一种基于花授粉算法的WRF风速集合预报新模型

基于不同水平分辨率和边界层参数化方案的集合预报思路,应用花授粉算法与不限制负值的约束理论(FPA-NNCT)进行权重平均,提出一种新的风速集合预报模型(FPA-NNCT-WRF-E).利用山东省代表山地和海滨下垫面的2个风电场风速实测数据,将新模型与传统算术集合模型(M-WRF-E)以及FPA模型(FPA-WRF-E)的风速预报结果进行对比评估.结果表明:FPA-NNCT-WRF-E预报明显优于M-WRF-E和FPA-WRF-E的风速预报,与M-WRF-E相比, FPA-WRF-E将风速平均绝对误差(MAE)减小了20%以上,而新模型FPA-NNCT-WRF-E将MAE减小了38%以上.预报的准确性得到了提高.     

重点生态功能区生态系统服务价值变化及预测

[目的]对重点生态功能区(都江堰市)生态系统服务价值功能特征和变化趋势进行分析和预测,为该区域环境保护与合理城市开发目标的制定提供科学依据。[方法]以都江堰市1995,2007,2014年3期Landsat遥感影像解译的土地覆被数据为基础,使用Costanza的生态系统服务价值计算方法,谢高地2002版价值当量,经当量修正,敏感度指数检验后,评估都江堰市19a间生态系统服务价值及其变化。运用灰色GM(1,1)模型预测其变化趋势。[结果](1)研究区土地覆被类型以森林、农田为主(共80%以上)。1995—2014年研究区土地覆被变化较大,生态用地减少。(2)1995—2014年研究区生态系统服务价值下降629.46万元。森林是研究区生态服务价值最大的系统(占83%以上),其次为农田、水体、草甸、未利用地。水源涵养、废气处理是都江堰市最突出的两项生态服务(共56%以上)。(3)利用灰色GM(1,1)模型预测了研究区2021—2035年土地覆被面积,结合精度检验预测此阶段生态系统服务价值将增加136.6万元,年均增长0.17%。[结论]区域生态系统服务价值减少的主要原因是以交通为代表的建设用地增加,导致生态服务价值系数较高的生态用地减少,而增加森林、水体等有较高生态价值的土地覆被类型是维持与提高区域生态功能的有效措施。     

小麦赤霉病自动监测预警系统应用效果评价

2018年在江苏、陕西、河南、湖北、安徽共18个县(市)安装了小麦赤霉病预报器,在周边设置未防治麦田进行赤霉病调查,并与预警软件平台预测结果相比较,评价小麦赤霉自动监测预警系统的准确性。评价结果表明,2018年该系统预测的准确性达71.8%。结合陕西省植保总站、西安市植保站、渭南华州区植保站、商洛洛南县植保站、安徽凤台县植保站2016年-2018年对该系统的评价结果,证实该系统预测准确性较高,系统工作稳定,自动化程度高,可为小麦赤霉病的科学防控提供重要的参考依据,具有一定的应用前景。     

基于季节特征的土壤退墒模型建立与率定

利用河南省南阳市2011—2015年12个墒情站的土壤水分监测资料,分析研究了无增墒情况下土壤含水量消退规律,构建出基于不同季节(夏季、春秋季与冬季)的土壤含水量与衰减系数的数学模型,运用规划求解法率定模型参数,并利用2016—2017年资料对模型进行检验。结果表明,不同季节土壤水分衰竭系数模型分别为α=1.023(1-ω~2/4353)~(1/2)(夏季)、α=1.013(1-ω~2/7005)~(1/2)(春秋季)与α=1.008(1-ω~2/9303)~(1/2)(冬季),所建立的数学模型适用于南阳市相应季节壤土与粘壤土小麦、水稻与休闲地土壤旱情预测,但不适用于夏季与春秋季砂土特别是休闲地砂土土壤墒情预测。     

