江汉平原四湖流域降水特征分析

通过对四湖流域5个试验站1958—2000年降水资料的统计分析,探讨了四湖流域降水特征。结果表明,四湖流域降水在区内差异不明显,但降水量年际年内分配不均匀,年际间标准差、变异系数分别为204．9、0．19,春、夏两季降水量占总降水量的70．49％。采用Z指数法分析该区域多年降水旱涝情况,结果表明出现雨涝和干旱年的概率相当（分别为25．58％、27．91％）;采用降水量模比差积曲线法及游程理论分析四湖流域降水多年丰枯变化趋势和连丰、连枯情况,结果表明四湖流域多年降水存在3个明显的连丰时段、5个明显的连枯时段。     

一类具有可变时滞的非线性中立型差分方程的振动性

考虑一类具有可变时滞的非线性非自治中立型差分方程，得到了这类方程的振动准则及这类方程存在最终正解的充分条件。     

群体增长的离散分枝过程及母函数法

在研究带有离散状态空间的随机过程时,母函数变换方法是一个非常重要的工具。因为它比较简单,在整值随机变量场合使用它能把事情大为简化。因此,本文介绍籍助于母函数这个有效的工具,应用 Markov 链对群体生长现象进行定量研究,建立群体随代增长的一个随机离散的动态模型——离散的分枝过程(一维过程)。     

云南省日极端降水概率特征及时空变化研究

不同重现期的暴雨设计值是推求设计洪水的基础。选取云南省29个气象站1960―2014年日降水资料,采用极大值法和超门限峰值法2种选样方法构成研究数据序列,通过K-S检验、L-矩法和日极端降水等值线图等方法分析了云南省日极端降水的概率特征及时空变化。结果表明,Wakeby分布函数较好地拟合了云南日极端降水序列;不同重现期下,云南省日极端降水量高值区位于滇南江城、勐腊一带,低值区位于滇西北德钦、中甸一带,极端降水量从南向西北呈阶梯状递减。分别计算不同重现期下的日降水量,时段极大值法设计值均大于以日极端降水资料95th分位数作为阈值的超门限峰法设计值。多数气象站基于Wakeby分布计算出的日极端降水设计值大于PⅢ分布函数设计值。     

普通丝瓜褐变度概率分级与总酚的回归分析

为运用概率分级和回归分析方法揭示普通丝瓜褐变度与总酚含量之间的相互关系,从而建立普通丝瓜基于褐变度正态分布的分级标准,研究测定38份普通丝瓜的褐变度和总酚含量。采用X-1.2818S、X-0.5246S、X+0.5246S和X+1.2818S 4个点将丝瓜褐变度概率分为5级,即极低(1级)、低(2级)、中(3级)、高(4级)、极高(5级),并将其与总酚含量进行线性回归分析。普通丝瓜果肉褐变度变化范围为2.17~9.60,平均值为6.211,变异系数为29.77%,经K-S正态性检验符合正态分布,建立褐变度和总酚含量的线性回归方程y=3.559x-2.837,两者之间存在显著的线性关系。普通丝瓜果肉褐变度与总酚含量呈显著正相关。     

京津冀地区植被NDVI动态变化及其与气候因子的关系

[目的] 探究气候变化对植被覆盖变化的驱动机制,可为揭示区域乃至全球植被覆盖动态变化及其与气候变化之间的响应机制提供依据。[方法] 以MODIS NDVI,SRTM DEM,降水和气温为数据源,运用Theil-Sen Median趋势分析法、Mann-Kendall显著性检验法、R/S分析法和Pearson相关分析法等数学分析方法,结合ANUSPLIN气象插值模型,研究2001—2019年京津冀地区植被NDVI时空演变特征及预测未来变化趋势,并探究植被NDVI与降水和气温最大相关关系及时滞效应。[结果] ①2001—2019年京津冀地区植被NDVI整体呈波动上升趋势,上升速率为0.002 2/a,且未来植被NDVI呈改善趋势的面积略小于呈退化趋势的面积;②降水和气温对京津冀地区植被生长以正向促进作用为主,且降水对植被生长的作用强度高于气温;③植被NDVI对降水变化的滞后期略长于气温,京津冀地区植被生长受前3月的降水和前1月的气温影响最大。[结论] 在林业生态工程实施背景下,2001—2019年京津冀地区植被覆盖整体呈改善态势,尤以西北部为著;植被NDVI与降水和气温相关关系呈现出明显的地域差异,且植被生长相对降水和气温变化存在一定的滞后效应。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性．     

桑田越北腹露蝗若虫空间格局研究

利用扩散系数(C)和离散分布的理论拟合,对越北腹露蝗Fruhstorferiola tonkinensis 1～5龄若虫的田间调查数据进行分析.结果表明,各龄蝗蝻均呈聚集分布,1～5龄蝗蝻的C分别为879.578、152.742、22.972、6.053和6.150,1龄蝗蝻聚集度最高,3龄后开始扩散.1～3龄蝗蝻的空间格局可用Neyman A型分布拟合,4～5龄可用负二项分布拟合,即1～3龄呈核心分布,4～5龄演变为嵌纹分布.1龄蝗蝻平均每个聚团的个体数(m2)为878头,2～3龄调查范围内的平均蝗团数(m1)增加,平均每蝗团的个体数(m2)减少.4～5龄聚团瓦解.     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。