秦巴山区养羊户适度经营规模的研究

通过对秦巴山区陕西省西乡县15个典型陕南白山羊养殖专业户的资金投入、羊群结构、草地资源、经济效益等情况的调查，分析了养羊户的资源利用和生产经营状况，确定了与山羊生产密切相关的12个变量，即种公羊数、基础母羊数、后备母羊数、育肥羊数、羊舍面积、草地补种及施肥费用、医杂费、氨化或青贮饲料量、补饲精料量、工作日、投资额，并确定了各变量的参数值，以利润最大为目标函数，然后运用线性规划模型，计算出不同投资、不同人力及草地资源等条件下的适度经营规模。结果表明，养羊户的投资额是决定适度规模的主要因素。根据投资和羊群基础母羊数量设计的三种典型经营条件下，基础母羊全部留种的经营方式可获最大投资收益率(140．1％)；基础母羊数量达到20只以上，自繁种公羊的经营方式的最大投资收益率为74．0％；资金有限，人工授精配种的经营方式的投资收益率最低，为73．1％。     

上海市售扇贝冻品品质评价模型构建及关键影响因素分析.

为分析上海销售端扇贝冻品的品质状况及存在的问题,探究市售扇贝冻品的品质评价方法以及冻藏过程中导致其品质劣变的关键因素,本研究依据冰柜温度、冻藏时间、产品形式、包装方式和摆放位置共5种常见影响因素,对上海市售的11种扇贝冻品商品进行采样,测定白度、解冻损失、蒸煮损失、持水力、回复性、内聚性、弹性、咀嚼性、硬度和感官评分共10项品质指标,利用因子分析构建扇贝冻品品质评价模型,并结合多元线性回归分析确定影响扇贝冻品品质劣变的关键因素。结果显示,扇贝冻品10项品质指标之间存在一定相关性,通过因子分析提取了3个因子成分,累计方差贡献率为73.33%,可以代替原有指标来综合评价扇贝冻品的品质,建立了市售扇贝冻品的品质评价模型：f=0.467f1+0.302f2+0.231f3,其中,f1公因子包括弹性、回复性、内聚性、蒸煮损失和持水力,f2公因子包括硬度、白度和咀嚼度,f3公因子包括解冻损失和感官评分;进一步由多元线性回归分析得出,冻藏时间、冰柜温度和产品形式是影响扇贝冻品品质的关键因素,其他2种因素无显著影响。研究表明,基于因子分析和多元线性回归的方法能够较好地进行扇贝冻品的品质评价并分析导致其品质劣变的影响因素。     

变量筛选方法对郁闭度遥感估测模型的影响比较

比较基于偏最小二乘回归的Bootstrap方法与传统的平均残差平方和(RMSq)准则所选变量建立模型的精度差别.结果表明:Bootstrap方法是一种更优秀的变量筛选方法,比RMSq方法精度提高约5%;而且它不受变量多带来的运算困难的限制,更便于实际应用.     

北京八达岭人工油松林地表枯死可燃物负荷量研究

地表枯死可燃物负荷量多少是森林火灾发生的基础。调查八达岭林场不同地形条件下油松林地表枯死可燃物和林分因子,取得42块样地资料;用线性相关分析法对各因子与地表枯死可燃物负荷量进行分析,平均树高、坡度和海拔与对应负荷量有显著线性关系;应用多元线性回归中的逐步回归剔除法,建立了估测模型,除平均胸径外,平均树高、密度、郁闭度、海拔、坡度被引入,经检验回归显著,该估测模型可用于其它油松林地表可燃物负荷量估测。     

线性回归分析在伐区采伐量测定中的应用

为提高伐区采伐量测算的准确性,避免根径材积表引起的偏差,提出了通过建立根径与胸径的线性回归方程,把根径换算成胸径,直接查胸径材积表得出伐区实际采伐量的方法。对该方法进行详细说明,并举例。论述了该方法的适用范围及要点。     

通径分析新探索

对通径分析中自变量个数选择、剩余决定系数评价及引入自变量显著标准提出了新见解,提出了逐步回归通径分析法。     

柑橘矢尖蚧发生期预测回归方程研究

矢尖蚧是危害柑橘生产的重要害虫之一,搞好测报可以指导适时防治.笔者在重庆市北碚区柑橘园对矢尖蚧进行多年系统监测,结果表明,矢尖蚧在该地一年发生3代,世代重叠,第1代发生较为整齐,便于统一防治.因此,以2012年-2018年该虫发生前3个月的气象资料和矢尖蚧发生的田间历史数据为依据,应用DPS软件,分别采用简单法和多因子...     

