叶面滞尘量对大叶黄杨光谱特征影响研究

  目的  叶面滞尘会影响植被光谱特征，削弱植被指数对植被的响应能力，影响反演评估的准确性。为探究叶面滞尘量对植被光谱响应特征及预测模型的影响，本文以北京市常见常绿绿化树种大叶黄杨为研究对象展开研究。  方法  从封闭区域、半封闭区域、开放区域，采集叶片样本，并收集环境灰尘。通过室内控制试验，利用ASD FildSpec Handheld光谱仪测量不同滞尘量叶片的高光谱数据，选取5个特征波段，通过光谱角的方法研究了叶面滞尘量对叶片光谱特征的影响，以及滞尘量对叶面滞尘量预测模型的精度和稳定性影响。  结果  随着叶面滞尘量的增加，植被光谱曲线特征逐渐减弱，灰尘的特征逐渐增强，但光谱曲线的总体变化趋势基本一致。当叶面滞尘量 > 120 g/m2时，光谱曲线的基本表现为灰尘的光谱特征。当叶面滞尘量较少时，预测模型的模拟精度相对较高，随着滞尘量的增加，所有模拟预测模型的决定系数均减小；当叶面滞尘量 > 120 g/m2时，预测模型对叶面滞尘量的模拟预测能力将更差，并且均方根误差（RMSE）随着叶片单位面积滞尘量的增加而增大，模拟预测模型的稳定性及预测精度逐渐降低。光谱角对滞尘叶片350 ~ 1 770 nm波段区间的光谱变化十分敏感，利用叶片光谱角检测滞尘程度不需要分区域讨论，只需与阈值做简单的比较，方法简便易行。  结论  本研究通过室内控制试验，研究叶面滞尘量对植被光谱响应特征，可为建立滞尘植被光谱反射物理模型提供参考与借鉴。      

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

采后褪黑素处理对杏果实成熟的影响

为研究采后外源褪黑素处理对杏果实低温贮藏期间品质及生理的影响,以确定最佳的褪黑素处理浓度,并明确其对杏果实成熟的调控机理,试验以‘兰州大接杏’为材料,采用50～1 000μmol/L褪黑素溶液浸泡杏果实15 min,分析低温[(2±2)℃,相对湿度73%±2%]贮藏期间杏果实乙烯释放量、呼吸强度、硬度、色泽等品质及生理指标的变化。结果表明:不同浓度的外源褪黑素溶液处理均显著提高了杏果实的呼吸强度以及乙烯释放量,贮藏第12 d时,50μmol/L外源褪黑素处理杏果的呼吸强度较对照提高32.8%,同时,贮藏第8 d时,该处理的乙烯释放量为对照的2.2倍;其次,50μmol/L褪黑素溶液处理有效促进了杏果实的软化。此外,褪黑素处理杏果实后有利于提高果实可溶性固形物、可滴定酸含量,有效保持果实抗坏血酸含量。综合来看,50μmol/L外源褪黑素处理可通过提高采后杏果实乙烯释放量和呼吸强度,促进果实成熟,进而加速杏果实最佳食用品质的形成。     

山地电力架空线路运维质量的智能评估

山地电力架空线路大多沿山架设,穿越树竹林,周边的树竹生长缺陷引发短路故障频繁发生,造成用电客户的大量投诉,用户体验满意度下降,抢修抢险费用大幅度攀升,严重影响供电公司的信誉和售电收益.为了提升用电客户的满意度和供电公司的售电受益,采用主成分分析方法提取了山地电力架空线路通道运维质量的3个主要影响因素,它们分别是树竹生长缺陷数、缺陷的消除数和通道运维资金使用合理度.对树竹的生长规律建立一个预测模型,从而得到树竹生长缺陷数的一个预测,根据预测结果划拨架空线路所在供电所的运维资金,消除树竹生长的缺陷数,再用Logistic回归模型,构建架空线路通道运维质量智能评估模型,使供电公司对架空线路运维实现基于数据决策的模式,尽可能保证供电线路零故障运行.     

番木瓜ERF家族与果实成熟相关成员的分析

通过比较分析番木瓜ERF家族成员的系统进化关系、基本理化性质、保守基序、启动子顺式元件,结合分析番木瓜在乙烯利和乙烯抑制剂1–甲基环丙烯(1-MCP)处理下以及不同成熟期果肉的RNA-seq数据,筛选出22个ERF家族成员进行表达差异分析,最终比较得出两个处理数据中显著差异表达基因有18个,推测这些基因可能在番木瓜果实成熟过程中起重要作用。     

