砂糖桔螺旋环割+闭口环剥保果试验

根据砂糖桔花果期生长发育规律与树体各器官调集营养原则,通过螺旋环割适当减少春梢生长量,再利用环剥抑制早中夏梢抽生克服落花落果,试验结果表明这是一项保花得果的有效措施。     

利用线性混合随机效应模型评价临床疗效

讨论了线性混合随机效应模型在糖尿病临床试验重复观测数据中的应用,在病人初始入组时,采用不同治疗方案得到重复观测的血糖数据,根据数据的图示以及它们具有相关性的特点,采用线性混合随机效应模型拟合数据,通过参数和标准误差的估计构造检验统计量。对临床疗效进行评价,并给出一种能较客观地评价临床疗效的方法。     

螺旋环剥、环割处理对龙眼幼树的控梢促花效应研究

对龙眼树主干进行螺旋环剥、环割,研究两种不同处理在龙眼控梢和促花上的效应,结果表明,在重庆地区,适度螺旋环剥是大乌圆结果幼树控冬梢、促花较理想的技术措施;石硖、蜀冠幼树采用环割控梢促花效应最好;对于晚秋梢抽发较多的植株,大乌圆于11月中旬短剪后进行螺旋环剥处理,石硖和蜀冠短剪后环割处理,是争取翌年增加产量较好的一项补救措施.     

关于正交试验设计的重复试验问题

利用计算机进行大量随机模拟试验,揭示了在正交试验设计时因素水平差异显著与否,主要取决于试验效应的平方和与随机标准差,并推导出随机误差临界值近似计算公式:σ≈θ·r·m·∑α2k(a-1)·[Fα((a-1),fe)-1]。其正确性经随机模拟得以验证。建议做正交试验时尽可能设置2次重复试验。图3表3参10     

基于线性混合效应模型的杉木树高-胸径模型

【目的】利用线性混合效应模型分析杉木树高与胸径的关系,为杉木树高测量提供支持。【方法】收集688组有效杉木研究数据,利用最小二乘法构建树高(H)和胸径(DBH)的线性基础模型,同时考虑林分密度效应和海拔效应,在R 3.2.2软件中拟合混合模型,比较基础模型和2种混合模型的赤池信息规则(AIC)、贝叶斯信息规则(BIC)和-2倍对数似然值(-2log lik),在此基础上,引入误差效应方差协方差矩阵及指数函数、幂函数和恒等式函数,筛选较好的混合模型;基于独立验证数据对模型进行验证,选取R~2、|E|、RMSE3个评价指标对模型精度进行评价。【结果】固定模型的AIC=2 089.731,BIC=2 102.151,-2log lik=2 083.732,均大于混合模型,即混合效应模型拟合效果优于固定模型;考虑模型误差效应方差协方差矩阵,加入恒等式异方差函数能够显著提高模型的精度,且含有不同随机参数的混合模型精度不同,引入海拔随机效应的混合模型拟合精度(R~2=0.804 4,|E|=1.553 9,RMSE=2.143 0)高于含有林分密度效应的混合模型(R~2=0.797 0,|E|=1.576 6,RMSE=2.183 0)。【结论】考虑随机效应的混合模型既能反映杉木树高的总体变化趋势,还能体现不同组分间的差异,在估测精度和通用性上均优于固定模型。     

螺旋环割对溪蜜柚保果及产量的效应

在琯溪蜜柚上采用累旋环割技术进行保果试验,结果表明,此项技术能显著提高幼旺树的着果率和产量,改善果实内在与外观品质.     

环割技术在龙眼控梢促花上的应用

环割控制冬梢、促进成花在生产上很少利用。但是 ,龙眼环割控制冬梢、促进成花在大乌圆品种上效果良好 ,并有促花作用 ,其冬梢抽生率为 4 75 % ,成花率为 84 96 %。     

芙蓉李幼旺树环剥、环割试验

李幼树易旺长，而多数李园管理较粗放，若冬季修剪不当，则进入结果期晚，果个小，经济效益不高。通过环剥、环割等方法能有效抑制李树旺长，增加果个和产量，为此笔者在2001～2002年进行了夏季幼旺树环剥、环割试验。     

应用混合效应法建立的杂种落叶松人工林单木冠幅预测模型

应用2015年调查的黑龙江省江山娇实验林场48块杂种落叶松人工林样地的4129株样木数据,分析了冠幅(C_W)与胸径(D_BH)的相关关系,选出较好的冠幅—胸径线性关系模型作为基础模型;经过再参数化分析,选入对冠幅影响较大的单木因子和林分因子构建冠幅的通用线性模型;再采用混合效应模型的方法建立精确的冠幅预测模型。结果表明:冠幅与胸径呈较好的线性相关,冠长率(C_R)、高径比(H_DR)和林分断面积(B_AS)对冠幅的影响最大,最终构建了样地水平的线性混合效应模型为杂种落叶松人工林单木冠幅预测模型。模型的修正决定系数R_a²为0.6567,比基础模型(R_a²为0.5701)增加了15.19%;均方根误差(R_MSE)和赤池信息准则与基础模型相比,均减少了10%以上;模型采用留一交叉验证法进行检验,其平均绝对偏差(M_AE)为0.3491 m、平均相对偏差绝对值(M_APE)为18.36%,拟合效率(E_F)为0.6164。考虑该模型的实用性,基于留一法,利用随机抽样,对比分析了不同样本量(2,3,4,…,30株树)对随机效应校正下的模型预测效果,结果表明每个样地随机调查5株树的冠幅,即可达到较好的预测效果。