山东省不同区域花生基肥和追肥用量及比例分析

为了研究山东省花生施肥过程中主要养分的基追肥用量及比例现状,依据农户调查数据详细分析了不同区域花生氮磷钾基肥和追肥用量及比例,指出其中存在的问题。并针对山东省基追肥现状,提出对于氮肥应采用降低基肥用量,适当提高追肥比例的氮肥后移施肥方式或采用缓/控释肥料;对于磷钾肥应采用复混肥品种,加大基肥比例的施肥方法。     

喷微灌产品计量与计数抽样方案比较分析

在相同的厂方风险和使用方风险下,以旋转式喷头流量一致性指标的抽样检验为例,开展了喷微灌产品计量与计数抽样检验方案的可比较分析.结果表明,在一般检验水平Ⅱ下,与利用计数抽样标准获得的样本数量相比,当样本批量大于等于91时,基于计量抽样方案得到的样本数量降低率E在s和σ方法下分别为25.0%～43.4%和56.0%～67.6%,较大样本批量下采用计量抽样检验获得的样本数量减少效果更趋明显.对同时满足计数和计量抽样检验条件的喷微灌产品指标而言,应尽量采用计量抽样检验方案,达到减少样本抽样数量、降低检验成本的目的.     

基于条件与对偶抽样的Monte-arl

集成条件抽样、对偶抽样这两种缩减方差技术,改进传统Monte-Carlo随机模拟的效率,并用于功能函数能够显式表达的土木工程结构可靠性分析。模拟成果表明,采用该方法的收敛性良好,模拟次数大大减少,显著地改进了M-C随机模拟的效率、降低了成本,可靠指标β值精度满足工程实用要求,在土木工程结构可靠度分析中具有实用价值。     

基于非抽样剪切波变换的遥感图像融合方法

提出了一种基于Mean-shift分割和非抽样剪切波变换(NSST)的多光谱与高分辨率全色图像融合方法。对高分辨率图像进行Mean-shift分割,并利用区域方差将多光谱图像划分为需要进行空间细节增强及需要光谱特征保持的区域;然后利用NSST变换对高分辨率图像和多光谱图像的强度分量进行多尺度分解。分解后的低频子带采用基于四阶相关系数的融合规则进行融合,带通方向子带根据分割所得的区域按区域方差进行融合;最后进行NSST重构得到融合后的强度分量,经IHS逆变换获得高分辨率的多光谱图像。仿真实验表明,与其他4种相关的融合方法相比,该方法能在空间分辨率的提高与光谱信息的保持之间达到良好的平衡,使得融合图像不仅具有较好的光谱保持特性,而且其空间分辨率也能得到有效提高。     

棉花烂铃空间格局及抽样技术研究

本文通过聚集度指标（如：Ｃ、Ｋ、Ｃ＿Ａ、Ｉ、Ｉ＿δ、）测定，以及Ｉｗａｏ’线性回归、Ｔａｙｌｏｒ’ｓＳ￣２一回归和格局纹理分析，结果表明，棉花烂铃空间格而在一切密度下都呈聚集型，且聚集强度随烂铃密度的升高而增加，其空间格局的基本成分是疏松的个体群，其大小约为２～５株棉花，平均约含２．８４个烂铃个体，且个体群内的个体呈随机分布，经μ检验和方差分析，双对角线５点式、棋盘式和平行跳跃式等３种取样方法均适用于棉花烂铃田间调查，尤以双对角线５点式为佳，用双对角线５点式应样法调查的最适抽样数：一般病情普查至少１０个样方（每样方系５株棉花），系统测报和科研调查为２０～３０个样方。最后给出了棉花烂铃平均密度的零频率简易估计模型。     

基于系统抽样与Java编程的规则行列栽植地苗木抽样布局

为保证对规则行列栽植地的苗木调查工作中苗木抽样的均匀性与抽样调查精度,将调查样地内所有抽样美国红枫苗木按比例划分为样地内部树与样地边缘树2部分,共设置10类抽样参数来描述不同的苗木抽样情形.根据系统抽样方法的原则,应用Java编程中的有关函数,以抽样间距为自变量,建立抽样间距与内部抽样数、边缘抽样数及总抽样数的数量关系...     

利用试差法确定林业抽样调查中的样本容量

本文针对正态总体的情形,讨论了如何利用试差法确定样本容量,即利用 n=1+s~2/(Δ (?)~2)·t~2_(n-1)(a) 式反复迭代,直到求出的n值差异很小为止,这时的n值即为所求的样本容量。文中并给出了试差法在林业中的应用实例。     

东方盔蚧固定寄生若虫空间分布型及抽样技术研究

通过对东方盔蚧空间分布型的研究，7种指标均说明，此虫空间分布为聚集型分布，并由此确定各种密度下的最适抽样数和序贯抽样表，可在生产防治中应用。     

赤松毛虫幼虫在油松树冠中的分布及抽样估计的初步研究

该文调查了赤松毛虫幼虫在天然油松林树冠中的分布规律。同时探讨了应用轮枝、枝条为抽样单元估测全株虫口的抽样估计方法,建立了回归估计模型。     

美国白蛾幼虫网幕的空间格局及抽样技术

美国白蛾是重要林业检疫害虫,危害寄主众多,对行道树、观赏树、退耕林及果树等阔叶树种危害尤其严重。本研究应用Taylor的幂法则、Iwao m*-m回归分析法及6个聚集指标对河北省的石家庄和衡水地区美国白蛾幼虫网幕的空间分布型和抽样技术进行研究。结果表明:美国白蛾幼虫网幕的空间格局为聚集分布,个体群是分布的基本成分,种群密度越大聚集程度越大。利用Iwao m*-m回归方程中的α和β参数值,计算出不同精度下的序贯抽样数和理论抽样数。