龙脑型阴香可蒸生物量预测模型研究

龙脑型阴香（Cinnamomum burmannii chvar. borneol）矮林经营中，企业和农户需预估可蒸 生物量，以便根据加工能力合理安排采收面积。研究以 3~5 年生龙脑型阴香矮林为对象，按照企业收 购标准，统一以 120 cm 为截顶高度、下部枝条全部保留的方法开展采收测定，在同一试验林中，分 别在 3.5 a 生林龄生长期为 1 a 时和 5.5 a 生林龄生长期为 2 a 时测定树高、胸径、冠幅、分枝数和可蒸 生物量 5 个性状。以线性和非线性的方法拟合单株可蒸生物量模型，用 R2、RMSE、AIC、BIC 等指 标评价并筛选出最佳模型，筛选结果是 2 a 生长期最优线性和非线性模型分别 DB=0.625H+0.076HDD， DB=0.091HDD+0.000 017 8HDD2 ，1 a 生长期的分别是 DB=-1.646H-2.734D+4.134C+1.252HD，DB=-1.356 H+0.907H2。4 个模型在实际应用中估算的相对误差分别是 16.680%、14.107%、2.036% 和 20.543%。企业 可依模型估算可蒸生物量，合理安排采收面积。     

日粮不同NDF/NFC水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征和甲烷排放的影响

本试验研究了日粮中不同中性洗涤纤维/非纤维性碳水化合物（NDF/NFC）水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征及甲烷产量的影响，并在此基础上建立了甲烷排放预测模型，旨在获得我国生产模型下的甲烷排放规律和甲烷转化因子，为提高奶牛能量利用效率、建立国家或区域性温室气体排放清单和探索减排策略提供科学依据和支撑。将45头体况良好，平均为15月龄的荷斯坦后备奶牛随机分为3组，每组15头牛：低日粮NDF/NFC组（NDF/NFC=0.60）、中日粮NDF/NFC组（NDF/NFC=0.75）和高日粮NDF/NFC组（NDF/NFC=0.90），试验期为70 d，包括14 d的预饲期和56 d的正试期。结果表明：1）提高日粮NDF/NFC水平显著降低了奶牛的干物质采食量、有机物采食量、平均日增重、干物质和粗蛋白的表观消化率（P<0.05）；2）提高日粮NDF/NFC水平显著增加了瘤胃内总挥发性脂肪酸产量、乙酸的相对含量和乙酸/丙酸比例（P<0.05），显著降低了丙酸的相对含量（P<0.05）；3）随着日粮NDF/NFC水平的提高，瘤胃甲烷和甲烷能产量、甲烷/代谢体重、甲烷/干物质采食量、甲烷/有机物采食量、甲烷/中性洗涤纤维采食量显著提高（P<0.05）。甲烷转化因子也随着日粮NDF/NFC水平的增加而显著提高（P<0.05）；4）基于体重、采食量、营养物质含量和NDF/NFC分别建立了甲烷预测模型，其中基于干物质采食量和中性洗涤纤维采食量建立的预测模型的决定系数最高（R²=0.77）。因此，提高日粮中NDF/NFC水平可显著降低周岁后荷斯坦奶牛的生产性能、营养物质消化率和瘤胃内丙酸的相对含量，可显著提高瘤胃甲烷产量和甲烷转化因子。     

基于启发式Johnson算法优化BP神经网络的水产养殖产量预测模型

针对水产养殖产量预测难的现状,提出一种基于启发式Johnson算法优化的反向传播神经网络(BPNN)的产量预测模型。该模型在传统BP神经网络的基础上,针对网络训练时间长、易陷入局部最优的问题,通过启发式Johnson算法降低输入神经元维度,再结合试凑法确定神经网络隐层个数,构建启发式Johnson反向传播神经网络(HJA-BPNN)学习预测模型。实验结果表明,该模型在山东省对虾海水养殖产量预测中,预测的均方根误差小于传统BP神经网络和GM(1,1),且学习效率相比传统BP神经网络有所提升。研究表明,该学习预测模型在大量历史数据的模型构造上有更大的优势,能够缩短建模时间,同时获得良好的预测效果,为水产养殖产量预测提供了一种可行的新方法。     

巴氏杀菌乳中金黄色葡萄球菌的生长预测模型构建

巴氏杀菌乳中金黄色葡萄球菌污染可能会产生肠毒素,对人体健康造成危害。分别监测在4、10、16、20、24、28 ℃储藏条件下金黄色葡萄球菌在巴氏杀菌乳中的生长数据,采用Modified Gompertz模型、Logistic模型、Huang模型和Baranyi模型构建金黄色葡萄球菌动力学一级模型,采用平方根模型和Arrhenius模型建立二级模型以描述温度与相对最大生长速率(μ_max)的关系。结果显示,各温度下Modified Gompertz模型的拟合度更优,决定系数(R²)>0.98,均方根误差(RMSE)<4.6,为最合适的一级模型。二级模型中,Arrhenius模型的拟合度更优(R²=0.99,RMSE=0.60)。相较于平方根模型,外部验证显示Arrhenius模型的精确度因子(A_f)和偏差因子(B_f)分别为1.39和0.87,较接近于1,说明预测效果更好。研究结果可为巴氏杀菌乳中金黄色葡萄球菌的风险评估提供数据基础,为乳品货架安全期预测提供科学依据。