一、利用多重抽样估计稀有物种的种类数（论文文献综述）
付梦娣,刘伟玮,李博炎,任月恒,李爽,白雪,李俊生,朱彦鹏[1]（2021）在《国家公园生态环境保护成效评估指标体系构建与应用》文中研究指明开展国家公园生态环境保护成效评估对促进国家公园的有效管理和宏观决策具有重要意义。围绕国家公园建设的目标和定位,以自然生态系统原真性、完整性保护为基础,以定量方法为主、定性方法为辅,构建了包括生态系统状况、物种多样性状况、环境质量状况、生物安全状况和生态环境破坏状况5个类别、16个评估指标的国家公园生态环境保护成效评估指标体系,明确了指标计算方法和评估过程。以中国第一个国家公园体制试点——三江源国家公园为例,评估试点以来的生态环境保护成效,探讨评估指标体系的适用性。结果表明:天然生态系统面积总体持平,天然生态系统完整性基本不变,2016年和2019年生态系统水源涵养能力指数分别为0.56和0.59,土壤保持能力指数均为0.11;2016年主要生物类群多样性指数为0.32;选取藏羚作为园区重点物种,种群数量显着增加;2016年和2019年保护成效指数（protection effectiveness index,PEI）分别为7.61和7.64,ΔPEI为0.03,未发生生态环境破坏事件,不存在生物安全风险,综合判定国家公园生态环境保护成效等级为一般。评估体系能够反映三江源国家公园生态环境动态变化,可为国家公园生态环境保护成效评估标准体系的建立提供借鉴。
牛成英[2]（2019）在《非概率抽样网络调查统计推断问题研究》文中研究说明随着信息技术的发展,互联网在人们的生活及工作中得到了广泛应用和普及,抽样调查技术也从传统纸笔调查发展到以互联网为媒介的网络调查。当前,网络调查在利用抽样调查进行的科学研究中应用十分普遍,然而,以互联网为媒介的网络调查也有其自身的局限性,主要表现在以下两个方面:一是通过互联网进行的网络调查,其样本的选取已无法完全保证概率抽样;二是在网络调查中,实际抽样的网络总体与研究者关注的目标总体间通常会存在较大的覆盖误差,这些局限性将导致不能直接利用网络调查样本对目标总体进行统计推断。针对上述两个问题,论文主要从以下几个方面进行探索研究:首先,针对非概率抽样网络调查样本的非随机性选取问题,论文讨论了在目标总体单元的辅助信息已知条件下,利用概率抽样方法从目标总体中抽取概率样本作为辅助样本,基于倾向值匹配样本的方法,对非概率抽样的网络调查样本与辅助样本进行倾向值匹配,产生一个来自网络调查样本的匹配样本,论证了该匹配样本具有与辅助样本相同的随机性,研究结果表明利用匹配样本对目标总体进行统计推断具有可行性。其次,在利用倾向值匹配方法对非概率抽样网络调查样本进行随机化的基础上,论文讨论了基于匹配样本对目标总体参数进行估计时,对总体参数的简单估计量和倾向值加权估计量的构建,论证了估计量的无偏性和渐近无偏性,并对估计量的方差及其性质进行了讨论。进一步研究了利用匹配样本,采用事后分层估计方法估计总体参数时,估计量的构建及其性质,并对非概率抽样网络调查的样本选择性偏差进行估计。探索利用非概率抽样网络调查样本对目标总体进行统计推断的有效方法,研究结果表明,利用非概率抽样网络调查样本对目标总体进行统计推断具有可行性,但在分层估计中,估计量的精度提高与样本匹配结果密切相关。最后,针对在网络调查中目标总体与实际能够参与网络调查的群体之间存在较大覆盖误差的问题,论文提出基于倾向值匹配样本的方法,利用生物统计中的捕获—再捕获思想估计未知总体规模的方法,结合网络调查样本单元的人口统计特征,利用Logistic回归捕获—再捕获模型估计方法,对网络调查样本实际代表的网络总体规模进行估计。在此基础上,利用倾向值匹配样本估计目标总体参数的过程中,采用样本追加抽样域估计的方法估计目标总体参数,在未完成匹配的辅助样本单元中进行追加概率抽样,并对追加样本进行调查,综合来自网络调查样本的匹配样本和追加样本,对目标总体参数进行统计推断,并进一步对网络调查样本的选择性偏差和网络总体覆盖误差进行估计。解决了存在覆盖误差时,利用网络调查样本对目标总体进行统计推断的问题。
