基于抗体筛查的美国猪群流行性腹泻病毒真流行率分布推断

养殖家畜的冠状病毒，如猪流行性腹泻病毒（porcine epidemic diarrhea virus，PEDV），其基因序列与蝙蝠体内冠状病毒基因序列高度相似，可引起猪肠道感染并导致仔猪大量死亡，对动物健康危害极大。本研究基于对美国猪群PEDV流行毒株表观流行率的数据挖掘作为先验信息，以2019年美国生猪入境中国西南陆路口岸的实验室抗体筛查为知识更新，利用贝叶斯统计推断方法，估计美国猪群PEDV发生的真流行率分布。结果显示，PEDV在美国猪群中的真流行率分布中位值（median）为0.005 22（95% CI=0.000 424~0.022 5），95%的高置信上限（upper confident limit，UCL）的流行率分布为3%。后验分布流行率高度右偏的概率密度统计特性推断美国猪群PEDV真流行率最大可能分布主要集中在2.5%百分位数（P_2.5%=0.000 2）与中位数（P_50%=0.005 22）之间，但不同生猪畜群间PEDV真流行率分布值可能会存在有小概率溢出分布大于0.03（P≤2.5%）的可能。此外，在现阶段口岸筛查的试剂选择方面，建议口岸首先使用基于N蛋白的ELISA抗体作为初筛，然后以基于S1重组蛋白ELISA抗体筛查作为复筛，来提高口岸对来自美国生猪的α-冠状病毒入境我国的风险认知、管控和鉴别能力。以先验分布和口岸实验室检测结果优化为基础的贝叶斯统计推断监测技术，可以为在现有知识和认知基础上最大程度阻断来自异域病原微生物入侵提供基于科学证据的风险决策技术支持，对口岸检验检疫、抽样监测和风险决策具有突破性的意义。     

渔业数据失真对两种非平衡剩余产量模型评估结果的影响比较

为了研究渔业数据失真对两种非平衡剩余产量模型评估结果的影响,以南大西洋长鳍金枪鱼渔业产量和单位捕捞努力量渔获量(CPUE)数据作为基础数据,加入5种不同程度[变异系数(CV)=1%、5%、10%、20%和30%]的随机误差,模拟了(1)无数据失真,(2)仅产量数据失真,(3)仅CPUE数据失真,(4)产量和CPUE数据均失真等4种情况。利用基于ASPIC的非平衡剩余产量模型(ASM)和基于贝叶斯状态空间建模方法的非平衡剩余产量模型(BSM)分别评估了最大可持续产量(MSY)、B_(MSY)、F_(MSY)、B_(2011)/B_(MSY)、F2011/F_(MSY)等5种生物学参考点和管理指标。结果显示,在无数据失真情况下,ASM和BSM评估的MSY分别为2.866×10~4 t和2.836×10~4 t,B_(2011)/B_(MSY)分别为1.366和1.324,F2011/F_(MSY)分别为0.627和0.667,均相差不大,表明该渔业目前状态良好,ASM得到了较大的B_(MSY)(31.48×10~4 t)和较小的F_(MSY)(0.091);数据失真对ASM评估的B_(MSY)和F_(MSY)分别产生了严重的过低估计和过高估计,且CPUE数据失真产生的影响要比产量数据失真大;随着随机误差的增大,BSM评估的生物学参考点和管理指标的绝对百分比偏差有增大趋势;与ASM相比,BSM能够更好地处理渔业数据中存在的随机误差,除了MSY以外,BSM评估的生物学参考点和管理指标绝对百分比偏差均要比ASM的评估结果低,尤其是B_(MSY)和F_(MSY)。因此,在使用存在较大随机误差的渔业数据进行资源评估时,BSM具有一定的优势。     

