小麦抗寒指标的灰色关联分析

本文运用灰色关联模型,通过对影响小麦抗寒性指标因素的分析,得出了影响小麦抗寒性主要因素是小麦呼吸强度和电导率的重要结论,为培育抗寒性强的小麦品种提供了重要的参考依据。     

汽车运材工艺结构优化模型

汽车运材工艺结构优化模型董希斌，张耀年，胡济尧（东北林业大学）赵义，黎旭阳（黑龙江省清河林业局）汽车运材工艺结构就是用已确定的机械系统来完成伐区、运材、贮木场作业直到销售给木材用户的相互联系作业的组合体。决定企业汽车运材工艺结构经济效益的主要因素是：...     

杜促育苗初步研究

简要介绍杜仲圃畦播种育苗，小拱棚播种芽苗移栽和二级育苗技术，通过定量化调查计算探讨了适宜的育苗密度，得出了苗木地径与高度，高度与叶片数的回归模型，经显著性检验，相关关系分别达到显著和极显著水平。     

猪链球菌2型新研究报告

猪的链球菌2型是引发猪败血病、脑炎、心内膜炎、关节炎和肺炎的主要病原之一。它也是人畜共患病病原之一,引起人的脑炎、心内膜炎和败血病。 链球菌2型的致病机理 根据加拿大猪细菌病研究中心(CRNBPS)的研究,该细菌从扁桃体进入血管,行至脑脊髓液,并刺激产生细胞因子导致炎症,进而从血液进入中心神经系统。     

植物乳杆菌ST-Ⅲ对实验性动物高胆固醇血症影响的研究

在建立试验用高胆固醇血症大鼠模型的基础上,观察用植物乳杆菌ST-Ⅲ制成的三个不同剂量的ST-Ⅲ活性乳对大鼠血脂水平的影响。动物实验表明:三个剂量的ST-Ⅲ活性乳均可显蓍降低大鼠血清胆固醇(TC)的含量(P<0.01),但对甘油三酯(TG)的降低作用不显著(P>0.05)。高剂量的ST-Ⅲ活性乳可显著提高大鼠血清高密度脂蛋白胆固醇(HDL-c)含量(P<0.01)。因此认为ST-Ⅲ活性乳具有辅助降血脂的功能,特别对高胆固醇血症具有良好的功效。     

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。     

西北太平洋公海柔鱼和日本爪乌贼个体发育期营养生态位变化分析

为了更好的了解柔鱼和日本爪乌贼个体发育期营养生态位变化,根据2021-2022年“淞航”号渔业资源调查船所采集36尾柔鱼和30尾日本爪乌贼样本,对其眼睛晶体进行了碳氮稳定同位素分析。结果表明：柔鱼个体δ13C、δ15N值变化幅度分别为0.10‰-1.68‰、0.79‰-7.51‰;日本爪乌贼个体δ13C、δ15N值变化幅度分别为0.15‰-1.20‰、0.81‰-7.05‰。柔鱼、日本爪乌贼生态位面积变化范围分别为0.40‰2-5.85‰2、0.27‰2-5.36‰2。GAM模型分析显示：柔鱼眼睛晶体δ13C、δ15N与晶体直径均具有显著的相关性（P<0.01）,偏差解释率分别为31.9%和34.3%。日本爪乌贼眼睛晶体δ13C、δ15N与晶体直径均具有显著的相关性（P<0.01）,偏差解释率分别为12.9%和19.4%。分析认为,个体营养生态位的变化幅度较大,侧面反映了西北太平洋黑潮-亲潮过渡区同位素基线值变化幅度较大;该海域的柔鱼、日本爪乌贼个体摄食水平存在很大差异;个体发育和基线值是影响组织δ13C、δ15N值的因素。     

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。