王家启[3]（2017）在《渔业资源调查站点和样本数量优化设计 ——以淀山湖为例》文中进行了进一步梳理渔业资源调查目的在于获得目标种群或群落的个体生物学特征、物种丰富度、资源分布等信息,是渔业资源评估与管理中不可缺少的环节。在渔业资源调查中,样本数量的大小对目标种群特征的解析精度产生影响,样本数量越多,所得结果越接近于目标种群或群落的真实状况,但调查成本也会相应增加。最优的抽样设计是在一定的管理目标、预算条件下,使得对目标种群或群落估计的准确性最高,或所花费的成本最低。鉴于此,本文采用重抽样方法,采用不同的精确度解释方式,对不同调查目的与样本量之间的关系进行分析,取得以下研究结论:2010年7月—2011年6月研究期间每月进行一次淀山湖渔业资源调查,共捕获14科45种鱼类,其中以鲤科鱼类为主。（1）以淀山湖鱼类种类组成为调查目的,结果表明:在捕获鱼类种数不变的情况下,为达到一定的探测率,每年调查的次数和每次调查需要设置的站点数成负相关关系;每次设置的站点数不变的情况下,调查次数越少,鱼种的探测率就越低;每年调查次数固定的情况下,为达到一定的探测率捕获一定比例的鱼类,每次调查需要设置的站点数随着捕获鱼类物种数量的增多而增加;站点数不变的情况下,调查鱼类物种比例越低,探测率越高。受淀山湖鱼类组成月变化的影响,调查频次在10次或10次以上才能够更准确的反映淀山湖鱼类组成现状。调查淀山湖鱼类种类组成,以90%的鱼类（41种）覆盖率为标准,每年调查12次,最佳站点数为19个。（2）以淀山湖鱼类物种多样性及资源量丰度为调查目的,结果表明:样本数量越大,其所获得的目标指数的相对误差和相对偏差越低,当样本量达到一定量时其相对误差趋于稳定。当站点数小于8时,其相对误差变化较大;站点数大于8时,逐渐趋于稳定。站点数与目标指数空间分布差异相关。从准确度分析,在获得相同准确度的情况下,分析物种多样性指数所需要的站点数比用于分析资源量丰度指数所需的量更少。一定条件下,站点数的减少会降低其结果的精确度,但影响较小能大幅降低对湖泊鱼类资源的负面影响。因此,在湖泊渔业资源调查中,有效的采样设计应在考虑目标指数的时空分布模式的同时,兼顾时间和成本的需求。（3）以淀山湖鱼类体长频率分布为调查目的,结果表明:体长频率分布的估算误差与站点和样本数量呈负指数关系。站点和样本数量相同的情况下,体长分组越少,其精度越高。从站点数量的角度分析,估算不同鱼类体长频率分布的有效样本量为78个站点;从个体数量的角度分析,估算不同鱼类体长频率分布的有效样本量为400600个鱼类个体。估算鱼类体长频率分布的精度会受到鱼类体长频率和鱼类体长范围的影响。研究显示,在减少样本量情况下,同样可以有效的获得精确度较高的结果。调查目的不同,所需样本量也不同。因此在渔业资源调查中,可根据不同的调查目的适当的调整样本量,减少调查成本,降低调查对资源造成的破坏。本研究方法和结果可以为其它类似研究提供借鉴。
孙呈祥[4]（2014）在《六盘山蝮种群数资源、生境选择及保护研究》文中研究表明六盘山蝮（Gloydius liupanensis）是我国六盘山地区特有的小型有毒蛇类，自被发现后，对它的研究报道尚少且仅限于系统分类学方面，对其野外生存现状了解也较少。20122013年期间，运用野外调查、实验室喂养、计算机模型模拟等方法，对六盘山蝮的种群现状、生境选择、生物学特征及物种的保护与管理等方面进行详细的研究。具体结果如下：1.种群数量和生态分布特点野外调查发现，六盘山蝮的分布总面积约为2000km2，其种数数量大概有20万条，其中，样区中估计分布有107200160800条。在小地形分布方面，下坡与山谷中种群数量为最高，分布率可达43.3%，山脊上种群数量最少，分布率仅为10.4%；在小生境分布方面，其最偏好于林缘草滩和山涧溪流，分布百分比之和为67.2%，湖泊与水库生境仅占5.5%；种群分布型方面其种群呈聚群分布，属于聚群分布型物种。2.种群年龄结构和性比调查显示，六盘山蝮年龄结构比为：老成体:成体:亚成体:幼体=0.6:1:0.2:0.07，成体和老成体占大多数，亚成体和幼体很少，即种群出生率较低，在未来几年中其种群数量将呈下降趋势。性比为59.5%，雌性个体多于雄性，且成年个体占大多数，其雌雄比例基本平衡。3.生境选择通过生境因子分布频次分析、主成分分析和聚类分析表明，植被类型、林缘距离、水源距离、湿度、温度、光照强度、海拔、坡向和土质等9个生境因子依次对六盘山蝮生境的选择有重要影响。为了获得足够的热量、更安全的栖息环境及更多的捕食机会，六盘山蝮多选择栖息在阳坡或半阴半阳坡的灌丛-杂草且散布有乱石的生境中，一般分布在海拔适中、离水源和林缘较近的地带，同时还选择温度和湿度较高、光照强度较强的生境。4.生物学特征通过实验室喂养和标本解剖发现，六盘山蝮的食性较广，成蛇主要以两栖动物和小型鼠类为食，幼蛇和亚成体则主要捕食爬行动物、昆虫及环节动物。通过8月初在野外连续跟踪观察发现，晴朗天气条件下其日活动有明显的节律性，早上8:3010:30和下午15:0017:30为出洞活动高峰期；日活动节律还存在季节性变化。具有明显的反捕行为，当受到外界的威胁时，会表现出各种本能反应。生殖方式为典型的卵胎生，幼蛇由母体直接产出并立即可以活动，十几天后就可进食。5.面临的威胁通过野外实地调查发现，六盘山蝮生存面临的潜在威胁主要有：生境破碎化、生态旅游的干扰、环境污染和气候变化。六盘山保护区近几年来大规模开展生态旅游建设，许多地区修建公路、水渠、房屋等，导致原生生境遭到破坏和蝮蛇栖息地破碎化，严重影响其正常活动和繁殖；游客数量的不断增多会严重干扰其正常的生命活动；环境污染和气候变化均可对其产生极大影响。6.管理和保护建议目前，保护区对六盘山地区这一特有物种的认识还很欠缺，对它的管理和保护工作处于空白状态，基本的科研设施和管理手段较为落后。针对六盘山蝮目前的生存现状，提出了切实可行的保护建议和措施，比如：加强宣传教育、提高当地居民的保护意识、加强对六盘山蝮的研究保护、合理控制生态旅游。