基于概率模型的冬小麦白粉病监测研究

【目的】利用多源数据对白粉病易发区进行病害发生监测研究能够提供大面积、快速、客观的病害发生信息,为农业植保部门开展科学防控提供有效的指导。研究以结合遥感与气象数据监测冬小麦白粉病并获取其精细空间信息为目的。【方法】利用中国高分辨率对地观测系统高分一号卫星(GF-1/WFV)遥感影像提取了研究区小麦种植区及归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI),通过气候灾害组站点红外雨量数据(climate hazards group infra Red precipitation with station data,CHIRPS)及美国中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)获取了研究区气象相关数据。采用基于概率模型的方法筛选并定量化表达了特征因子与小麦患病情况间的关系,生成了研究区小麦患病概率分布数据、研究区小麦白粉病监测结果、监测结果错分概率分布数据。【结果】基于概率模型的白粉病监测方法总体精度为81.25%,与目前较为流行的分类与回归树(classification and regression tree,CART)和随机森林(random forests,RFs)2种分类监测方法相比具有较高的监测精度;小麦患病概率分布数据能够详细地展现研究区小麦患病概率的空间分布及高患病概率麦区向低患病概率麦区的过渡情况;监测结果的错分概率分布数据与实际错分情况具有较好的一致性。【结论】基于概率模型的白粉病监测方法能够应用于区域尺度冬小麦白粉病发生发展状况监测研究。     

基于贝叶斯方法的FAO48.1区南极磷虾渔业资源评估

南极海域南极磷虾资源丰富,开发潜力已经得到世界范围的关注。由于南极海洋生物资源养护委员会(Commission for the Conservation of Antarctic Marine Living Resources,CCAMLR)多年来始终将联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,FAO)在南极海域内设立的48.1区的捕捞限额控制在1.55×10~5t,从而引发了众多争议,采用CCAMLR公布的2006-2015年生产统计数据,利用基于贝叶斯方法的非平衡剩余产量模型,对FAO 48.1区南极磷虾(Euphausia superba)的渔业资源进行评估,结果显示:当前48.1区南极磷虾资源的环境容纳量为(1.93~7.84)×10~7t;渔业资源综合种群的内禀增长率为0.4~0.6;2016年48.1区南极磷虾的平均生物量为3.88×10~7t;48.1区南极磷虾资源当前最大持续产量(MSY)为5.5×10~6t;当前的触发产量远低于MSY的阈值,48.1区内南极磷虾资源几乎处于原始未开发状态。建议提高48.1区南极磷虾的触发产量至5.5×10~5t。     

农户农药施用行为及其影响因素——来自鲁、晋、陕、甘四省693份经济作物种植户的经验证据

为深入分析经济作物种植户农药施用行为及其影响因素,并克服现有研究方法的缺陷,以山东、山西、陕西和甘肃四省693份经济作物种植户微观调查数据为基础,运用贝叶斯多变量和单变量Probit模型对种植户农药施用行为影响因素进行分析。结果表明:1)与多变量Probit模型相比,单变量Probit模型并未考虑种植户施药行为间的关联性,造成估计结果偏误。2)影响种植户施药行为的关键因素为受教育程度、风险规避、家庭人数、种植年限、农业收入占比、农药施用技术培训和农药残留检测。在农药施用政策的制定中,应考虑种植户不同施药行为间的关联。此外,应建立健全农村农业保险体系,拓宽种植户收入渠道,强化施药技术培训并提高施药监管力度,从而规范种植户不合理施药行为,形成对食品安全和农业环境改善的源头治理。     

基于机器学习算法的广西桉树适宜性研究

  目的  探索立地因子与桉树Eucalyptus适宜性之间的关系，开展树种适宜性研究，为桉树适宜性研究提供新思路，为科学造林提供支持。  方法  以广西桉树人工林为研究对象，选取广西国有高峰林场的1 883个森林资源小班调查数据，分别运用朴素贝叶斯、支持向量机、随机森林算法作为树种适宜性评价方法，构建桉树适宜性分类模型。输入为地貌类型、海拔、坡向、坡位、坡度、凋落物厚度、腐殖质层厚度、土层厚度、石砾含量、成土母质，土壤类型等11个立地因子信息，输出为桉树适宜性。  结果  3种算法构建的模型拟合精度依次为63.18%、69.73%、78.03%，泛化精度依次为64.33%、67.93%、78.18%。相比于朴素贝叶斯、支持向量机算法，随机森林算法分类效果更好。立地因子重要性排序由高到低依次为:海拔、土层厚度、坡向、坡度、石砾含量、凋落物厚度、坡位、腐殖质层厚度、土壤类型、地貌类型、成土母质。200~350 m海拔、80~100 cm土层厚度的地区比较适宜桉树生长。  结论  基于机器学习算法构建的桉树适宜性评价模型可以较好地对桉树的适宜性做出预测。     

