稻米味度计测定值与食味品质性状间的相关性分析

采用日本 5 7个水稻品种较为系统地分析鉴定了味度计测定值与食味品质性状间的相关性。结果表明 ,味度计测定值与食味综合值 ,米饭粘性、柔软性和光泽度均呈极显著正相关 ,相关系数 (γ)分别为 0 .64 5 、0 .967 、0 .688 和 0 .92 1 ,且与直链淀粉含量无明显相关。从而提出利用现代化测试仪器味度计是准确、快速、有效地鉴定稻米食味品质优劣的一项重要手段。     

基于定期调查数据的全林分年生长预测模型研究

以北京山区油松为研究对象,利用可变生长率法构造油松全林分年生长预测模型,并通过似乎不相关联立估计全林分生长模型的参数。研究结果表明:利用可变生长率法建立全林分年生长预测模型符合林分发展的规律,解决了林分生长预测的阶段无偏性,同时为林分经营者提供了林分年变化量,而且通过似乎不相关联立估计得到的全林分生长模型参数,没有明显的估计偏差,从而提高了参数估计的有效性。     

母马生长激素细胞和催乳激素细胞的形态计测学研究

利用免疫组织化学和形态计测学的方法 ,观察了 1 8匹成熟雌性蒙古马的脑垂体前叶生长激素细胞和催乳激素细胞的数量和面积 ,同时利用放射免疫分析方法检测了这两种激素的血浆水平。结果表明 ,每个马脑垂体前叶中 ,生长激素细胞的平均数量为 6 .42× 1 8,每个细胞的平均面积为 82 .40μm2 ;催乳激素细胞的平均数量为 6 .0 7× 1 0 8,每个细胞的平均面积为 47.31μm2 。生长激素的血浆含量平均为 2 .84ng/ m L,但个体差异较大 ,变异系数高达 78.5 % ,催乳激素的血浆含量平均为 7.2 6 ng/ m L。本研究结果揭示 :母马脑垂体生长激素细胞和催乳激素细胞的数量和面积并不是决定母马这两种激素血中浓度的唯一重要因素 ;生长激素血中浓度上的个体差异 ,可能与其搏动性分泌形式有关     

杉木立木材积计测研究——Ⅰ树高、形数计测模型

树经过18块杉木样地进行每木实测，根据胸径（D1．3）与树高（H）、胸径（D1．3）与中央直径（DH／2）的函数关系，筛选出它们之间的计测模型。用模型计算的H、DH／2和f,与伐倒木实测值比较，其平均误差分别为：树高（H）0．22％，中央直径（DH／2）1．19％、形数（F）0．28％。     

贵州马尾松单株木二元材种出材率表的编制

通过模型构建及综合比较,优选出3个方程,构建马尾松Pinus massoniana单株木二元材种出材率表编表模型系统。在此基础上编制了二元材种出材率表,并进行了精度检验。该模型系统的3个模型分别是：①经参数优化后的Kozak削度方程;②基于Kozak方程的累积材积方程：为线性修正后的Kozak积分材积式;③形如山本材积式的树皮材积方程。该模型系统在R软件平台上形成造材程序。结果显示,大、中、小径材的编表平均系统误差分别为-2.87%,-3.35%和-1.35%,由三者共同构成的经济材的编表平均系统误差为0.58%,编表精度满足国家标准（GB/T 20381-2006）的要求,所编制的马尾松单木二元材种出材率表可以在生产上应用和推广。表9参12     

森林碳汇计测方法及其发展方向

森林通过同化作用吸收固定大气中的CO2,抑制其浓度上升的碳汇功能对于应对气候变化问题具有积极的现实意义。文章在研究森林碳汇意义、森林碳汇研究状况的基础上,通过综述国内外相关资料,对森林碳汇的计量进行了初步的分析概述,最后提出了完善碳汇计算方法的发展方向。     

森林计测学混合式教学中学生主观能动性的培养

激发学习兴趣,增强学习主观能动性可提升教学质量。本文从以绪论课为切入点,引导与互动相结合;共享教学设计及课件,引导学生积极参与教学活动;跟踪学科前沿,提高文献阅读能力;课后布置项目,培养学生创新精神等方面,结合具体的案例,论述如何在森林计测学混合式教学各环节中培养学生主观能动性,从而构建学生、教师学习共同体的新型教学模式。     

杉木立木材积计测研究——Ⅰ树高、形数计测模型

经过对 18块杉木样地进行每木实测 ,根据胸径 (D1.3)与树高(H)、胸径 (D1.3)与中央直径 (DH/2 )的函数关系 ,筛选出它们之间的计测模型。用模型计算的H、DH/2 和f,与伐倒木实测值比较 ,其平均误差分别为 :树高 (H) 0 .2 2 %、中央直径(DH/2 ) 1.19%、形数 (F) 0 .2 8%。     

天然林林分结构研究方法综述

森林结构对于森林经营管理者具有重要的参考意义。森林结构分为空间结构和非空间结构2 个部分,其相应的方法有①非空间方法：用来描述林分平均特征,不受林分相对位置的约束。②空间方法：描述林分结构时都把林木位置考虑进去。重点归纳总结了q值理论、常用林分直径结构模型研究进展以及距离指数法和空间统计方法,它们反映了林分直径结构特征和树木位置、大小、树木水平分布格局、树种间隔离程度和空间结构关系等。还讨论了未来需要进一步研究的问题。表3参68     

量子粒子群优化最小二乘支持向量机的立木材积估算

基于材积方程建立的材积表是森林资源调查工作中重要的工具,估算立木材积的精度是编制材积表的关键。为了解决已有立木材积方程复杂多样、测算准确率低等不足,以北京地区侧柏Platycladus orientalis和落叶松Larix principis-rupprechtii为研究对象,提出利用量子粒子群优化最小二乘支持向量机（QPSO-LSSVM）算法建立材积方程的方法。通过伐倒解析法结合电子经纬仪无损立木材积精测法获取建模样本,对250株侧柏与300株落叶松数据分别建立一元与二元材积方程,计算得到侧柏与落叶松的一元材积方程测试集的决定系数（R2）为0.978 6和0.946 1,二元材积方程测试集决定系数（R2）为0.987 0和0.990 1,均在0.940 0以上,总体相对误差（T_RE）依次为0.75%,-0.16%,0.64%,-0.50%,均满足国家规程小于±3%的要求,表明QPSO-LSSVM模型估算效果良好。最后引用传统一、二元材积方程、BP神经网络和粒子群优化最小二乘支持向量机（PSO-LSSVM）算法建立材积方程并与之进行对比分析。结果表明:QPSO-LSSVM材积方程在估测精度、收敛速度和稳健性等综合性能指标上优于其他材积方程。该方法在高精度材积估测中具有较好的应用前景。