导读:本文包含了生物物理参数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:参数,生物,物理,生物量,孔径,植被,光谱。
生物物理参数论文文献综述
连艳珍[1]（2018）在《中性粒细胞相关生物物理参数在细菌性感染疾病中的变化及其临床价值》一文中研究指出感染是指病原体入侵宿主以后在一定条件下与宿主相互作用的病理过程,病原体包括细菌、真菌、寄生虫、病毒等。感染是临床上最常见的疾病类型,严重感染是造成患者死亡最重要的因素之一,有效的治疗必须鉴别清楚感染类型,但感染性疾病的临床症状及体征缺乏特异性。虽然中性粒细胞增高有指向细菌感染的提示作用,但其细胞计数很容易受到生理、药物及其它因素的干扰。部分感染性疾病患者的临床症状隐匿或不典型,并且易受医生个体临床思维和经验局限的影响,判断困难,因此寻求理想的客观性辅助诊断方法迫在眉睫。新近研究发现的中性粒细胞的一些生物物理参数,如中性粒细胞体积分布宽度(mean neutrophil volume distribution width,NDW)、中性粒细胞平均体积(mean channel of neutrophil volume,MNV)、中性粒细胞平均传导率(mean conductivity of neutrophil,MNC)、中性粒细胞平均散射率(mean scattering parameter of neutrophil,MNS)的变化与感染及感染类型的确定有明确的相关性。目的:本研究通过比较中性粒细胞相关的生物物理参数在细菌感染患者和健康人中的变化,分析其与降钙素原(procalcitonin,PCT)作为细菌感染指标的相关性,从而为临床最常见细菌性感染疾病的诊断、鉴别和治疗提供简便、快速、即时的依据。材料与方法:1.采用回顾性研究方法,研究郑州大学第一附属医院2017年1月至2017年12月期间诊断并治疗的368例细菌感染患者(纳入感染实验组),对患者送检的PCT检测、无菌操作取得的体液(血、胸腹水、脑脊液、穿刺液等)的培养和采用VCS(volume,conductivity,scatter)技术获得的外周血中性粒细胞平均体积(MNV)、中性粒细胞平均传导率(MNC)、中性粒细胞平均散射率(MNS)、中性粒细胞体积分布宽度(NDW)、中性粒细胞计数及白细胞计数的检测结果、体温进行整理和分析,同时选择172例进行PCT检查及相应中性粒细胞生物物理参数检查的健康体检者(纳入正常对照组)。2.用统计学方法比较感染实验组和健康对照组中以上检测指标的差异。3.统计学分析实验组的白细胞计数、中性粒细胞计数、中性粒细胞生物物理参数、体温与PCT变化的相关性。4.通过ROC曲线下面积(the area under the curve,AUC)分析中性粒细胞体积分布宽度(NDW)、中性粒细胞平均体积(MNV)、中性粒细胞平均传导率(MNC)、中性粒细胞平均散射值(MNS)对细菌性感染的预测能力并与PCT进行比较。结果:1.实验组368名感染患者与对照组172名健康体检者的年龄组成及男女比例无统计学差异;实验组中感染细菌以大肠埃希菌为主。2.实验组PCT、白细胞计数、中性粒细胞计数及中性粒细胞生物物理参数(MNV,MNC,MNS,NDW)均明显高于对照组,且均具有统计学意义。3.统计学分析显示白细胞计数、中性粒细胞计数、体温与PCT无明显相关性(P>0.05)外,其余指标与PCT(P<0.05)均相关,且PCT与MNV、NDW明显相关,相关系数均较高(P<0.01)。4.ROC曲线分析显示PCT>0.5μg/L时,白细胞计数、中性粒细胞计数、体温对细菌性感染的预测能力差(P>0.05),而中性粒细胞生物物理参数(P<0.05)均显示较好的预测效果。结论:1.中性粒细胞生物物理参数MNV、MNC、MNS、NDW与细菌性感染的特异性指标PCT(降钙素原)存在明显相关性,可作为机体细菌性病原体感染的依据。2.在常规血象分析指标中增加MNV、MNC、MNS、NDW指标,联合白细胞(WBC)计数和分类结果可快速、准确诊断细菌感染性疾病,在临床应用层面具有重要价值。(本文来源于《郑州大学》期刊2018-05-01）
殷晓飞[2]（2017）在《基于高光谱荒漠草原生物物理参数估算研究》一文中研究指出鄂尔多斯荒漠草原是内蒙古草原的重要组成部分。近年来,该地区由于受到自然和人为因素的影响,导致草地面积退化、生产能力下降等问题,严重影响了当地生态环境的可持续发展。采取有效的草地退化的实时监测,明确草地牧草产量,是实现畜草平衡、防止草地退化、保护草地资源的重要保障。利用高光谱遥感技术对草地生物物理参数进行估算,为实现鄂尔多斯荒漠草原遥感监测和草地的科学管理提供了科学依据。由于不同生态区域、不同退化梯度,草地植被冠层结构及光谱反射率存在一定差异,使高光谱遥感估算模型监测精度存在局限性。