最小二乘分析在畜牧试验中的应用

最小二乘分析法是本世纪40年代初，数理统计学家创立的，70年代以来，该法在国外广泛应用于家畜育种、饲养等科研中，国内应用较少。最少二乘分析的优点是；在进行方差分析时，不仅能检验各因素水平效应差异是否显著，而且当差异显著时，可估计其均数及各因素水平的效应值（后者用常规方差分析方法是无法解决的），并可求出各因素水平组合的最小二乘均数，对原始资料进行校正。此外，该方法还适用于在试验设计或试验中，因试验动物死亡缺失或初生时的性别等造成资料的次级样本含量不等，以及便于编制电算程序。     

多重共线性问题的偏最小二乘估计

多重共线性问题是多元线性回归分析中经常遇到的问题,怎么解决这一问题,没有绝对有效的方法,需要针对具体问题具体对待。针对使用时间序列数据建立回归模型的问题,遵循科学性原则,对数据进行可比性转化,之后检验各变量的平稳性及变量间的协整关系。由于建立的协整回归存在多重共线性问题,而采用偏最小二乘法估计模型的参数,得到了较合理的结果。     

最小二乘分析的一种求解方法

本文给出了最小二乘分析的一种新解法,该法简便易懂,更利于编程。     

青藏高原草地生物量遥感动态监测

利用青海省2006年8月地面样点实测的生物量,结合相应月份的MODIS植被指数数据,提取与样点对应的EVI和NDVI值,建立生物量与两种植被指数之间的关系模型,并分析模型的精度。结果表明,1)EVI与草地地上生物量的相关性强于NDVI。2)在不同盖度下,植被指数与生物量的相关性随着盖度的增大而增强。3)利用最优模型反演不同草地类型的逐月生物量,并分析研究区2002-2008年不同草地类型生物量的年季动态变化,发现草地生产力水平越高,草地生物量的年季变化越剧烈,说明该种类型的草地受气候变化的影响越大;生产力水平越低的草地类型,则对气候变化的敏感度较低。     

基于高分遥感数据校正的MODIS草地生物量监测模型精度评价

利用玛曲县尼玛镇研究区2009年8月30日的RapidEye影像和2011年8月27日的WorldView-2影像及同时段的MOD09GA产品,计算分析了基于高分影像的NDVI与基于MOD09GA的NDVI的相关关系,对基于MOD09GA NDVI的甘南州草地生物量模型进行了修正,并对修正后模型的估产精度进行了比较和评价。结果表明：基于MOD09GA NDVI（x）的甘南州草地生物量最优模型为指数模型（Y=1026.027e^1.466x）,其R²为0.571,高于其线性、乘幂、对数等模型;研究区内MOD09GA NDVI与依据RapidEye和WorldView-2计算的NDVI（分别记作N_r和N_w）之间均具有显著的线性相关关系,且后者略优于前者,回归方程分别为N_r=1.2713x-0.2183和N_w=0.9559x+0.0679;结合MOD09GA NDVI与WorldView-2NDVI回归方程对甘南州MOD09GA NDVI与草地生物量模型进行修正后,得到的生物量更接近实测值,在研究区内平均估产精度可达84.73%,比未修正的估算模型精度提高1.08%。说明利用高分遥感影像修正的MODIS估产模型具有更好的精度。     

天峻县草地地上生物量遥感监测模型

【目的】快速、准确和大范围地对天峻县草地地上生物量（Above-Ground Biomass,AGB ）进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据,分别建立了归一化植被指数（Normalized Difference Vegetation Index,NDVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index,SAVI）、修改型土壤调节植被指数（Modified Soil - Adjusted Vegetation - Index, MSAVI）、比值植被指数（Ratio Vegetation Index,RVI）与草地地上生物量的遥感统计模型,分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性,但不同的统计模型的拟合效果不同;由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果;遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高,为 y=116. 12x³ –898. 48x² +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。     

奶牛泌乳曲线参数最小二乘均值的估计

利用Ｗｏｏｄ模型，按照总群、产犊胎次、产犊年份和不同牧场四种取样方法对黑白花奶牛泌乳曲线参数进行估计，并且进而估计不同取样角度下曲线参数的最小二乘均值的结果表明，按胎次、年份和牧场取样提高了样本的同质性和估计结果的准确性。通过方差分析剔除胎次、产犊年份、牧场及公牛的影响所获得的总群泌乳曲线参数呈现出最低的标准误。     

最小二乘法在黄牛体重估测中的应用

本文能过最小二乘法用黄牛的体长、胸围两项体尺估测黄牛的体重。不同的估测方法估测的精度不同,采用体长和胸围两项体尺建立在二元二次回归方程估测的体重Ｙ１与实测的体重Ｙ０的相关系数最高（ｒ０１为０．６７０５）;用体长Ｘ１的单项体尺估测的体重Ｙ２与实际体重Ｙ０相关系数（ｒ０２）为０．６１４;用胸围Ｘ２的单项体尺估测的体重Ｙ３与实测体重Ｙ０的相关系数（ｒ０３）为０．６２６;用体长Ｘ２建立二元一次回归方程估测     

基于非线性最小二乘法指数平滑系数估计

运用指数平滑预测模型进行时序数据的预测分析时,关于指数平滑系数α最优估计是研究者们长期以来需要解决的关键性问题。本文提出基于非线性最小二乘法的指数平滑系数α选取方法,其核心思想在于根据预测值与实测值之间的拟合误差平方和最小值,利用非线性最小二乘法中具有松弛性质的搜索算法,通过高斯-牛顿迭代程序估计最优指数平滑系数α,使得指数平滑预测模型在预测过程中达到更为精准的预测精度。     

锡林郭勒盟草地植被生物量遥感监测模型的研究

以锡林郭勒盟为研究区域,将遥感技术用于草地地上生物量估算,分析了遥感植被指数与草地地上生物量之间的相关关系,比较和分析了三种植被指数的应用范围,研究了草地地上生物量遥感监测的方法,并利用遥感植被指数建立了草地地上生物量估算模型.研究表明:锡林郭勒草地地上生物量估产的植被指数是NDVI,其估产模型是"S"曲线,回归模型Y=e5.983-0.479/x(R=0.828, R2=0.685).     

新疆不同植被NDVI的变化及其与气候因子的关系

使用归一化植被指数(Normalized Difference Vegetation Index, NDVI)和气象数据研究了全球气候变化背景下,1982-2003年新疆10种植被类型NDVI时间动态变化及其与气候因子的关系。研究区植被生长季NDVI以0.58%的年平均增长率显著增加,并且春、夏、秋三季的总体及各种植被类型NDVI都显著增加(P<0.01);通过对生长季NDVI和气候因子的相关分析,发现有5种植被类型与降水量呈显著正相关,主要是阔叶林、荒漠、草原、草丛和草甸;与温度显著相关的植被类型为针叶林、灌木、高寒沼泽和高山植被;农田生长季NDVI与降水和温度均不显著相关。通过研究各个季节不同植被类型NDVI与气候因子关系表明,春季植被NDVI与温度关系密切,夏季植被NDVI与降水呈显著正相关关系,秋季NDVI的增加是温度和降水量共同作用的结果。