基于PSO-GA的分片区块链系统性能优化方法

在这篇文章中,针对分片区块链(Sharded Blockchain)系统性能优化问题,提出了一种结合粒子群和遗传算法的系统性能优化方法(PSO-GA),目的是为了在尽可能满足当前网络环境情况下,提升其系统吞吐量.该方法考虑分片区块链中节点的计算能力、恶意节点的概率以及节点之间的传输速率等不同网络环境下,找到响应网络状态的最佳分片区块链系统参数;为了避免传统粒子群优化算法陷入局部最优的问题,引入遗传算法中的交叉操作和变异操作,有效提高方法的准确性.通过大量仿真实验对方法的有效性进行验证分析.实验结果表明,相比于其他的方法,本文所提出的方法可以在更短的时间取得更高的系统吞吐量.

未来气候变化对中国马铃薯种植气候适宜性的影响

【目的】马铃薯作为中国第四大主粮作物,其适宜性评价对保障国家粮食安全具有重要意义。本研究基于气候数据,构建集成物种分布模型预测中国未来时期马铃薯气候适宜区,为优化中国马铃薯种植提供重要科学参考。【方法】利用6种全球气候模式(global climate models,GCMs)未来气候数据驱动5种物种分布模型(species distribution models,SDMs),集成模拟预测未来4种温室气体排放情景(ssp126、ssp245、ssp370、ssp585)下,中国历史上(1970—2000年)和4个未来时期(2021—2040、2041—2060、2061—2080、2081—2100年)的马铃薯气候适宜区时空分布特征。【结果】(1)最湿月份的降水量、最暖月份的最高温度,以及最冷季度的平均温度是影响中国马铃薯气候适宜度的主要气象因子,对模拟结果的贡献率分别为54.7%、21.4%和18.1%。(2)4种温室气体排放情景下对于各适宜等级区域的预测结果变化基本一致,都呈现适宜区、低适宜区面积变大而高适宜区面积变小的趋势,仅在海南、西藏、新疆等地局部存在种植气候不适宜区。马铃薯适宜种植区(适宜区和高适宜区)的面积在各种情况下均超过50%。(3)在未来各时期马铃薯种植低适宜区和适宜区面积将大幅增加,而高适宜区面积则呈下降趋势,各适宜等级区域面积总体依旧保持:适宜区>低适宜区>高适宜区。(4)随着温室气体排放等级的提高,中国马铃薯高适宜区将大幅减小。从空间分布上看,中国马铃薯种植高适宜区主要以东北地区、甘肃地区、新疆西部,以及西南部分区域为主;从时间顺序上看,陕西北部、长江中下游区域、内蒙古中西部等区域受未来气候变化影响较大,马铃薯气候适宜度减小趋势明显。【结论】利用构建的集成物种分布模型预测了未来时期中国马铃薯气候适宜区时空分布特征。根据模型模拟结果,建议东北、甘肃、西南等地区可以作为未来马铃薯的主要种植区域,新疆等地区可以作为主要发展区域,其他地区应按照当地情况优先发展其他粮食和经济作物。