因此,本文以内蒙古鄂尔多斯市鄂托克旗荒漠草原为研究对象,利用高光谱遥感技术,于2014年至2016年每年7月、8月在鄂尔多斯荒漠草原开展观测试验,进行实地调查、生物物理参数测定以及地面高光谱测定,分析了对照(Control,CK)、轻度(Light Degraded,LD)、中度(Medium Degraded,MD)、重度(Heavy Degraded,HD)和全范围(All-areas,ALL)内草地冠层、典型植物群落(狭叶锦鸡儿群落、短花针茅群落、无芒隐子草群落和冷蒿群落)冠层及典型植物(狭叶锦鸡儿、短花针茅、无芒隐子草和冷蒿)植株冠层光谱特征,分析了荒漠草原高光谱特征与退化梯度响应规律,探讨了草地冠层、典型植物群落冠层及典型植物植株冠层的原始光谱、微分光谱、植被指数、高光谱特征参数和生物物理参数之间的相关性,提取敏感的特征波段、植被指数和高光谱特征参数,应用单变量线性与非线性、逐步回归和BP神经网络方法,建立荒漠草原生物物理参数高光谱估算模型,为鄂尔多斯荒漠草原生长状况及动态监测提供理论依据和技术支持。主要研究结果如下:(1)分析不同退化梯度下和相同退化梯度下鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱、一阶微分及二阶微分光谱特征。(1)鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱反射率在可见光波段380~700nm之间较低,不超过15%;在近红外波段780~1830nm之间较高,但不超过35%。(2)在可见光波段,四种退化类型荒漠草原原始光谱反射率大小关系为:HD>MD>LD>CK;在近红外波段,四者的大小关系变为:CK>LD>MD>HD。草地冠层一阶微分和二阶微分光谱在不同退化梯度下波形趋势一致,一阶微分最大值在红边位置719nm附近。(3)在不同退化梯度下,典型植物群落原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿群落冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;短花针茅和冷蒿群落冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降;无芒隐子草群落冠层原始光谱随草地退化程度加剧无明显规律性变化。各典型植物群落一阶微分光谱的最大值均在719nm,大小顺序依次为CK>LD>MD>HD;二阶微分光谱在719nm附近无明显规律性变化。(4)在不同退化梯度下,典型植物植株原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿和冷蒿植株冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;狭叶锦鸡儿、无芒隐子草和冷蒿植株冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降。各典型植物植株一阶微分光谱的最大值均在719nm附近。狭叶锦鸡儿、无芒隐子草和冷蒿植株光谱一阶微分反射率大小顺序依次为CK>LD>MD>HD。二阶微分光谱在719nm附近均无明显规律性变化。(5)相同退化梯度下,原始光谱在350~680nm,典型植物群落在CK和LD光谱反射率大小顺序依次为无芒隐子草群落>冷蒿群落>短花针茅群落>狭叶锦鸡儿群落。随草地退化程度加剧,无芒隐子草群落反射率始终最大;狭叶锦鸡儿群落、短花针茅群落、冷蒿群落均无明显规律性变化。原始光谱在780~1350nm,典型植物群落均无明显规律性变化。相同退化梯度下典型植物群落冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(6)相同退化梯度下,原始光谱在350~680nm,典型植物植株在CK光谱反射率大小顺序依次为短花针茅>无芒隐子草>冷蒿>狭叶锦鸡儿,在LD、MD和HD光谱反射率大小顺序依次为无芒隐子草>短花针茅>冷蒿>狭叶锦鸡儿。原始光谱在780~1350nm,无明显规律性变化。相同退化梯度下典型植物植株冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(2)分别由原始光谱、一阶微分光谱、二阶微分光谱在全波段范围内任意两两波段构建优化后的归一化植被指数(NDSI、FNDSI和SNDSI);比值植被指数(RSI、FRSI和SDSI)与差值植被指数(DSI、FDSI和SRSI),通过对优化后植被指数与荒漠草原生物物理参数进行相关分析,寻找敏感的植被指数,为生物物理参数最佳估算模型的建立奠定基础。(3)分析不同退化梯度下和全范围内草地冠层原始光谱、微分光谱、植被指数、高光谱特征参数与草地鲜草生物量相关性,确定敏感光谱变量,通过单变量线性与非线性、逐步回归和BP神经网络建立和比较不同退化梯度下和全范围内草地鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内草地冠层一阶微分光谱与草地鲜草生物量相关性最好,最佳波段分别为:559、712、710、703和710nm。(2)在不同退化梯度下和全范围内最优植被指数分别为:NDSI(706,707)和RSI(707,706)、NDSI(582,719)、NDSI(708,710)和RSI(710,708)、FRSI(499,703)、NDSI(705,710)和RSI(710,705)。