TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

滇中县域人口城镇化空间结构及影响因素研究

以滇中地区41个县域为研究单元,利用GIS和空间自相关分析研究人口城镇化的空间结构,以因子分析法探索人口城镇化的主要影响因素,进而采用OLS和GWR探究人口城镇化影响因素特征。研究结果表明:1)滇中县域人口城镇化水平整体偏低且空间差异大,人口城镇化水平随距离衰变明显。2)全局自相关分析表明滇中县域人口城镇化存在显著全局空间自相关关系,局部自相关分析表明人口城镇化水平局部相关性不明显,各县域人口城镇化进程呈孤立态势。3)因子分析法确定滇中县域人口城镇化主要影响因素为经济发展、农业生产和产业结构。OLS模型发现三种因素对人口城镇化均具有正向拉动力,经济发展作用力最大,产业结构其次,农业生产的作用力最小。4)GWR模型研究发现经济发展影响强度从北到南增强,农业生产影响强度从西到东增大,产业结构影响强度从西南向东北方向增大。滇中县域需要提升人口城镇化进程,加快农业结构调整和升级,优化产业结构,以此促进人口城镇化水平的提升。     

传感器阵列对浓香型白酒发酵中黄水的检测研究

黄水是白酒在固态发酵过程的副产物,含有大量发酵产物,黄水的成分一定程度反映了固态发酵的信息。基于白酒固态发酵只能在线检测温度这一现状,设计了针对白酒副产物黄水的一种传感器阵列检测装置,用于检测黄水的总酸和残余葡萄糖。该传感器阵列由电导率传感器、pH传感器和氧化还原传感器构成。采用主成份分析、判别函数分析印证了传感器数据对不同样品的区分作用,再采用多元线性回归对黄水样品建立了预测模型,结果显示:该传感器阵列装置对黄水的总酸和残余葡萄糖的预测偏差分别为0.39和0.45。     

Influence of Climate and Socio-Economic Factors on the Spatio-Temporal Variability of Soil Organic Matter: A Case Study of Central Heilongjiang Province,China

For the scientific management of farmland, it is significant to understand the spatio-temporal variability of soil organic matter and to study the influences of related factors. Using geostatistical theory, GIS spatial analysis, trend analysis and a Geographically Weighted Regression (GWR) model, this study analyzed the response of soil organic matter to climate and socio-economic factors in central Heilongjiang Province during the past 25 years. Second soil survey data of China for 1979–1985, 2005 field sampling data, climate observations and socio-economic data for 1980–2005 were analyzed. First, soil organic matter in 2005 was spatially interpolated using the Co-Kriging method along with auxiliary data sets of soil type and pH. The spatio-temporal variability was then studied by comparison with the 1980s second soil census data. Next, the temporal trends in climate and socio-economic factors over the past 25 years were investigated. Finally, we examined the variation of the response of soil organic matter to climate and socio-economic factors using the GWR model spatially and temporally. The model showed that 53.82% area of the organic matter content remained constant and 29.39% has decreased during the past 25 years. The impact of precipitation on organic matter content is mainly negative, with increasing absolute values of the regression coefficient. The absolute value of regression coefficient of annual average temperature has decreased, and more areas are now under its negative effects. In addition, the areas of positive regression coefficient of annual sunshine hours have northward shifted, with the increasing absolute value of positive coefficient and decreasing absolute value of negative coefficient. The areas of positive regression coefficient of mechanized farming as a socio-economic factor have westward shifted, with the increasing absolute value of negative coefficient and decreasing absolute value of positive coefficient. The area of regions with the positive regression coefficient of irrigation has expanded. The regions with positive regression coefficient of fertilizer use have shrinked. The positive regression coefficient of mulch film consumption has significantly increased. The regression coefficient of pesticide consumption was mainly positive in the west of the study area, while it was negative to the east. Generally, GWR model is capable to investigate the influence of both climatic and socio-economic factors, avoided the insufficiency of other research based on the single perspective of climatic or socio-economic factors. Therefore, we can conclude that GWR model could provide methodological support for global change research and serve as basic reference for cultivated land quality improvement and agricultural decision making.     

