1陈吉龙 - 福建农林大学
水稻抽穗期基因定位及其环境互作研究
水稻抽穗期基因定位及其环境互作研究
贾小丽;林文雄
【期刊名称】《中国农学通报》
【年(卷),期】2011(27)24
【摘要】利用由小穗小粒型品种‘密阳46’和大穗大粒型品种FJCD建立的一个包含130个家系F10的重组自交系群体,构建SSR分子标记图谱,测定武夷山和莆田环境下水稻群体的抽穗期,并进行了QTL的定位及环境互作研究。
结果表明,在武夷山环境下仅检测到一个与抽穗期相关的加性QTL,位于6号染色体上,解释了25.63%;1个位点存在显著的加性×环境互作效应,而GE互作效应对表型变异贡献几乎为0,表明控制水稻抽穗期基因的表达有显著的环境特异性。
【总页数】4页(P29-32)
【关键词】QTL定位;水稻;重组自交系;抽穗期;环境互作
【作者】贾小丽;林文雄
【作者单位】武夷学院;福建农林大学农业生态研究所
【正文语种】中文
【中图分类】Q75
【相关文献】
1.水稻抽穗期QTLs的检测及上位性和环境互作效应 [J], 雷东阳;陈立云
2.利用双向导入系解析水稻抽穗期和株高QTL及其与环境互作表达的遗传背景效应 [J], 王韵;程立锐;孙勇;周政;朱苓华;徐正进;徐建龙;黎志康
3.水稻永久F2群体抽穗期QTL的上位性及其与环境互作效应的分析 [J], 高用明;朱军;宋佑胜;何慈信;石春海;邢永忠
4.水稻抽穗期QTL与环境互作分析 [J], 李泽福;周彤;郑天清;罗林广;夏加发;翟虎渠;万建民
5.水稻株高、抽穗期和有效穗数的QTL与环境的互作分析 [J], 袁爱平;曹立勇;庄杰云;李润植;郑康乐;朱军;程式华
因版权原因，仅展示原文概要，查看原文内容请购买。
福建农林大学2019-2020学年教学名师培育对象
邓婷婷 讲师 女
2013.11
郭玉琼 副教授 女
2000.09
郝志龙 副教授 男
2006.09
郑诚乐 教授 男
1985.08
序号
所在单位
15
林学院
16
林学院
17
林学院
18
林学院
19
生命科学学院
20
生命科学学院
21
生命科学学院
22
生命科学学院
23
生命科学学院
24
生命科学学院
姓名 陈灿 吴鹏飞
从事高校课堂教学起 职称 性别
71
管理学院
72
管理学院
73
管理学院
74
管理学院
75
管理学院
76
管理学院
77
公共管理学院
78
公共管理学院
79
公共管理学院
80
公共管理学院
81
公共管理学院
82
公共管理学院
83
文法学院
84
文法学院
85
文法学院
86
文法学院
87
文法学院
姓名
从事高校课堂教学起 职称 性别
始时间
董加云 副教授 男
2014.09
始时间
讲师 女
2000.09
89
文法学院
张 菁 副教授 女
1992.09
90
文法学院
陈文兴 副教授 男
1998.09
91 马克思主义学院 林贤明 副教授 女
2008.08
92 马克思主义学院 黄秀玲 讲师 女
93
安溪茶学院
94
体育教学部
福建农林大学2009-2010学年本专科学生优秀学生干部及其标兵
福建农林大学2009-2010学年本专科学生优秀学生干部及其标兵公示名单一、优秀学生干部标兵名单本专科生（24人）林志敏（作物科学学院2008级农村区域发展）林燕凤（植物保护学院2009级制药工程）黄丽娜（园艺学院2007级设施农业科学与工程）苏桂萍（园艺学院2008级园艺）邹沐颖（林学院2008级资源环境与城乡规划管理）曹彦（林学院2009级统计学）林燕梅（动物科学学院2007级水产养殖学）邓燕红（资源与环境学院2008级土地资源管理）谢雅真（食品科学学院2008级食品科学与工程）张莲英（食品科学学院2008级食品科学与工程）张巧玲（材料工程学院2008级木材科学与工程）谢天顺（材料工程学院2009级材料科学与工程）傅金