目的:探讨妊娠中期75 g口服葡萄糖耐量试验（OGTT）异常模式对孕妇分娩大于胎龄儿（LGA）风险的影响。方法:收集2016年12月24日至2022年7月26日在广东省妇幼保健院定期产前检查并分娩的66 290例孕妇的一般临床资料包括OGTT结果。根据OGTT结果，将孕妇分为8组，血糖正常组（空腹、服糖后1 h、2 h血糖均正常，共54 518例）、妊娠期糖尿病（GDM）0组（仅空腹血糖异常，共1 430例）、GDM 1组（仅服糖后1 h血糖异常，共2 150例）、GDM 2组（仅服糖后2 h血糖异常，共3 736例）、GDM 0+1组（空腹、服糖后1 h血糖均异常，共371例）、GDM 0+2组（空腹、服糖后2 h血糖均异常，共280例）、GDM 1+2组（服糖后1 h、2 h血糖均异常，共2 981例）、GDM 0+1+2组（空腹、服糖后1 h、2 h血糖均异常，共824例）。采用多因素logistic回归分析不同OGTT异常模式对LGA的影响。此外，将OGTT检测3个时间点的血糖测量指标进行组合，并作为连续性变量应用到受试者工作特征（ROC）曲线中，以评估各血糖测量模式对LGA的预测价值并对曲线下面积（AUC）进行比较。结果:（1）多因素logistic回归分析结果显示，GDM 0组（ OR=1.76，95% CI为1.50~2.08）、GDM 0+1组（ OR=2.29，95% CI为1.72~3.04）、GDM 0+1+2组（ OR=1.98，95% CI为1.61~2.43）孕妇分娩LGA的风险显著升高（ P均<0.001）。（2）ROC曲线分析结果显示，空腹血糖、服糖后1 h血糖、服糖后2 h血糖、空腹+服糖后1 h血糖、空腹+服糖后2 h血糖、服糖后1 h+2 h血糖、空腹+服糖后1 h+2 h血糖测量模式对LGA均具有一定的预测价值（ P均<0.001）。空腹血糖测量模式较服糖后2 h血糖测量模式预测LGA的AUC高，差异有统计学意义（ P<0.05）；空腹血糖与其他血糖测量模式预测LGA的AUC分别比较，差异均无统计学意义（ P均>0.05）。 结论:OGTT异常模式中，空腹血糖异常、空腹+服糖后1 h血糖异常、空腹+服糖后1 h+2 h血糖异常的孕妇分娩LGA的风险增加。空腹血糖检测对LGA的预测具有重要意义，临床上可作为评估LGA风险的优选指标。

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力,对于评估森林生态系统状态和林分环境具有重要作用.选取滇西北典型生态脆弱区香格里拉为研究区,以GEDI波形数据为信息源,提取46245个有林地光斑参数,使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布,结合54块实测样地数据,采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和Pearson分析分别优选特征变量,基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型.结果表明:(1)EBK 法预测精度高,估测结果可靠,R2:0.20-0.92,RMSE:0.004-2812.912,MAE:0.003-1996.258,MRE:0.007-4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异,SVM-RFE法优选出6个参数(cover、pai、sensitivity、rv_al、rv_a4、rg_a4)的平均交叉验证精度达0.84,RF法以贡献度5％为阈值筛选出5个参数(cover、pai、pgap_theta_error、modis_treecover、modis_nonvegetated),Pearson 法以相关性大于 0.3 且在 0.01 水平显著优选出 5 个参数(cover、pai、rv_a5、rg_a5、pgap_theta_error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大,以SVM-RFE和RF方法优选参数构建估测模型的精度更佳,SVM-RFE方法优选参数研建估测模型精度变化相对稳定,以RF方法中的BO-GBRT模型为最佳FCC估测模型(R2=0.85、RMSE=0.069,P=86.5％);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图,与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61,主要分布在0.4-0.7,分别占比65.45％、51.79％.研究区森林郁闭度主要处于中度郁闭,北部区域主要为高度郁闭区,与研究区植被覆盖度的空间分布具有一致性,说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性.研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础.