基于GWR模型降尺度模拟蒙古高原地区TRMM降水数据

以多年月平均NDVI值高于0.1为阈值,对蒙古高原进行“植被区”与“非植被区”的子区域划分。在分析“植被区”植被对降水响应时滞性和“非植被区”陆地表面温度不同数据值与降水量相关性的基础上,子区域分别构建了TRMM3B43降水数据与海拔、坡度、坡向数据、归一化植被指数（NDVI）/陆地表面温度（LST）数据的地理加权回归（GWR）模型,得到区内2006-2015年每年5-10月1km空间分辨率的月降水量降尺度模拟数据,并利用区内141个气象站点数据对降尺度模拟数据进行精度验证。结果表明：（1）蒙古高原“植被区”植被对降水响应存在时滞性,约为一个月;“非植被区”多数月份白天与夜晚陆地表面温度差（LST＿D＿N）与降水量的相关性最显著。（2）降尺度模拟数据与气象站点数据具有较好的一致性,月尺度相关系数为0.83,各站点相关系数介于0.42～0.98。（3）在生长季、月平均尺度上,降尺度模拟数据具有较高精度,其中9月和10月数据精度优于TRMM 3B43数据。降尺度模拟数据整体精度较高,加之对原始数据在50°N以上未覆盖地区的填补以及空间分辨率的提高,可为区内水循环变化、农牧业生产、干旱监测等...     

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的] 对不同时间尺度的热带测雨卫星（TRMM）数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法] 主要借助增强型植被指数（EVI）和归一化植被指数（NDVI）分别运用地理加权回归（GWR）模型实现2001—2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析（GDA）和地理比率分析（GRA）对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果] ① TRMM数据和气象站数据的决定系数（R²）在年（0.630）、季（0.710～0.865）和月（0.637～0.875）尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM_EVI数据精度优于TRMM_NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM_EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论] 在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。     

枯草芽胞杆菌BS501a复合诱变菌株及抗菌谱研究

［目的］ 通过复合诱变进一步提高枯草芽胞杆菌BS501a的生防效果。［方法］ 以BS501a为出发菌株,采用N+离子注入和60Coγ射线照射进行复合诱变。［结果］ 获得了5株拮抗活性提高的突变菌株。传代稳定性试验表明BSC45菌株经5次传代后拮抗稳定性仍保持在88.3%。该突变株各代与稻瘟病菌对峙培养拮抗带宽平均为7.5 mm,比出发菌株BS501a与稻瘟病菌对峙培养拮抗带宽6.05 mm提高了24%。采用对峙培养试验研究BSC45抗菌谱,发现BSC45仍保留了广谱拮抗活性。［结论］ 枯草芽胞杆菌突变株BSC45对多种真菌有抗菌作用,是一株很有潜力的生防菌株。     

鸭Ⅰ型肝炎病毒VP1基因片段的克隆与表达载体的构建

为研究鸭肝炎病毒VP1基因在大肠杆菌中的表达情况,根据鸭肝炎病毒核苷酸序列设计1对外引物和1对含有EcoRⅠ和SalⅠ酶切位点的内引物。以内外引物进行PCR扩增,将所得PCR产物回收,以相同的限制性内切酶酶切目的基因和表达载体pET-32a后构建重组表达载体,并转入宿主菌BL21和Rosseta,经酶切、PCR和测序鉴定,证明VP1基因正确插入了表达载体。用不同浓度的IPTG诱导VP1基因的表达,收集菌液进行SDS-PAGE电泳,结果表明,VP1基因片段在大肠杆菌Rosseta和BL21中均难以表达。     

澜沧江流域卫星产品降尺度与融合方法

卫星降水产品具有覆盖范围广、更适用于无资料区域的优势,但分辨率较低、精度不足,为获取高时空分辨率、高精度的降水数据,需对卫星产品进行降尺度,并与地面观测数据融合,以提高数据质量。以澜沧江流域为例,在综合考虑地形、地理和植被等要素的基础上,建立地理加权回归（geographic weighted regression,GWR）模型对热带降雨测量卫星（tropical rainfall measurement mission,TRMM）和基于人工神经网络的遥感降水估计-气候数据记录（precipitation estimation from remotely sensed information using artificial neural networks-climate data record,PERSIANN-CDR）产品进行空间降尺度,再采用集合卡尔曼滤波算法,将地面气象站点经反距离加权插值法（inverse distance weighted,IDW）插值后的数据作为融合算法观测值,对降尺度后的TRMM、PERSIANN-CDR数据进行融合,以进一步提高降水数据精度。结果表明：...     

思茅松天然林单木生物量地理加权回归模型构建

通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据,并测定其中30株的根系生物量数据。基于普通最小二乘模型选型,采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量,以及根系生物量和整株生物量模型。结果表明:(1)地理加权回归模型(GWR)的决定系数(R2)大于普通最小二乘(OLS)模型,且GWR模型拟合的R2值除树叶生物量模型外,其余生物量维量模型均大于0.950;Akaike信息指数(AIC)值小于普通最小二乘(OLS)模型,平均相对误差(EE)和平均相对误差绝对值(RMA)的绝对值除树枝生物量外均小于OLS模型,说明GWR模型拟合效果优于OLS模型;(2)地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。