面向多类型土壤有机碳定量反演的天基高光谱探测参数研究

星载高光谱仪器的光谱通道以及光谱分辨率和信噪比等核心参数设置直接影响土壤有机碳定量反演精度。本研究开展了卫星载荷光谱分辨率、信噪比、光谱特征波段对不同土壤类型有机碳反演影响的研究,提出了基于大气传输模型、光谱分辨率分析模型、信噪比分析模型、特征波段的提取分析模型以及偏最小二乘回归反演模型的面向不同土壤类型有机碳监测的高光谱卫星“地面–大气–仪器–观测–反演”全链路仿真分析方法,实现了土壤类型、大气效应、仪器特性参数、反演方法的耦合影响分析。结果表明：①3种类型土壤有机碳反演的最佳光谱分辨率均在10~20 nm。②不同土壤类型对观测的信噪比需求不同。对于Phaeozem的有机碳监测,较另外两种土壤有更高的信噪比需求。③在不同特征波段提取分析方法下所需的最佳光谱分辨率和信噪比一致。不同类型土壤光谱数据提取出的特征波段不同,其中反演效果最佳的土壤类型为Chernozem,特征波段数为26个,R²=0.826 5,RMSE=3.438 9 g/kg。④反演模型与仪器特性参数无耦合关系,同一类型土壤不同反演算法的最佳光谱分辨率和信噪比需求一致。⑤Chernozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于506.66,特征波段提取数为26个;Kastanozem有机碳最佳反演参数需求为光谱分辨率17 nm,信噪比大于331.42,特征波段提取数为22个;Phaeozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于432.51,特征波段提取数为19个。     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

基于复杂种植结构多情景分析的灌区多目标多水源优化配置

为改善多水源灌区农业用水供需矛盾,通过合理调整种植结构,优化灌区水资源配置,该研究以河北省邯郸市漳滏河灌区为研究对象,将农业灌溉缺水量最小和农作物经济效益最大作为目标函数,兼顾灌区生态安全约束,构建了基于种植结构优化的多目标多水源优化配置模型,针对作物熟制、作物种类、种植制度以及灌溉方式设置了8种不同的种植结构优化情景,通过自主改进的基于精英策略并协遗传算法（NSGAⅡ-S）对模型求解,获得不同情景下的水资源优化配置方案。结果表明：应用模型进行水资源配置后,各情景配水总量均有所减少,其中水库配水量高于其他水源的配水量,水库水、引黄水和引江水均达到用水总量控制目标,民有分区的各计算单元间的配水量变化明显,总配水量高于滏阳河分区;适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积,变灌溉农业为旱作雨养农业,可以极大地减少地下水用量,增加灌区经济效益;最佳的种植结构优化方案为CS₄（削减冬小麦的种植面积,种植苜蓿,灌溉方式采取管灌或喷灌）,该方案冬小麦播种面积压减17.10%,地下水开采量减少了16.42%,灌区的经济效益增加了26.41%,在保证配水总量最小的同时,具有更高的经济效益。该研究所构建的多目标多水源优化配置模型和作物配水结果可为类似地区的水资源配置提供参考。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件,建立了圆柱度误差的数学模型以及优化目标函数和适应度函数,阐述了粒子群优化算法的原理和实现方法,然后根据粒子群算法优化求解。实例表明,该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解,粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高,且参数设置少,计算速度快,可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

基于正交试验的春兰分株繁殖技术优化研究

为优化春兰分株繁殖技术,以NAA为处理试剂,以兰苗成活率为评价指标,采用单因素试验、正交试验优化春兰分株繁殖影响因素。结果表明：影响因素顺序为NAA浸泡时间＞浸泡浓度＞环境温度＞光照强度＞光照时间。根据正交试验K值可得,春兰分株繁殖影响因素最优组合为NAA浸泡浓度0.3mg/L、浸泡时间15min、环境温度21℃、光照强度1000Lx、光照时间10h/d。经验证在此优化因素下,春兰分株繁殖实际成活率高达82.76%。     