基于贝叶斯网络分类算法的采摘机器人故障诊断研究

提出了贝叶斯网络分类算法和采摘机器人故障诊断节点的选取的方法,建立了采摘机器人故障诊断贝叶斯网络模型,并从采摘机器人动力故障和执行器故障两方面进行了分析研究。实验结果表明:TAN贝叶斯网络算法在诊断正确率和耗时时间两方面,都明显优于NB算法,说明该系统不仅适用于采摘机器人动力故障和执行器故障诊断,且能够较大地提高故障诊断正确率和效率。     

基于事故树与贝叶斯网络的农产品供应链风险评估

为了探究物联网模式下农产品供应链的风险影响程度,提升农产品供应链整体水平。基于物联网层次模型结合农产品供应链风险影响因素,以农产品供应链的风险因素为研究对象,以事故树模型为基础,构建基于事故树模型的风险因素树形图,并将其映射为贝叶斯网络,通过结合专家给出的风险影响因素值进行三角模糊数处理来降低人为因素的影响,最终通过正向、反向推理分析各基本事件的重要度并进行排序,有效定量评估各事件的风险性,并找出最薄弱的环节,进而提出针对性的改善措施。结果表明,将事故树模型引入农产品供应链进行研究,对比单一事故树分析,此方法可以提高评估的可信度和客观度,对物联网模式下农产品供应链的风险评估具有一定的理论和实用价值。     

基于稳定同位素和贝叶斯模型的引黄灌区地下水硝酸盐污染源解析

地下水硝酸盐（NO₃^-）污染已经成为全球严重的水环境问题之一，由于饮用水中高含量NO₃^-会转化成亚硝酸盐而增加各种疾病和癌症风险，其来源的确定对于NO₃^-污染的预防和控制非常重要。本文以黄河下游第二大灌区——潘庄灌区为例，首次采用NO₃^-的氮氧稳定同位素结合贝叶斯模型追溯地下水NO₃^-的来源并量化各种来源的贡献比例。结果表明，地下水NO₃^-含量分布在0.1~197.0 mg·L^-1，平均值为34.2 mg·L^-1。与《生活饮用水卫生标准》中规定的地下水NO₃^-最大含量[20 mg（N）·L^-1，相当于NO₃^-含量90 mg·L^-1]相比，有10%的样品NO₃^-含量超标。井深<30 m、30~60 m和>60 m的地下水NO₃^-平均含量分别为25.9 mg·L^-1、39.7 mg·L^-1和20.1 mg·L^-1。空间上，宁津县、武城县、平原县和禹城市有大片区域地下水NO₃^-含量较高。地下水NO₃^-的δ¹⁵N组成范围为0.72‰~23.93‰，平均值为11.62‰；δ¹⁸O组成范围为0.49‰~22.50‰，平均值为8.46‰。同位素结果表明粪便和污水、农业化肥是地下水中NO₃^-的主要污染来源。这反映了人类活动是引起地下水NO₃^-污染的主要原因。贝叶斯模型结果显示，粪便和污水对潘庄灌区地下水中NO₃^-平均贡献率高达56.2%，化肥的平均贡献率为19.3%，大气降水和土壤的平均贡献率分别为6.2%和12.3%。由于污水、粪便和化肥是地下水中NO₃^-的主要来源，为保护和改善研究区地下水水质，建议加强污水管道建设，强化畜禽粪便的管理以及提高化肥利用效率。