梅（计算机与信息学院2009级计算机科学与技术专升本）陈瑾丹（机电工程学院2007级电气工程及其自动化）卢梦华（机电工程学院2008级电气工程及其自动化）方德荣（交通学院2007级交通运输）蔡艳平（交通学院2008级交通运输）陈程（交通学院2009级物流管理）林军（经济与管理学院2008级金融学）陈晓玲（经济与管理学院2008级行政管理）谢翠玲（经济与管理学院2009级文化产业管理）谢伟峰（人文社会科学学院2009级法学专升本）郭细玉（人文社会科学学院2007级英语）杨汝君（海外学院2009级园艺）二、优秀学生干部名单作物科学学院本科生（14人）蔡少锋、李秋洪、陈爱萍、薛清、邹丽玲、苏良狮、陈语菁、肖家会、黄宝贵、阮婷婷、陈月超、宋琦、刘泽强、柯小琳植物保护学院本科生（12人）陈建松、黄斌斌、林艺娟、林武镇、陈燕萍、吴晓萍、洪钦阳、吴秋月、陈凯琳、杨智辉、余雄泽、王庆东园艺学院本科生（14人）陈剑清、林晋、占智航、黄文亮、雷华辉、林弘毅、邱海清、刘琳燕、陈满堂、蓝仁、刘晓婷、戴志林、林丽希、梁双贤林学院本科生（19人）王耀萱、赵文良、詹宇新、康文棋、林海燕、兰芳、郑滢、赵娜、蔡力颖、王佳、吴晓婷、陈蜜娟、黄鹏、郑幸、程娜、陈小红、陈丽琴、林晓玲、李珍生命科学学院本科生（20人）宋凤琴、梁斌、张自冠、曾海亭、杨镇鸿、陈龙海、周翔、陈奕鸿、余彦、叶长亮、何佩茹、阮玲云、王平智、石源、杨长显、蔡世锋、王玉莲、叶小云、陈琳、张意动物科学学院本科生（12人）杨家源、林裕胜、叶杭、郑志锋、倪传飞、李淑萍、刘景乐、虞英、邱家灶、范荣彬、黄计璇、柯芙容蜂学学院本科生（5人）付玉娇、刘伟、詹秋萍、陈琳、韩鸣凤资源与环境学院本科生（10人）叶梦莹、朱旭旭、檀剑锋、李融、陈清、林焜、杜志伟、吴清清、郑冬冬、陈伟铭食品科学学院本科生（13人）陈晓燕、王晓芳、陈晓岚、黄璇、林青霞、赖彩如、蔡景雯、苏阿阳、叶琳、林洁、孔云靖、蓝爱雪、肖媛材料工程学院本科生（16人）伍象辉、陈汀杰、辜志存、韦莹、黄飞舟、高仁浩、钟玉梅、张晋群、吴晓峰、陈明容、陈辉、杨琼琼、杨娜婷、赖佳佳、王伟龙、郑倩倩计算机与信息学院本科生（33人）廖肖华、许惠龙、吴胜杰、陈民、苏梅红、陈彩莲、钟怀南、田士民、黄丽真、张炳贤、张燕群、洪晟焘、刘新湘、、林萍萍、卓秋玲、谢清源、戴晓瑜、吴青霞、戴全金、王玉华、洪东明、黄丽云、李淑娥、涂明华、蔡良振、陈华升、卓梗概、连慧双、林桂芬、曾梅秀、邱碧凤、许鸿斌机电工程学院本科生（21人）朱鸿巍、申其平、林超平、吴丹、李达、吴东昇、游玉霖、周国强、罗曼婷、王婷、陈劲、庄亚惠、李雪、郭清健、肖婷婷、苑金刚、黄振强、杨文志、龚斯简、丁春根、周杰交通学院本科生（26人）林晓凤、王国渊、王宗和、王石、肖子招、陈镇国、林祺、卓铭旭、方欣欣、王清林、邓兴婷、范荣秀、魏华云、邱晓彬、姚永超、雷钦游、章倩、陈少峰、王圳彬、陈可刚、林捷、饶晏华、姚琳、粘雅玲、黄宾虹、张旻中经管学院本科生（32人）邱彩华、伊玲娜、何小丽、周泽超、杨彬彬、黄宝龙、洪秀端、王雅琼、林文伟、韩桂玉、辛汝媛、史钰熙、吴珊珊、蓝素华、胡高琴、朱祎英、陈恒辉、王燕青、梁正、郎永军、张昊东、王悦雯、廖宇昕、朱嘉红、张小虾、宋长彭、薛行秀、张晓莉、陈翠蓉、黄朝宗、郑锴立、孔瑜人文社会科学学院本科生（29人）高毅鸿、张丽芳、郑雅颖、许清虹、朱彬彬、陈崯、蔡庆伟、陈婉蓉、叶洋、石丫丫、林丽梅、林颖、郑金玉、王佳磊、黄小敏、孟青青、王梦婕、陈祥炜、郭珊玲、雷菊美、蔡珊虹、褚丹虹、丘晓燕、高甜甜、陈发洋、曾晨、郑焰、刘翀、蔡丽红艺术园林学院本科生（10人）陈燕玉、廖夏莹、王静、童珊、宋秀霞、李伟平、傅伟聪、张真真、蔡光超、唐学儒海外学院本科生（2人）郑方舟、朱一飞软件工程学院专科生（28人）林涌涌、林珊洪、池陆梅、王琛、陈承恩、李晨、卢希、林贤辉、朱敏、陈丽英、吴珍珍、刘国强、施清泽、吴鹤立、郑晓东、潘智勇、林丽琼、谢志薇、黄鹭、黄文秀、金希富、陈宇芳、杨晓妍、唐俊、甘晓静、翁俊铭、林莉菁、魏利龙校团委本科生（4人）黄倩、黄坤明、张兴锋、郭丽羡。
