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).     

基于像元二分模型的艾比湖湿地NDVI指数对微气候的响应

本研究提取了艾比湖湿地不同年份(1998、2007、2011、2014年)的NDVI指数,并进行了实地考察,然后利用像元二分模型对研究区植被覆盖状况进行估算,并分析其在时空分布上的特征及形成原因,建立影响植被覆盖与微气候变化的线性回归模型。结果表明,1)在空间分布上,西南部冲积平原植被覆盖等级最高,东北部覆盖等级略低于西南部,无覆盖和低覆盖等级分布面积最为广泛;在时间分布上,无覆盖面积处于下降趋势,低覆盖和中覆盖面积有所增加,较高覆盖与高覆盖等级面积处于下降趋势;2)不同植被覆盖度对气候变化的响应存在一定的差异;植被覆盖对降水量变化的反应最为强烈,在时间上具有一定的滞后性,对湿度变化的响应不明显,气温与植被覆盖水平之间存在线性函数关系。     

艾比湖保护区荒漠植被时空过程变化及其植被指数影响因素分析

利用1990-2011年Landsat数据,结合了4个气象站点的年降水量、年均温数据,基于垂直地带性特征和荒漠植被指数对艾比湖保护区的遥感图像进行了专家知识决策树分类。研究了典型绿洲-荒漠交错带的荒漠草地等地物近20年的面积变化、NDVI及其与气候因子的关系。结果表明,1)近20年间植被类型的NDVI值大致呈山前荒漠>荒漠草原>盐生草甸>草本沼泽>荒漠的规律。2)近20年降水量与温度都呈上升趋势,植被NDVI和气温主体呈不显著负相关,与降水主体呈显著正相关。3)研究区在保护区建立前,荒漠植被退化十分严重,荒漠植被面积大量减小,大多向不可用地类转化,保护区建立后的生态环境有了很大改善。可见政府的政策导向对荒漠生态环境具有重要作用。     

干旱对内蒙古植被生长的累积与滞后影响评估研究

本文为探究干旱对植被的累积和时滞效应,以内蒙古为研究区,基于SPEI base v.2.5和GIMMS NDVI数据集,利用Sen式斜率、Mann-Kendall突变检验和偏相关分析方法,分析干旱对植被的累积和时滞效应.结果表明:内蒙古地区归一化植被指数(Normalized difference vegetation...     

新疆阜康荒漠植被指数特征和时空过程分析

研究天山北坡典型荒漠区草地植被覆盖变化,对于荒漠区草畜平衡及畜牧业可持续发展具有重要现实意义。采用1990,1999和2008年同时相TM/ETM+遥感影像,经辐射校正和几何校正后,基于荒漠植被指数特征和垂直地带性特征,进行了专家知识决策树分类,研究了阜康市典型荒漠草地、农田等地物近20年间的归一化植被指数(NDVI)和面积变化特征。结果表明,1) 经辐射校正后的NDVI与实际地物情况更接近,大致呈高山草甸>农田>温性草甸>平原荒漠>山前荒漠的规律;2)近20年间农区面积大量占用平原荒漠草地和山前荒漠,新增农田面积296.3 km²,是1990年耕地总面积的1.54倍;3)高山冰盖消融随即转变成为高山草甸类型的趋势明显,20年间减少冰雪区74.7 km²,是1990年冰雪区总面积的0.345倍,这也印证了近20年来全球变暖的说法。     

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。     

桑树叶片的叶绿素值检测与光谱特征分析方法

为了探索一种基于光谱技术的快速、无损且准确的桑树叶片叶绿素值(SPAD)检测方法,对6个桑树品种叶片的叶绿素值与可见-近红外光谱(Vis-NIR)反射率进行了测定与分析。同一叶片因测量部位不同,SPAD值也不同;同一植株自上而下的叶片SPAD值呈上升趋势。采用偏最小二乘法(PLS)建立了6个桑品种叶片的SPAD与叶片的可见-近红外光谱反射率定量分析模型,校正相关系数均达到0.80以上,预测相关系数均达到0.79以上,表明利用可见-近红外光谱分析法能较好地检测桑树叶片的叶绿素值。     

