对广东省高校教师工资统发工作的思考

分析了广东省高校教师工资统发过程中存在统发工资与地方保险局扣缴的养老金无法达到一致、统发工资与地方税务局扣缴的个人所得税的起征标准不一致、后勤改革与工资统发尚不配套、人事分配制度改革与统发工资尚不配套等问题 ,提出了解决问题的建议与对策     

大区域非规则采样系统ETo的最优等值线图Kriging法绘制及应用

作物需水量是水资源循环与水分消耗的主要形式,也是资源分配与评价的主要依据.参考作物需水量(ETo)是其中的一个核心部分.目前国内外研究仅关注ETo计算方法及等值线图绘制,并多以传统的线性插值方法进行手工绘制或计算机绘制.而关于大区域非规则采样ETo最优等值线图绘制方法尚少见报道.ETo主要受区域性蒸发面的液体扩散及其向上空的气体紊流的空气动力学作用即环境条件影响,主要与气象和地理条件有关,具有区域性变量的特征.本研究以内蒙古自治区复杂气候条件和地理环境下绘制牧草ETo区域性空间变异规律和最优等值线图为目标,采用了地质统计学方法并探讨Kriging最优无偏估计方法用于大区域非规则采样条件下区域信息估计的途径.根据118万km2面积内135个非规则分布气象站30年气象资料,通过对非规则采样信息的正则化处理,在传统最优内插估计方法基础上,进行了误差控制下的适当外推,构成了内插与外推的合理结合.在提供资源估值的同时还可提供估值误差б2k.对大区域非规则网格等值线图绘制提供了科学有效的方法.     

条件模拟原理和技术进展及在水资源系统中的应用

在简要介绍条件模拟基本原理基础上,重点评述了国外20世纪90年代新的数学方法和计算技术进展及在国内外水资源系统应用的主要成果,并对今后学科和技术发展作了展望.     

基于光能利用效率的区域蒸散量反演模型——以玉米种植区为例

以内蒙古河套地区解放闸灌域为研究区域,以实测生物量与土壤含水量及其关系方程为研究基础,建立了基于光能利用效率(radiation use efficiency,RUE)的区域蒸散量反演模型;以陆面能量平衡(surface energy balance algorithm for land,SEBAL)模型为参考,对反演的同一时期的区域蒸散量进行对比分析.结果表明:RUE与SEBAL模型反演的区域蒸散量在空间分布和纹理特征方面具有相似性且相关性较高,决定系数高于农业技术推广支持系统(decision support system for agrotechnology transfer,DSSAT)与SEBAL的;基于RUE建立的区域蒸散量反演模型能够较好地反映区域蒸散量,在监测区植被(或作物)单一的前提下,是一种有效方法.     

考虑块段效应的RBF神经网络在土壤空间插值中的应用

定义了土壤变异中的块段效应,提出了考虑块段效应的RBF神经网络空间插值模型(RBFBE法),以期提高土壤水分和养分的插值精度;并以江苏省扬州市区北部某试区为例,通过A、B两种训练方案,将RBFBE法对土壤含水率与有机质含量的插值结果与常规的RBF神经网络(RBFANN法)空间插值结果及普通克里金法(OK法)插值结果进行了对比分析。结果表明:与OK法相比,RBFBE法能使土壤特性的均方误差M_se缩小19.0%~62.2%,预测吻合度G提高8.9%~28.8%;与输入信息相同的RBFANN法相比,RBFBE法亦能使土壤特性的均方误差M_se缩小10.0%~48.8%,预测吻合度G提高3.4%~22.0%;此外,研究也表明RBFBE法具有较强的泛化能力。考虑块段效应的RBF神经网络方法有利于拓展人工神经网络方法在土壤特性空间插值中的应用范围,具有一定的应用前景。     

农田土壤水分和盐分空间分布的指示克立格分析评价

运用非参数地质统计学的多元指示克立格法,结合单元指示克立格法,对黄河河套灌区55hm2的盐渍化土地上两个比较关键时期的土壤水分和盐分进行空间分布的分析,给出了同一时期土壤水盐和不同时期土壤盐分满足一定标准的综合概率图,并借助该案例详细介绍了多元指示克立格的原理、步骤及应用范围。指示克立格方法为不同尺度(从农田到区域)上水土资源质量的评价提供了新的方法,能为水土资源的现代决策管理提供指导。     

融合空谱特征和集成超限学习机的高光谱图像分类

为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法。首先结合每个像素邻域的光谱信息提取空谱特征向量;考虑到高光谱相邻波段信息具有一定的相关性,先对提取的特征向量进行平均分组,然后从每个区间随机选择若干个波段进行组合,采用具有快速学习能力的超限学习机训练分类器。为提高分类模型的泛化能力,基于集成学习思想,对提取的空谱特征进行多次抽样,训练得到多个弱分类器,最后采用投票表决法得到用于高光谱图像分类的强分类器。采用3个典型高光谱数据进行了分类试验,试验结果表明,提出的算法总体分类精度较优,尤其当训练样本数较少时能取得较高的分类精度。提出的算法具有可调参数少、训练速度快、分类精度高等优点,具有广阔的应用前景。