(3)在不同退化梯度下和全范围内与草地鲜草生物量呈极显着相关通用性较好的高光谱特征参数为Dy、DR、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内草地鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型,建模R~2分别为0.736、0.785、0.808、0.691、0.773,验证R~2分别为0.815、0.828、0.866、0.613、0.787,验证RMSE分别为40.55、36.31、21.48、33.76、38.47g/m~2,验证RE分别为28.70、20.04、18.85、30.98、29.48%。通过分析可知,在不同退化梯度下采用对应的估算模型能够更精确的估算草地鲜草生物量。其中,MD估算精度最高,HD估算精度相对较低。(4)分析典型植物群落冠层原始光谱、微分光谱、植被指数、高光谱特征参数与群落鲜草生物量相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳特征波段主要位于红边位置,其次为黄边位置。(2)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的可见光波段。(3)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量呈极显着相关通用性较好的参数为Dy、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿群落鲜草生物量建模R~2分别为0.856、0.863、0.936、0.844、0.793;验证R~2分别为0.896、0.921、0.968、0.822、0.833;验证RMSE分别为36.93、30.81、16.61、30.10、49.05g/m~2;验证RE分别为12.57、10.45、14.18、19.66、23.24%。短花针茅群落鲜草生物量建模R~2分别为0.818、0.854、0.937、0.925、0.675;验证R~2分别为0.847、0.883、0.830、0.828、0.732;验证RMSE分别为33.90、20.05、21.48、20.66、40.80g/m~2;验证RE分别为17.58、16.50、23.64、21.16、28.07%。无芒隐子草群落鲜草生物量建模R~2分别为0.821、0.964、0.949、0.801、0.818;验证R~2分别为0.913、0.989、0.948、0.812、0.841;验证RMSE分别为19.23、9.65、9.82、10.25、27.58g/m~2;验证RE分别为15.37、11.96、13.98、21.83、22.50%。冷蒿群落鲜草生物量建模R~2分别为0.963、0.972、0.943、0.824、0.810;验证R~2分别为0.980、0.974、0.974、0.885、0.822;验证RMSE分别为15.68、15.45、10.90、20.02、40.21g/m~2;验证RE分别为10.00、9.52、13.34、19.03、25.72%。通过分析可知,基于不同群落草地类型建立的典型植物群落鲜草生物量估算模型,能够提高鄂尔多斯荒漠草原估产精度;并且在不同退化梯度下建立的典型植物群落鲜草生物量估算模型,估算精度和验证效果优于全范围内估算模型。(5)在不同退化梯度下和全范围内,分析典型植物植株冠层高光谱数据与植株含水率相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物植株含水率估算模型,确定了最优估算模型。(1)典型植物植株冠层光谱与植株含水率相关性最佳特征波段主要位于黄边位置,其次为红边位置。(2)狭叶锦鸡儿植株冠层光谱与植株含水率相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的近红外波段,短花针茅植株、无芒隐子草植株和冷蒿植株则位于可见光波段。(3)不同退化梯度下和全范围内典型植物植株冠层高光谱特征参数与植株含水率的相关性变化较大。狭叶锦鸡儿和无芒隐子草植株含水率不适宜采用高光谱特征参数建立估算模型。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物植株含水率估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿植株含水率建模R~2分别为0.753、0.781、0.867、0.740、0.450;验证R~2分别为0.876、0.612、0.850、0.676、0.437;验证RMSE分别为4.57、4.36、3.01、4.51、7.61%;验证RE分别为10.46、6.68、4.38、8.93、29.36%。短花针茅植株含水率建模R~2分别为0.850、0.882、0.883、0.796、0.614;验证R~2分别为0.843、0.846、0.878、0.815、0.736;验证RMSE分别为3.09、2.77、2.51、2.80、4.04%;验证RE分别为6.90、5.82、6.50、6.36、9.95%。无芒隐子草植株含水率建模R~2分别为0.789、0.877、0.949、0.946、0.542;验证R~2分别为0.827、0.816、0.966、0.976、0.690;验证RMSE分别为3.59、3.68、2.84、1.37、6.00%;验证RE分别为4.32、5.41、3.39、2.06、8.54%。冷蒿植株含水率建模R~2分别为0.810、0.866、0.752、0.900、0.766;验证R~2分别为0.927、0.842、0.960、0.935、0.802;验证RMSE分别为2.78、3.48、2.03、3.60、5.05%;验证RE分别为3.97、4.49、2.93、8.80、8.76%。综上所述,应用高光谱技术对鄂尔多斯荒漠草原不同退化梯度下和全范围内草地鲜草生物量、典型群落鲜草生物量和典型植物含水率建立基于植被指数BP神经网络最佳估算模型有效提高估算精度,为荒漠草原动态监测和退化防治提供理论依据和技术支持。(本文来源于《内蒙古农业大学》期刊2017-12-01）