陈友春,朱文婕[5]（2014）在《自激励门限自回归模型下我国人口增长率的时间序列分析》文中研究表明应用自激励门限自回归模型对我国1949年以来人口增长率的动态路径进行了模拟分析.通过估计和检验发现我国人口增长率具有明显的非线性特征,模型拟合的效果优于线性自回归模型,可以为政府决策提供更精确的数量依据.
逯晓萍,刘丹丹,王树彦,米福贵,韩平安,吕二锁[6]（2014）在《高丹草遗传效应与杂种表现预测模型》文中提出以5个高粱不育系材料为母本,18个优质苏丹草材料为父本,按照遗传交配设计（NCII）配制成90个杂交组合。分别在内蒙古呼和浩特和包头两地,利用与高丹草产量相关的QTL位点标记检测亲本间的遗传差异,并将F1的8个性状表型值对亲本材料进行标记位点的筛选,建立标记效应和标记型值估算体系。估算特异性位点对性状表现的效应及杂种标记型值,进而分析杂种标记型值与杂种表现的相关性,应用逐步回归分析法建立8个性状杂种表现的预测模型,并通过Jackknife抽样技术检测模型的精确度和稳定性。结果显示,在分别考虑显性、加性作用下8个性状的标记型值与表型值的相关系数平均为0.65,各性状的可决系数较大（0.51～0.88）,而且两地结果趋势一致,表明该预测模型稳定性强,精确度较高。该模型对高丹草的杂种表现预测以及亲本选配都具有一定的指导意义。
刘丹丹[7]（2012）在《基于加性—显性效应的高丹草杂种表现分子标记预测模型》文中进行了进一步梳理本研究通过对16份高丹草杂交亲本的DNA分子标记数据和48份杂种Fl的生物学性状数据进行聚类分析、方差分析、相关性分析及多元回归等分析方法,估计了分子标记的效应值和性质（加性、显性）,通过分析杂种及亲本基因型值与杂种表现的关系,并且采用逐步回归分析建立了分子标记预测杂种表现分子标记的预测模型。主要研究结果如下：1、在对SSR、AFLP、SRAP三种分子标记方法的体系优化和引物筛选等工作的基础上,选取了三种标记共32对引物对16个高丹草亲本进行遗传多样性分析,对16个高丹草亲本的所有多态性位点进行聚类分析,以遗传相似系数0.656为阈值,将16个高丹草亲本品种分为4个类群。2、对杂交子代共48份高丹草材料的株高、穗长、分蘖数、叶长、叶宽、小穗数、成株叶片数、单株鲜重和茎重等9个农艺性状进行方差分析。结果显示,9个农艺性状在48个材料中都具有极显着的差异性。采用同样的方法,对包含亲本的共64份材料做方差分析,9个农艺性状在64个材料中也存在着极显着性差异。3、利用三组法对所有特异性标记位点进行筛选。对三组数据的性状表型均值采用单向分组的方差分析法进行t测验,筛选与各项农艺性状指标相关的标记位点,在对9个农艺性状特异性标记位点的筛选过程中,发现显性作用影响较大,加性作用次之。除了筛选到加性位点和显性位点以外,还筛选到了少数的加-显性位点。对筛选出的位点进行分析,在各种位点的数目上来看：加-显位点<加性位点<显性位点。4、对9个性状的标记型值和其表型值进行相关性分析,各个性状的显性标记型值与其表型值之间存在极显着的正相关,说明各个性状的杂种表现受到基因互作效应的影响并不是很大,更主要的还是显性效应的影响。5、通过16个亲本的一般遗传距离（-0.118-0.283）和特殊遗传距离（-0.092-0.390）分别与各项农艺性状表型值进行相关性分析。其中,叶宽的表型值与特殊遗传距离达到极显着相关水平,穗长的表型值与其达到0.05显着水平。6、通过多元逐步回归分析,以48个杂种子代的各个特异性标记位点的标记效应值为自变量,以杂种表现的性状为因变量,构建了9个农艺性状的预测模型回归方程。筛选到了对杂种表现有关键作用的分子标记位点。通过Jackknife抽样技术对模型的预测精确度和稳定性的检测,发现9个性状的预测方程的精确度和稳定性都较好,具有一定的实用性。
