集合预报产品在中长期t天气预报中的应用初探

为了研究集合预报在中长期天气预报中的应用,提高集合预报在天气预报业务中的应用水平,为日后的天气预报业务工作提供可利用的预报经验。本研究以集合预报产品为例,简单阐述了集合预报的基本原理、集合预报产品的概念,介绍了部分集合预报产品的定义、优点和缺点。在此基础上基于中长期天气预报,分析了2016年3月17日20时起报的一次中长期天气预报的实例,以此来探讨集合预报在中长期天气预报中的应用。     

中国马铃薯生产风险区划实证研究

为探寻中国马铃薯生产风险的分布特征及适宜的种植区域,以1992—2013年中国19个马铃薯主产省的数据,综合考虑马铃薯生产过程中自然、市场和技术等风险,以减产率、变异系数、减产率小于10%和30%的发生概率以及种植规模指数等9个变量构建风险区划的指标体系,利用非参数核密度法计算风险发生概率,基于聚类法进行风险区划的实证。结果表明：中国马铃薯种植区被分为5个风险区,中国北部地区马铃薯生产风险较高,中西部地区的生产风险较低,南部地区的生产风险中等。究其原因,是由于马铃薯品种的混种、南北地区气温、降水迥异导致。研究结果为未来中国马铃薯生产布局的调整和防灾减灾措施的制定提供决策依据。     

谱聚类在给水管网分区优化中的应用

利用图划分技术和图论算法实现给水管网分区。根据给水管网分析,确定分区数量,建立权重邻接矩阵并计算图拉普拉斯矩阵及其特征向量,通过多路图划分对隐藏在特征向量中的聚类信息进行数据挖掘,采用遗传算法和K均值方法实现最佳节点聚类。利用PageRank和最短路径算法确定水表和阀门位置,最终实现给水管网优化分区。实际给水管网模型分区实例表明所提方法在给水管网分区的有效性。     

基于粒子群优化的嗅—味融合技术在啤酒辨识中的应用

利用电子鼻/舌融合系统对啤酒香气、滋味进行检测,基于其融合后的嗅/味综合信息实现啤酒的分类。由于传统K均值聚类结果依赖于初始值的选取,且易陷入局部最优,依据融合数据特点提出一种改进的基于粒子群优化的K均值聚类算法,该算法在运行过程中优化了权重系数,随着迭代次数增加同时调整收敛速度,使粒子的搜索更趋于平衡化,同时引入压缩因子,平衡全局与局部矛盾。将该算法与K均值聚类算法进行比较,实验数据证明该算法具有较好的全局收敛性,能克服易陷入局部最优的缺点而收敛于最优解,结果显示:该算法对5种啤酒聚类效果明显,正确率稳定在93.3%。     

油橄榄品种表型和SSR标记的多样性及聚类分析

[目的]利用表型性状和分子标记,对我国油橄榄品种进行鉴定和遗传多样性研究,有利于种质资源保存和利用,对了解油橄榄品种的组成结构及未来的引种和育种工作都具有重要意义。[方法]以甘肃省陇南市17个油橄榄品种为研究材料,利用表型上15个数量性状、18个质量性状和8个SSR荧光标记分别进行多样性和聚类分析。[结果]各性状在品种间存在显著差异,数量性状和质量性状的表型多样性指数分别介于1.579 2.089和0.3621.091,8个SSR位点共检测到51个等位基因变异,平均每个位点等位基因数为6.375个,利用表型性状和SSR标记可以将17个品种完全区分开。[结论]17个油橄榄品种具有较丰富的表型和遗传多样性,基于表型数量性状、质量性状和SSR标记的聚类分析结果,判别品种间遗传关系的结果有一致的,也存在一定差异。对于表型性状相似的品种,需结合SSR标记进行品种鉴定。     

基于关联分析和系统聚类的滩涂围垦适宜性评价

为科学分析滩涂资源特点及合理评价围垦利用适宜性,厘清滩涂土地利用分类管理及规划目标,基于MATLAB聚类统计工具,采用关联分析和系统模糊聚类结合方法对滩涂利用适宜性进行评价与分类。首先通过关联分析将各片滩涂的评价原始数据进行归一化处理后计算关联度集,并依据排序位次,确定各片滩涂围垦和农业利用可行性的重要程度进行排序。在关联分析基础上进行系统聚类,得到不同类别分类树结果,最终确定不同滩涂的适宜性评价的分类结果。盐城滩涂典型地区实例计算结果表明,垦区围垦适宜性评价指标达0.9,表明这些滩涂垦区最适宜进行围垦;盐城滩涂除少数垦区外,总体都可以进行农业开发适宜性利用。基于关联分析和系统聚类方法能够准确评价滩涂利用方式。     