郭建萍,于春华,吴建成[3]（2017）在《环扎位点距离和子宫峡部生物物理参数相关性研究》一文中研究指出目的探讨环扎位点距离和子宫峡部生物物理参数的相关性。方法 40例孕前宫颈机能不全行宫颈环扎手术患者,根据环扎位点距离分为A组(距膀胱返折腹膜下5 mm,宫旁1 cm)和B组(环扎位点平膀胱返折腹膜,宫旁1 cm),每组20例,两组患者术后均接受子宫CT探查子宫峡部生物物理参数,并与应用数显卡尺测量20例因病切除的全子宫或广泛全子宫新鲜离体标本的子宫峡部生物物理参数作对比,采用非条件Logistic回归分析模型分析环扎位点距膀胱返折腹膜下5 mm,宫旁1 cm的影响因素。结果叁组各项子宫峡部生物物理参数比较差异均具有统计学意义(P<0.05);B组患者各项子宫峡部生物物理参数显着低于A组和新鲜离体子宫标本,差异均具有统计学意义(P<0.05或0.01);A组和新鲜离体子宫标本各项子宫峡部生物物理参数比较差异无统计学意义(P>0.05)。Logistic回归分析显示,峡部宽度、峡部长度、膀胱反折腹膜剥离起始部距离、峡部外缘距子宫血管内缘距离、子宫动脉内径、子宫动脉外径、宫颈内口至外口距离、峡部宫颈宽(外径)、子宫前壁厚度、子宫后壁厚度、峡部宫颈周径均是子宫峡部环扎位点距离的独立影响因素(OR=3.692、3.941、3.916、3.826、3.685、4.545、9.098、4.387、4.336、4.328、4.318,P<0.05)。结论子宫峡部环扎位点距膀胱返折腹膜下5 mm,宫旁1 cm可保证宫颈机能不全患者获取更优的手术效果。(本文来源于《中国实用医药》期刊2017年07期）
于春华,郭建萍,吴建成,田可歌,任红英[4]（2017）在《离体新鲜子宫峡部生物物理参数对宫颈环扎手术方式的影响》一文中研究指出目的:探讨离体新鲜子宫峡部生物物理参数特点,为指导临床应用宫颈环扎术治疗宫颈机能不全提供科学的参考。方法:随机选取2015年7月-2016年9月本院妇科手术切除的新鲜离体全子宫病理标本共50份,应用数显卡尺测量相关数据,标本经甲醛固定后取峡部包埋、切片、组织化学染色,显微镜下评价胶原纤维和弹力纤维比例。选取10例宫颈机能不全患者行改良腹腔镜宫颈环扎术,观察患者手术结局和术后妊娠情况,以同期行传统宫颈环扎术的5例患者为对照。结果:新鲜子宫峡部宽(11.24±2.53)mm,长(8.67±1.28)mm,膀胱反折腹膜剥离起始部距离宫颈内口(3.80±0.83)mm;胶原纤维阳性面积率为(55.03±5.50)%,弹性纤维阳性面积率为(0.40±0.10)%。经改良后的宫颈环扎术术后并发症、术中出血量和术后患者住院时间均显着低于常规宫颈环扎(P<0.05)。结论:宫颈机能不全手术治疗方式多样,了解患者的宫颈解剖位置以及子宫颈峡部的生物物理参数,根据患者宫颈长短和功能,选择合适的宫颈环扎术式、环扎位点以及环扎线对提高手术成功率、减少术后并发症具有积极意义。(本文来源于《中国医学创新》期刊2017年05期）
李佳佳[5]（2015）在《小麦生物物理与生物化学参数的高光谱遥感监测》一文中研究指出由于高光谱遥感可以提供连续的光谱信息,因此可利用这一特点探测植被的生长状况(叶面积指数、冠层光合有效辐射)或者各种生化组分(SPAD、氮、磷含量等),反演各组分含量。从而为农业生产管理提供重要依据,也为农业遥感的推广提供技术支撑。本文以小麦作为研究对象,开展了2年不同品种、不同氮素水平的田间试验。利用数理统计分析等技术手段,研究高光谱遥感(反射率、反照率)参数与小麦生理生化参数之间的相关关系,确立小麦生物物理、生物化学参数的特征光谱参数及相应监测模型,并对模型精度进行了验证,快速、准确、客观的监测小麦长势的变化,以为期提高优质小麦的产量提供理论依据。本研究得出的主要结论如下：(1)随着施氮量的增加,小麦叶面积指数(LAI)逐渐变大,且随生育期呈现先增加后减小的变化特征；对叶面积指数与小麦冠层高光谱反射特征的相关分析发现,LAI与1044nm处一阶导数光谱参数(FD1044)拟合效果最佳,决定系数为0.62。独立年际试验数据的预测精度为0.46。(2)小麦冠层截获光合有效辐射(IPAR)与可见光各波段反射率呈负相关,在近红外波段呈正相关；与小麦冠层IPAR相关性较好的高光谱参数较多,其中与水分指数(WI)拟合效果最好,线性拟合方程决定系数为0.72。(3)小麦地上部生物量随施氮量的增加而增加,不同年度、品种表现出类似规律；在此基础上了讨论了小麦生物量与高光谱参数的关系,提出了监测小麦生物量的光谱参数及其预测模型。其中基于一阶导数光谱参数(FD793)的方程拟合效果最佳。独立年际试验数据的测试表明,FD793能够对小麦生物量进行可靠的监测。(4)分析了不同氮素水平下,小麦整个生育期叶片SPAD值的变化状况,并且讨论了小麦叶片SPAD值与高光谱参数的关系,提出了小麦叶片SPAD值的敏感光谱参数及预测方程。