为建立岩原鲤基于环境DNA（eDNA）的实时荧光定量PCR(qPCR)检测方法，准确鉴别岩原鲤并探讨eDNA浓度与其生物量的定量关系，本研究根据岩原鲤mtDNA中12SrRNA基因序列设计eDNA引物和TaqMan探针，利用PCR扩增出岩原鲤12SrRNA基因的序列，克隆入 pMD19-T载体，构建重组质粒作为qPCR标准；使用梯度稀释质粒标准品作为模板，进行 qPCR扩增，制作标准曲线，建立岩原鲤qPCR检测方法，并评价其特异性、灵敏性和应用效果。结果显示，引物和TaqMan探针对供试的岩原鲤样品出现荧光增长曲线，显示阳性扩增，而其他鱼类和空白对照均未得到扩增信号，表现为阴性；qPCR的阈值循环数(C_(t))与标准品拷贝数的线性关系好，且线性范围广，获得的标准曲线相关系数(R~(2))达到0.999，检测限位DNA浓度为5×10~(-6)ng/μL，扩增效率为94.7%；检测养殖不同数量岩原鲤的水体中eDNA浓度，目标DNA浓度和岩原鲤数量有R~(2)为0.957的线性正相关性，得到岩原鲤DNA浓度与其个体数量的相关性曲线：y=131 546x+77 623；去除岩原鲤后，eDNA的拷贝数与时间负相关，其在水体环境中的存留时间为17天左右。在本研究中，该岩原鲤eDNA引物和TaqMan探针既能应用于水体中岩原鲤的定性检测上，特异性高、时效性好；又能定量检测出环境中岩原鲤的密度，有利于反映出岩原鲤在不同样点的生物量及时空动态，从而为评价岩原鲤人工放流效果和管理保护资源提供参考。

为建立岩原鲤基于环境DNA（eDNA）的实时荧光定量PCR(qPCR)检测方法，准确鉴别岩原鲤并探讨eDNA浓度与其生物量的定量关系，本研究根据岩原鲤mtDNA中12SrRNA基因序列设计eDNA引物和TaqMan探针，利用PCR扩增出岩原鲤12SrRNA基因的序列，克隆入 pMD19-T载体，构建重组质粒作为qPCR标准；使用梯度稀释质粒标准品作为模板，进行 qPCR扩增，制作标准曲线，建立岩原鲤qPCR检测方法，并评价其特异性、灵敏性和应用效果。结果显示，引物和TaqMan探针对供试的岩原鲤样品出现荧光增长曲线，显示阳性扩增，而其他鱼类和空白对照均未得到扩增信号，表现为阴性；qPCR的阈值循环数(C_(t))与标准品拷贝数的线性关系好，且线性范围广，获得的标准曲线相关系数(R~(2))达到0.999，检测限位DNA浓度为5×10~(-6)ng/μL，扩增效率为94.7%；检测养殖不同数量岩原鲤的水体中eDNA浓度，目标DNA浓度和岩原鲤数量有R~(2)为0.957的线性正相关性，得到岩原鲤DNA浓度与其个体数量的相关性曲线：y=131 546x+77 623；去除岩原鲤后，eDNA的拷贝数与时间负相关，其在水体环境中的存留时间为17天左右。在本研究中，该岩原鲤eDNA引物和TaqMan探针既能应用于水体中岩原鲤的定性检测上，特异性高、时效性好；又能定量检测出环境中岩原鲤的密度，有利于反映出岩原鲤在不同样点的生物量及时空动态，从而为评价岩原鲤人工放流效果和管理保护资源提供参考。

