Assessing the utility of topographic variables in predicting structural complexity of tree stands in a reforested urban landscape

The transformation of natural landscapes into impervious built-up surfaces through urbanization is known to significantly interfere with the ecological integrity of urban landscapes and accelerate climate change and associated impacts. Although urban reforestation is widely recognised as an ideal mitigation practice against these impacts, it often has to compete with other lucrative land uses within an urban area. The often limited urban space provided for reforestation therefore necessitates the optimization of the ecological benefits, which demands spatially explicit information. The recent proliferation of tree stands structural complexity (SSC) and topographic data offer great potential for determining the ecological performance of reforested areas across an urban landscape. This study explores the potential of using topographic datasets to predict SSC in a reforested urban landscape and ranks the value of these topographic variables in determining SSC. Tree structural data from a reforested urban area was collected and fed into a tree stand structural complexity index, which was used to indicate ecological performance. Topographic variables (Topographic Wetness Index, slope, Area Solar Radiation and elevation)- were derived from a Digital Elevation Model (DEM) and used to predict SSC using the Partial Least Squares (PLS) regression technique. Results show that SSC varied significantly between the topographic variables. Results also show that the topographic variables could be used to reliably predict SSC. As expected, the Topographic Wetness Index and slope were the most important topographic determinants of SSC while elevation was the least valuable. These results provide valuable spatially explicit information about the ecological performance of the reforested areas within an urban landscape. Specifically, the study demonstrates the value of topographic data as aids to urban reforestation planning.     

2003-2017年陕西省NDVI时空变化及其影响因素

[目的] 研究影响陕西省植被覆盖主导气候类和非气候类因子，为区域生态文明建设提供科学依据。[方法] 基于2003—2017年MODIS NDVI数据，利用趋势分析和地理探测器模型等方法，研究了气候类和非气候因素对陕西省植被覆盖的影响。[结果] ①2003—2017年陕西省NDVI空间分布总体上为改善趋势，但在不同植被类型区和生态区有所差异。②降水是影响陕西省植被覆盖空间分布的主导气候类因素，其他因素对当地植被覆盖影响程度有所差异。③降水与气温、日照、风速、相对湿度的交互作用对陕西省植被覆盖空间分布起主导作用。且气温的作用只有在和降水的交互作用下才能体现出来。④植被类型和地貌是陕西省植被覆盖空间分布的主导非气候类因素，其他因素的影响有所差异。⑤植被类型、地貌和土壤类型之间的交互作用对陕西省植被覆盖空间分布起主导作用。人口、GDP的影响也只有在与其他因素的交互作用下才能显现出来。[结论] 气候类因素的影响大于非气候类因素，气候类和非气候类因素的共同作用能够充分的解释植被覆盖空间分布。     

考虑植株氮垂直分布的夏玉米营养诊断敏感位点筛选

探明夏玉米氮素营养生化指标(叶绿素a、叶绿素b、类胡萝卜素、叶片氮含量和叶片氮积累量)与叶片SPAD值垂直分布特征及两者间定量回归关系,确立基于叶绿素仪的夏玉米氮营养无损诊断敏感叶位和叶片部位,以实现氮营养时空变化的快捷和精准监测。利用2018-2019年连续2季不同氮营养水平下夏玉米关键生育期主茎各叶位(顶1叶~顶12叶,TL1~TL12)和叶片部位(每张叶片从叶片基部开始根据叶片长度每20%分为1个测试区间) SPAD值及氮营养指标数据,研究基于偏最小二乘(partial least square, PLS)回归模型的夏玉米不同位点SPAD值与氮营养指标间关系,确定可稳定指示夏玉米氮营养空间异质性变化的敏感叶位及叶片部位。结果表明,不同叶位间夏玉米叶片SPAD值和氮营养指标于植株间分布均呈典型的"钟型"特征,至TL5或TL6时达至峰值。同一叶位不同部位间SPAD值由20%至100%位点时则逐步升高,且80%~100%位点间无显著差异(P>0.05)。PLS分析结果显示,夏玉米不同叶位SPAD值与氮营养指标间模型精度决定系数(coefficient of determination, R2)和相对分析误差(relative percent deviation,RPD)范围分别为0.693~0.821和1.425~2.744。不同测试位点R2和RPD值范围则分别为0.660~0.847和1.607~2.451,满足模型精确诊断需求。此后,基于PLS模型中各叶位和叶片部位无量纲评价指标变量重要性投影值(variable importance for projection,VIP),确定顶4叶(TL4)完展叶60%~80%区间为夏玉米氮营养诊断的敏感区域,VIP值均高于临界值1.40,预测效果较为理想。研究可为实现氮营养的高效、快捷诊断和精准施氮提供参考。     

