基于畦灌灌水效果的土壤入渗参数预测精度控制研究

为实现土壤入渗参数预测精度的有效控制,以汾东灌区北长寿的灌水试验为背景,对灌水技术参数进行包括灌水效率Ea、储水效率Es和灌水均匀度Du在内的多目标模糊优化。在优化灌水的条件下,选用三参数Kostiakov入渗模型,将入渗参数k、α和f0不同程度地偏离,利用WinSRFR对不同入渗参数下的灌水效果进行模拟,分析灌水效果评价指标对入渗参数变化的敏感程度。结果表明:入渗参数k和f0偏离对灌水效果指标的影响明显较入渗指数α偏离的影响大;Ea和Es对入渗参数偏离的敏感程度相当,而Du的敏感程度大于Ea和Es。在此基础上结合灰色关联理论,建立入渗参数预测精度控制模型,以实现土壤传递函数的有效建立。     

不同日平均气温计算方法对气温统计值的影响

日平均气温是反映气候特征的主要指标之一,计算日平均气温的方法有很多种,为了弄清不同的计算方法对日平均气温的影响,笔者对河北省5 个国家基准站的多年逐时气温资料分别进行极值平均、4 次平均、8 次平均3 种计算方法,统计日平均气温并与实际日平均气温进行对比分析。结果表明：3 种计算方法得出的平均气温序列与实际平均气温序列相关性较高,相关系数高达0.9 以上。气温平均值8 次平均最接近于实际日平均气温,平均偏低0.0052℃;极值平均比24 次平均偏高0.4568℃;4 次比24 次平均偏低0.1789℃。增温速率24 次平均最小,24 次平均比4 次平均的气温增温速率偏低0.001~0.03℃/10 a。3 种计算方法的估计精度在10-7和10-4之间,精度较高。在保证资料长度及测站数量的前提下,几种方法均能很好地代表气候的变化趋势。     

南方复合地貌区DEM内插算法的对比研究

数字高程模型是数字地形分析的重要数据基础,在土壤、水文、地貌、生态环境、地质灾害、农业等领域均有广泛应用。插值生成的DEM精度与插值算法本身特性、插值区域地貌类型都密切相关,研究插值算法对不同地貌类型的拟合精度差异,对提高DEM插值精度具有重要意义。以平原丘陵兼有、水网密集分布的南方复合地貌区为研究区,对ANUDEM,IDW,Kriging,Spline,NNI,TIN六种插值算法生成的DEM分别从总体、丘陵岗、平原3方面进行误差评价,结果表明:在丘陵岗地区,ANUDEM精度最高,对地形因子拟合程度最为准确;在平原地区,ANUDEM,TIN精度较高,能准确刻画水网等细节信息;总体而言,ANUDEM插值生成的DEM更能够精确地模拟南方复合地貌区的真实地形。     

基于不同协变量Cokriging土壤养分空间预测精度研究——以陕西省蓝田县为例

以蓝田县西北部农耕区2012年1 114份土壤有机质、碱解氮、有效磷、速效钾4个指标为基础,利用地理信息系统和地统计学相结合的方法,在对协变量个数控制的前提下,通过交叉检验系数和精度提高系数,探索协同克里格插值法对各土壤养分空间分布预测精度的影响。结果表明:各土壤养分空间分布不均匀,土壤养分存在中等变异性;利用增加协同变量方法,依据协变量之间相关性强弱控制协变量进入模型的次序对各土壤养分指标进行协同克里格插值,能提高预测精度,当协变量个数达到3时,各养分指标精度提高分别为有机质0.353%,碱解氮1.114%,有效磷1.088%,速效钾0.646%。研究结果较为准确地预测了样区4个养分指标的空间分布特征,结合土壤类型及土壤施肥管理方法,探讨了土壤养分空间分布特征的原因。     

基于坡度的黑土区切沟密度协同克里格插值方法研究

切沟侵蚀已成为东北黑土区土壤侵蚀的重要组成部分。结合野外样区实地调查切沟分布数据与空间插值方法是快速获取大面积切沟密度值的有效手段。流域的平均坡度值是切沟形成的影响因素之一,为提高切沟密度值空间分布的插值精度,在黑龙江省海伦市内,利用网格法均匀选取40个1 km²左右的小流域,在实地测量区域内切沟密度数据的基础上,应用距离权重反比法、普通克立格和以小流域的平均坡度作为协同变量的协同克立格对其做空间插值。结果表明:切沟密度与协同区域化变量受结构性因素的影响远大于随机性因素,均为强空间自相关性;距离权重反比法与普通克里格法的预测精度相近;协同区域化变量的空间结构性优于单一变量,协同克立格法生成的空间分布图精细度明显提高,均方根误差降低20%以上,预测值与实测值的相关系数提高89%以上,协同克里格可有效提高区域切沟插值精度。     

关于数控机床的精度检测的探讨

现代数控机床集合了电子计算机、伺服系统、自动控制系统、精密测量系统及新型机构等先进技术,能够加工形状复杂、精密、小批量零件,并且具有加工精度高、生产效率高、适应性强等特点.随着我国制造业的快速发展,数控机床在机械制造业已得到广泛应用,且对数控机床的精度要求也越来越高.如何检测数控机床的精度,正成为各行业用户在验收与维护数控机床时非常关注的问题.     

无线传感器网络改进质心算法的节点自定位

节点自定位是无线传感器网络的关键技术之一。在对距离无关的定位机制质心算法研究的基础上,采用极大似然估计法,估算信标节点与未知节点间的距离,以距离作约束降低误差值,从而提高定位的精度。通过MATLAB仿真。结果表明算法能够有效提高定位精度。     

基于树种分类的高分辨率遥感数据纹理特征分析

遥感图像尤其是高分辨率（1~4 m）遥感图像在树种分类方面有着广阔的应用前景。利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器。根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准。研究结果表明,利用窗口大小为19 19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余。高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考。图4表3参19     

Genomic estimation of additive and dominance effects and impact of accounting for dominance on accuracy of genomic evaluation in sheep populations

The objectives of this study were to estimate the additive and dominance variance component of several weight and ultrasound scanned body composition traits in purebred and combined cross‐bred sheep populations based on single nucleotide polymorphism (SNP) marker genotypes and then to investigate the effect of fitting additive and dominance effects on accuracy of genomic evaluation. Additive and dominance variance components were estimated in a mixed model equation based on “average information restricted maximum likelihood” using additive and dominance (co)variances between animals calculated from 48,599 SNP marker genotypes. Genomic prediction was based on genomic best linear unbiased prediction (GBLUP), and the accuracy of prediction was assessed based on a random 10‐fold cross‐validation. Across different weight and scanned body composition traits, dominance variance ranged from 0.0% to 7.3% of the phenotypic variance in the purebred population and from 7.1% to 19.2% in the combined cross‐bred population. In the combined cross‐bred population, the range of dominance variance decreased to 3.1% and 9.9% after accounting for heterosis effects. Accounting for dominance effects significantly improved the likelihood of the fitting model in the combined cross‐bred population. This study showed a substantial dominance genetic variance for weight and ultrasound scanned body composition traits particularly in cross‐bred population; however, improvement in the accuracy of genomic breeding values was small and statistically not significant. Dominance variance estimates in combined cross‐bred population could be overestimated if heterosis is not fitted in the model.