云南降水的5个统计指标及其空间分布

利用云南29个气象站1960-2014年的日降水数据,计算集中指数(Concentration Index,CI)、降水集中指数(Precipitation Concentration Index,PCI)、降水集中度(Precipitation Concentration Degree,PCD)、降水集中期(Precipitation Concentration Period,PCP)、变差系数(Coefficient of Variation,CV)5个统计指标,分析了各指标之间的关系,并讨论了各指标的空间分布。结果表明:(1)CI介于0.62~0.71之间,平均为0.67,日降水高度集中。CI与年降水量、降水日数的相关系数分别为-0.50、-0.93,具有显著的负相关关系(α=0.05),年降水量和降水日数较少的地区,CI较大。CI与经度的相关系数为0.64,具有显著的正相关关系(α=0.05)。(2)PCI介于11.95~21.48之间,其中,3%的站点降水高度集中,52%的站点降水集中,45%的站点降水中度集中。PCD介于0.30~0.74之间,滇西北和滇东南地区的PCD较小。PCP的分析结果表明,云南降水主要集中在7、8月份。(3)CI和PCI、PCD分别关注降水的等级分布和集中程度,PCP则关注集中的时间段。PCI与PCD的空间分布情况基本上是一致的,且二者的相关系数为0.90,具有显著的正相关关系(α=0.05),故二者在一定程度上可以相互替换。采用CI、PCI和PCP 3种指标可以较好地描述降水的年内等级分布、集中程度和集中时段。(4)CV介于0.11~0.21之间,降水的年际变化随着纬度的减小、年降水量的增多呈减小的趋势,相关系数分别为0.39、-0.74;而年降水量随着海拔和纬度的升高呈下降的趋势,相关系数分别为-0.45、-0.53。     

稳步推进我国肉牛统计监测预警工作

畜禽统计监测预警工作,是涉及整个畜牧业及相关产业稳步、健康、有序发展的一项基础性、必要性、关键性工作。本文在阐述肉牛统计监测预警工作重要意义的基础上,具体分析了肉牛统计监测预警的主要内容,并结合工作开展过程中需要注意的关键问题,提出了稳步推进此项工作的建议和措施。     

The use of a pen-size optimization workbook for experiment research design using the Visual Basic for Applications in Excel for poultry

Researchers often seem to choose the number of birds per pen and replications per treatment somewhat arbitrarily on the basis of cost, availability of animals, housing considerations, convenience, tradition, and so on. Statistical simulation, performed while designing an experiment, will provide a researcher with an objective estimate of the number of birds per pen and replicates needed for an experiment of known Type I and II errors. In most cases, the time for making power calculations should be before, not after, an experiment is conducted. Here we present a Microsoft Excel workbook to explore the statistical and economic ramifications of different combinations of birds per replicate and replicates per treatment for research with poultry.     

基于MGWR的渭河流域TRMM降水产品空间降尺度分析

高分辨率降水数据有助于刻画降水的时空分异特性,对流域水文、气象和生态等过程的精准模拟具有重要作用,因此对低分辨率降水产品开展空间降尺度,提高其分辨率十分必要。鉴于此,本文在充分考虑热带降雨测量卫星（Tropical Rainfall Measuring Mission,TRMM）降水产品在渭河流域适用性的基础上,引入归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）、数字高程模型（Digital Elevation Model,DEM）、坡度、坡向和经纬度等地理环境因子,构建了多尺度地理加权回归（Multi-scale Geographically Weighted Regression,MGWR）模型用以分析不同因子对渭河流域降水空间格局影响的尺度差异;进一步提出了一种针对TRMM降水产品的空间降尺度方法,并透过精度评价验证了降尺度结果的可靠性。结果表明：1）TRMM降水产品数据相较于站点实测数据存在一定精度误差,年尺度上R2=0.807,BIAS=2.909%,RMSE=83.477 mm,表现较好;季尺度上秋季R2最高,为0.847,夏季RMSE最大,为62.393 mm,四季的BIAS均较低;月尺度R2为0.456～0.815,BIAS介于±0%～8%之间,多数月份为正值,RMSE值域范围为3.019～37.841 mm,精度较好;总体而言,TRMM降水产品数据在年、季和月尺度上均表现出良好的整体适用性。2）不同因子在干湿年份对降水空间分异格局的影响呈现出不同的尺度特征,其中湿润年的DEM、NDVI、坡向和经纬度对降水呈现局部影响,坡度影响具有全局性,而干旱年各因子均表现为局部影响。3）流域和站点尺度上,降尺度TRMM数据相较于降尺度前产品数据精度得到一定改善,其中流域尺度上,R2整体提升3%,RMSE降低1mm;站点尺度上,各站点统计指标变化各异,但降尺度后统计指标整体优于降尺度前,并且由于时间尺度上的误差累积,站点年尺度数据精度相比月尺度数据稍差（R2由0.8～0.91变为0.4～0.95,RMSE从11～17变为32～150）。4）降尺度TRMM数据相比于降尺度前产品数据,空间分布更细腻,细节特征表现更好,且在年、月时间尺度上均具有较高的精度,可为渭河流域资料短缺地区的水文设计提供数据支撑。     