黄鳍棘鲷标志放流群体的规格适宜性评价

合理选取标志放流鱼的规格是成功监测放流鱼类动态及评估增殖效果的关键步骤。本研究以黄鳍棘鲷为对象,通过2个实验评价标志鱼的适宜规格。实验1对比了4种体长的黄鳍棘鲷(平均体长5、7、11和14 cm)作T型标志后其生长、存活和标志保留情况,并利用逻辑斯蒂回归模型分别分析标志鱼存活率和标志保留率的规格特异性;实验2模拟了不同混合比例下2种体长黄鳍棘鲷标志鱼与不标志鱼的捕捞情况,并利用重抽样方法对捕捞结果作计算机重抽样,分析2种鱼能否充分混合以及标志鱼的规格、比例对捕捞结果的影响。结果显示:(1)7、11和14 cm标志组的特定生长率与对照组无显著差异;(2)标志鱼的存活率随体长的增加而增加(5 cm标志组的鱼在标志后7 d内全部死亡,7、11和14 cm标志组的存活率分别为77.5%、92.5%和100.0%)。标志鱼的存活率与初始体长的逻辑斯蒂回归关系式为P=exp(0.099X-6.900)/[1+exp(0.099X-6.900)];(3)各组的标志保留率较高(7、11和14 cm标志组的标志保留率分别为97.5%、100.0%和100.0%),但与体长无明显关系;(4)模拟捕捞结果与计算机重抽样结果无显著差异,二者均不受鱼体规格的影响,但受标志鱼比例的影响极显著,标志鱼比例越高,其捕获率也越高。综上,建议今后采用T型标志方法开展增殖放流品种(如黄鳍棘鲷)的相关研究时,应综合考虑成本和可接受的误差范围以选择符合研究目的的标志鱼规格,若需标志鱼的存活率高于50.0%,则体长至少为7 cm,高于75.0%则体长至少为8 cm,高于95.0%则体长至少为10 cm。此外,在成本允许的条件下,建议尽可能增加放流鱼类中标志鱼的比例以提高增殖效果评估的代表性,而具体适宜的比例值得深入研究。     

国内外线性遗产研究动态

通过对国内外线性遗产系列战略措施和文献的梳理,发现在国际层面,线性遗产研究以欧洲文化线路和美国遗产廊道为主,同时涉及绿道、风景道、历史路径、文化廊道等部分内容。文化线路与遗产廊道侧重点不同,前者以历史文化挖掘与保护为核心,后者则注重打造景观和游憩功能。整体上欧美国家以国家战略措施和项目应用为主,学术研究中会议论文、研究报告居多,文献数量较少,理论研究相对欠缺。国内线性遗产研究可划分为两个部分:一是对文化线路、遗产廊道、绿道、风景道等国外概念的借鉴及本土化研究;二是围绕线性文化遗产、国家文化公园等国内创新概念进行多方探索。其中文化线路、遗产廊道和线性文化遗产的国内研究主要围绕遗产价值评估、廊道构建和旅游开发三个方面展开,相关研究较为完善,但整体方法技术创新不够。国家文化公园作为线性遗产研究新兴领域,尚无明确的概念定义和完整的理论框架体系,具有较大的研究空间与潜力。     

A GIS-based plant prediction model for wetland ecosystems

An existing non-spatial model for the prediction of response of wetland plant species on ecological factors has been transformed into a GIS-based prediction model which produces spatial output at the landscape scale. The input, spatial patterns of the ecological factors, were constructed with geostatistical spatial interpolation (kriging). With this GIS-based model the spatial patterns of presence and absence of 78 wetland plant species are predicted for an area with wetlands in the Netherlands of approximately 500 square kilometers. The GIS-based model has been validated, and the estimated uncertainty of the input has been propagated through the model. At the species level the output shows spatially coherent and non-random patterns. The validation is affected by the propagation of input errors through the model. The number of valid predictions declines approximately 10–20% when 95% confidence intervals are used in the validation. This study shows that it is feasible to use a geostatistical interpolation method to construct spatial patterns of ecological factors on a landscape scale and to use these patterns as input for a GIS-based prediction model. The added uncertainty on the input values however, affects the number of valid predictions of the model.