李燕妮
- 作品数：4 被引量：21H指数：3
- 供职机构：教育部更多>>
- 发文基金：国家自然科学基金公益性行业科研专项公益性行业(农业)科研专项更多>>
- 相关领域：生物学农业科学环境科学与工程更多>>
- 典型草原啮齿动物密度与牧草损失量的关系被引量：9
- 2018年
- 研究啮齿动物密度对牧草损失量的关系,对于计算草地经济损害水平至关重要,可以为草地畜牧业管理决策提供指导。本研究于2012-2016年,在锡林郭勒典型草原(东乌珠穆沁旗),应用标志重捕法和样方法对啮齿动物密度以及9月份植物地上生物量进行调查,用啮齿动物密度及其日食量来估算鼠类对牧草的损害程度,确定牧草损失量。研究结果表明:(1)啮齿动物密度与牧草损失量的最佳拟合曲线是三参数S型曲线,为:Loss=k/(1+e^(a-rdensity));(2)当啮齿动物密度>906个标准鼠单位/hm^2时,牧草产量发生最大损失(牧草产量损失比=23.30%);(3)根据所拟合的曲线,得出该类型草地啮齿动物对牧草损害的危害阈值为174个标准鼠单位/hm^2。
- 李燕妮李燕妮袁帅袁帅付和平武晓东岳闯满都呼杨素文
- 关键词：典型草原
- 啮齿动物群落多样性对气候变化滞后效应的研究被引量：7
- 2016年
- 以阿拉善典型温性荒漠为试验区,选取不同放牧干扰下2009~2014年4~7月啮齿动物群落ShannonWiener指数和2006~2014年气象因子,分别建立BP神经网络模型,模拟啮齿动物群落Shannon-Wiener指数对气候变化的滞后响应。结果表明：不同放牧干扰下BP神经网络模型预测效果不同（拟合优度分别为0.9499、0.9442和0.8678）,轮牧干扰优于禁牧和过牧;啮齿动物群落Shannon-Wiener指数对气候变化的响应存在明显的滞后效应,禁牧、轮牧、过牧干扰下分别滞后3个月、3个月、1个月;根据滞后效应和滞后时间,可以提前预测不同放牧干扰下Shannon-Wiener指数的变化趋势,继而为鼠害防治工作提供理论指导。
- 卢志宏武晓东杨素文李燕妮叶丽娜
- 关键词：BP神经网络啮齿动物SHANNON-WIENER指数
- 基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究被引量：2
- 2015年
- 群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试。Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测。以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006─2014年每年的4─10月捕获量,建立Elman神经网络预测模型,利用2006─2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态。结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52%,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54%,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63%,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著。通过平均误差和拟合度的比较,文章认为采用[0,1]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义。
- 卢志宏武晓东郭利彪付和平满都呼岳闯柴享贤包达尔罕杨素文叶丽娜李燕妮
- 关键词：ELMAN神经网络阿拉善荒漠啮齿动物标志重捕法
- 应用BP神经网络对荒漠啮齿动物种群数量的预测研究被引量：3
- 2017年
- 群落的格局与动态是群落生态学研究的核心内容,种群数量预测是研究群落动态的主要途径之一。本研究尝试采用2006~2014年阿拉善荒漠区啮齿动物数量数据建立BP神经网络模型,对啮齿动物群落全部组成物种的总个体数量进行模拟与预测。BP神经网络通过模拟学习,建立模型,能够实现对啮齿动物群落数量动态规律进行模拟与预测。本研究以阿拉善荒漠为试验区,以啮齿动物个体数量为研究对象,采用标志重捕法,监测2006~2014年每年4~10月的数量,建立BP神经网络预测模型,利用2006~2013年的数据建立训练网络,以2014年的数据进行验证与测试,比较单层隐含层、双层隐含层和三层隐含层BP神经网络模型。结果表明:单隐含层模型的隐含层节点数为6时,最大误差百分比为16.13%,决定系数0.998 0(P=0.006 0)。双隐含层模型的两层隐含层节点数均为6时,最大误差百分比为8.58%,决定系数0.999 5(P=0.002 3)。三层隐含层模型的三层隐含层节点数分别为1、10和7时,最大误差百分比为5.87%,决定系数0.999 2(P<0.000 1)。不同隐含层网络模型的预测效果均取得了满意效果,通过比较最大误差百分比、平均误差百分比、决定系数及拟合优度,三层隐含层优于单隐含层及双隐含层的BP神经网络模型。本文认为三层隐含层的BP神经网络模型更适合于阿拉善荒漠区啮齿动物群落全部组成物种的总个体数量的预测研究。
- 卢志宏武晓东柴享贤杨素文李燕妮叶丽娜
- 关键词：BP人工神经网络啮齿动物标志重捕法