发现叶片SPAD值与红蓝边面积比(Sdr/Sdb)、红边最小值Lo、归一化植被指数(NDVI)等关系密切,以线性方程拟合效果最好。监测模型给出了较好的检验结果,尤其是NDVI。(5)小麦氮、磷含量均随施氮量的增加而增加；红蓝边面积比(Sdr/Sdb)与小麦叶片氮含量相关性好,方程拟合精度高(R2=0.71)；导数光谱参数SD721与小麦叶片磷含量关系密切,方程拟合效果较好(R2=0.42)；利用土壤调节植被指数(SAVl2)可以较好的表达茎秆氮含量营养状况的变化,线性方程的决定系数为0.55。(6)小麦叶片、茎秆碳氮比均随施氮水平的提高而下降；光谱参数P-Depthl690和SD741与小麦叶片碳氮比关系密切,以线性方程拟合效果最好：小麦茎秆碳氮比与光化学反射指数(PRI)和ND672相关性较好,方程拟合精度高。(7)小麦冠层反照率随施氮量的增加而增加,不同生育期变化趋势一致；小麦冠层反照率与LAI、NDVI、EVI(增强型植被指数)均呈显着正相关,其中与LAI和EVI与反照率拟合方程决定系数分别为0.70和0.73,高于NDVI;小麦冠层反照率与冠层透射率呈线性负相关,拟合方程的决定系数为0.41；小麦冠层反照率与小麦叶片SPAD值之间的关系,采用分阶段的拟合方法更佳,两段线性拟合函数均呈现极显着关系；小麦叶片、茎秆氮含量与反照率的相关性好于小麦磷含量,小麦冠层反照率与叶片、茎秆氮含量均呈线性相关,拟合方程的决定系数分别为0.81和0.60；与叶片、茎秆磷含量均呈显性正相关,方程拟合效果较好,决定系数分别为0.52和0.40。本文基于高光谱遥感综合分析了小麦生物物理指标(LAI、光合有效辐射、生物量)和生物化学指标(SPAD、氮、磷含量及碳氮比)与光谱参数的关系,确定了拟合度较好的光谱监测模型,并对模型进行检验和完善,实现了小麦生物物理和生物化学参数的快速、无损监测,为高光谱遥感在农业遥感中的应用提供了技术支撑和理论依据。(本文来源于《南京信息工程大学》期刊2015-05-01）
张丽莉,吴珍珍[6]（2014）在《晚孕期母体短期禁食对胎儿生物物理评分和多普勒血流参数的影响》一文中研究指出目的:研究母体短期禁食(10~12h)对胎儿生物物理评分(BPP)、羊水指数(AFI)和脐动脉、子宫动脉的多普勒血流参数的影响。方法:选择60例健康、无合并症、单胎妊娠孕妇,孕周均≥28周,B超测量禁食10~12h和餐后1h的BPP、AFI和多普勒血流参数。结果:空腹和餐后羊水指数(AFI)测量值比较差异无统计学意义。空腹和餐后BPP比较差异有统计学意义;脐动脉多普勒参数在空腹和餐后比较差异无统计学意义。而平均子宫动脉搏动指数(PI)、阻力指数(RI)和收缩/舒张比(S/D)在空腹和餐后结果分别比较差异有统计学意义。结论:空腹10~12h,BPP下降,进食后快速恢复;羊水指数、脐动脉多普勒血流指数(PI、RI、S/D)无明显变化,而平均子宫动脉搏动指数(PI)、阻力指数(RI)和收缩/舒张比(S/D)是增加的。(本文来源于《西北国防医学杂志》期刊2014年02期）
张王菲,徐天蜀,姬永杰[7]（2011）在《高山松生物物理参数SAR信号响应研究》一文中研究指出通过分析高山松成熟林的树高、胸径、郁闭度、蓄积量与HV极化方式后向散射信号之间的相关性,探讨该树种的森林生物物理参数与雷达后向散射信号之间的响应情况。结果表明,高山松的树高、胸径、郁闭度、蓄积量都与HV极化方式后向散射系数呈正相关关系。其中,郁闭度与后向散射信号之间的相关性较高,其相关性达到0.613 7,而树高、胸径、蓄积量等相关性相比则较低,这主要是由于C波段后向散射由冠层主导所致。由于研究区域地形起伏较大且研究对象为天然林,因此该研究结果可以为地形起伏较大地区天然林的研究提供一定的参考。(本文来源于《江苏农业科学》期刊2011年05期）
马勇刚,李宏,甘艳露[8]（2011）在《塔里木南缘绿洲下垫面生物物理参数与地表温度相关性研究》一文中研究指出以1999年和2009年Landsat TM/ETM+为数据源,塔里木南缘策勒于田地区的叁个不同规模的孤立绿洲作为研究对象,基于"植被-不透水层-土壤"地表组成基础,通过归一化线性分解模型计算了植被丰度和不透水层比率分量。研究通过回归分析和区域分析计算了两分量与地表温度之间的相关性和响应关系,对比分析了绿洲尺度对植被丰度、不透水层比率与地表温度之间相关性的影响。结果表明:(1)植被丰度与地表温度在大规模的绿洲下有较显着的负相关关系,但随着绿洲规模的减小,植被丰度与地表温度之间相关性逐步减弱(R2从0.5～0.6降至0.1～0.2);不透水层分量与地表温度在大规模的绿洲下有较弱的正相关关系,而随着绿洲规模的减小,其相关性几近于零(R2从0.18～0.36降为0.002～0.04);(2)随着植被丰度的增加,绿洲区域温度最大值和最小值受影响较小,而温度均值有明显的减弱;随着不透水层分量的增加,区域地表最低温度有明显的上升。(本文来源于《水土保持研究》期刊2011年01期）