土壤—作物资源多目标优化配置分析

本文提出一种多目标土壤—作物资源优化配置的数量化分析方法,并对江苏省东海县土壤资源进行优化配置。结果表明：白浆土、岭砂土、包浆土、紫砂土等岗岭低产土应稳定小麦面积,压缩玉米面积,优先发展春花生、大豆、水稻;洼地砂姜黑土、水稻土应发展小麦—水稻和小麦—玉米两熟制,并适时换茬;介于上述两类土壤间的潮棕壤亚类和潮土类应大力发展小麦—花生两熟制。     

酶解法提取杏鲍菇有效成分工艺的优化

采用酶法提取杏鲍菇有效成分,以氨基态氮含量和多糖得率为主要评价指标,通过单因素试验确定酶解过程中的料液比和复合酶组成比例,采用三因素二次回归正交旋转组合设计,研究酶解温度、酶解pH以及酶的添加量对酶解杏鲍菇的影响.研究结果显示:最佳料液比为1∶20;第一步纤维素酶酶解杏鲍菇的最佳工艺参数为酶解温度48.5℃,酶解pH 5.50,酶的添加量0.102×103U.g-1;第二步复合酶酶解杏鲍菇的复合酶的质量组成比例为中性蛋白酶∶木瓜蛋白酶=3∶2,最佳工艺参数为酶解温度57.5℃,酶解pH 6.75,酶的添加量4.08×103U.g-1.二步酶解最优条件下,酶解液中氨基酸总含量为5.82 g.L-1,多糖得率3.792%.     

Smad泛素化调节因子2siRNA的筛选及转染原代肾小管上皮细胞条件的优化简

试验旨在优化Smad泛素化调节因子2（Smurf2） siRNA最佳转染条件,筛选最佳siRNA干扰片段,进而实现对Smurf2基因的瞬时沉默,为研究Smurf2基因在马兜铃酸肾病（aristolochic acid nephrohathy,AAN）中的作用奠定基础。本研究通过培养小鼠原代肾小管上皮细胞（renal tubular epithelial cells,RTECs）,并以脂质体Lipofectamine^TM 2000为转染介质,将Smurf2 siRNA转染入RTECs;通过观察绿色荧光的表达量及Real-time PCR反应优化转染条件,转染后Real-time PCR检测mRNA表达抑制率。CCK-8法检测Smurf2 siRNA复合物对RTECs活性的影响;同时,用Real-time PCR和Western blotting检测不同位点Smurf2 siRNA对Smurf2 表达的影响。结果显示,当Lipofectamine ^TM 2000与siRNA比例为1.5 μL∶30 pmol时,转染效率最高,为70%～80%;Smurf2-619 siRNA干扰效果最明显;与正常组相比,转染siRNA组的Smurf2蛋白表达水平显著下降（P<0.05）。最终确定了Smurf2 siRNA最佳转染条件,其中Smurf2-619 siRNA对Smurf2 表达的抑制率最高。     

东北梅花鹿优化育种规划中育种目标的确定

讨论了东北梅花鹿依据经济指标确定育种目标的问题 ,以及在东北梅花鹿育种规划中 ,应如何挑选在综合育种目标中的生产性状及其对应的选择性状。并着重介绍了应用综合育种值作为数量化育种目标的方法。指出在确定以茸用为主的东北梅花鹿育种目标时 ,除了主要考虑茸用性状外 ,还应适当地考虑繁殖和使用寿命等性状 ,同时对于直接影响茸鹿生产效益的直接性状和次级性状不容忽视。     

蒽酮-硫酸比色法检测多糖条件的优化

本研究通过单因素实验和L9(33)正交实验优化蒽酮-硫酸比色法检测多糖含量的条件,研究反应温度、反应时间、蒽酮-硫酸液的体积对吸光度值的影响。结果表明,蒽酮-硫酸比色法检测的糖含量的最优条件为蒽酮-硫酸2 mL,于100℃反应10 min。验证实验结果表明,总标糖获得的标准曲线方程A=0.005W-0.0162,r=0.9998,优于葡萄糖标准曲线方程。在620 nm下测定,能得到较高的吸光度值,重现性好。