近年来,环境DNA(Environmental DNA, eDNA)技术作为一种新的水生生物调查方法发展迅速,在水生生态系统的研究领域被广泛应用到物种检测、生物多样性评价、生物量评估等方面。然而,很少有研究专门评价e DNA技术操作流程中不同的eDNA富集方法与提取方法对研究结果的影响,从而针对具体研究对象建立一套最佳的eDNA技术操作流程。此外,由于物种间生活习性的差异,不同物种释放到环境中的DNA量及DNA片段大小不同,因而,针对不同研究对象需采用不同的eDNA富集与提取方法。本研究以中国对虾(Fenneropenaeus chinensis)为研究对象,采用滤膜法富集eDNA,结合血液与组织DNA提取试剂盒提取e DNA。选取直径为47 mm的玻璃纤维膜、硝酸纤维膜、聚碳酸酯膜、尼龙膜共4种材质的滤膜,每种滤膜根据其孔径大小设置0.45、0.8、1.2、5μm共4个梯度,取样水量设置500 ml、1 L、2 L共3个梯度。结果显示,滤膜材质、滤膜孔径大小及取样水体体积均对中国对虾的定性与定量分析具有一定的影响,其中,0.45μm的玻璃纤维滤膜过滤2 L水样能够检测到的DNA拷贝数最多,并依据此建立了一套中国对虾e DNA技术的操作流程,提高了中国对虾的检出率,为后续中国对虾的分布监测及生物量评估提供了基础。

【目的】应用以遗传算法优化的BP（GABP）神经网络构建灌木生物量估测模型，以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象，应用遗传算法优化BP神经网络的结构、初始权值和阈值，通过BP神经网络训练构建荆条最优地上生物量估测模型，并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明，GABP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%，估测精度分别为81.46%和75.64%，GABP神经网络模型的精度略高于回归分析模型。【结论】应用GABP神经网络构建灌木生物量模型是可行的，能够实现灌木生物量的快速估测。

绩效评估中评估主体的行为评估对绩效评估的公平性与有效性十分重要。本文基于信号检测理论的基本思想,将员工绩效分为客观的高绩效、漏报的绩效、虚报的绩效与客观的低绩效四种类型,通过计算评估者的辨别力指标d’与反应偏向指标β,对绩效评估主体的行为进行评估,以期做出绩效评估主体行为是否有效的判断。

【目的】应用以遗传算法优化的ＢＰ（ＧＡ－ＢＰ）神经网络构建灌木生物量估测模型，以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象，应用遗传算法优化ＢＰ神经网络的结构、初始权值和阈值，通过ＢＰ神经网络训练构建荆条最优地上生物量估测模型，并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明，ＧＡ－ＢＰ神经网络模型和回归分析模型的模拟精度分别为７７．６５％和７１．７９％，估测精度分别为８１．４６％和７５．６４％，ＧＡ－ＢＰ神经网络模型的精度略高于回归分析模型。【结论】应用ＧＡ－ＢＰ神经网络构建灌木生物量模型是可行的，能够实现灌木生物量的快速估．．．

【目的】为了提高高山松地上生物量估测的精度，开发一种滤波算法，减少Landsat时间序列数据的噪声。【方法】基于1987、1992、1997、2002、2007、2012、2017年国家森林资源连续清查固定样地的数据以及1987—2017年的Landsat时间序列影像，利用谷歌地球引擎(Google earth engine,GEE)以及Python，通过Land Trendr滤波、Savitzky-Golay滤波、Horn卷积以及基于空间卷积理论开发的自适应霍恩地形卷积(Adaptive horn topography convolution,AHTC)算法对Landsat时间序列数据进行滤波，应用随机森林回归算法(Random forest regression,RFR)构建香格里拉市高山松地上生物量估测模型，并选择最优估测模型对1987、1992、1997、2002、2007、2012、2017年高山松地上生物量进行反演制图。【结果】1)从图像的直接评价指标均方根误差(Root mean square error,R_(MSE))以及峰值信噪比(Peak signal-to-noise ratio,P_(SNR))来看，经过AHTC算法滤波后的图像质量最好；2)在使用RFR方法的情况下，滤波后的数据均表现出比原始数据更高的估测精度；3)经过AHTC算法滤波后的时间序列数据对高山松地上生物量的估测效果最优，其决定系数R~2为0.885、均方根误差R_(MSE)为34.63 t/hm~2、预测精度P为60.75%、相对均方根误差r RMSE为43.59%;4)采用AHTC和RFR方法反演结果分别为1 236万t(1987年)、1 155万t(1992年)、1 455万t(1997年)、1 330万t(2002年)、1 314万t(2007年)、1 345万t(2012年)、1 654万t(2017年)。【结论】使用AHTC滤波方法在一定程度消除了时间序列影像自身所携带的大量噪声和不确定性，有效地提高了时间序列影像的质量，同时也为提高高山松地上生物量遥感估测精度提供了一种新思路。

