Influence of likelihood function choice for estimating crop model parameters using the generalized likelihood uncertainty estimation method

Proper estimation of model parameters is required for ensuring accurate model predictions and good model-based decisions. The generalized likelihood uncertainty estimation (GLUE) method is a Bayesian Monte Carlo parameter estimation technique that makes use of a likelihood function to measure the closeness-of-fit of modeled and observed data. Various likelihood functions and methods of combining likelihood values have been used in previous studies. This research was conducted to determine the effects of using previously reported likelihood functions in a GLUE procedure for estimating parameters in a widely-used crop simulation model. A factorial computer experiment was conducted with synthetic measurement data to compare four likelihood functions and three methods of combining likelihood values using the CERES-Maize model of the Decision Support System for Agrotechnology Transfer (DSSAT). The procedure used an arbitrarily-selected parameter set as the known “true parameter set” and the CERES-Maize model to generate true output values. Then synthetic observations of crop variables were randomly generated (four replicates) by using the simulated true output values (dry yield, anthesis date, maturity date, leaf nitrogen concentration, soil nitrate concentration, and soil moisture) and adding a random observation error based on the variances of corresponding field measurements. The environmental conditions were obtained from a sweet corn (Zea mays L.) experiment conducted in 2005 in northern Florida. Results showed that the method of combining likelihood values had a strong influence on parameter estimates. The combination method based on the product of the likelihoods associated with each set of observations reduced the uncertainties in posterior distributions of parameter estimates most significantly. It was also found that the likelihood function based on Gaussian probability density function was the best among those tested. This combination accurately estimated the true parameter values, suggesting that it can be used when estimating CERES-Maize model parameters for real experiments.     

动物生长曲线拟合方法的探讨

本文提出了一种近似估计生长曲线参数的方法,即先用差商代替导数(或),由生长曲线的微分模型估计出部分参数,剩余参数在原模型中通过最小二乘加权处理法求得。并以肉鸡的体重生长资料为例,拟合了指数生长曲线,Logistic方程和Gom-pertz三种常用的动物生长模型。拟合结果(拟合度)分别为:0.9342,0.9796,0.9554,而高精度法(Marquardt法)的拟合度对应是:0.9314,0.9988,0.9941。可见,两种方法的拟合结果顺序一致,精度相差并不太大。若追求更高的拟合精度,近似估计法可作为Marquardt法确定参数初值的方法。     

林冠分配降雨过程模拟与模型──Ⅱ.模型扩展与参数确定

将常雨强下穿透降雨、树干在流和林冠截留模型扩展应用于变雨强，并确定了模型参数。以穿透降雨为例，变雨强实验与模型模拟比较最大相对误差７．３％，结果较好。     

一种与直径分布型无关的预测林分直径累积分布的方法

本文推导出一组联系林分平均直径生长和直径累积分布生长之间的方程式。根据这些方程建立的全林分生长模型和径阶模型或与距离无关的单木模型之间的关系，可以指导由林分断面积总生长向单木直径生长的分配。采用这一组方程，根据二个不同时间点上算术平均直径和均方平均直径回收生长模型和枯损模型中的参数，保证林分水平预测的结果和径级水平或单木水平预测的结果相容。采用一个误差函数来刻化相同直径林木在生长过程中的分化，证明了忽略这项误差函数可能导致预测的直径分布范围小于实际的范围。因此，加上一个误差函数预测直径分布在一定程度上提高了直径分布预测的精度。最后一个实例说明计算过程。     

YST—30KW液压综合试验台的设计

介绍了一种新型的液压综合试验台的系统设计，工作原理及主要技术参数的确定。并提出分置式液压综合试验台结构设计中应注意的几个重要问题。     

农作物适用型热雾机的研发和优化

为将传统用热雾机升级改造应用于农作物病虫害防治,通过分析热雾机工作原理,采用正交试验设计,明确了喷头安装位置在距喷管口23 cm、药箱压力为0.3 kg/cm~2、喷药口直径为1.5 mm时效果最佳。同时结合田间操作实际,改造热雾机启动系统和供油系统,开发出农作物适用型热雾机。     

基于高斯-马尔可夫随机场的板材表面纹理分析

阐述了高斯-马尔可夫随机场模型的基本原理,并针对板材表面纹理建立了高斯-马尔可夫随机场模型,以利用其对板材表面纹理进行分析;详细的研究了高斯-马尔可夫随机场模型的参数估计过程,在试验数据的基础上,验证了高斯-马尔可夫随机场模型在纹理分析中应用的可行性。     

基于高斯-马尔可夫随机场的木材表面纹理分类

阐述了高斯-马尔可夫随机场模型的基本原理,建立了木材表面纹理的2-5阶高斯-马尔可夫随机场(Gauss-MRF)模型,用最小二乘法估计了300个木材样本表面纹理的2-5阶Gauss-MRF参数。数据分析表明,各不同纹理特征参数之间具有明显的分布性;Gauss-MRF参数值最大的参数所表示的纹理集聚方向为纹理的主方向;对于纹理主方向相同的样本,纹理越细致,其相应参数越大,而其他参数越小;Gauss-MRF阶数越高,纹理描述越细致;在2阶Gauss-MRF模型情况下,弦切纹理的B1参数大于径切纹理的B1;弦切纹理的B2、B3、B4分别小于径切纹理的B2、B3、B4。根据分离判据的值,确定以5阶Gauss-MRF参数为特征向量进行初步聚类,总体正确率为88%。     

渗透坡面林地地表径流运动的有效糙率研究

在流域水文学研究与应用领域中,坡面水流占有十分重要的地位,但如何获取坡面水流的有效糙率是至关重要的一步。本文针对林地地表径流运动的形成过程和运动特点,建立了林地渗透坡面地表径流运动基本方程,通过讨论土壤水分运动和地表径流运动参数,将土壤水分运动简化为一维Ｓｍｉｔｈ－Ｐａｒｌａｎｇｅ模型,地表径流简化为运动波模型,采用一步Ｌａｘ－Ｗｅｎｄｒｏｆｆ有限差分格式进行数值模拟,以最小离差平方和为目标函数,通过叠代计算获取林地地表径流的有效糙率。根据人工模拟降雨地表径流过程实测资料计算了油松林、刺槐林、蒙古栎林３种林分的有效糙率,计算结果表明,２２ａ生刺槐林地的最大,在０．１９３１～０．２１３１之间;其次为３０ａ生蒙古栎林地,为０．１７０１;２０ａ生油松林地为０．１４２３。从参数寻优的结果来看,ｍ值在２．７６～３．０９０     

猪窝产仔数的表型和遗传参数估计

对二花脸猪、大白猪、杂交一代和回交一代四个群体共计 2 0 1 0窝产仔数的资料进行了统计遗传分析。结果表明 :各胎次组中 ,随着二花脸猪血缘的减少 ,窝产仔数 (总产仔数和活产仔数 )平均值有下降的趋势。猪总产仔数和活产仔数的遗传力分别为 0 .0 81和 0 .1 1 6,属低遗传力 ,直接选择窝产仔数几乎没有效果 ;它们之间的遗传相关为 0 .793,表型相关为 0 .895,环境相关为 0 .90 7,它们之间的协遗传力为0 .0 77。这些参数表明总产仔数和活产仔数是两个不同的性状 ,在生产实践中单独记录它们是有理由的、必要的