不同地区、不同部位羊驼毛品质性状的研究

本研究旨在了解不同地区、不同部位羊驼毛品质的差异，为羊驼选育及羊驼毛生产提供参考数据。采集新疆野生动物园、新疆阿勒泰、新疆阿克苏、山西、天津地区羊驼颌、颈、肩、侧、股、背、腹部位共636份毛样，进行平均纤维直径、毛丛长度、净毛率、单纤维强力、有髓毛含量、无髓毛含量等性状的测定，分析不同地区及不同部位毛品质性状的差异，并进行最小二乘分析。结果表明，不同地区羊驼毛平均纤维直径、白度、亮度、原毛油脂含量、净毛率、毛丛自然长度、单纤维强力、断裂伸长百分比、有髓毛含量、无髓毛含量均存在极显著差异（P<0.01）；不同取样部位羊驼毛纤维直径、原毛油脂含量、毛丛自然长度、单纤维强力、含杂率存在极显著差异（P<0.01），无髓毛含量和有髓毛含量存在显著差异（P<0.05）。以羊驼毛细度越细毛品质越优为准，结合单纤维强力、毛丛自然长度等性状，羊驼不同部位的毛纤维质量从高到低依次为：背、侧、股、肩、颈、颌及腹部。在育种中可将提高无髓毛含量作为新疆羊驼毛细度的选育目标，将提高净毛率和单纤维强力作为山西、天津羊驼毛育种方向，同时可考虑提高羊驼颈、颌、腹部的无髓毛含量，以提高羊驼整体毛品质水平。     

基于PLSR-BP复合模型的红壤有机质含量反演研究

对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型。结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R~2=0.89,RMSE=4.68g·kg~(-1),验证集R~2=0.87,RMSE=5.55g·kg~(-1),RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径。     

基于BP神经网络的柴油发动机特性建模

建立连续的发动机燃油特性和调速特性数学模型作为液压机械无级变速器虚拟试验平台的动力源。根据虚拟平台对不同特性区域的精度需求对柴油发动机不同特性区域的试验数据进行不同的密度选取、乱序和归一化处理,采用单隐层BP神经网络对试验数据进行训练,对比不同隐层节点数网络的训练误差和测试误差,选取误差最小的网络,求解出网络的数学表达式。通过该方法以ISLe310柴油发动机为例建立燃油特性和调速特性的连续数学模型,这两个简单的数学表达式准确反映了发动机万有特性和外特性,连续模型避免了虚拟试验中出现信号的突变和奇异点。通过和经典的最小二乘法拟合得到的最优特性模型进行对比,其具有更小的误差、更强的泛化能力,能够更好地反映柴油发动机的相关特性。     

从能量原理推导J积分的表达式

本文用最小位能原理和最小余能原理，推导出了弹塑性断裂力学中的Ｊ积分表达式．并由此而得到非线性弹性材料和弹塑性材料的平面裂纹尖端发生断裂前，位能与众能同时达到最小值．这一推导，为能量原理在断裂力学中的应用提出了一个新的见解．     

硬岩抗剪强度参数的最优化确定法

为了减小岩工程分析计算的工作量和节约研究经费,须利用有限的室内实验样本的测定值,通过对有限实验样本数据的回归分析整理,确定岩石抗剪强度参数c、φ,进而估计岩体的抗剪强度c、φ.由于试验方法、试验条件等有一定局限性,因而,岩石力学参数的试验结果具有一定的不确定性.其不确定性包含随机性和模糊性.而用传统的数理统计方法处理岩石样本值,显然是不合适的,只有通过寻求最优的数学回归分析方法,来处理相关试验结果.笔者通过对硬岩变角度剪切实验和常规三轴压缩实验的数据回归分析,得到利用最小二乘法的抛物线回归分析结果和随机-模糊回归分析结果比较符合.因而,为了优化计算结果而又避免繁琐的计算,通常可以采用最小二乘法的抛物线回归分析计算代替随机-模糊回归分析相关结果.     

Height–diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach

Height–diameter relationships based on stand characteristics (trees/ha, basal area, and dominant stand height) were investigated for balsam fir, balsam poplar, black spruce, jack pine, red pine, trembling aspen, white birch, and white spruce using data from permanent growth study plots in northern Ontario, Canada. Approximately half the data were used to estimate model parameters with the rest used for model evaluation. Multiple Chapman–Richards functions with parameters expressed in terms of various stand characteristics were fit to determine the best models for predicting height.