归（GWR）模型揭示了生境质量对土地利用和植被覆盖变化的空间响应特征。结果表明,2000年与2015年土地利用类型变化主要为未利用土地向草地的转移。植被覆盖变化方面,源区生长季NDVI整体上升。从生境质量的空间分布来看,黄河源区生境质量总体呈现南高北低的空间格局,高值分布在南部及中部地区,低值分布在北部布青山、东北部高海拔区及黄河乡的黄河沿岸。相较于2000年,2015年黄河源区生境质量平均提高11.47%。草地面积和NDVI与生境质量均呈显著正相关关系,其中NDVI是提高黄河源区生境质量的重要驱动因子。研究结果突出了NDVI对提高黄河源区生境质量的主导作用,可为未来源区生态保护提供借鉴。     

基于结构方程模型的森林生态系统空气负离子影响机制分析

空气负离子(Negative air ion, NAI)是衡量空气质量的重要指标之一,受到植被和环境的共同影响。然而,森林生态系统作为NAI产生的重要来源,森林中的植被和环境之间的相互作用以及对NAI的影响机制和贡献潜力仍难以捉摸。以暖温带森林生态系统中广泛分布的栓皮栎(Quercus variabilis BI.)为对象,基于自动观测设备长期定位观测获取了气象、土壤性质、空气洁净度以及植被光合等数据,利用皮尔逊相关系数分析和偏最小二乘结构方程模型分析了森林植被和环境要素对NAI的影响机制和贡献潜力。结果表明,环境要素和植被光合对NAI的贡献差异显著,植被光合对NAI的贡献潜力为62.65%,环境要素对NAI的贡献率为37.35%。环境要素中太阳辐射和饱和水汽压差的影响程度最大,分别为68.94%和16.55%。植被光合和PM_2.5主要通过直接效应影响NAI,而光合有效辐射、紫外辐射、土壤温湿度和饱和水汽压差主要通过间接效应影响NAI。因此,利用结构方程模型可以阐明植被光合与环境要素的变化对NAI的影响趋势,从而全面揭示了森林生态系统中植被产生NAI的作用机制以及...     

西南山地流域NDVI变化特征及降水敏感性——以贵州沅江流域为例

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是反映植被生长的重要指标,探究其时空变化特征,对生态保护、退耕还林和灾害防治具有重要意义。选取2000—2015年贵州沅江流域典型年份NDVI,采用重心分析、标准差椭圆、地理加权回归等方法,从干旱视角探究流域NDVI变化和降水敏感性。得出以下结论:(1)2000—2015年贵州沅江流域NDVI总体处于上升趋势,植被正在改善,期间西部植被改善最为明显,退耕还林还草取得较好成果。(2)2000—2015年贵州沅江流域干旱年与正常年NDVI空间变化趋势不一致,干旱程度对植被影响具有区域差异。(3)贵州沅江流域NDVI与降水呈负相关,空间敏感性自西向东递增,降水对流域西部喀斯特山区NDVI影响更明显。(4)2000—2015年贵州沅江流域NDVI时段变化与降水主要为负相关,降水越多NDVI时段变化敏感性越弱,退耕还林还草工程应重点放在负敏感区。研究结果可为退耕还林还草和干旱灾害防治提供科学参考。     

基因编辑技术发展现状

鉴于以CRISPR/Cas9为代表的基因编辑技术在可操作性、经济性和时效性上取得的革命性突破,以及国内外对此技术的研发和应用现状,中国有可能在基因编辑技术的下游技术研发(特别是植物基因编辑的应用)、专业公司孵化等方面取得突破。因此分析目前中国基因编辑技术发展的关键需求、潜在应用领域就显得尤为迫切和必要。采用问卷调查和计量方法对基因编辑技术发展的关键技术需求和最潜在应用领域进行研究。首先建立有序多分类Logistic回归模型并进行因变量分析,通过显著性检验在4个方面共24个问卷问题中选择8个存在显著因果关系的自变量,然后基于有序多分类Logistic回归模型,分析8个问题中不同选项对基因编辑技术发展的具体影响作用。调查结果表明多数基因编辑领域的研究人员认为在注重基因编辑基础技术研发的同时应更多地关注如何进行技术产业化,要注重在植物领域发展潜在竞争优势;促进我国基因编辑技术发展不仅需要科研机构参与,更需要包括高校、政府在内的多方力量协同作用;正确引导公众的基因编辑技术舆论认识和建立安全规范体系较为迫切;技术风险规避的重点应放在生物武器和生物恐怖、基因编辑相关传染病、物种基因改变对生态环境的...     

半干旱草原型流域植被地上生物量时空分布特征及其影响因子

锡林河流域作为内蒙古典型草原最具代表性的区域,研究其草地生物量的动态变化特征及其与环境因子的关系,可以为草地生态系统碳循环研究提供基础数据,同时为草地的合理利用和管理提供理论支撑。本研究以半干旱草原型流域——锡林河流域为对象,基于野外实测数据,运用相关分析、分类回归树、非线性回归分析方法,定量分析了流域上游和下游不同时间(2016年6月20日、7月5日、7月20日、8月6日左右)地上生物量与其关键驱动因子的关系。结果表明:(1)随着生长季的推进,地上生物量在7月变化最为显著,并在8月6日达到极值,上、中、下游的地上生物量分别为79.64、74.87、69.34 g·m^-2;空间上呈现从东南向西北减小的趋势。(2)影响流域上游不同时间地上生物量的关键因子分别是4月的降水量、7月5日的土壤含水量、7月20日的土壤含水量、8月6日的Simpson指数,除Simpson指数对地上生物量为负效应外,其余因子对地上生物量均有显著的正效应;对应关键因子分别可解释地上生物量变异的77%、72%、79%、65%。(3)经度、6月的降水量、7月的降水量、7月的降水量分别与下游6月20...