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义.青藏高原自然环境特殊,气候差异显著,地形复杂,仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制.基于青藏高原草地AGB野外实测数据与Landsat遥感影像,探索了植被指数表征草地AGB信息的有效性,评估了气象和地形信息对准确估算草地AGB的影响,综合利用气象、地形和遥感信息,在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型,绘制了青藏高原多年草地AGB空间分布图.结果表明:(1)基于单因素遥感因子的线性回归模型仅能解释 8%—40%的草地AGB变化情况,其中绿色归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)对草地AGB解释能力较强(40%).(2)基于遥感因子构建的梯度增强回归树模型测试集R2为0.57.分别添加气象、地形信息,模型对草地AGB的估测准确性有所提升,测试R2为 0.62 和 0.63.(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度,经递归特征消除法优选后,基于 13 个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R2 =0.79,RMSE=43.42 g/m2,P＜0.01;测试数据集R2=0.66,RMSE=53.64 g/m2,P＜0.01),可以解释66%草地AGB变化情况.(4)2010 年青藏高原平均AGB为 94.58 g/m2,2015 年 93.63 g/m2,2020 年 100.78 g/m2.青藏高原西北部草地AGB较低,东南部草地AGB较高,整体呈现自西北向东南逐渐增加的分布格局.研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考.

精准诊断盐碱农田水盐信息有助于保护耕地面积、长效提升土壤地力.本研究基于无人机高光谱数据提取田块尺度植被冠层光谱信息,利用标准正态变量(SNV)、多元散射校正(MSC)、一阶微分(FDR)和二阶微分(SDR)分别对原始光谱反射率(R)进行数学变换,通过最大相关系数绝对值(MACC)确定土壤含水量(SWC)、pH值和含盐量(SSC)的最优光谱变换形式,并采用竞争性自适应重加权采样法(CARS)对其进行特征波段提取,基于偏最小二乘回归(PLSR)、随机森林(RF)和极端梯度提升(XGBoost)建立土壤水盐信息反演模型.结果表明:土壤含水量、pH值和含盐量分别以R、FDR和MSC为最佳光谱变换形式,所对应的MACC分别为0.730、0.472和0.654o CARS算法能有效剔除无关变量,从150个光谱波段中优选出16～17个特征波段.土壤含水量和pH值均以XGBoost模型表现最佳,模型验证决定系数(Rp2)分别达0.927和0.743,相对分析误差(RPD)分别达3.93和2.45;土壤含盐量以RF模型为最优反演方法,Rp2和RPD分别为0.427和1.64.本研究结果可为土壤水盐信息空天地一体化遥感监测提供参考方案,为盐碱地改良和保护性耕作提供科学依据.

目的 研究熟地黄蒸制过程中特征图谱与颜色的变化规律,结合Box-Behnken响应曲面模型,优选熟地黄炮制工艺.方法 应用Pearson相关性分析、聚类分析、主成分分析(PCA)、正交偏最小二乘分析(OPLS-DA)等多元统计方法研究熟地黄蒸制过程中的颜色和特征图谱峰面积变化,筛选熟地黄药材关键的质量标志物(Q-markers),以Q-markers为评价指标,结合综合评分法考察蒸制时间、干燥温度、干燥时间对熟地黄质量的影响,同时采用Box-Behnken响应曲面法优选最佳炮制工艺.结果 建立的生地黄特征图谱和熟地黄特征图谱分别标定 18、20 个共有峰,其中 19 号峰[5-羟甲基糠醛(5-HMF)]为生地黄经炮制后产生的新化学成分;生地黄蒸制 2h后色差显著(ΔE*＞12),且各特征峰峰面积与生品的差异较大;蒸制时间超过 2h后,不同蒸制时间点的熟地黄ΔE*为 0.28～4.76,色差不能被肉眼识别.以色度值L*、a*、b*、E*为变量可将不同炮制点的熟地黄聚为 3 类,以色度值L*、a*、b*、E*,环烯醚萜苷类成分,苯乙醇苷类成分,5-HMF为变量可将不同炮制点的熟地黄聚为 4 类.熟地黄最佳炮制工艺为:润制水量为药材量的0.3 倍,润制时间为24 h,蒸制时间为2.17 h,干燥温度为61.15℃,干燥时间为 13.73 h.结论 建立的响应面模型准确、可预测,建立的特征图谱方法和优选的熟地黄炮制工艺方法稳定可行,结合炮制过程的颜色变化规律,可为熟地黄的质量控制和综合开发利用提供参考.

