共查询到20条相似文献，搜索用时 31 毫秒
1.
[目的]我国多地多次发生有孔团水虱(Sphaeroma terebrans)造成红树林死亡的事件。目前国内关于该团水虱的研究较少,国外有较长的研究历史但是研究时间和地点比较分散,通过借鉴前人的研究成果,以方便我们了解并防控该虫。[方法]查询中外文献、专利,并结合本人已开展的研究,主要针对有孔团水虱的形态、分布和分类、生物学特征、天敌,对红树林的危害特征和红树林对其的响应,以及目前的防治手段等方面着手进行总结。[结果]有孔团水虱分布范围很广,其形态特征存在地理性差异,基因研究表明有孔团水虱种群间不是一个单一物种而是一个复杂的分类群。国外有孔团水虱主要蛀孔于红树林气生根,国内除了气生根外还蛀孔于红树植物基干,且前者鲜有致死红树林的报道。对于蛀孔的生物学意义争议很大,既有可引起的"生态灾难",也有可给红树林带来的益处,但前者的支持者较多。团水虱一生至少蜕皮4次,两年可育3代。红树林气生根上团水虱空洞若数量较少,可自行愈合。有文献记录几种海洋生物可捕食团水虱,但天敌种类较少;国内已有关于团水虱的控制方法,但操作性差,且不能从根本上解决问题,仍需加强团水虱的防控相关研究,另外,开展团水虱灾害预警技术和灾后重建技术也迫在眉睫。 相似文献
2.
3.
4.
团水虱对东寨港红树林的危害及防治对策 总被引：1，自引：0，他引：1
近年来,团水虱大量繁殖引起东寨港红树林大面积死亡.文章描述了团水虱对红树林的危害,分析了团水虱繁殖泛滥的原因,提出了解决该问题的防治对策. 相似文献
5.
6.
东寨港红树林退化动态初步分析 总被引：1，自引：0，他引：1
《中南林业科技大学学报(自然科学版)》2017,(2)
针对团水虱爆发导致海南东寨港红树林大面积退化的现象,对退化红树林群落的退化特征与林下土壤理化性质进行调查研究。结果表明:(1)相比2012年,2014年东寨港红树林退化程度加深,表现为:活立木株数明显减少、死亡率明显增高、群落郁闭度明显降低;(2)团水虱Sphaeroma sp.对红树林树种的蛀蚀具有选择性。长宁河沿岸不同红树树种退化程度不同,退化程度由重到轻依次为:木榄Bruguiera gymnorrhiza(26.47%)尖瓣海莲Bruguiera sexangula var.rhynchopetala(10.71%)海莲Bruguiera sexangula(10.42%)秋茄Kandelia candel红海榄Rhizophora stylosa;(3)退化红树林区域土壤沙粒含量2012年和2014年呈显著差异,2014年土壤沙粒含量比2012年显著减少;粘粒含量呈极显著差异,2014年土壤粘粒含量比2012年显著增加,而土壤粉粒含量和土壤容重则差异不显著。各样地土壤的化学性质包括p H值、速效钾含量在2012年和2014年呈现极显著差异,全盐量、碱解氮、有效磷呈显著差异,相比2012年,2014年土壤p H值、全盐量显著降低,土壤碱解氮、有效磷、速效钾显著增加。 相似文献
7.
木材顺纹抗压强度是评价木材力学性能的重要指标,而传统测量方法操作复杂、精确度低。以桦木为例,提出基于近红外光谱技术(NIR)的SEPA-VISSA-RVM木材顺纹抗压强度模型,实现对其更加精确的预测。试验选取100个木材试件,在900~1700 nm近红外光谱波段上采集数据并测量抗压强度真值;然后采用卷积平滑(SG)方法进行光谱预处理;使用采样误差分布分析(SEPA)作为变量空间迭代收缩算法(VISSA)的改进策略进行特征波长优选;最后通过粒子群优化算法(PSO)优化核函数参数并建立相关向量机(RVM)的预测模型。试验表明:在特征波长优选方面,以偏最小二乘法(PLS)建模为基础的SEPA-VISSA方法,其预测决定系数为0.9593,预测均方根误差为2.8995,相对分析误差为3.0256,光谱变量数由512减小到111个,占总波长的22%,均优于VCPA、CARS和VISSA算法;在建模预测方面,以SEPA-VISSA所选波长为基础的RVM模型,PSO优化的拉普拉斯(Laplacian)核函数的核宽度为10.4043,决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,预测效果优于PLS和SVR。因此,基于近红外光谱的SEPA-VISSA-RVM建模能够实现对桦木顺纹抗压强度更准确和稳定的无损检测。 相似文献
8.