基于MODIS植被指数的青海省玛多县草畜关系分析

为了研究青海玛多县草畜关系特征,对2008—2009年9个样地的实测地上生物量与MODIS(Moderate-resolution Imaging Spectroradiomete)归一化植被指数(NDVI)、增强型植被指数(EVI)分别基于线性、幂和指数函数建立回归模型,对理论地上生物量进行反演估算,并依据相关公式计算理论载畜量。结果表明:线性函数模型具有较好的模拟效果;2009年玛多县草地地上生物量显著高于2008年;玛多县基于NDVI的2008,2009年理论载畜量分别为40.93万、57.45万羊单位,基于EVI的理论载畜量分别为41.30万、59.03万羊单位;而玛多县2008,2009年年末的牲畜存栏数分别为33.11万、33.71万羊单位,可见玛多县这2年的理论载畜量尚有盈余。说明玛多县总体上正在由草畜关系极不平衡状态向逐渐草地恢复状态逐渐改变。     

基于遥感分析13年来石羊河上游山区植被变化研究

NDVI是监测区域植被生长状况及植被覆盖度最常用的指标。基于2002和2015年9月上旬植被生长期内的Landsat TM遥感卫星影像,以ENVI 5.2软件为影像处理工具,分别获取两期影像的NDVI,研究内陆河石羊河流域上游祁连山山区植被覆盖度的变化;利用主成分分析法对两期影像进行了监督分类,获得各植被类型的面积以及变化情况。结果表明,2015与2002年相比,石羊河上游地区高覆盖度、中等覆盖度、低覆盖度植被面积均有所下降,分别下降了18.4%、13.4%、10.1%,而极高覆盖度和极低覆盖度面积均有所增加,分别增加了0.5%、26.6%。NDVI差值植被指数结果显示,上游地区植被发生退化的面积为6935.6154 km²,占总面积的51.26%,而发生改善的面积为6595.2834 km²,占总面积的48.74%。通过监督分类获得的各植被类型的面积显示,乔木林面积增长显著,13年间增长了108.75%,但是灌木林和草地的面积缩小严重,分别减少了49.87%、19.78%。祁连山石羊河流域上游森林植被在13年间呈现退化趋势。     

祁连山国家级自然保护区土地利用时空变化及与气候因子关系研究

土地利用类型变化是植被变化最直接的表现形式.祁连山是我国西部地区重要的水源涵养区,生态环境比较脆弱,研究区域内土地利用时空变化对区域生态环境保护具有重要意义.本文基于2000—2018年土地利用类型数据,分析祁连山土地利用时空变化特征及影响因子.结果表明:草地、林地、未利用地是研究区主要的土地利用类型,耕地、城乡、工矿...     

施氮水平对多花黑麦草植株氮含量及反射光谱特征的影响

植株氮含量是评价牧草群体长势、估测产量和确定最佳施肥量的重要指标。对不同施氮水平下多花黑麦草植株氮含量及冠层反射光谱特征进行了测试,分析了冠层反射光谱与植株氮含量之间的相关性。结果表明,施氮水平对多花黑麦草植株氮含量具有显著影响,植株氮含量随着施氮水平的增加有所升高。在可见光区域,冠层光谱反射率随施氮水平的增加而降低。植株氮含量与单波段反射率呈负相关关系,在波段487～718 nm范围内,相关系数绝对值都大于0.5(P<0.01)。利用敏感波段估测植株氮含量最优模型为y=4.362-0.754x₅₇₉+0.351x₇₀₀。以植被指数估测植株氮含量最佳模型为y=3.026-0.670DVI_(610,487)+4.997NDVI_(700,579)。植株氮含量估测值与实测值之间存在显著相关关系。