应用无人机可见光影像和面向对象的随机森林模型对城市树种分类
第５２卷第３期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Ｖｏｌ．５２Ｎｏ．３２０２４年３月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＭａｒ．２０２４１）国家自然科学基金项目（３１９０１２９８），西藏自治区科学技术重点研发计划项目（ＸＺ２０２２０１ＺＹ０００３Ｇ），福建农林大学省级大学生创新创业训练项目（Ｓ２０２３１０３８９０４６），福建农林大学科技创新专项基金项目（ＫＦｂ２２０３３ＸＡ）㊂第一作者简介：陈逊龙，男，１９９８年１０月生，福建农林大学林学院，硕士研究生㊂Ｅ－ｍａｉｌ：１２２０４９６００２＠ｆａｆｕ．ｅｄｕ．ｃｎ㊂通信作者：张厚喜，福建农林大学林学院㊁南方红壤区水土保持国家林业和草原局重点实验室（福建农林大学）㊁海峡两岸红壤区水土保持协同创新中心（福建农林大学）㊁福建长汀红壤丘陵生态系统国家定位观测研究站，副教授㊂Ｅ－ｍａｉｌ：ｚｈａｎｇｈｏｕｘｉ＠１２６．ｃｏｍ㊂收稿日期：２０２３年１０月２３日㊂责任编辑：王广建㊂应用无人机可见光影像和面向对象的随机森林模型对城市树种分类１）陈逊龙㊀孙一铭㊀郭仕杰㊀段煜柯㊀唐桉琦㊀叶章熙㊀张厚喜（福建农林大学，福州，３５０００２）㊀㊀摘㊀要㊀为及时准确的了解城市树种空间分布信息，提升城市居民生活水平和推动城市生态系统可持续发展㊂以福州市仓山区城市森林为研究对象，应用无人机（ＵＡＶ）监测城市树种空间分布及其动态变化的可见光影像，根据最佳尺度对影像进行分割，并提取分割对象的光谱㊁地形㊁指数㊁纹理和几何特征㊂通过对不同类型特征的组合构建不同的分类方案，利用递归特征消除法（ＲＦＥ）筛选出优选特征子集，利用面向对象方法结合随机森林（ＲＦ）模型对城市树种进行分类㊂结果表明：在随机森林模型分类的过程中，利用光谱特征对树种分类的总体分类精度为８２．１２％；地形特征对树种分类的贡献度率为１４．９６％；指数特征和纹理特征的引入，在一定程度提高了树种的分类精度；几何特征的贡献较小，在分类过程中没有明显的贡献㊂特征优选子集的Ｓ１０方案分类精度最高，总体精度达９２．４２％，Ｋａｐｐａ系数为０．９１㊂说明特征优选能够降低高维度特征的复杂性，在大幅减少数据冗余的同时提高了分类精度㊂在最优特征子集下，随机森林（ＲＦ）算法分类的总体精度比极致梯度提升（ＸＧＢｏｏｓｔ）㊁轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）和ｋ最近邻算法（ＫＮＮ）分别提高了１．１５％㊁１．８１％和１５．１５％，Ｋａｐｐａ系数分别提高了１％㊁２％和１７％㊂关键词㊀城市树种；无人机影像；面向对象；随机森林模型；地形特征分类号㊀Ｓ７７１．８ＵｒｂａｎＴｒｅｅＳｐｅｃｉｅｓＣｌａｓｓｉｆｉｃａｔｉｏｎｂｙＵＡＶＶｉｓｉｂｌｅＬｉｇｈｔＩｍａｇｅｒｙａｎｄＯＢＩＡ－ＲＦＭｏｄｅｌ／／ＣｈｅｎＸｕｎｌｏｎｇ，ＳｕｎＹｉｍ⁃ｉｎｇ，ＧｕｏＳｈｉｊｉｅ，ＤｕａｎＹｕｋｅ，ＴａｎｇＡｎｑｉ，ＹｅＺｈａｎｇｘｉ，ＺｈａｎｇＨｏｕｘｉ（ＦｕｊｉａｎＡｇｒｉｃｕｌｔｕｒｅａｎｄＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０００２，Ｐ．Ｒ．Ｃｈｉｎａ）／／ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０２４，５２（３）：４８－５９．