基于多元化、过程性和发展性的本科课程评估体系构建的探索

根据我国本科课程评估体系的现状,结合多年来从事本科课程教学的经历,分析了我国本科课程评估体系存在的问题,探讨了基于发展性、过程性及多元化的课程评估体系的构建原则、方法及流程,旨在促进我国高等教育深化改革,推动我国高等教育内涵式发展。     

安徽省寿州园艺研究所——隆重推出国内国外高档绿化苗、果树苗、花卉、草坪、各种种籽本所生产面积800余亩供你挑选（栽培区域分类精细）

A、日本红叶石楠(日本火焰石楠周年四季艳红)、美国红叶石楠(红罗宾)、美国红枫、日本大板红枫、加拿大改良红枫、北美红花槭、挪威槭、挪威皇家红枫(三季红)、苏格兰金莲花树、曼地亚红豆杉、日本多花矮紫薇、中国红豆杉等。B、各各规格干径1～2厘米和5～15厘米大型工程苗：金桂、丹桂、天香台阁桂、日本冷杉、日本柳杉、墨西哥落羽杉、澳洲金合欢、罗汉松、     

我国南方毛竹林生态系统碳储量的估算

竹林在我国南方分布广、生长快、再生能力强,具有很高的固碳潜力。但是对于区域尺度竹林生态系统碳储量的估算方面仍然存在精度差、缺乏机理模型的不足。本研究针对福建、湖南、江西和浙江4省的毛竹林生态系统,通过野外调查,基于植被生长与温度、水分等因子的相关性原理分析毛竹林生态系统单位面积碳储量与纬度和海拔的关系,构建二元线性回归模型;采用数字高程模型(digital elevation model,简称DEM)和省级毛竹统计面积数据,基于纬度和高程梯度划分统计单元,估算我国南方4省毛竹林生态系统的碳储量。结果表明,36个采样点毛竹林生态系统单位面积碳储量为C 78.7~252.6 t/hm2,其中土壤层(0~60 cm)的碳储量是主体,占66.9%~87.0%;由模型估算,2009年我国南方区域毛竹林生态系统碳储量的总和为C 409.0 Tg,福建、湖南、江西和浙江的碳储量分别为C 109.1、102.1、88.6和109.2 Tg;这4省毛竹林生态系统平均单位面积碳储量分别为C 122.0、122.3、109.5和136.5 t/hm2。     

武夷山不同海拔梯度毛竹林土壤有机碳特征及影响因素

以武夷山自然保护区的毛竹林土壤(海拔范围为250～1 500 m)为研究对象,选取5个海拔梯度的15块样地,分析了毛竹林土壤有机碳沿海拔梯度的分布特征,探讨了土壤有机碳含量与地形因子、土壤性质的相关关系,并构建了土壤有机碳的回归模型。结果表明:①武夷山毛竹林土壤有机碳含量变化范围为13.29～70.68 g/kg,且海拔500m土壤有机碳的分布具有明显的表聚现象;②同一海拔高度内,毛竹林土壤有机碳含量呈现随土层深度的增加而逐渐降低的趋势,且其降幅也随之变小;③同一土层深度的土壤有机碳含量大体呈现随海拔的升高而增加的趋势,而其增幅则随之变小;④不同土层土壤有机碳含量与海拔均呈显著或极显著正相关、与容重均呈极显著负相关,而仅表层(0～10 cm)土壤有机碳含量与坡度呈显著负相关;⑤土壤有机碳多元线性回归模型的拟合优度高于一元线性回归模型,不同因子组合对不同土层有机碳含量变异的解释量介于59%～83%。     

我国中亚热带毛竹林土壤微生物群落的空间分布特征及其影响因素

针对我国中亚热带毛竹林主要分布区,在福建、浙江、湖南、江西沿经度和纬度设置2个采样带,从5个县(市)采集了15个表层(0~20 cm)土样和15个土壤剖面(0~60 cm),利用磷脂脂肪酸(phospholipid fatty acids,PLFAs)和聚合酶链式反应-变性梯度凝胶电泳(polymerase chain reaction-denaturing gradient gel electrophoresis,PCR-DGGE)方法研究毛竹林土壤微生物群落空间分布特征与剖面分布特征。结果表明:毛竹林表层土壤微生物生物量和细菌α多样性指数的地带性变化趋势不显著,但不同地点的土壤微生物群落结构存在显著差异;气候因子和土壤理化性质共同影响了土壤微生物的群落结构,但气候因子的影响随土壤剖面深度增加而减弱。毛竹林土壤细菌β多样性与距离之间存在显著的衰减关系,表层(0~20 cm)土壤细菌群落结构相似度(β多样性)随空间距离的衰减速率低于亚表层(20~40 cm)土壤,这可能与毛竹林根系的影响有关。总体上,环境选择和扩散限制共同影响了毛竹林土壤微生物的空间分布状况。     

基于无人机可见光影像与OBIA-RF算法的城市不透水面提取

不透水面是一种重要的城市地物类型,及时准确地获取城市不透水面信息对城市的合理规划、生态环境保护及可持续发展具有重要意义.低空无人机(Unmanned Aerial Vehicle,UAV)作为新型的遥感平台,具有操作灵活、时空分辨率高、受云雾影响小等优点,为中小尺度城市不透水面遥感监测提供了新的技术手段.以无人机可见光...     

基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割，以光谱特征（spectrum features，SPEC）为基础，分别引入指数特征（index features，INDE）、纹理特征（grey-level co-occurrence matrix features，GLCM）和几何特征（geometric features，GEOM）构建8个分类方案（S1～S8），使用随机森林算法进行分类并分析分类效果。结果表明，方案S5（SPEC+GLCM+INDE）的分类效果最好，总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度，而纹理和指数特征则与其相反；仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜，为提高精度后续研究有必要引入植株高度等特征；在4大类特征中，重要性排在首位的是光谱特征，其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度，并能确认影响精度的重要特征，可为其他作物的精准识别提供借鉴。     

不同菌草品种叶片叶绿素含量的光谱特征参数模型研究

【目的】建立各种品种菌草叶片叶绿素光谱模型为快速无损地评估菌草健康状态提供理论依据。【方法】利用多光谱相机拍摄光谱信息，使用RGB和HSV两种颜色空间系统进行NDSI、RSI植被指数指标的建立，并采用4种回归算法进行叶绿素相对含量即SPAD值和光谱信息建模，选出合适菌草的模型。【结果】不同品种的菌草SPAD值差异不显著，主要是健康和干枯叶片的差异。叶片SPAD值和光谱反射值具有良好的相关性，RGB颜色系统红波段是最相关的波段，相关性达到-0.79。试验证明红波段的变化在健康叶片和干枯叶片之间更敏感。2种颜色系统综合评价，建模精度及稳定由高到低依次为：包含5个通道的RGB颜色系统，HSV颜色系统，仅包含R、G、B 3个通道的颜色系统。4种反演方法中，反演效果最好依次为随机森林机器学习方法、支持向量机机器学习和逐步线性回归方法、一元线性统计方法。预测SPAD值拟合效果最好的是RGB-NDSI-RF类型，其拟合数R²为0.95、RMSE为3.04、MRE为0.19，验证R²为0.75、RMSE为8.26、MRE为0.76。【结论】机器学习方法尤其是...