徐新福,唐章林,李加纳,柴友荣,王瑞,谌利[8]（2008）在《基于加性-显性效应的杂种表现分子标记预测模型》文中研究指明【目的】以甘蓝型油菜为研究材料,探索杂种表现分子标记预测模式。【方法】以6份甘蓝型油菜隐性核不育两型系、11份恢复系为亲本按NCⅡ设计配制成66个杂交组合。利用F1的9个性状的表型值对亲本材料的SSR和AFLP标记位点进行筛选,建立标记效应和标记型值估算体系,估算这些特异标记位点对性状表现的效应及杂种标记型值,进而分析杂种标记型值与杂种表现的相关性,应用逐步回归分析建立9个性状杂种表现的分子标记预测模型。【结果】114个SSR和205个AFLP标记位点中,在0.01显着水平下9个性状筛选到的特异性标记位点分别为39～85个;不同标记位点对性状表现的效应大小、方向及作用方式存在广泛差异;9个性状的杂种F1标记型值与性状表现间的相关性均达到极显着水平,相关系数为0.6824～0.8113。9个预测模型中分别包括了6～14个标记位点,可决系数R2为0.5191～0.6783,预测模型稳定性强,精确度较高。【结论】利用标记型值预测作物杂种表现是一种有效的新途径,可以利用较少的标记位点建立甘蓝型油菜杂种表现预测模型。
董彦彦,邱祎[9]（2006）在《对地面植被群落中稀有植物的种类数的多重抽样估计》文中认为利用矩估计和一个稳健估计方法来处理植物学家在林地的地面植被群落调查数据.在假定已经发现一些稀有植物的情况下,通过统计推断得到那些未被发现的植被的种类数.
刘捷[10]（2006）在《甘蓝型油菜杂种优势的分子标记预测研究》文中认为杂种优势是生物界的普遍现象，杂种优势的利用推动了作物产量和品质的大幅度提高。为了更有效地利用杂种优势现象为人类服务，必须从理论上揭示杂种优势形成的机理，围绕杂种优势的形成原因，国内外学者作了大量的理论探讨，取得一些积极进展。 油菜是世界范围内广泛种植的主要油料作物之一。我国油菜种植面积和总产约占世界的1／3，均居世界首位，其中杂交种种植面积超过栽培总面积的50％。但是传统的亲本选配方法人力、物力消耗大，周期长，效率低，油菜杂种优势的深入利用需要一种简便而有效的方法来指导亲本选配。分子标记的出现恰好满足了这种需求——分子标记能反映生物DNA水平上的信息，信息量丰富且不受环境条件的影响。分子标记技术已被应用于多种作物的杂种优势预测和遗传基础研究，而在油菜上这方面的研究报道还比较少。 本研究利用不完全双列杂交配制组合，通过对甘蓝型油菜杂交亲本DNA分子标记和杂种F1性状表现的分析，探讨亲本分子标记遗传距离、杂种标记型值与杂种性状表现和杂种优势的关系，建立分子标记预测杂种优势的数学模型。主要研究结果如下： 1．亲本材料的遗传关系分析 用283对SSR引物、64对AFLP引物和81对SRAP引物对19个亲本材料基因组DNA模板进行扩增，共得到910个多态性位点。利用这910个标记位点计算19个亲本材料的分子标记遗传距离，UPGMA法系统聚类结果与亲本表现基本一致。总体上，黄籽品系与黑籽品系间的遗传差异大于它们各自内部的遗传差异。 2．与性状表现相关的分子标记筛选和效应估计 用两组法筛选到81个与目标性状相关的位点，这些位点又进一步区分为增效位点和减效位点，两种位点的作用方向不同。遗传力较低的单株产量与千粒重检测出的位点数量较少，而遗传力较高的蛋白质、含油量则检测出较多的位点。三组法筛选到178个与目标性状相关的位点，有些位点只具有加性效应或显性效应，而有些位点则同时具有加性效应和显性效应，这些标记位点对性状的效应在大小和方向上均存在差异。每个研究性状中，具有显性效
二、利用多重抽样估计稀有物种的种类数（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、利用多重抽样估计稀有物种的种类数（论文提纲范文）
（1）国家公园生态环境保护成效评估指标体系构建与应用（论文提纲范文）
| 1 国家公园生态环境保护成效评估指标体系构建 |
| 1.1 理论基础 |
| 1.2 评估指标体系 |
| 1.3 评估数据来源 |
| 1.4 评估方法 |
| 2 应用研究 |
| 2.1 研究区概况 |
| 2.2 数据来源 |
| 2.3 评估结果与分析 |
| 3 讨论 |
| 4 结论 |
（2）非概率抽样网络调查统计推断问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究方法 |
| 1.3 研究内容与技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路径 |
| 1.4 主要创新 |
| 第二章 相关概念与统计推断理论综述 |
| 2.1 网络调查概念界定及其误差 |
| 2.1.1 网络调查的概念 |
| 2.1.2 网络调查的分类 |
| 2.1.3 网络调查的误差 |
| 2.2 抽样调查统计推断理论综述 |
| 2.2.1 概率抽样统计推断理论综述 |
| 2.2.2 非概率抽样统计推断理论综述 |
| 2.2.3 网络调查统计推断理论综述 |
| 第三章 基于倾向值匹配的非随机样本不完全随机化 |
