基于L系统的开心形苹果树枝干模型

虚拟植物模型即用计算机模拟植物的生长发育。本文通过虚拟植物研究方法L系统理论的介绍,结合开心形苹果树的形态结构特点,使用虚拟植物模拟软件L-studio,动态地模拟出开心形苹果树在不同生长阶段的三维形态。通过使用随机规则控制树枝生长方式,并使用管道模型模拟枝干的加粗生长,实现了开心形苹果树的基本形态模型。     

黄秋葵基因组DNA提取及鉴定

黄秋葵细胞内含有丰富的果胶类多糖等次生物质,降低了从中提取总DNA的产量和质量。为了获得高质量的基因组DNA,采用改进的十六烷基三甲基溴化铵（CTAB）法进行提取,并对总DNA进行了纯度和浓度的鉴定。结果表明,改良的CTAB法可有效去除次生物质对DNA的干扰,降低DNA的粘稠度,样品DNA的质量和纯度较高,可用于随机扩增多态性DNA（RAPD）扩增等分子标记分析。     

基于X12-HP 模型的水产品价格波动分解研究

运用X12季节分解和H-P滤波法,将我国4大类28种水产品批发价格分解成趋势波动、周期波动、季节波动、随机波动4种波动类型,分析总结了不同类型水产品价格的波动特征及其变化规律。研究发现:不同类型水产品价格趋势波动差别较大,同一类型内各品种也存在明显差别;淡水鱼、海水鱼、虾蟹类价格季节波动大体呈倒"V"型波动,贝类价格季节波动年初至年末大体呈直线下降形态;几类水产品中,淡水鱼、海水鱼、贝类价格波动周期在2年以上,虾蟹类价格周期较短,约为10多个月;从各种波动对价格影响看,淡水鱼、海水鱼价格受随机波动、季节波动、周期波动影响相对较小,所考察期间变化不大;贝类价格受随机波动、季节波动和周期波动影响均较大,但几种波动对价格波动贡献趋于减弱。基于分析结果,提出了调整水产品生产结构、加强市场监测预警和构建产业风险防范体系等对策建议。     

一类非自治随机阻尼Sine-Gordon方程组的 D 拉回吸引子

研究了带有加法噪音的非自治随机阻尼Sine-Gordon方程组解的渐进行为.运用一致估计证明了D-吸收集的存在性,并由解的分解技巧证明了该动力系统是渐进紧的,从而证明了Sine-Gordon方程组的D-拉回吸引子的存在性.     

灵空山自然保护区油松—辽东栎林多度-面积关系分析(英文)

通过4hm2样地调查的数据资料,采用随机分布多度模型和聚集分布多度模型,在对山西灵空山海拔1500～1800m的油松—辽东栎林物种多度及其水平空间分布分析的基础上,运用估计优度评价了2个模型预测分布多度的适宜性。结果表明:①在不同像元的30种木本植物中有20种的多度依次增加且所占的水平空间也依次扩展,有10种不表现为上述关系。②随着像元面积的扩大,遇到多度序列中面积小于上一个种时,多度—面积曲线呈现较大波动;剔除波动节点的物种时,多度—面积曲线的波动趋于平缓。对于同一个物种来说,像元面积越大,其物种所占面积也越大。③估计优度评价结果显示聚集分布多度模型用于预测多度—面积关系优于随机分布多度模型。④无论是随机分布多度模型还是聚集分布多度模型均依赖于m的取值,即物种在固定像元下所占像元数。对于分散程度较高的物种,采用2种模型进行预测时结果较精确,反之预测结果误差越大;在样地总面积一定时,像元面积越小,预测结果越精确。     

应用哨兵2A多时相遥感影像对树种的识别

森林树种类别的准确识别和专题图制作对于森林经营管理具有重要作用。以哨兵2A多时相遥感影像数据源,通过对单时相影像以及根据基尼系数(Gini系数)和信息熵进行的不同影像组合,利用随机森林算法对大孤家林场的树种类别进行识别和分类制图。结果表明:哨兵2A多时相影像组合能够显著改善树种分类的精度,多时相影像组合总体分度最高为87.45%,Kappa系数为0.825,比单时相遥感影像分类总体精度提升了4%~7%。     

基于超参数优化算法下的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林（random forest,RF）算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法（genetic algorithm,GA）、差分进化（differential evolution,DE）算法、粒子群优化（particle swarm optimization,PSO）算法、贝叶斯优化（Bayesian optimization,BO）算法对模型超参数进行优化,并与网格搜索（grid search,GS）下的人工神经网络（artificial neural network,ANN）和极限梯度提升机（extreme gradient boosting,XGBoost）模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数（adjusted temperature-humidity index,ATHI）、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614、7.723、14.4%、9.737,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性（relative importance,RI）为0.71,其次是时间区域（RI=0.09）和奶牛产奶量（RI=0.07）。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。     

基于随机森林特征优选的雪茄烟叶晾制过程含水率预测

针对雪茄烟叶晾制过程含水率人工判断主观性强、准确度低等不足,以及对影响雪茄烟叶晾制过程含水率预测的重要表观特征尚不明确等问题,该研究基于图像特征提取以及机器学习技术实现雪茄烟叶晾制过程含水率的预测。试验以雪茄烟品种“云雪2号”为试验材料,获取晾制过程的烟叶图像的颜色、轮廓、纹理以及部位四类特征并筛选出雪茄烟叶含水率预测的优选图像特征子集。在此基础上,构建了随机森林（random forest, RF）、支持向量机（support vector regression, SVR）与反向传播神经网络（back propagation neural network, BPNN）模型,并利用遗传算法（genetic algorithm, GA）对各模型超参数进行优化,将原始图像特征集与优选图像特征集输入3个机器学习模型,构建出6种模型-特征组合方案,依据晾制时期对原始数据集进行划分,并对测试集进行预测。最终结果显示：GA-SVR模型+优选图像特征子集的组合方案在测试集上表现最优,其决定系数（coefficient of determination,r²）与均方误差（mean square error,MSE）分别为0.980和0.001,且运行时间最短（运行时长=0.128 s）。研究结果可为雪茄烟叶晾制过程智能化控制提供理论依据。     

基于多时相Sentinel-2A影像的狼毒分布识别

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合,探讨区域尺度的狼毒遥感识别方法。结果表明,通过狼毒敏感指数计算,以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维,提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比,多时相特征组合有效提高了狼毒识别精度,其中,基于随机森林模型的6个特征组合方案的分类总精度为84.62%,狼毒分类精度均大于80%,识别效果最佳。本研究显示,影像去云及掩膜预处理能够有效减少分类干扰信息,花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异,在区域尺度狼毒遥感识别中具有较好的应用潜力。     

随机突变对扩展青霉脂肪酶最适作用温度的改善

利用error-prone PCR和staggered extension process(StEP)相结合的方法对扩展青霉脂肪酶(PEL)进行定向进化,构建含有随机突变基因的重组质粒pPIC3.5K-lip-mutantx,电转化引入毕赤酵母GS115中,进行异源表达。高通量筛选获得一株最适作用温度比野生型提高了5℃的突变株。15%的SDS-PAGE表明突变体分子量与野生型一致,约为28kDa。基因测序结果表明,突变体第270位丙氨酸变为苏氨酸,后者是氢键的供体,能形成具有稳定空间结构的氢键,使酶结构更加稳定,在高温下更适于与底物结合。