从星球化到在地性：基于克莱因四元群模型的风景园林思潮研究计划

随着人类观察世界的能力大幅提升,设计与研究的尺度得到了极大拓展,星球化(planetarization)与在地性(locality)同时成为空间设计学科重点关注的议题,近年来涌现出多个新思潮。基于克莱因四元群模型构建的风景园林思潮研究计划旨在建立一套理论框架以对不同研究实践进行更系统的讨论分析,为国内风景园林学科与行业带来新的思考,并运用新理论框架重点介绍了4个风景园林思潮,包括星球城市化背景下的风景园林理论、新地理视角中的空间叙事、关注本土议题的风景园林研究以及直觉导向的在地探索。     

基于环境变量的中国土壤有机碳空间分布特征

研究中国土壤有机碳(Soil Organic Carbon,SOC)的空间分布特征对SOC储量估算以及农业生产管理具有重要意义。以全国第二次土壤普查2473个土壤典型剖面的表层(A层)SOC含量为研究对象,探寻地形、气候和植被等环境因素对SOC空间异质性分布的影响;以普通克里格法为对照,利用地理加权回归、地理加权回归克里格、多元线性回归和回归克里格模型建立SOC空间预测模型;并分别绘制了中国SOC的空间分布预测图。结果表明:(1)SOC含量与年均降水量、年均温、归一化植被指数、高程以及地形粗糙指数呈极显著相关关系;(2)平均绝对估计误差、均方根误差、平均相对误差和皮尔逊相关系数等模型验证指标表明地理加权回归的预测精度优于其他模型,可以更好地绘制SOC在大尺度上的空间分布特征;(3)较高SOC含量主要分布在研究区东北部、西南部以及东南部,而西北部SOC含量普遍偏低。本文以期从大尺度上探讨土壤属性与环境变量之间的相关关系,为全国土壤属性的空间制图提供一定的解决方案和思路。     

河南省农业水资源脆弱性时空特征及障碍度诊断

从自然脆弱性、人为脆弱性和承载力脆弱性3个层面构建农业水资源脆弱性评价体系,运用熵值法和线性加权综合法测算了2001—2016年河南省农业水资源脆弱性,并利用障碍度模型分析了影响脆弱性的主要障碍因子。结果表明:2001—2016年河南省郑州等9市农业水资源脆弱性呈减小态势,开封等9市呈增大态势,脆弱性增速差异显著;脆弱性演变趋势可分为先升后降、先降后升、波动上升和波动下降4种类型;河南省农业水资源脆弱性空间分布集聚特征明显,脆弱度排序为豫北豫东豫南豫中豫西;河南省农业水资源脆弱性主要受到人为脆弱性和承载力脆弱性的影响,且主要障碍因子存在差异。因此,应积极加强对水资源系统人为干预,通过加大农业资金投入、优化农田水利建设水平、提高农业用水效率等,以实现河南省农业生产与水资源利用协调发展。     

利用WGCNA进行玉米花期基因共表达模块鉴定

权重基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)是系统生物学的一种研究方法,在挖掘生物学数据与特定性状之间的生物学关系方面具有十分重要的作用。本研究利用玉米(Zea mays L.)自交系B73的14份不同发育阶段的转录组数据,筛选掉低表达丰度的基因,最终得到了22,426个高表达的基因用于创建基因表达矩阵;利用不同组织作为性状,创建表型矩阵。然后利用R软件中的WGCNA包建立了共表达网络,共得到20个模块。本研究将与组织相关性高于0.65的模块定义为组织特异性模块,最终鉴定到14个组织特异性模块。利用在线网站Agrigo对组织特异性模块中的基因进行GO (gene ontology)富集分析,发现14个模块中均可以得到富集种类。开花作为玉米生育周期中的一个重要生理过程,不仅代表着植物从营养生长到生殖生长的转变,也关系到产量、株高和抗逆性等农艺性状。本研究发现8个组织特异性模块中的基因可以富集到与开花调控的代谢通路。此外,有17个已经报道过的开花时间调控基因存在于共表达模块中,并且主要分布在Blue模块和Darkmagenta模块,因此本研究重点关注了这2个模块内部的基因调控网络。本研究通过计算不同组织中的基因表达丰度,并联合权重基因共表达网络分析的方法,鉴定到了具有生物学意义的共表达基因模块,挖掘到了数个开花相关的模块,有助于揭示玉米开花调控的遗传机制。     

Precipitation forecasting by large-scale climate indices and machine learning techniques