报道了单甲脒对模型池塘生态系统结构与功能影响的研究结果.在较高浓度单甲脒的影响下,模型池塘生态系统遭到破坏,群落中浮游藻类的种类、数量、多样性明显下降,水体所含总氮、总磷的量增加,群落代谢失去平衡,呼吸量大于生产量,群落由自养型向异养型退化.对生态系统群落结构变化趋势的灰色预测表明,低浓度(1.5 mg/L)的单甲脒对群落结构与功能的影响不显著,但较高浓度(≥3.0 mg/L)的单甲脒最终将导致水质恶化. 相似文献
9.
情报研究中,用数学模型能精确地揭示情报利用量的数量关系,并能进行定量分析。但此模型必须要:1.有大量的样本;2.有典型的概率分布。实际工作中,医学情报需求资料难以具备上述条件。为制订计划及需求研究提供依据,本文试用灰色系统DM(1,1)模型对我市3个图书室1986年9月至12月医学情报求知人次进行预测预报。旨在探讨DM(1,1)模型在医学情报预测中应用的可能性。确定预测模型预测值误差的大小,取决于预测模型的 相似文献
10.
文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。 相似文献
11.
12.
《林业科学》2021,57(1)
【目的】利用近红外光谱分析技术,提出一种基于人工蜂群算法优化支持向量机(ABC-SVM)的木材弹性模量预测模型,为木材弹性模量无损预测提供科学参考。【方法】以294个杉木样本为试验材料,采用常规力学方法测量样本弹性模量,采集样本近红外漫反射光谱,选择350～2 500 nm光谱段,对原始数据进行15步指数平滑和一阶导数预处理,并利用主成分分析降维处理后的数据,建立偏最小二乘回归(PLS)模型、支持向量机回归(SVR)模型和人工蜂群算法优化支持向量机(ABC-SVM)模型预测杉木弹性模量,采用决定系数(R2)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)对所建模型进行对比分析。【结果】PLS模型的R2为0.726 700、RMSE为6.744 9、MAPE为0.063 5、MAE为5.065 6; SVR模型的R2为0.935 305、RMSE为3.528 1、MAPE为0.023 7、MAE为1.840 9;将人工蜂群算法用于SVM参数寻优,获得的最优参数c=5.670 51、g=0.031 25,ABC-SVM模型的R2为0.935 371、RMSE为3.526 0、MAPE为0.023 7、MAE为1.840 0。3种模型均可对杉木弹性模量进行有效预测。【结论】1)根据决定系数(R2),SVR和ABC-SVM模型的预测性能优于PLS模型,ABC-SVM模型的预测性能最佳; 2)根据均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE),3种模型的MAPE均在可接受范围内,ABC-SVM模型关于误差的各项指标均最小,基于ABC-SVM模型预测杉木弹性模量高效、科学。 相似文献
13.
[目的]对不同区域立木相容性材积方程以及不同异方差校正方法进行详细对比分析,建立相容性材积方程预估大兴安岭不同区域落叶松的立木材积。[方法]以大兴安岭3个不同区域的落叶松为研究对象,采用误差变量联立方程组的方法构建不同区域立木相容性材积方程。采用非线性额外平方和的方法(F检验)进行区域性检验。使用多种权函数分别对3个区域存在异方差的材积方程进行加权回归。[结果]表明:任何2个区域的立木材积方程都有显著不同(P0.000 1),区域1和区域3的材积相差较大,区域2与区域1和区域3的材积相差较小。不同区域立木材积方程的错误应用会导致较大的预测误差。在参数稳定性和评价指标方面,加权估计会优于普通最小二乘估计。基于平均相对误差(MRE)和总相对误差(TRE),区域1(-0.11、0.97)、区域2(0.04、0.08)和区域3(1.04、0.93)的最优权函数分别为1/F(x)、1/D4.99、1/D3.38。[结论]立木材积方程是森林调查和林分生长与收获模型的主要组成部分,本文所构建3个区域的相容联立方程组模型预测误差均不超过±3%。建立相容性立木材积方程时应考虑其异方差的影响。最优权函数没有统一的形式。为尽可能得到稳定的参数估计,在加权回归估计过程中应选用多种权函数进行对比分析。 相似文献
14.
竹笋万纹象发生期预测预报技术研究 总被引：1，自引：0，他引：1
1998~2002年在福建省永安市对竹笋万纹象成虫上笋高峰期、老熟幼虫的下地高峰期与毛竹出笋高峰期、留笋平均高、新竹展枝进度等物候关系进行系统观察,结果表明,采用产笋高峰期预测竹笋万纹象成虫上笋危害高峰期,两者之间期距为8 d;建立的预测模型Y=5.6-0.023 6X(式中:Y为当日与成虫上笋高峰日期距,X为留笋平均高)可以预测成虫上笋高峰期,其误差在2 d以内;以新竹第3轮新枝展开30%预测老熟幼虫下竹高峰期,经检验预测误差为1 d。 相似文献
15.