【目的】森林生物量是评价森林质量的重要指标，也是研究碳循环的重要基础，准确估测珠三角森林生物量对珠三角国家森林城市群建设高质量提升具有重要指导意义。【方法】以珠三角国家森林城市群为研究区，通过Landsat-8 Oli影像、DEM影像和2017年森林资源连续清查数据，分别提取单波段因子、植被指数、纹理特征和地形因子，采用多元逐步回归方法和BP神经网络模型分别构建阔叶林、针叶林、针阔混交林生物量估测模型。【结果】1）针对阔叶林、针叶林、针阔混交林3种不同森林类型，BP神经网络的预测精度都优于多元逐步回归模型，用BP神经网络预测的决定系数R~2相比于多元逐步回归有了一定的提高，阔叶林提高了0.10，针叶林提高了0.14，针阔混交林的R2提高的最为明显，提高了0.29。相对于多元逐步回归，BP神经网络的RMSE也有了一定程度的降低，阔叶林降低了5.32 t/hm~2，针叶林降低了10.57 t/hm~2，针阔混交林降低了0.28 t/hm~2。2）利用BP神经网络反演珠三角样地生物量，阔叶林为66.18 t/hm~2，针叶林为61.88 t/hm~2、针阔混交林58.29 t/hm~2，珠三角的乔木林平均生物量为64.46 t/hm~2，总的生物量为1 435.99 t，大部分地区森林生物量为40～80 t/hm~2，低于全国平均水平。3）地上生物量较高的地区分别分布在肇庆北部、广州北部、惠州西北部和东莞等地区。【结论】Landsat-8 OLI可以很好地用于森林地上生物量的估算，BP神经网络模型的反演精度要优于多元逐步回归方法，森林地上生物量与龄组和树种有关，生物量高的地区以近熟林和成熟林为主，木荷、马尾松、栎类和针阔混交林等树种的生物量较高，桉树的生物量偏低。

针对传统k-最近邻法(k-nearest neighbor,k-NN)在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法(genetic algorithm,GA)优化的k-NN模型实现的基础上,对k-NN的3个参数(k,t和d)进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm~(-2),偏差为-0.418 t·hm~(-2),相对标准误差百分比(R_(MSE))为54.8%;优化后均方根误差为24.0 t·hm~(-2),偏差为-0.123 t·hm~(-2),R_(MSE)为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×10~7t。图7表6参20

【目的】针对多源遥感数据及其派生特征因子数据维度高、信息冗余、易造成估测模型过拟合等问题,从高维度遥感特征因子中高效优化特征组合,优化区域森林地上生物量(AGB)的k最近邻(k-NN)估测模型。【方法】提出基于快速迭代特征选择的k最近邻法(KNN-FIFS),以森林资源样地调查数据计算的森林AGB为参考,以留一法交叉验证(LOO)相应的k-NN模型反演的森林AGB均方根误差(RMSE)最小为原则,依次迭代选取遥感特征,优化区域森林AGB的k-NN估测模型。以大兴安岭根河森林保护区为研究区,结合Landsat-8 OLI各波段光谱信息、植被指数、纹理、地形因子、机载合成孔径雷达(SAR)P-波段HV极化后向散射强度信息(PHV)以及森林资源样地调查数据,利用KNN-FIFS方法估测研究区森林AGB,并与多元线性逐步回归法(SMLR)进行对比分析。【结果】利用KNN-FIFS方法,得到当k为3,特征组合为PHV、短波红外波段一均一性(H6)、短波红外波段一二阶矩(S6)、短波红外波段二二阶矩(S7)、海蓝波段相关性(Cr1)、近红外波段相关性(Cr5)、海蓝波段相异性(D1)、增强型植被指数(EVI)时,研究区森林AGB估测结果最优,其精度(R~2=0.77,RMSE=22.74 t·hm~(-2))显著优于SMLR估测精度(R~2=0.53,RMSE=32.37 t·hm~(-2))。【结论】KNN-FIFS方法相比SMLR更适用于森林AGB多源遥感估测;KNN-FIFS方法可以从高维度遥感特征因子中高效选取相关特征进行森林AGB估测。