张王菲,徐天蜀,姬永杰[9]（2010）在《森林生物物理参数SAR信号响应研究》一文中研究指出合成孔径雷达以其独特的成像机理及其全天候全天时的成像能力为区域和全球森林生物量森林生物物理参数的估测提供了一种全新的手段。本文通过分析云冷杉、高山松成熟林的树高、胸径、郁闭度、蓄积量与HV极化方式后向散射信号之间的相关性,对这两类树种的森林生物量、森林生物物理参数与雷达后向散射信号之间的响应情况进行了探讨;研究发现,云冷杉、高山松的树高、胸径、郁闭度、蓄积量、生物量都与HV极化方式后向散射系数呈正相关关系。其中两类树种的郁闭度与后向散射信号之间的相关性较高,云冷杉相关性系数达到0.7393,而高山松的相关性也达到0.6137,而树高、胸径、蓄积量、生物量等相关性相比则较低,这主要是由于C波段后向散射由冠层主导所致。通过对两类树种生物量与后向散射系数之间的相关性研究,发现当生物量达到一定程度(高山松为40thm-2,云冷杉为50thm-2)后向散射系数达到饱和。由于研究区域地形起伏较且研究对象为天然林,因此,该研究结果可以为地形起伏较大地区天然林的研究提供一定的参考。(本文来源于《第十七届中国遥感大会摘要集》期刊2010-08-27）
曾永年,张少佳,张鸿辉,黄炜,刘慧敏[10]（2010）在《城市群热岛时空特征与地表生物物理参数的关系研究》一文中研究指出以长株潭城市群区域为例,利用2005年3个不同季节的TERRA/MODIS数据提取的地表温度、归一化植被指数(NDVI)和归一化建筑指数(NDBI),分析了城市热岛效应及其随季节的变化,采用归一化植被指数(NDVI)和归一化建筑指数(NDBI)作为反映地表生物物理特征的参数,分析了城市热岛时空特征与地表生物物理参数的关系。研究结果表明,研究区域城市热岛效应的季相变化明显,一年中夏季与春季的城市热岛效应相对显着,城市地表温度高出周边的郊区达8~10℃;而冬季城市热岛效应相对不太明显,城市地表温度高出周边的郊区4℃。地表温度与归一化植被指数(NDVI)的相关性随季节变化较为明显,说明通常将归一化植被指数(NDVI)作为城市地表温度或城市热岛的代用指标是不适宜的;然而,地表温度与归一化建筑指数(NDBI)在不同季节都呈显着的线性关系,而且地表温度与NDBI线性关系的斜率和截距能够很好地指示不同季节城市热岛的强度,这就为定量分析不同季节城市地表温度的变化提供了物理指数,也为利用遥感研究城市热岛效应提供了新的方法与途径。(本文来源于《遥感技术与应用》期刊2010年01期）
生物物理参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
鄂尔多斯荒漠草原是内蒙古草原的重要组成部分。近年来,该地区由于受到自然和人为因素的影响,导致草地面积退化、生产能力下降等问题,严重影响了当地生态环境的可持续发展。采取有效的草地退化的实时监测,明确草地牧草产量,是实现畜草平衡、防止草地退化、保护草地资源的重要保障。利用高光谱遥感技术对草地生物物理参数进行估算,为实现鄂尔多斯荒漠草原遥感监测和草地的科学管理提供了科学依据。由于不同生态区域、不同退化梯度,草地植被冠层结构及光谱反射率存在一定差异,使高光谱遥感估算模型监测精度存在局限性。因此,本文以内蒙古鄂尔多斯市鄂托克旗荒漠草原为研究对象,利用高光谱遥感技术,于2014年至2016年每年7月、8月在鄂尔多斯荒漠草原开展观测试验,进行实地调查、生物物理参数测定以及地面高光谱测定,分析了对照(Control,CK)、轻度(Light Degraded,LD)、中度(Medium Degraded,MD)、重度(Heavy Degraded,HD)和全范围(All-areas,ALL)内草地冠层、典型植物群落(狭叶锦鸡儿群落、短花针茅群落、无芒隐子草群落和冷蒿群落)冠层及典型植物(狭叶锦鸡儿、短花针茅、无芒隐子草和冷蒿)植株冠层光谱特征,分析了荒漠草原高光谱特征与退化梯度响应规律,探讨了草地冠层、典型植物群落冠层及典型植物植株冠层的原始光谱、微分光谱、植被指数、高光谱特征参数和生物物理参数之间的相关性,提取敏感的特征波段、植被指数和高光谱特征参数,应用单变量线性与非线性、逐步回归和BP神经网络方法,建立荒漠草原生物物理参数高光谱估算模型,为鄂尔多斯荒漠草原生长状况及动态监测提供理论依据和技术支持。主要研究结果如下:(1)分析不同退化梯度下和相同退化梯度下鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱、一阶微分及二阶微分光谱特征。(1)鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱反射率在可见光波段380~700nm之间较低,不超过15%;在近红外波段780~1830nm之间较高,但不超过35%。(2)在可见光波段,四种退化类型荒漠草原原始光谱反射率大小关系为:HD>MD>LD>CK;在近红外波段,四者的大小关系变为:CK>LD>MD>HD。草地冠层一阶微分和二阶微分光谱在不同退化梯度下波形趋势一致,一阶微分最大值在红边位置719nm附近。(3)在不同退化梯度下,典型植物群落原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿群落冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;短花针茅和冷蒿群落冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降;无芒隐子草群落冠层原始光谱随草地退化程度加剧无明显规律性变化。