Ｉｎｏｒｄｅｒｔｏｏｂｔａｉｎｔｉｍｅｌｙａｎｄａｃｃｕｒａｔｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓ，ｉｍｐｒｏｖｅｔｈｅｌｉｖｉｎｇｓｔａｎｄ⁃ａｒｄｓｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ，ａｎｄｐｒｏｍｏｔｅｔｈｅｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｕｒｂａｎｅｃｏｓｙｓｔｅｍｓ，ｔｈｉｓｓｔｕｄｙｔａｋｅｓｔｈｅｕｒｂａｎｆｏｒｅｓｔｉｎＣａｎｇｓｈａｎＤｉｓｔｒｉｃｔ，ＦｕｚｈｏｕＣｉｔｙａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ．Ｉｔａｐｐｌｉｅｓｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅｓ（ＵＡＶｓ）ｔｏｍｏｎｉｔｏｒｔｈｅｖｉｓｉｂｌｅｌｉｇｈｔｉｍａｇｅｓｏｆｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｔｈｅｉｒｄｙｎａｍｉｃｃｈａｎｇｅｓ．Ｔｈｅｉｍａｇｅｓｗｅｒｅｓｅｇｍｅｎｔｅｄｂａｓｅｄｏｎｔｈｅｏｐｔｉｍａｌｓｃａｌｅ，ａｎｄｔｈｅｓｐｅｃｔｒａｌ，ｔｅｒｒａｉｎ，Ｉｎｄｅｘ，ｔｅｘｔｕｒｅ，ａｎｄｇｅｏｍｅｔｒｉｃｆｅａｔｕｒｅｓｏｆｔｈｅｓｅｇｍｅｎｔｅｄｏｂｊｅｃｔｓａｒｅｅｘｔｒａｃｔｅｄ．Ｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｓｃｈｅｍｅｓｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｃｏｍｂｉｎｉｎｇｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｆｅａｔｕｒｅｓ，ａｎｄｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔｗａｓｓｅｌｅｃｔｅｄｕｓｉｎｇｔｈｅｒｅｃｕｒｓｉｖｅｆｅａｔｕｒｅｅｌｉｍｉｎａｔｉｏｎ（ＲＦＥ）ｍｅｔｈｏｄ．Ｔｈｅｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓｗｅｒｅｃｌａｓｓｉｆｉｅｄｕｓｉｎｇｔｈｅｏｂ⁃ｊｅｃｔ⁃ｏｒｉｅｎｔｅｄｍｅｔｈｏｄｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｒａｎｄｏｍｆｏｒｅｓｔ（ＲＦ）ｍｏｄｅｌ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｉｎｔｈｅｐｒｏｃｅｓｓｏｆＲＦｍｏｄｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｏｖｅｒａｌｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｒｅｅｓｐｅｃｉｅｓｕｓｉｎｇｓｐｅｃｔｒａｌｆｅａｔｕｒｅｓｗａｓ８２．１２％．Ｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｏｆｔｅｒｒａｉｎｆｅａｔｕｒｅｓｔｏｔｒｅｅｓｐｅｃｉｅｓｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓ１４．９６％．ＴｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆＩｎｄｅｘｆｅａｔｕｒｅｓａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｉｍ⁃ｐｒｏｖｅｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｒｅｅｓｐｅｃｉｅｓｔｏａｃｅｒｔａｉｎｅｘｔｅｎｔ．