| 3.1 辅助信息 |
| 3.2 倾向值定义及估计 |
| 3.2.1 倾向值匹配基本思想 |
| 3.2.2 倾向值定义 |
| 3.2.3 倾向值估计 |
| 3.3 基于倾向值样本匹配 |
| 3.3.1 倾向值匹配的假设条件 |
| 3.3.2 倾向值匹配方法 |
| 3.3.3 匹配样本生成 |
| 3.4 匹配样本随机性论证 |
| 3.5 数值模拟 |
| 3.5.1 模拟1 |
| 3.5.2 模拟2 |
| 3.6 本章小结 |
| 第四章 非概率抽样网络调查总体参数Horvitz-Thompson估计 |
| 4.1 相关符号及说明 |
| 4.2 基于网络调查样本的倾向值匹配样本 |
| 4.2.1 倾向值定义 |
| 4.2.2 倾向值估计 |
| 4.2.3 匹配样本 |
| 4.3 总体参数Horvitz-Thompson估计量及其性质 |
| 4.3.1 简单估计量及其性质 |
| 4.3.2 倾向值加权估计量及其性质 |
| 4.3.3 简单估计量与倾向值加权估计量的比较 |
| 4.4 数值模拟检验 |
| 4.4.1 数据来源与说明 |
| 4.4.2 抽样与样本匹配 |
| 4.4.3 模拟结果分析 |
| 4.5 本章小结 |
| 第五章 非概率抽样网络调查总体参数事后分层估计 |
| 5.1 分层估计和事后分层估计 |
| 5.1.1 分层估计 |
| 5.1.2 事后分层估计 |
| 5.2 事后分层层权估计 |
| 5.2.1 分层标志的确定 |
| 5.2.2 层数的确定 |
| 5.2.3 层界的确定 |
| 5.2.4 层权的估计 |
| 5.3 总体参数事后分层估计 |
| 5.3.1 完全匹配样本的事后分层估计 |
| 5.3.2 不完全匹配样本的事后分层估计 |
| 5.4 样本选择性偏差估计 |
| 5.5 数值模拟检验 |
| 5.5.1 数据来源与处理 |
| 5.5.2 分层与样本匹配 |
| 5.5.3 模拟结果分析 |
| 5.6 本章小结 |
| 第六章 基于捕获—再捕获模型和Logistic回归的网络总体规模估计 |
| 6.1 捕获-再捕获模型估计未知总体规模的基本思想 |
| 6.2 倾向值匹配平衡样本与样本代表性 |
| 6.2.1 倾向值匹配平衡样本的性质 |
| 6.2.2 样本代表性 |
| 6.3 基于倾向值匹配样本的捕获-再捕获模型 |
| 6.3.1 倾向值匹配样本的匹配—再匹配方法 |
| 6.3.2 异质性捕获—再捕获模型 |
| 6.4 基于捕获—再捕获模型的网络总体规模估计 |
| 6.4.1 网络总体规模估计量 |
| 6.4.2 网络总体规模估计量的性质 |
| 6.5 网络总体单元入样概率的Logistic回归估计 |
| 6.5.1 网络总体单元匹配概率的Logistic回归模型 |
| 6.5.2 网络总体单元入样概率的极大似然估计 |
| 6.6 数值模拟检验 |
| 6.7 本章小结 |
| 第七章 基于样本追加抽样的网络调查总体参数域估计 |
| 7.1 样本追加抽样域估计基本思想 |
| 7.1.1 符号说明 |
| 7.1.2 样本追加抽样域估计 |
| 7.2 倾向值匹配样本及追加抽样设计 |
| 7.2.1 基本初始概率样本的倾向值匹配 |
| 7.2.2 未覆盖域追加抽样设计 |
| 7.3 目标总体参数估计 |
| 7.3.1 网络总体参数估计 |
| 7.3.2 未覆盖域参数估计 |
| 7.3.3 目标总体参数估计及其性质 |
| 7.4 样本选择性偏差及覆盖误差估计 |
| 7.4.1 样本选择性偏差估计 |
| 7.4.2 网络调查样本覆盖误差估计 |
| 7.5 数值模拟检验 |
| 7.6 本章小结 |
| 总结及展望 |
| 研究总结 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 在学期间研究成果 |
（3）渔业资源调查站点和样本数量优化设计 ——以淀山湖为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 存在问题 |
| 1.3 研究意义 |
| 1.4 研究方法和技术路线 |
| 1.4.1 渔业资源评价方法 |
| 1.4.2 渔业资源调查方法 |
| 1.4.3 站点和样本数量优化方法 |
| 1.4.4 研究内容和思路 |
| 第二章 材料与方法 |
| 2.1 材料来源 |
| 2.2 研究方法 |
| 2.2.1 鱼类群落特征 |
| 2.2.2 鱼类种类组成调查样本量优化设计 |
| 2.2.3 鱼类多样性指数和资源丰度调查样本量优化设计 |
| 2.2.4 样本量对估算鱼类体长频率分布的影响 |