基于辐射和温度的ET0模型在吐鲁番地区的比较与修正

利用吐鲁番地区3个气象站2000—2015年逐日气象资料,以FAO-56 Penman-Monteith(FAO-56 PM)模型为标准,对6种ET_0模型(M-A模型、P-T模型、M-H模型、H-S模型、Traj模型和B-H模型)进行评价并修正,采用均方根误差(RMSE)、绝对平均误差(MAE)、平均相对误差(MRE)评价指标和Wilcoxon非参数检验法比较年、月尺度上各模型修正前后的估算精度,以筛选适用吐鲁番地区ET_0简化估算模型。结果表明:吐鲁番地区ET_0的主要影响因子是R_s(太阳辐射),其次是e_s(饱和水汽压)和R_n(作物表面净辐射);修正前,年尺度上,M-H模型的估算精度最高;月尺度上,各模型误差较大且与FAO-56 PM模型存在显著差异,适用性较差;修正后,各模型在年、月尺度上的精度均有明显提高,无显著差异,其中修正后的P-T、M-H和B-H模型估算精度最高,可作为吐鲁番地区ET_0简化估算模型。     

张家港市农田土壤重金属含量高光谱遥感监测模型构建

以张家港农田土壤作为研究对象,在实验室测定土壤重金属元素As、Cd、Cr、Cu、Zn、Ni、Pb、Hg的含量,并与土壤可见近红外高光谱数据建立土壤重金属含量的定量估测模型,以快速获取研究区农田的土壤重金属含量。为保证模型预测的精度和稳定性,首先,对原始高光谱数据进行平滑处理,并进行一阶导数、倒数一阶导数、倒数的对数一阶导数、平方根一阶导数和连续统去除等形式的光谱变换;然后,提取不同变换光谱的特征波段进行相关性分析;最后,通过逐步回归法建立重金属含量的定量估算模型。结果表明:张家港市农田土壤中Cd、Hg、Cu、Zn存在一定的污染风险。在高光谱的不同变换形式中,一阶导数和连续统去除与重金属含量的相关系数高于其他变换形式。基于8种土壤重金属含量与高光谱数据建立的定量估算模型具有良好的预测精度。Cd、Hg、Cr、As、Cu、Zn、Ni、Pb估算模型的实际值与验证值的拟合度分别为0.874、0.879、0.800、0.646、0.513、0.655、0.603和0.542,可用于预测张家港市的农田土壤重金属含量。     

Design standards for experimental and field studies to evaluate diagnostic accuracy of tests for infectious diseases in aquatic animals

Design and reporting quality of diagnostic accuracy studies (DAS) are important metrics for assessing utility of tests used in animal and human health. Following standards for designing DAS will assist in appropriate test selection for specific testing purposes and minimize the risk of reporting biased sensitivity and specificity estimates. To examine the benefits of recommending standards, design information from published DAS literature was assessed for 10 finfish, seven mollusc, nine crustacean and two amphibian diseases listed in the 2017 OIE Manual of Diagnostic Tests for Aquatic Animals. Of the 56 DAS identified, 41 were based on field testing, eight on experimental challenge studies and seven on both. Also, we adapted human and terrestrial‐animal standards and guidelines for DAS structure for use in aquatic animal diagnostic research. Through this process, we identified and addressed important metrics for consideration at the design phase: study purpose, targeted disease state, selection of appropriate samples and specimens, laboratory analytical methods, statistical methods and data interpretation. These recommended design standards for DAS are presented as a checklist including risk‐of‐failure points and actions to mitigate bias at each critical step. Adherence to standards when designing DAS will also facilitate future systematic review and meta‐analyses of DAS research literature.     

基于马尔科夫模型的大凌河流域土地利用/覆被变化趋势研究

本文通过对大凌河流域2010年、2013年和2016年三期遥感影像进行分类,得到流域土地利用分布现状。对分类结果进行叠加分析可以获得大凌河流域2010~2013年的地类转移概率矩阵,再运用马尔科夫原理预测出2016年流域土地利用分布情况,将其与实际情况对比分析,证明马尔科夫模型适用于大凌河流域未来土地利用/覆被变化趋势的预测。进而本文分别对大凌河流域2019年、2022年和2025年的土地利用情况进行预测,发现未来近10年流域建设用地面积持续增长,变化率为38.96%;农林用地面积从2016年开始减少,总体下降了0.77%;水域面积稳定增长,到2022年之后趋于稳定值,变化率为17.21%;旱地及其他未利用地面积继续缩减,到2019年开始趋于稳定,整体下降了1.71%。研究结果明晰了大凌河流域农林用地和建设用地之间的矛盾,可以为流域水土资源管理有关部门提供科学依据。