Ｇｅｏｍｅｔｒｉｃｆｅａｔｕｒｅｓｈａｖｅａｓｍａｌｌｃｏｎｔｒｉｂｕｔｉｏｎａｎｄｄｏｎｏｔｈａｖｅａｓｉｇｎｉｆｉｃａｎｔｃｏｎｔｒｉｂｕｔｉｏｎｉｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｃｅｓｓ．ＴｈｅＳ１０ｓｃｈｅｍｅｏｆｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｓｕｂｓｅｔｈａｄｔｈｅｈｉｇｈｅｓｔｃｌａｓ⁃ｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ，ｗｉｔｈａｎｏｖｅｒａｌｌａｃｃｕｒａｃｙｏｆ９２．４２％ａｎｄａＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔｏｆ０．９１．Ｔｈｉｓｉｎｄｉｃａｔｅｓｔｈａｔｆｅａｔｕｒｅｓｅｌｅｃ⁃ｔｉｏｎｃａｎｒｅｄｕｃｅｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｈｉｇｈ⁃ｄｉｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓ，ｗｈｉｌｅｇｒｅａｔｌｙｒｅｄｕｃｉｎｇｄａｔａｒｅｄｕｎｄａｎｃｙａｎｄｉｍｐｒｏｖｉｎｇｃｌａｓｓｉｆｉ⁃ｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｕｎｄｅｒｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔ，ｔｈｅｏｖｅｒａｌｌａｃｃｕｒａｃｙｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎｕｓｉｎｇｔｈｅＲＦａｌｇｏｒｉｔｈｍｗａｓｉｎ⁃ｃｒｅａｓｅｄｂｙ１．１５％，１．８１％，ａｎｄ１５．１５％ｃｏｍｐａｒｅｄｔｏｅｘｔｒｅｍｅｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇ（ＸＧＢｏｏｓｔ），ｌｉｇｈｔｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇｍａ⁃ｃｈｉｎｅ（ＬｉｇｈｔＧＢＭ），ａｎｄｋ⁃ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍ（ＫＮＮ），ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔｗａｓｉｎｃｒｅａｓｅｄｂｙ１％，２％，ａｎｄ１７％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｋｅｙｗｏｒｄｓ㊀Ｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓ；ＵＡＶｉｍａｇｅｒｙ；Ｏｂｊｅｃｔ－ｂａｓｅｄ；Ｒａｎｄｏｍｆｏｒｅｓｔｍｏｄｅｌ；Ｔｅｒｒａｉｎｆｅａｔｕｒｅ㊀㊀城市树木作为城市的重要组成部分是评估城市生态环境的重要指标之一，具有重要的生态㊁经济和社会效益［１］㊂随着城市化进程的不断深化，城市树木的生态效益也日渐凸显㊂然而，不同种类㊁种植结构和种植区域的城市树木会产生不同的生态环境效益［２］㊂因此，及时准确地获取城市树种的类别和空间分布信息对城市规划㊁城市树木的管理与维护具有重要意义［３］㊂传统的城市树种分类主要依靠地面调查，然而该方法存在成本高㊁耗时