| 第三章 结果 |
| 3.1 鱼类群落特征 |
| 3.1.1 鱼类种类组成 |
| 3.1.2 鱼类优势种组成 |
| 3.1.3 鱼类生物多样性指数 |
| 3.1.4 鱼类资源丰度 |
| 3.2 鱼类物种组成调查样本量优化 |
| 3.3 鱼类多样性指数和资源量调查样本量优化 |
| 3.4 样本量对估算鱼类体长频率分布的影响 |
| 第四章 讨论 |
| 4.1 鱼类物种种类数调查样本量优化分析 |
| 4.2 鱼类多样性指数和资源量调查样本量优化分析 |
| 4.3 样本量对估算鱼类体长频率分布的影响分析 |
| 第五章 总结 |
| 5.1 研究小结 |
| 5.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）六盘山蝮种群数资源、生境选择及保护研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 2 文献综述 |
| 2.1 蛇类物种多样性及价值 |
| 2.1.1 蛇类多样性 |
| 2.1.2 价值 |
| 2.2 我国蛇类研究现状概述 |
| 2.2.1 分类学 |
| 2.2.2 生态学 |
| 2.2.3 分子生物学 |
| 2.2.4 蛇类养殖 |
| 2.2.5 濒危现状 |
| 2.3 六盘山蝮的研究概况 |
| 2.3.1 形态学 |
| 2.3.2 分子水平 |
| 2.4 相关领域研究 |
| 2.4.1 生境分析 |
| 2.4.2 自然保护区的有效管理 |
| 2.5 研究内容、目的及意义 |
| 2.5.1 研究内容 |
| 2.5.2 研究目的 |
| 2.5.3 研究意义 |
| 3 研究对象与研究区域概况 |
| 3.1 研究对象 |
| 3.1.1 形态特征 |
| 3.1.2 分类地位 |
| 3.1.3 生物学特征 |
| 3.1.4 生态价值 |
| 3.2 研究区域概况 |
| 3.2.1 地理位置 |
| 3.2.2 地形地貌 |
| 3.2.3 气候水文 |
| 3.2.4 土壤 |
| 3.2.5 植被概况 |
| 3.2.6 动物资源 |
| 4 研究方法 |
| 4.1 种群资源研究方法 |
| 4.1.1 年龄划分 |
| 4.1.2 野外调查 |
| 4.1.3 数据处理 |
| 4.2 生境因子选择和数据处理 |
| 4.2.1 生境因子的选择及划分标准 |
| 4.2.2 数据处理和分析 |
| 4.3 生物学特征研究方法 |
| 4.3.1 标本解剖 |
| 4.3.2 定点观察 |
| 4.3.3 实验室饲养 |
| 5 研究结果 |
| 5.1 六盘山蝮种群资源 |
| 5.1.1 种群分布范围 |
| 5.1.2 种群出现率和数量 |
| 5.1.3 种群生态分布特点 |
| 5.1.4 种群年龄结构与性比 |
| 5.1.5 种群出生率和存活率 |
| 5.1.6 讨论 |
| 5.2 六盘山蝮的生境选择 |
| 5.2.1 六盘山蝮生境因子的相关性 |
| 5.2.2 六盘山蝮生境因子的选择 |
| 5.2.3 生境因子主要成分分析 |
| 5.2.4 生境因子聚类分析 |
| 5.2.5 讨论 |
| 5.3 六盘山蝮生物学特征 |
| 5.3.1 食性与摄食 |
| 5.3.2 日活动节律与反捕行为 |
| 5.3.3 繁殖方式及其意义 |
| 5.3.4 讨论 |
| 6 六盘山蝮的保护及管理 |
| 6.1 六盘山蝮面临的潜在威胁 |
| 6.1.1 生境的破碎化 |
| 6.1.2 生态旅游的干扰 |
| 6.1.3 环境污染 |
| 6.1.4 气候变化 |
| 6.2 目前存在的主要问题 |
| 6.2.1 保护区责任有待强化 |
| 6.2.2 科研资金投入有待加强 |
| 6.3 保护建议 |
| 6.3.1 加强宣传教育提高当地群众的保护意识 |
| 6.3.2 合理控制生态旅游 |
| 6.3.3 加强对物种的研究保护力度 |
| 6.3.4 加强对保护区的法制管理 |
| 6.3.5 严厉禁止对蝮蛇的捕捉和伤害 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 展望 |
| 8 参考文献 |
| 附表 |
| 附图 |
| 附录 |
| 致谢 |
（6）高丹草遗传效应与杂种表现预测模型（论文提纲范文）
| 1 材料与方法 |
| 1.1 试验材料及设计 |
| 1.2 分子标记的检测和统计 |
| 1.3 标记效应值的估计 |
| 1.4 加性-显性效应的杂种表现预测模型的建立 |
| 1.5 Jackknife抽样检验 |
| 2 结果与分析 |