《林业科学》2018,(12)
【目的】提出一种基于灰狼算法支持向量机(GWO-SVM)的木材密度预测模型,利用近红外光谱(NIR)对杉木密度进行预测,为杉木性质定量分析提供理论依据。【方法】将109个杉木样品光谱数据和样品密度数据进行归一化,选取88个样品作为训练集、21个样品作为测试集,对2 151维光谱数据提取主成分,以主成分作为输入变量,以杉木样本密度作为输出变量,建立杉木密度多元线性回归(MLR)模型、SVM模型和GWO-SVM模型,采用决定系数(R~2)、均方误差(MSE)和平均绝对百分误差(MAPE)对3种模型的预测结果进行比较分析。【结果】对光谱数据进行主成分分析并选择5个主成分,其累积贡献率达98.7%。MLR模型的R~2为0.771 4,MSE为0.000 282 1,MAPE为3.009 23%; SVM模型的R~2为0.923 8,MSE为0.000 233 1,MAPE为2.794 50%;灰狼算法对SVM进行参数寻优,获得的最优参数分别为C=18.366 6、σ=0.043 3,GWO-SVM模型的R~2为0.919 2,MSE为0.000 183 4,MAPE为2.496 37%。3种模型的平均绝对百分误差均在可接受范围内,且GWO-SVM模型的平均绝对百分误差最小,预测效果最好。【结论】从预测精度分析,GWO-SVM模型明显优于MLR模型和SVM模型;从模型决定系数分析,GWO-SVM模型和SVM模型均优于MLR模型。灰狼算法优化支持向量机结合近红外光谱对杉木密度进行预测分析合理、高效。 相似文献
16.
运用SKALAR San++型连续流动分析仪测定了地表水中的总磷含量.建立数学模型,分析了不确定度的来源,计算了不确定度分量、合成标准不确定度(μ)和扩展不确定度(U).按照H J 670-2013法测定地表水中总磷含量为0.591 mg/L时,其扩展不确定度为0.046 mg/L,k=2. 相似文献
17.
18.
构建杉木(Cunninghamia lanceolata)人工林单木冠幅模型,可以提高杉木冠幅的预测精度,并为杉木人工林的科学经营提供参考依据。以杉木为研究对象,基于江西省崇义县杉木人工林57个样地的7 198株单木数据,对基础模型进行扩展,并构建含林分因子和单木因子的冠幅非线性混合效应模型;采用十折交叉验证方法,以调整后的决定系数(R2adj)、均方根误差(ERMS)和平均绝对误差(EMA)模型评价指标对各模型的预测效果进行评价。结果表明:(1)备选模型中,Logistic模型的预测效果最佳。(2)除胸径以外,有6个指标对冠幅有显著影响(P<0.05)。6个指标分别是地位指数、林龄、基尼系数(Gini系数)、林分密度指数、枝下高和大于对象木的断面积之和。添加协变量构建的广义模型较基础模型更优,R2adj增加了28.53%,ERMS和EMA分别下降了17.80%和15.72%。(3)考虑样地水平随机效应的混... 相似文献
19.
武汉北太子湖水环境容量研究 总被引：1，自引：0，他引：1
经过多次实地调研考察并采样检测,得到武汉经济开发区北太子湖水质现状及实际入湖污染量,并以此估算了湖泊降解系数,参照吉奈尔-狄龙(Kirchner-Dillon)模型计算得到了湖泊的水环境容量,化学需氧量(COD)水环境容量为322.19t/a,总氮水环境容量为38.29t/a,总磷水环境容量为1.09t/a。水环境容量表示水体可容纳污染量的上限,也可作为其净化及稀释能力的度量。北太子湖的污染物需削减量如下:化学需氧量为0t/a,未超出水体自净能力;总磷为2.16t/a,超出水体自净能力198%;总氮为0.26t/a,超出水体自净能力6.7%。北太子湖水体总磷排放量严重超标,需放在污染治理的首位。 相似文献
20.
以样品采集和质量控制模式(SAX)为指导,通过合理的采样设计和数据分析方法,估算若尔盖泥炭地土壤表层有机碳储量的估计值及其置信区间,并使用Robust方差分析进行定量化的误差分析,计算4类误差来源(样地间差异、采样深度、样地内差异和样品测定)的误差贡献率。结果表明,若尔盖泥炭地表层土壤有机碳储量估计值为43.21 kt/km2,其99%置信区间为40.08～46.33 kt/km2;误差分析结果表明,误差大部分来自样地间差异(贡献率为61.63%),远大于其他3类来源(采样深度：24.82%;样地内：10.85%;测定误差：2.70%);温度是最主要的样地间误差来源(贡献率为24.13%),降水和人为干扰也是重要的样地间误差来源(贡献率分别为21.02%和17.08%)。 相似文献