各典型植物群落一阶微分光谱的最大值均在719nm,大小顺序依次为CK>LD>MD>HD;二阶微分光谱在719nm附近无明显规律性变化。(4)在不同退化梯度下,典型植物植株原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿和冷蒿植株冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;狭叶锦鸡儿、无芒隐子草和冷蒿植株冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降。各典型植物植株一阶微分光谱的最大值均在719nm附近。狭叶锦鸡儿、无芒隐子草和冷蒿植株光谱一阶微分反射率大小顺序依次为CK>LD>MD>HD。二阶微分光谱在719nm附近均无明显规律性变化。(5)相同退化梯度下,原始光谱在350~680nm,典型植物群落在CK和LD光谱反射率大小顺序依次为无芒隐子草群落>冷蒿群落>短花针茅群落>狭叶锦鸡儿群落。随草地退化程度加剧,无芒隐子草群落反射率始终最大;狭叶锦鸡儿群落、短花针茅群落、冷蒿群落均无明显规律性变化。原始光谱在780~1350nm,典型植物群落均无明显规律性变化。相同退化梯度下典型植物群落冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(6)相同退化梯度下,原始光谱在350~680nm,典型植物植株在CK光谱反射率大小顺序依次为短花针茅>无芒隐子草>冷蒿>狭叶锦鸡儿,在LD、MD和HD光谱反射率大小顺序依次为无芒隐子草>短花针茅>冷蒿>狭叶锦鸡儿。原始光谱在780~1350nm,无明显规律性变化。相同退化梯度下典型植物植株冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(2)分别由原始光谱、一阶微分光谱、二阶微分光谱在全波段范围内任意两两波段构建优化后的归一化植被指数(NDSI、FNDSI和SNDSI);比值植被指数(RSI、FRSI和SDSI)与差值植被指数(DSI、FDSI和SRSI),通过对优化后植被指数与荒漠草原生物物理参数进行相关分析,寻找敏感的植被指数,为生物物理参数最佳估算模型的建立奠定基础。(3)分析不同退化梯度下和全范围内草地冠层原始光谱、微分光谱、植被指数、高光谱特征参数与草地鲜草生物量相关性,确定敏感光谱变量,通过单变量线性与非线性、逐步回归和BP神经网络建立和比较不同退化梯度下和全范围内草地鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内草地冠层一阶微分光谱与草地鲜草生物量相关性最好,最佳波段分别为:559、712、710、703和710nm。(2)在不同退化梯度下和全范围内最优植被指数分别为:NDSI(706,707)和RSI(707,706)、NDSI(582,719)、NDSI(708,710)和RSI(710,708)、FRSI(499,703)、NDSI(705,710)和RSI(710,705)。(3)在不同退化梯度下和全范围内与草地鲜草生物量呈极显着相关通用性较好的高光谱特征参数为Dy、DR、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内草地鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型,建模R~2分别为0.736、0.785、0.808、0.691、0.773,验证R~2分别为0.815、0.828、0.866、0.613、0.787,验证RMSE分别为40.55、36.31、21.48、33.76、38.47g/m~2,验证RE分别为28.70、20.04、18.85、30.98、29.48%。通过分析可知,在不同退化梯度下采用对应的估算模型能够更精确的估算草地鲜草生物量。其中,MD估算精度最高,HD估算精度相对较低。(4)分析典型植物群落冠层原始光谱、微分光谱、植被指数、高光谱特征参数与群落鲜草生物量相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳特征波段主要位于红边位置,其次为黄边位置。(2)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的可见光波段。(3)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量呈极显着相关通用性较好的参数为Dy、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿群落鲜草生物量建模R~2分别为0.856、0.863、0.936、0.844、0.793;验证R~2分别为0.896、0.921、0.968、0.822、0.833;验证RMSE分别为36.93、30.81、16.61、30.10、49.05g/m~2;验证RE分别为12.57、10.45、14.18、19.66、23.24%。短花针茅群落鲜草生物量建模R~2分别为0.818、0.854、0.937、0.925、0.675;验证R~2分别为0.847、0.883、0.830、0.828、0.732;验证RMSE分别为33.90、20.05、21.48、20.66、40.80g/m~2;验证RE分别为17.58、16.50、23.64、21.16、28.07%。