基于空间特征谱聚类算法的含噪苹果图像优化分割

为了减少噪声对苹果采摘机器人的目标识别所带来的影响,对含噪苹果图像的分割方法进行了研究。该研究设计一种针对噪声具有鲁棒性的苹果图像分割方法,首先计算苹果图像的三维空间特征点的紧致性函数,用以构造邻近点的相似矩阵实现苹果图像的去噪效果;再利用离群点矩阵拆分并由其他剩余列向量线性表示,对相似矩阵进行离群点调优实现聚类优化,进而提出基于空间特征的谱聚类含噪苹果图像分割的优化算法,旨在提高分割算法的效率和识别准确率。通过对两幅苹果图像添加不同程度的高斯和椒盐噪声（方差分别为0.01、0.05和0.1的高斯噪声和概率为0.01、0.05和0.1的椒盐噪声）进行试验,分别求出谱聚类方法、基于空间特征的谱聚类方法和该文优化方法的苹果目标图像的分割图,并计算三类方法的分割准确率。该文优化方法对于单个苹果受不同噪声影响下的分割准确率均在99%以上,对于重叠苹果的分割准确率均在98%以上,对于所选取的30幅苹果图在方差为0.05的高斯噪声和概率为0.01的椒盐噪声影响下的平均分割准确率为99.014%。结果表明：谱聚类方法受噪声的影响较大;基于空间特征的谱聚类方法的分割效果受噪声的影响较小,但在边界区域仍然有很多错分的像素;优化方法在边界区域的分割要优于基于空间特征的谱聚类方法;在设定的试验条件下,其分割结果准确率相对于基于空间特征的谱聚类方法和传统的谱聚类方法可分别提高5%～6%和9%～25%。在分割效率方面,该文优化方法的分割时间低于传统的谱聚类算法,且与基于空间特征谱聚类方法接近。研究结果为苹果采摘机器人的快速目标识别提供参考。     

基于耕地质量和空间聚类的县域基本农田划定——以湖北省团风县为例

为了实现基本农田保护政策“优质集中”的具体要求,以湖北省团风县为例,首先基于耕地自然质量、水利基础设施、区位条件、空间形态构建了4个因素11个评价指标的评价指标体系以反映耕地质量的空间差异性,随后使用K均值聚类法对耕地的综合质量等级进行划分,建立了基于耕地质量和空间聚类的基本农田划定方法。结合上级下达的基本农田保护指标确定团风县入选基本农田的耕地面积为16 333 hm²,且相应的耕地质量总分值均大于76.21,团风县基本农田大多分布在长江沿岸平原区。通过使用基于多因素加权求和模型获得的基本农田划定结果对此种方法进行验证,并基于景观格局指数对两种方法进行对比分析,这种方法不仅可行,而且能更好地实现基本农田划定中的质优和集中的目标。     

Variability of Peronospora Sparsa (syn. P. rubi) in Finland as Measured by Amplified Fragment Length Polymorphism

Downy mildew caused by Peronospora sparsa (syn. P. rubi) is a serious threat to commercial cultivation of arctic bramble (Rubus arcticus subsp. arcticus) in Finland. P. sparsa is distributed throughout the country in cultivated and wild arctic bramble and in cloudberry (R. chamaemorus). A total of 36 isolates of P. sparsa collected from these hosts was analysed for amplified fragment length polymorphism (AFLP). Of the 226 markers scored, 223 were polymorphic and all isolates of P. sparsa had unique AFLP fingerprints, which indicated high levels of genetic variability. An UPGMA clustering analysis of the isolates did not reveal any genetically distinguishable strains. The isolates were grouped neither according to the geographic origin nor the host from which they were isolated. Isolates of P. sparsa obtained from wild arctic bramble and one from cloudberry readily infected the leaves of the cultivated arctic bramble (cultivar Pima). Also, P. sparsa isolated from cultivated arctic bramble infected the leaves of wild arctic bramble. These data suggest that P. sparsa may be disseminated from wild arctic bramble and cloudberry to cultivated arctic bramble in the field.