| 2.1 性状相关标记的筛选 |
| 2.2 标记型值与杂种表现的相关分析 |
| 2.3 杂种表现预测模型建立 |
| 2.4 预测模型的评价及其参数 |
| 3 讨论 |
| 4 结论 |
（7）基于加性—显性效应的高丹草杂种表现分子标记预测模型（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1. 高丹草的研究历程及现状 |
| 1.1.1 国外的研究进展 |
| 1.1.2 国内的研究进展 |
| 1.2 分子标记技术在遗传育种工作中的应用 |
| 1.2.1 DNA分子标记的研究进展 |
| 1.2.2 几种主要的分子标记技术 |
| 1.2.3 分子标记在遗传育种工作中的应用 |
| 1.3 杂种优势的预测 |
| 1.3.1 杂种优势利用的简史和现状 |
| 1.3.2 杂种优势的形成机理 |
| 1.3.3 杂种优势预测的研究进展概述 |
| 1.3.4 数量遗传学方法对杂种表现预测的研究 |
| 1.3.5 分子标记在杂种表现预测中的应用 |
| 1.4 本研究的主要内容 |
| 1.4.1 理论及材料准备 |
| 1.4.2 本研究的主要内容 |
| 1.5 本研究的目标与意义 |
| 1.5.1 研究目标 |
| 1.5.2 研究意义 |
| 2 材料与方法 |
| 2.1 试验材料 |
| 2.2 田间试验和性状考察 |
| 2.3 分子标记的检测和统计 |
| 2.3.1 DNA的提取纯化及检测 |
| 2.3.2 SSR分析 |
| 2.3.3 AFLP分析 |
| 2.3.4 SRAP分析 |
| 2.3.5 分子标记的统计方法 |
| 2.4 数据处理 |
| 2.4.1 分子标记位点筛选 |
| 2.4.2 遗传距离的计算 |
| 2.4.3 标记效应值的估计 |
| 2.4.4 基于加性-显性效应的分子标记预测模型的建立 |
| 2.4.5 Jackknife抽样检验 |
| 2.5 本研究的技术路线 |
| 3 研究结果与分析 |
| 3.1 DNA提取结果 |
| 3.2 三种分子标记的体系优化和引物筛选 |
| 3.2.1 SSR体系优化和引物筛选 |
| 3.2.2 AFLP反应体系和引物筛选 |
| 3.2.3 SRAP体系优化和引物筛选 |
| 3.3 杂交亲本与子代的遗传关系 |
| 3.3.1 SSR、AFLP、SRAP标记的多态性扩增结果 |
| 3.3.2 高丹草杂交亲本的遗传多样性分析 |
| 3.3.3 农艺性状的方差分析 |
| 3.4 性状相关的分子标记的筛选 |
| 3.5 标记型值与杂种表现的相关性分析 |
| 3.5.1 标记效应值的估计 |
| 3.5.2 杂种标记型值与杂种表现的相关性分析 |
| 3.6 亲本的遗传距离与杂种表现的相关性分析 |
| 3.7 杂种表现的预测模型 |
| 3.8 预测模型的评价及其参数 |
| 4 讨论 |
| 4.1 亲本的遗传距离与杂种表现 |
| 4.1.1 亲本的遗传距离与杂种表现的关系 |
| 4.1.2 亲本遗传距离预测杂种表现的弊端 |
| 4.2 QTL定位的新思路 |
| 4.3 杂种表现中的效应分析 |
| 4.4 性状表现预测模型 |
| 5 结论 |
| 5.1 高丹草亲本材料的遗传多样性分析 |
| 5.2 农艺性状的方差分析 |
| 5.3 性状相关的分子标记的筛选 |
| 5.4 亲本的遗传距离与杂种表现的相关性分析 |
| 5.5 标记型值与杂种表现的相关性分析 |
| 5.6 杂种表现的预测模型 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（8）基于加性-显性效应的杂种表现分子标记预测模型（论文提纲范文）
| 0 引言 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 田间试验设计及性状考查 |
| 1.3 SSR和AFLP分析 |
| 1.4 标记筛选 |
| 1.5 遗传距离 (GD) 计算 |
| 1.6 杂种表现的预测模型 |
| 1.6.1 标记效应估计 |
| 1.6.2 |
| 1.7 预测模型Jackknife检验 |
| 2 结果与分析 |
| 2.1 特异性标记筛选 |
| 2.2 亲本遗传距离与杂种表现的相关性 |
| 2.3 标记型值与杂种表现的相关性分析 |
| 2.3.1 标记效应估计 |
| 2.3.2 杂种标记型值与杂种表现的相关性 |
| 2.4 杂种表现预测模型 |
| 2.5 预测模型的评价 |
| 3 讨论 |
| 4 结论 |
（9）对地面植被群落中稀有植物的种类数的多重抽样估计（论文提纲范文）
| 0 引言 |