不同粒型吉林粳稻食味品质及质构特性比较分析

为探究粒形对粳稻食味品质及质构特性的影响,以22个不同粒形品种粳稻稻米为对象,分析其理化特性、食味品质和质构特性差异。结果表明,参试粳稻稻米理化性质相似,但食味品质和质构特性差异较大,吉粳830食味品质最佳,滢科101食味品质最差;粒宽与米饭硬度呈显著正相关（p<0.05）,与黏度、黏硬比和食味值呈显著负相关（p<0.05）,与黏性呈极显著负相关（p<0.01）;长宽比与米饭黏度和黏性呈显著正相关（p<0.05）。主成分分析（判别率为80.5%）和正交偏最小二乘判别分析（拟合能力R²X=0.759,预测能力Q²=0.698）可有效将食味品质较好的稻米样本归为一类,黏硬比可作为判别优质食用稻米的有效参数。本研究结果可为基于稻米粒形建立稻米食用特性的快速评价方法提供参考。     

高校思想政治理论课认知状况实证研究——以安徽农业大学为例

思想政治理论课“教师难教、学生厌学”已是不争的事实。通过大规模问卷调查,以最新数据统计分析了“90后”大学生对高校思想政治理论教育教学及课外访谈教学实践的认知评价状况。面对调查中存在的思想政治理论课程、教材、教法等方面的问题,必须通过夯实办学条件、培育高素质教师队伍、加快课程建设、丰富教材内容、创新教学方法、完善考核办法等具体途径,才能从根本上突破思想政治理论教育教学瓶颈,真正提高思想政治理论教育的实效性。     

夏灌对内蒙古河套灌区土壤中磷元素迁移的影响

磷作为植物生长必需的元素之一,是引起水体富营养化的重要因素。通过对内蒙古河套灌区2008年夏灌前后农田灌、排水和地下水以及土壤中不同形态磷含量和土壤含水率的分析测定,借助SPSS13.0软件对监测结果进行统计分析,研究夏灌期间灌区土壤中磷元素的迁移规律及其影响因素。结果表明：夏灌后,土壤含水率仅表层有明显增加,且夏灌前后土壤含水率与土层深度显著相关（相关系数分别为0.751和0.770）,土壤中有效磷含量和土壤含水率显著相关（Sig.为0.009）;夏灌期间,不同土层深度处的磷元素含量差异显著,作物类型和种植方式对磷元素在土壤中的分布无显著影响;夏灌会造成土壤中磷元素向地下水迁移,且流失形态主要为可溶性磷。该文可为灌区科学合理的水肥管理以及控制磷流失提供依据。     

四川省科技成果现状分析与对策研究

为了提高四川省的科技创新能力,有针对性地开展科学研究,通过对四川省2001-2009年科技获奖成果统计分析,提出了加快该省科技创新体系建设的若干建议。     

SPSS在高校图书馆统计中的应用

阐释了高校图书馆统计工作现状及趋势，将SPSS统计软件应用于高校图书馆统计工作中，并举例说明如何使用SPSS统计软件对读者借阅情况进行差分处理，以形成对读者未来借阅规律的预测。     

晒烟稳定株系选拔中的灰色关联分析

采用灰色系统理论对晒烟稳定株系的诸多性状因子进行综合评价和定量分析．分析结果表明，将诸多的性状因子融为一体，在理想的标准品种模式高选择压力下进行测评，避免了优良材料的丢失和淘汰；依据灰色关联度的排序，牡８４ － ２０ － １ 名列第一，牡８９ － ２６ － ５ 名列第二，牡８９ －３０ － １ 名列第三，牡８９ － ２０ － １ 名列第四．