夏玉米叶片形状系数的时间和空间变异

【目的】叶片形状系数(α)为测量作物的叶面积和叶面积指数提供了简单快捷的方法。然而,以往研究表明对作物叶片形状系数的选取存在很大的随意性,缺乏统一标准,且通常将其视为常数,不考虑它的时间和空间变异性。为解决这一问题,文章对陕西关中地区夏玉米不同生长阶段和不同叶位叶片形状系数的时间和空间变异性进行了深入研究。【方法】选取2015年6—10月生长季6个夏玉米品种,将玉米生育期划分为三叶、拔节、抽雄、开花、吐丝、成熟等6个不同生长阶段,每6天采样一次,测量叶片面积(LA)、叶片长度(L)和宽度(W),计算各个阶段的α值,同时对比α值在单个玉米植株不同叶位之间的差异。然后分别建立线性、二次、对数等3类共5个叶面积估算模型,以RMSE、RRMSE和ARE 3个统计量作为评价指标,对各叶片面积估算模型的精度进行评价。【结果】对全生育期6个夏玉米品种的760个叶片的面积和长宽乘积进行线性回归分析,夏玉米叶片形状系数均值约为0.78;在被验证的5种叶面积估算模型中,叶面积模型LA=α×L×W,其中α=0.78时精度最高,其相对均方根误差(RRMSE)约为9.50%,绝对相对误差(ARE)约为6.96%。α值范围为0.72—0.87,并随玉米生育期的变化而变化,自三叶期到开花期逐渐增大到全生育期最大值0.87,开花后缓慢下降至0.78,其中开花期叶片的α值与开花前各阶段的α值存在显著差异,而与开花后各阶段的α值不存在显著差异。不同熟性的夏玉米品种之间叶片α值也只在开花、吐丝期表现显著差异。不同叶型叶片α值表现出不同的变化规律,三叶期到拔节前,短宽型叶片的α值大于细长型叶片,此后一直到成熟期,细长型叶片的α值则大于短宽型叶片。在单个植株不同叶位叶片之间,α值变异性明显,开花期、吐丝期、成熟期均呈现出两头大中间小的规律,其中植株中部棒三叶位置α均值最为稳定,为0.78,对应的标准差在0.05以内,而植株上部和下部α均值约为0.84,对应的标准差在0.03—0.10。其中拔节、抽雄期不同叶位叶片的α值不存在显著差异,而在开花、吐丝、成熟期则表现出显著差异。【结论】叶面积模型LA=0.78×L×W更适于估算田间夏玉米叶片面积,较一般采用叶片性状系数0.75时提高模拟精度(ARE)3.86%。应在不同的生长阶段和不同叶位分别采用不同的叶片形状系数,这样才能进一步提高玉米叶面积估算的精度。

基于物候模型研究未来气候情景下陕西苹果花期的可能变化

陕西苹果种植面积大、产量高,但产量易受晚霜冻影响。冻害的发生与苹果花期和晚霜冻时间密切相关,因此准确预测苹果花期,研究苹果花期的变化规律对苹果生产防灾减灾具有重要意义。本研究利用物候模型(春暖模型、连续模型、重叠模型和平行模型)研究气候变化背景下陕西苹果花期(包括始花期和末花期)的变化规律。首先,评价4种物候模型在陕西苹果产区模拟苹果花期的效果,筛选出研究区最佳花期预测模型。然后,基于所选最佳花期模型模拟历史(1980−2019年)时期各代表站(洛川、白水、凤翔和长武)的苹果花期。最后,基于33个全球气候模式(Global Climate Models,GCMs)生成的未来气象数据集,利用所选最佳模型分别模拟RCP4.5和RCP8.5两种情景下2021−2100年各代表站的苹果花期并研究花期时空变化规律。结果表明,连续模型是模拟渭北东部和西部苹果花期的最佳模型,而延安和关中西部苹果花期的最佳模型为平行模型。1980−2019年各代表站始花期提前速率为3.4~4.7d·10a^(−1),末花期提前速率为3.3~4.6d·10a^(−1),空间分布上,研究区苹果花期从东南到西北逐渐推迟,年平均花期持续时间为10~11d。在RCP4.5情景下,各代表站2021−2100年始花期提前速率为0.7~0.9d·10a^(−1),末花期提前速率为0.6~0.8d·10a^(−1);与1980−2019年相比,各代表站2021−2060年平均始花期提前0~4.4d,末花期提前0~5.0d,各代表站2061−2100年平均始花期提前3.4~7.6d,末花期提前2.6~8.2d。在RCP8.5情景下,2021−2100年各代表站始花期提前速率为1.3~1.8d·10a^(−1),末花期提前速率为1.3~1.6d·10a^(−1);与1980−2019年相比,各代表站2021−2060年平均始花期提前1.3~5.9d,末花期提前1.0~6.1d,各代表站2061−2100年平均始花期提前6.7~12.4d,末花期提前6.2~12.3d。未来气候条件下,苹果花期空间分布与历史时期基本一致,但花期持续时间略有缩短。本研究首次综合花期预测模型和未来气候数据研究陕西苹果产区苹果花期变化,可为陕西苹果产区应对气候变化产生的花期冻害提供一定的理论依据。