基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

云和县生态公益林的发展现状与管理对策

对云和县生态公益林的资源和发展现状进行了调查分析,提出了今后云和县生态公益林的发展对策,以实现生态公益林的持续、稳定和健康发展。     

基于Landsat的高山松地上生物量动态变化估测模型构建

以香格里拉市高山松为研究对象,基于1987—2017年的国家森林资源清查固定样地和对应年的Landsat TM/OLI数据提取对应的遥感因子,计算30 a期间生物量和遥感因子的5、10 a定期变化量、年平均变化量、5、10 a变化率;采用多元线性回归（MLR）和随机森林（RF）方法构建地上生物量模型,提高高山松森林AGB动态变化遥感估测的精度。结果表明：基于5种变化量类型的RF模型效果均优于相应的MLR模型,RF模型中采用5 a变化率效果最好,其拟合R²为0.956,RMSE为0.664 t/(hm²·a),预测结果中RMSE为2.285 t/(hm²·a);纹理因子在高山松地上生物量变化量建模中贡献最大。采用遥感因子变化率构建的高山松地上生物量动态变化估测模型,提高了生物量变化的估测精度,可为森林地上生物量的动态估测研究提供参考。     

基于随机系数累加多层统计模型的香蕉产业组织模式绩效研究

利用随机系数累加多层统计模型对我国香蕉产业组织模式绩效进行实证分析,并从亩产量和收入两方面对不同香蕉产业组织模式的绩效进行比较,从而得出产业组织结合越紧密绩效越高的结论,并进一步提出促进我国香蕉产业组织化发展的对策建议.     

中国五大湖三角帆蚌群体遗传多样性的RAPD分析

用OPJ和OPM两组40条10碱基随机引物,对中国五大湖三角帆蚌地理群体及诸暨养殖蚌进行了随机扩增多态性DNA(RAPD)分析,其中12个引物的扩增结果具有丰富的群体多态性,多态率为55.6%～80%。群体内遗传相似度大小依次为:鄱阳湖(0.8889),太湖(0.8694),洞庭湖(0.8111),诸暨(0.7746),洪泽湖(0.7348),巢湖(0.7185)。依据群体间遗传距离指数及分子系统树,表明洞庭湖群体和洪泽湖群体亲缘关系最近,鄱阳湖群体则与巢湖群体的亲缘关系最近,并且诸暨人工养殖群体与鄱阳湖和巢湖的群体比较接近。     

从森林绿色核算看我国林业政策的优化

为了更好地为林业管理决策服务和为政策制定提供依据,该文在对国内外绿色核算研究综述的基础上,论述了绿色核算的概念,探讨了森林绿色核算的政策应用. 文章通过对我国2000、2004年的森林绿色核算研究结果的认真分析指出:2000—2004年,我国森林eaGDP(经环境调整的GDP)增加了0.11%,反映出林业对国民经济的贡献是不断增加的; 在我国森林环境服务、社会效益中,土壤保育、森林防护效益最大,固碳供养、水源涵养效益次之,森林游憩效益最小. 因此,在森林间接效益利用中,受益最大的是农业、水利、电力等部门,受益最小的是林业部门本身. 该文还对我国的森林绿色核算结果进行了政策优化分析,提出了加强政府对森林资源保护的直接管制和补偿,提供资助,加强森林资源保护的地方标准、法律的制定,促进林业人力资本的发展,明确产权等建议,以促进实现社会经济发展与森林资源增长的目标.      

甘肃省退耕还林还草区划刍议

根据气候资源、土地状况、草地类型的不同,将降水和积温同海拔结合,并与相关的行政区划相统一,整体上将甘肃省的绿化区域划分为干旱荒漠区、高寒草原区、灌溉农业区、黄土高原区、青藏高寒区、半湿润区和亚热带湿润区7个区域,并进行了详细地分区论述,为甘肃省退耕还林还草和生态建设提供科学依据.     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

Comparison of the Value of Pulsed-field Gel Electrophoresis,Random Amplified Polymorphic DNA and Amplified rDNA Restriction Analysis for Subtyping Taylorella equigenitalis

Eight strains of Taylorella equigenitalis were identified by a polymerase chain reaction using a primer pair specific to the 16S rDNA of T equigenitalis. These eight strains were chosen because they had previously been shown to represent eight distinct genotypes by pulsed-field gel electrophoresis analysis after separate digestion of the genomic DNA with ApaI or NotI. The eight strains could be classified into six or seven types by random amplified polymorphic DNA analysis using different kinds of primers. Amplified rDNA restriction analysis after separate digestion with five restriction enzymes, including AluI and MboI, of the 1,500 bp fragments of rDNA amplified by polymerase chain reaction did not discriminate the genomic variations among the eight strains of T equigenitalis. Thus, pulsed-field gel electrophoresis was shown to discriminate these eight organisms better than random amplified polymorphic DNA analysis, while amplified rDNA restriction analysis was found to be unsuitable for subtyping T equigenitalis.