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点.本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测.结果表明:在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98％冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量.在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R2)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测精度(P)为0.792,可作为研究区有林地74808个ATLAS光斑的FCC估测模型.以有林地ATLAS光斑尺度FCC值作为区域尺度BO-DNN模型的大样本数据,联合多源遥感因子进行研究区FCC估测,十折交叉验证的BO-DNN模型验证精度为R2=0.47、RMSE=0.22、P=0.558.使用BO-DNN模型估测及普通克里格(OK)插值的研究区FCC均值分别为0.46、0.52,主要分布在0.3～0.6,分别占比77.8％、81.4％.直接通过OK插值方法获取FCC效率较高(R2=0.26),但预测精度明显低于BO-DNN模型(R2=0.49).FCC高值区域在研究区由西北向东南贯穿分布,北部地区和东南部分别为FCC高值、低值主要分布区.基于ICESat-2/ATLAS高密集光斑进行山地FCC估测具有一定优势,以光斑尺度的小样本数据估测结果可作为区域尺度深度学习模型的大样本数据,能为光斑尺度上推至区域尺度低成本、高精度估测FCC提供一种参考.

对6个模型进行系统评价的目的是为模型优选提供理论、方法和参数依据.采用优选模型比例、验证方法指标、验证方式指标和异常值指标4项指标对6个独立墒情诊断模型进行了综合评价.结果是:模型优先顺序为差减统计模型、间隔天数统计模型＞移动统计模型＞比值统计模型＞统计模型＞平衡模型;逐日模型好于时段模型.合格率高的模型包括4个特征,即自变量数量不超过3个、自变量相对独立、模型能处理不固定监测天数、人为不决定参数.按监测点建模的6个独立模型都可以单独使用,解决了模型不通用的问题;可以实现逐日诊断和预测,方便与遥感信息、作物长势信息等实时匹配;差减统计模型和间隔天数统计模型精度最高,前者是基于质量守恒定律的统计模型,后者有效地解决了间隔天数不固定所带来的预测误差.

目的:采用响应面法(Box-Behnken)优化黄芩茎叶对照提取物的纯化工艺,并建立其特征图谱.方法:以黄芩茎叶总黄酮含量为评价指标,单因素试验结合响应面法分析,建立数学模型,优选对照提取物纯化工艺参数,并对制备的黄芩茎叶对照提取物采用高效液相色谱法进行特征图谱研究.结果:采用Design-Expert 10.0.3软件得到黄芩茎叶总黄酮得率与各因素变量的二次多元回归方程为:Y=65.58+l.68A+0.84B+l.55C+0.44D-0.16AB-1.12AC-0.58AD +0.62BC-0.067BD +0.30CD +0.52A2-1.46B2-1.25C2-1.47D2 (P ＜0.05),确定纯化工艺为乙醇浓度为80％,上样流速为1.5 mL·min-1,洗脱体积为5 BV,洗脱流速为4 mL· min-.确定11批黄芩茎叶对照提取物高效液相特征图谱有7个共有峰,样品与对照特征图谱的相似度在0.957 ～0.989.结论:本实验优选的对照提取物纯化工艺稳定、可控,所建立的高效液相特征图谱可为黄芩茎叶对照提取物的研究及应用提供参考.

目的 采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型.方法 通过NIRS漫反射探头采集16个生产批次共 176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(siPLS)结合移动窗口偏最小二乘法(mwPLS)筛选特征变量为 4 759.45～5 338.00 cm-1、5 503.84～6 101.67 cm-1 、8 512.25～8 809.24 cm-1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型.结果 水分预测的交叉验证均方根误差(RMSECV)为 0.243％,性能偏差比(RPD)值为 13.384,预测相对偏差(RSEP)为 0.270％.以 8个生产批次对在线监控方法的可靠性进行持续验证,结果 40个样本的相对预测误差均小于 4.7％.干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内.结论 在线NIRS结合 PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确.

目的 应用拉曼光谱技术结合多种预处理算法和多种特征波段筛选方法建立数学模型,对甘草配方颗粒提取过程中甘草苷和甘草酸含量实时监测.方法 以甘草配方颗粒为研究对象,收集提取过程中各个时间点的提取液样本,进行拉曼光谱检测.采集得到的光谱与液相色谱结果对应,分别建立3种甘草苷和甘草酸定量校正模型,考察不同预处理方法对模型的影响,优选出最佳变量筛选方法.结果 甘草苷模型中标准正态变换(SNV)预处理方法和甘草酸模型中Savitzky-Golay 13点平滑方法对模型性能参数提升幅度最大.通过连续投影算法筛选的甘草苷和甘草酸模型分别只需要4个和3个光谱变量即可达到全光谱变量模型水平,通过竞争性自适应重加权算法(CARS)筛选后建立的贝叶斯岭回归(BRR)甘草苷和甘草酸定量模型具有全局最优性能.结论 拉曼光谱技术应用于甘草配方颗粒提取过程中所建立模型性能良好,为实现中药配方颗粒提取过程实时监测和快速分析提供了研究基础.