呼伦贝尔地区苜蓿人工草地CO_2通量变化特征

试验采用密闭箱技术对呼伦贝尔地区种植的苜蓿人工草地进行碳通量研究,采用反硝化-分解作用模型(DNDC)进行模拟。试验结果表明:对苜蓿人工草地CO2通量24h连续观测发现,CO2通量全天变化的平均值(238.15mg/(m2·h)与11∶00(245.32mg/(m2·h)的通量变化值接近,试验从早上9∶00~11∶00进行温室气体的采集方法合理、可行;在整个生长季变化表明,7、8月CO2通量变化较显著(P0.05),且受到降水的影响较大,伴随降水的发生,CO2通量会发生不同幅度的变化,土壤温度和含水量对CO2通量有一定的影响(r0.45,P0.05);通过DNDC模型的模拟,能较好的反映苜蓿人工草地CO2通量的变化情况,但模拟结果数值普遍有些偏高。     

林业应用系统本体知识模型的构建方法研究

总结了林业应用系统本体构建的基本方法,介绍了本体知识模型的构建思路,以期为本体技术的推广应用提供参考。     

具有时滞的SIR计算机病毒模型的稳定性分析

研究了一类具有非线性发生率的时滞SIR传染病模型.确定了决定计算机病毒消失或继续存在的基本再生数,通过分析系统对应的特征方程,得到无病平衡点与地方平衡点的局部稳定性。通过构造适当的Lyapunov函数,利用La Salle不变原理,证明当基本再生数小于1时,无病平衡点是全局渐近稳定的;最后,通过MATLAB进行数值模拟验证了所得理论分析结果的正确性。     

含MCVaR的投资组合优化统一模型

研究了Duarte提出的投资组合优化统一模型及条件风险价值（CVaR），分析了以CVaR为风险度量的投资组合优化模型的具体形式，建立了统一七种模型的投资组合优化统一模型，并发现统一模型是一个凸二次规划问题.     

安徽省农村居民人均生活消费支出计量分析

参考凯恩斯的消费理论建立函数模型,运用阿尔蒙估计法对安徽省农民纯收入及农民价格消费指数与消费支出进行估计分析,并就扩大农村居民消费给出建议。     

基于胜任力模型的高职通识性创新创业慕课体系研究

基于胜任力模型,研究高职生创新创业成功需要具备的能力,在此基础上开发了高职通识性创新创业慕课课程体系,并提出了实施建议。     

基于Sentinel-2数据的青海门源县天然草地生物量遥感反演研究

草地地上物生物量(AGB)是评价草地生产力的重要指标，精准反演天然草地的AGB，对草地长势监测和草畜平衡评估具有重要的意义。由于常用的遥感数据(如Landsat和MODIS等)受较低时间或空间分辨率引发的诸多问题的影响，因此探索具有更高时空分辨率及更多光谱波段的Sentinel-2卫星数据在县域尺度的草地植被监测状况具有极其重要的作用。利用Sentinel-2卫星遥感影像和青海门源县实测草地AGB数据，构建了基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)3种机器学习方法的草地生物量估算模型，研究了2019-2021年门源县天然草地生物量时空分布特征。结果表明：1)Sentinel-2卫星影像的3个原始波段(B2、B6、B11)和2种植被指数[反红边叶绿素指数(IRECI)和特定色素简单比值植被指数(PSSRa)]，是草地AGB敏感的特征变量。其中，红边波段(B5、B6、B7)对天然草地AGB遥感反演具有重要作用。2)基于RF算法的草地AGB估测模型是门源县天然草地生物量估测的最优模型(验证集R2为0.72,RMSE为622.616 kg·hm-2)，优于SVM模型(...     

生猪养殖户使用泔水饲料的微观生产行为研究——基于Heckman模型的实证分析

本文研究影响农户使用泔水养猪的相关因素,对泔水使用以及生猪死亡率之间的关系进行相关研究.通过大规模分层抽样随机调查数据,利用Heckman两阶段模型及OLS模型对农户的相关生产行为进行分析,并用以解决样本选择性偏差问题.研究发现:农户是否使用泔水养殖生猪与农户养殖经验、 养猪收入占总收入比例呈正相关关系,与农户生产规模呈负相关关系;农户使用泔水量与农户养猪经验、 是否接受过政府培训以及生产规模呈负相关关系.研究未发现农户使用泔水养猪与生猪死亡率之间具有相关关系.     

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

以浙江省临安市的山核桃为研究对象,基于2008—2011年连续4年的样地实测产量为基础,利用每年4个生长时期的Landsat TM遥感数据,系统地分析比较每个生长时期的植被指数与产量的关系。研究结果表明:NDVI在各个生长期均与产量的相关性最高;SAVI与产量的相关性居中,DVI最低。以每个时期的NDVI为因子,建立不同时期山核桃产量的预估模型。各时期模型的预估效果为果实膨大期花芽分化及授粉期采摘至落叶期休眠期。以不同时期的NDVI为因子,利用逐步回归,建立多因子的山核桃产量的预估模型。最优预估模型为y=126.51_(x_2)+26.61_(x_1)+12.56_(x_3)-67.42(R~2=0.642,SEE=12.17),为山核桃产量的预测提供可行,快速,有效的方法。