| 1 数据解释和符号含义 |
| 1.1 数据的解释 |
| 1.2 符号的含义 |
| 2 总的种类数S的估计 |
| 2.1 矩估计法 |
| 2.2 Bootstrap估计 |
| 3 实例分析 |
| 4 分析讨论 |
（10）甘蓝型油菜杂种优势的分子标记预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 文献综述 |
| 1.1 杂种优势的形成机理 |
| 1.1.1 显性假说 |
| 1.1.2 超显性假说 |
| 1.1.3 上位性互助假说 |
| 1.1.4 其它假说 |
| 1.2 甘蓝型油菜杂种优势的研究与利用 |
| 1.2.1 甘蓝型油菜杂种优势的表现 |
| 1.2.2 甘蓝型油菜杂种优势的利用途径 |
| 1.3 杂种优势预测的方法 |
| 1.3.1 配合力法 |
| 1.3.2 生理生化法 |
| 1.3.3 分子标记法 |
| 1.3.4 甘蓝型油菜杂种优势的分子标记预测 |
| 1.3.5 分子标记遗传距离与杂种优势相关性较低的原因 |
| 第2章 引言 |
| 第3章 材料与方法 |
| 3.1 试验材料 |
| 3.2 田间试验和性状考察 |
| 3.3 分子标记检测和统计 |
| 3.3.1 DNA提取及纯化 |
| 3.3.2 SSR分析 |
| 3.3.3 AFLP分析 |
| 3.3.4 SRAP分析 |
| 3.3.5 标记统计 |
| 3.4 数据处理 |
| 3.4.1 杂种优势分析 |
| 3.4.2 标记筛选 |
| 3.4.3 遗传距离计算 |
| 3.4.4 标记效应值估计 |
| 3.4.5 预测模型建立及Jacknife检验 |
| 第4章 研究结果与分析 |
| 4.1 亲本间的遗传关系分析 |
| 4.1.1 SSR、AFLP和SRAP标记扩增结果 |
| 4.1.2 亲本的遗传多样性分析 |
| 4.2 分子标记筛选 |
| 4.2.1 用统计方法进行标记筛选 |
| 4.2.2 用极端性状法进行标记筛选 |
| 4.2.3 与QTL连锁的分子标记的筛选 |
| 4.3 亲本遗传距离与杂种表现和杂种优势的关系分析 |
| 4.3.1 一般遗传距离与杂种表现和杂种优势的相关 |
| 4.3.2 特殊遗传距离与杂种表现和杂种优势的相关 |
| 4.4 标记型值与杂种表现和杂种优势的关系分析 |
| 4.4.1 标记效应值估计 |
| 4.4.2 杂种标记型值与杂种表现的相关 |
| 4.4.3 杂种标记型值与杂种优势的相关 |
| 4.4.4 亲本标记型值与性状表现的相关 |
| 4.5 杂种表现预测模型 |
| 4.5.1 预测模型的建立 |
| 4.5.2 通径分析 |
| 4.6 预测模型的评价 |
| 第5章 讨论 |
| 5.1 亲本的遗传多样性 |
| 5.2 遗传距离与杂种表现和杂种优势的关系 |
| 5.3 遗传距离用于杂种表现和杂种优势预测的弊端 |
| 5.4 QTL定位与杂种优势预测 |
| 5.5 性状表现预测模型 |
| 第6章 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 发表论文及参加课题一览表 |
四、利用多重抽样估计稀有物种的种类数（论文参考文献）
- [1]国家公园生态环境保护成效评估指标体系构建与应用[J]. 付梦娣,刘伟玮,李博炎,任月恒,李爽,白雪,李俊生,朱彦鹏. 生态学杂志, 2021(12)
- [2]非概率抽样网络调查统计推断问题研究[D]. 牛成英. 福州大学, 2019
- [3]渔业资源调查站点和样本数量优化设计 ——以淀山湖为例[D]. 王家启. 上海海洋大学, 2017(03)
- [4]六盘山蝮种群数资源、生境选择及保护研究[D]. 孙呈祥. 西北师范大学, 2014(06)
- [5]自激励门限自回归模型下我国人口增长率的时间序列分析[J]. 陈友春,朱文婕. 生物数学学报, 2014(01)
- [6]高丹草遗传效应与杂种表现预测模型[J]. 逯晓萍,刘丹丹,王树彦,米福贵,韩平安,吕二锁. 作物学报, 2014(03)
- [7]基于加性—显性效应的高丹草杂种表现分子标记预测模型[D]. 刘丹丹. 内蒙古农业大学, 2012(06)
- [8]基于加性-显性效应的杂种表现分子标记预测模型[J]. 徐新福,唐章林,李加纳,柴友荣,王瑞,谌利. 中国农业科学, 2008(10)
- [9]对地面植被群落中稀有植物的种类数的多重抽样估计[J]. 董彦彦,邱祎. 河南教育学院学报(自然科学版), 2006(03)
- [10]甘蓝型油菜杂种优势的分子标记预测研究[D]. 刘捷. 西南大学, 2006(12)