【目的】森林生物量的精确测定,对于全球气候变化和碳循环研究具有重要的意义。【方法】以东北林业大学城市林业示范基地为研究区域,首先利用无人机平台获取整个研究区域的高分辨率无人机影像;然后在研究区域四种人工林样地中分别选取20 m×20 m的4块建模样方和4块测试样方,通过每木检尺法实测建模样方内林木的树高和胸径数据,建立H-DBH(树高-胸径)估算模型,并结合已有的DBH-SB(胸径-树干生物量)模型得到测试样方的森林生物量数据;在处理后的数字冠层高度模型(DCHM)基础上利用局部最大值法提取树高与树冠中心点位置,建立一种结合无人机影像提取树高与H-SB(树高-树干生物量)经验模型的森林生物量制图方法。【结果】不同样方的H-DBH模型R2均大于0.70,测试样方的总地上生物量平均值为6 915.85 kg,总的估测精度为87%。通过ArcGIS软件结合本研究提出的方法快速得到了整个研究区域的地上生物量分布图,估测总地上生物量为4 396.18 t。【结论】研究结果可为快速准确的进行森林生物量的估测提供基础数据和技术参考。

基于２００７年建德市森林资源二类调查数据和ＴＭ影像数据，采用蓄积量—生物量换算因子连续函数法计算松树生物量，对松树树种分立地质量等级和不分地位等级２种类型建立生物量的遥感估测模型，并进行精度检验。结果表明：（１）以ＴＭ遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好，决定系数Ｒ２均在０．６以上，最高０．７７３。（２）利用预留独立样本对模型精度进行验证，不分地位级总体估测精度为９２．５１％，分立地质量等级好、中、差３种类型总体估测精度分别为９７．６６％、９６．５６％、９７．３２％，分不同立地质量等级建模精度明显优于统一建模的精度。研究结果为森林生物量遥感估测提供一种改进的思路，且为提高森．．．

【目的】森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。【方法】首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。【结果】使用两

［目的］研究不同立地质量对杉木生物量遥感估测精度的影响，为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。［方法］以２００７年建德市森林资源二类调查数据和ＴＭ影像为研究材料，采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级，比较杉木立地质量好、中等、差和不分地位等级４种生物量遥感估测模型，并进行精度检验。［结果］表明：（１）以ＴＭ遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好，决定系数Ｒ２均在０．６９以上，最高０．８５５。（２）利用预留独立样本对模型精度进行验证，不分地位级总体估测精度为８７．７８％，分立地质量等级好、中、差３种类型总体估测．．．

森林生物量的定量估算为全球碳储量循环及气候变化研究提供了重要的参考依据。以肇庆市马尾松生物量为研究对象,基于SPOT-7影像数据,提取出单波段、波段比值、纹理特征、地形等因子并进行优选,对优选后的变量因子进行分组,生成光谱特征、纹理特征、光谱和纹理特征相结合的3种自变量集,采用偏最小二乘回归法和3种自变量集构建马尾松生物量估测模型并进行优选。结果显示:基于光谱特征构建的马尾松生物量估测模型的决定系数R2为0.81,均方根误差为15.30 t/hm2,误差平均值为-5.65 t/hm2,总预报偏差的相对误差为9.30%;基于纹理特征构建的马尾松生物量估测模型的决定系数R2为0.84,均方根误差为15.69 t/hm2,误差平均值为-4.73 t/hm2,总预报偏差的相对误差为7.78%;基于光谱和纹理特征相结合构建的马尾松生物量估测模型的决定系数R2为0.83,均方根误差为15.24 t/hm2,误差平均值为-5.27 t/hm2,总预报偏差的相对误差为8.67%。由此可知,基于纹理特征构建的马尾松生物量模型要好于其他两种方法,估算精度更高。