无芒隐子草群落鲜草生物量建模R~2分别为0.821、0.964、0.949、0.801、0.818;验证R~2分别为0.913、0.989、0.948、0.812、0.841;验证RMSE分别为19.23、9.65、9.82、10.25、27.58g/m~2;验证RE分别为15.37、11.96、13.98、21.83、22.50%。冷蒿群落鲜草生物量建模R~2分别为0.963、0.972、0.943、0.824、0.810;验证R~2分别为0.980、0.974、0.974、0.885、0.822;验证RMSE分别为15.68、15.45、10.90、20.02、40.21g/m~2;验证RE分别为10.00、9.52、13.34、19.03、25.72%。通过分析可知,基于不同群落草地类型建立的典型植物群落鲜草生物量估算模型,能够提高鄂尔多斯荒漠草原估产精度;并且在不同退化梯度下建立的典型植物群落鲜草生物量估算模型,估算精度和验证效果优于全范围内估算模型。(5)在不同退化梯度下和全范围内,分析典型植物植株冠层高光谱数据与植株含水率相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物植株含水率估算模型,确定了最优估算模型。(1)典型植物植株冠层光谱与植株含水率相关性最佳特征波段主要位于黄边位置,其次为红边位置。(2)狭叶锦鸡儿植株冠层光谱与植株含水率相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的近红外波段,短花针茅植株、无芒隐子草植株和冷蒿植株则位于可见光波段。(3)不同退化梯度下和全范围内典型植物植株冠层高光谱特征参数与植株含水率的相关性变化较大。狭叶锦鸡儿和无芒隐子草植株含水率不适宜采用高光谱特征参数建立估算模型。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物植株含水率估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿植株含水率建模R~2分别为0.753、0.781、0.867、0.740、0.450;验证R~2分别为0.876、0.612、0.850、0.676、0.437;验证RMSE分别为4.57、4.36、3.01、4.51、7.61%;验证RE分别为10.46、6.68、4.38、8.93、29.36%。短花针茅植株含水率建模R~2分别为0.850、0.882、0.883、0.796、0.614;验证R~2分别为0.843、0.846、0.878、0.815、0.736;验证RMSE分别为3.09、2.77、2.51、2.80、4.04%;验证RE分别为6.90、5.82、6.50、6.36、9.95%。无芒隐子草植株含水率建模R~2分别为0.789、0.877、0.949、0.946、0.542;验证R~2分别为0.827、0.816、0.966、0.976、0.690;验证RMSE分别为3.59、3.68、2.84、1.37、6.00%;验证RE分别为4.32、5.41、3.39、2.06、8.54%。冷蒿植株含水率建模R~2分别为0.810、0.866、0.752、0.900、0.766;验证R~2分别为0.927、0.842、0.960、0.935、0.802;验证RMSE分别为2.78、3.48、2.03、3.60、5.05%;验证RE分别为3.97、4.49、2.93、8.80、8.76%。综上所述,应用高光谱技术对鄂尔多斯荒漠草原不同退化梯度下和全范围内草地鲜草生物量、典型群落鲜草生物量和典型植物含水率建立基于植被指数BP神经网络最佳估算模型有效提高估算精度,为荒漠草原动态监测和退化防治提供理论依据和技术支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
生物物理参数论文参考文献
[1].连艳珍.中性粒细胞相关生物物理参数在细菌性感染疾病中的变化及其临床价值[D].郑州大学.2018
[2].殷晓飞.基于高光谱荒漠草原生物物理参数估算研究[D].内蒙古农业大学.2017
[3].郭建萍,于春华,吴建成.环扎位点距离和子宫峡部生物物理参数相关性研究[J].中国实用医药.2017
[4].于春华,郭建萍,吴建成,田可歌,任红英.离体新鲜子宫峡部生物物理参数对宫颈环扎手术方式的影响[J].中国医学创新.2017
[5].李佳佳.小麦生物物理与生物化学参数的高光谱遥感监测[D].南京信息工程大学.2015
[6].张丽莉,吴珍珍.晚孕期母体短期禁食对胎儿生物物理评分和多普勒血流参数的影响[J].西北国防医学杂志.2014
[7].张王菲,徐天蜀,姬永杰.高山松生物物理参数SAR信号响应研究[J].江苏农业科学.2011
[8].马勇刚,李宏,甘艳露.塔里木南缘绿洲下垫面生物物理参数与地表温度相关性研究[J].水土保持研究.2011
[9].张王菲,徐天蜀,姬永杰.森林生物物理参数SAR信号响应研究[C].第十七届中国遥感大会摘要集.2010
[10].曾永年,张少佳,张鸿辉,黄炜,刘慧敏.城市群热岛时空特征与地表生物物理参数的关系研究[J].遥感技术与应用.2010
论文知识图