Global warming is one of the most complicated challenges of our time causing considerable tension on our societies and on the environment. The impacts of global warming are felt unprecedentedly in a wide variety of ways from shifting weather patterns that threatens food production, to rising sea levels that deteriorates the risk of catastrophic flooding. Among all aspects related to global warming, there is a growing concern on water resource management. This field is targeted at preventing future water crisis threatening human beings. The very first stage in such management is to recognize the prospective climate parameters influencing the future water resource conditions. Numerous prediction models, methods and tools, in this case, have been developed and applied so far. In line with trend, the current study intends to compare three optimization algorithms on the platform of a multilayer perceptron (MLP) network to explore any meaningful connection between large-scale climate indices (LSCIs) and precipitation in the capital of Iran, a country which is located in an arid and semi-arid region and suffers from severe water scarcity caused by mismanagement over years and intensified by global warming. This situation has propelled a great deal of population to immigrate towards more developed cities within the country especially towards Tehran. Therefore, the current and future environmental conditions of this city especially its water supply conditions are of great importance. To tackle this complication an outlook for the future precipitation should be provided and appropriate forecasting trajectories compatible with this region's characteristics should be developed. To this end, the present study investigates three training methods namely backpropagation (BP), genetic algorithms (GAs), and particle swarm optimization (PSO) algorithms on a MLP platform. Two frameworks distinguished by their input compositions are denoted in this study: Concurrent Model Framework (CMF) and Integrated Model Framework (IMF). Through these two frameworks, 13 cases are generated: 12 cases within CMF, each of which contains all selected LSCIs in the same lead-times, and one case within IMF that is constituted from the combination of the most correlated LSCIs with Tehran precipitation in each lead-time. Following the evaluation of all model performances through related statistical tests, Taylor diagram is implemented to make comparison among the final selected models in all three optimization algorithms, the best of which is found to be MLP-PSO in IMF.     

基于空间分析的黑龙江稻瘟病重点发生区域识别

黑龙江是北方重要稻作区,稻瘟病是影响水稻产量的主要病害之一。依据稻瘟病测报调查规范,基于近5年黑龙江稻瘟病乡村监测点调查数据,利用空间分析技术的方法,分析黑龙江稻瘟病重点发生区县和核心发生区域,提取稻瘟病重点发生乡村监测点。结果表明,近5年黑龙江稻瘟病发病面积占调查面积的7.3%,发病等级以1级为主,整体发生较轻,稻瘟病重点发生区域主要分布在松花江上游地区哈尔滨市的阿城、尚志、方正、延寿、通河、依兰沿线和松花江下游三江平原地区佳木斯市的富锦、同江一带,以及嫩江流域大庆市的肇源县和齐齐哈尔市的讷河市以及呼兰河流域绥化市北林区,并提取了98个叶瘟和47个穗颈瘟重点监测点。上述结果为黑龙江稻瘟病调查监测区域和监测点的布局优化提供了重要依据,为稻瘟病测报防控工作提供重要的支撑。     

子午岭林区油松密度管理图的编制

利用先进的计算工具，编制了“子午岭油松人工林密度管理图”，经检验达到了精度要求。该较为子午岭林区人工油松林的抚育间伐，生长量预测，造林设计等经营活动提供了科学依据。     

木材横纹压缩大变形应力－应变关系的定量表征

在１００—１３００ｋｇ／ｍ３的密度变异范围选取１７种阔叶树试树，采用典型的６种木材压缩加工条件（气干·２０℃：饱水·２０℃：饱水·１００℃３种条件与约束条件相组合），进行横纹大变形压缩试验和数字化数据采集，经数据分析处理，建立了定量描述木材横纹压缩大变形全领域应力－应交关系的数学表达式。该式的适用性对本试验范围内的各树种、压缩工艺条件均为有效，计算值与实测值十分吻合。     

闽东柳杉人工林林分密度控制图的研究

利用闽东地区的柳杉人工林标准地材料研制林分密度控制图 ,经检验精度满足要求。文中还提出一个新的密度效应模型及估计最大密度线参数的方法 ,在生产上有实际应用价值     

系统收获表研究的概念和功能(英文)

传统收获表是指某一树种在特定地区和管理体系下，以立地条件和年龄为变量描述林分平均生长过程的数表．林分密度管理图是根据林分密度效果编制的可预测林分平均收获的图．通过与传统收获表和林分密度管理图的概观比较和探讨，该文系统地阐述了系统收获表的概念和功能．系统收获表的基本特点是为预测现实林分在不同立地条件和管理体系下生长过程的计算机程序．因此，系统收获表能描述在多维变量（如年龄、立地条件、林分密度、胸径和树高）条件下的现实林分和单木的无数生长过程