基于梯度推移理论的石家庄市城区住宅地价时空演变研究

基于梯度推移理论,以2000~2015年石家庄市城区住宅用地交易样本数据为基础,纳入通勤时间变量取代传统意义上梯度推移公式中的空间距离变量,并重新定义用于梯度系数的测算,再结合Kriging插值,探索石家庄市城区住宅地价的时空演变规律,分析住宅地价的空间结构特征。研究结果表明:1)通勤时间是影响地价发展的重要解释变量,采用改进梯度推移公式,强调了"时间"因素影响地价扩展范围和程度的重要性;2)2008年石家庄市城区住宅地价增幅最快的区域推移至桥西区的一环外,2011年推移至二环外;3)石家庄市城区住宅地价空间分布不均匀,高地价区凸向裕华区和新华区。     

海拔梯度对台江方竹发笋节律的影响研究

通过原产地对合江方竹不同海拔梯度发笋节律的观察和研究，得出其开始发笋期、停止发笋期及发笋数都随着海拔梯度的变化有显著或极显著的差异，海拔越高，发笋越早，停止发笋期也越早，平均发笋量3300株／667m^2。其发笋期可以划分为开始期、高峰期和停止期阶段。在海拔l200In以L开始发笋期出现在9月中旬，停止生长期出现在10月上旬；1000m以一卜开始发笋期、停止生长期分别出现在9月下旬和10月底以后；随着海拔高度平均每降低100m，开始发笋期推迟2—3d，停止发笋期随着海拔高度平均每降低100m推迟3—4d。数学模型（以9月13日为第一天），发笋开始期为K=31．333-0．02383H海拔，停止发笋期为T=64．867-0．03217H海拔；合江方竹在不同海拔梯度的发笋性状可以划分成900m以下和900m以上两类，其中900m以下具有“笋期晚发笋多（晚多）”特性；900m以上具有“笋期早发笋少（早少）”特性。     

梯度—通量关系不成立时Pemnan—Monteith方程误差分析

讨论了Ｐｅｎｍａｎ－Ｍｏｎｔｅｉｔｈ方程成立的条件，在梯度扩散理论不成立时重新推导了Ｐｅｎｍａｎ－Ｍｏｎｔｅｉｔｈ方程，并分析该方程可能产生的误差。     

南美白对虾二级淡化试验

近年来，南美白对虾在北方的养殖面积不断扩大，并从沿海向内陆发展，由海水养殖向淡水养殖迈进。虾苗淡化是南美白对虾在淡水地区养殖成功的一个重要环节。一般育苗场为了自身经济利益，降低风险，很少将虾苗淡化到1‰以下，通常淡化到7‰左右甚至更高就作为淡化苗出售(因为7‰左右盐度的虾苗运输成活率高)。这种虾苗在进入淡水池塘养殖前必须经过进一步淡化才能保持较高的成活率。我们于2003年6月13日在从辽宁省盘锦市大洼县引进虾苗，随机取样，进行了二级淡化试验。现将淡化情况报告如下。     

草地类型梯度分析

紫泥泉地区位于天山北坡低山带，具有代表性的冬春秋放牧场。本文应用数量分类（ＴＷＩＮＳＰＡＮ）、排序（ＤＣＡ）和回归分析方法研究了草地类型的分类及其分布的梯度规律。研究结果表明：该地区的草地类型按传统分类划分出１８个型，ＴＷＩＮＳＰＡＮ分类结合ＤＣＡ排序归纳出８个型，其中６个型为地带性草地类型，２个型为非地带性草池类型；地带性草地类型沿水热梯度分布，非地带性草地类型沿质地梯度分布。     

黄淮流域夏季棉栽培技术

一、选择适宜的种植密度和种植模式 不同地区（纬度值）、不同播种、水肥条件及栽培管理技术，棉花的种植密度不同。短季棉的种植密度是9万～18万株／hm^2。一般纬度越高，密度宜适当增加。黄河以南，可采用9万～10．5万株／hm^2，黄河以北，宜在12万株／hm^2以上。此外。密度大小还与播期、水肥条件有关。播种晚，密度宜大；土壤水肥条件差，密度宜大。针对目前短季棉抗病丰产的特性，采取增株与减枝结合，密矮栽培与化控结合，夏棉的种植密度应争取达到12万株／hm^2以上为宜。     

不同刈割强度下羊草转录组研究

刈割是一种重要的草地管理措施,刈割留茬高度直接影响草地生产力及群落结构,在牧草生产中具有重要意义。为研究羊草在不同刈割强度下的转录响应,利用Illumina HiSeq-PE150高通量测序技术,对不同刈割留茬高度(0,2,4,8,12 cm)处理下羊草再生叶片进行了转录组测序。共得到139767803条读长(reads),41.94 Gb原始数据。经过过滤、质控与从头组装后,总共得到转录本270207条,总长度为191.6 Mb。通过与多种数据库比对得到48097条单基因簇(Unigene)注释结果。筛选出了所有刈割强度处理与不刈割对照组显著差异基因共2579条,经过生物信息分析,将其定位到碳水化合物代谢、损伤应答、过氧化氢分解、植物激素信号转导等功能与代谢通路。利用聚类方法得到了随着刈割强度增强,表达量规律变化的基因,分别富集到了过氧化物酶体、光合作用等代谢途径。对羊草在不同刈割高度下的转录组进行了研究,为草本植物分子生物学研究提供了宝贵的数据资源,对于解析羊草响应刈割的分子调控机制及相关基因挖掘具有重要指导意义。     

求解大规模优化问题的分布式并行方法

针对大规模的优化问题,提出一种复杂度低且能快速收敛的分布式并行方法。由于计算Hessian矩阵及其逆矩阵会带来巨大的计算和存储开销,利用内点法或牛顿法求解大规模问题并不可行;大规模优化问题通常采用基于梯度或基于分解的方法进行求解。传统的方法具有较高的复杂度的算法,因此笔者提出了一种新的具有更快收敛速度的原对偶方法,每次迭代仅需要进行简单的梯度更新,从而降低复杂度。