长且难以获取大尺度数据等不足［４］㊂近年来，遥感技术飞速发展，为城市树种的准确快速识别提供了新的途径㊂然而，传统的高分辨率卫星遥感影像易受天气和环境因素干扰㊁时效性较差且费用昂贵㊂此外，免费提供的卫星遥感影像空间分辨率低，难以适用于树种层面的识别研究［５］㊂相比传统的遥感平台，近地无人机（ＵＡＶ）能在较小空间尺度上提供高分辨率的遥感影像和地理数据，具有更高的适用性，是遥感数据获取的重要手段之一［６］㊂然而，目前有关树种信息提取的无人机遥感研究多集中于多光谱㊁高光谱影像的分类领域，但由于搭载多光谱㊁高光谱传感器的无人机普遍价格昂贵，极大地限制了其在实际生产中的推广应用㊂随着数码技术的发展，通过搭载可见光传感器的无人机获取包含树种信息的遥感影像，具有获取方便㊁成本低㊁空间分辨率高等优点，已成为遥感影像识别树种研究方向上重要的数据源之一［７］㊂根据遥感影像分类单元的不同，可将分类方法归为基于像元和面向对象两类㊂基于像元的方法主要关注局部像素的光谱信息，在处理高分辨率遥感影像时对噪声比较敏感㊁稳健性差，极易出现错分㊁漏分现象［８］㊂为弥补基于像元方法的不足，面向对象的影像分析技术（ＯＢＩＡ）逐渐被用于处理高分辨率遥感影像［９］㊂ＯＢＩＡ方法综合考虑区域相邻像素的纹理㊁形态以及空间结构等多维特征，减少了 椒盐噪声 的同时，通常具有更高的准确率［１０］㊂然而，随着特征维数的增加，数据处理的难度呈几何倍数增长，使得传统分类算法的应用受到一定限制㊂随机森林（ＲＦ）是一种基于集成学习思想集成多颗决策树的机器学习算法，通过对样本的决策树建模以及组合多棵决策树的预测，最终由分类树投票决定数据的分类［１１］㊂随机森林算法不仅具有模型简单㊁分类精度更高㊁校正参数更少的特点，而且鲁棒性强，不易过拟合，在遥感领域高维特征分类中得到广泛应用［１２］㊂面向对象方法可以有效减少 同物异谱 现象，而随机森林算法在处理高维数据时有其独特的性能优势，二者的结合在一定程度上提高了分类精度㊂宗影等［１３］将面向对象方法和随机森林算法的有机结合，有效提高了滨海湿地植被的分类精度，总体精度达８７．０７％；赵士肄等［１４］将面向对象方法和随机森林算法应用于耕地领域，并与其他机器学习分类算法进行对比验证，结果表明基于面向对象的随机森林模型取得了最高的耕地提取精度，并减弱了 椒盐 噪声，优化了分类结果；耿仁方等［１５］研究结果表明，基于面向对象结合随机森林算法对岩溶湿地植被具有较高的识别能力，在９５％置信区间内的总体精度为８６．７５％㊂虽然该方法的研究已经取得了一定的成功，但不同类型的特征对城市树种信息提取效果的影响尚不明确㊂因此，面向对象结合随机森林的方法对于城市树种分类的效果有待进一步探讨㊂此外，目前主流的数据源是大尺度的卫星影像和航空影像，或者是特征信息更加丰富的多光谱和激光雷达影像，而消费级无人机可见光影像在城市树种的精细分类方面还鲜有报道㊂因此，本文以福州市仓山区无人机可见光影像为研究对象，基于ＯＢＩＡ－ＲＦ模型，通过特征优选，构建最佳子集并比较不同机器学习算法的分类精度，并分析不同特征对城市树种分类的影响，构建该研究区城市行道树的最佳特征子集，比较不同分类算法对城市树种的分类效果，进一步评估ＯＢＩＡ－ＲＦ模型的分类性能和适用性，为城市生态系统保护及生态环境治理提供技术支持㊂１㊀研究区概况研究区位于福建省福州市仓山区（见图１），该区域属于南亚热带海洋性季风气候温暖湿润，冬季无严寒，夏季无酷暑㊂年日照时间１７００ １９８０ｈ，年降水量９００ ２１００ｍｍ，气温２０ ２５ħ㊂福州市仓山区典型树种包括白兰（Ｍｉｃｈｅｌｉａ✕ａｌｂａ）㊁荔枝（Ｌｉ⁃ｔｃｈｉｃｈｉｎｅｎｓｉｓ）㊁芒果（Ｍａｎｇｉｆｅｒａｉｎｄｉｃａ）㊁南洋楹（Ｆａｌ⁃ｃａｔａｒｉａｆａｌｃａｔａ）㊁榕树（Ｆｉｃｕｓｍｉｃｒｏｃａｒｐａ）㊁棕榈（Ｔｒａ⁃ｃｈｙｃａｒｐｕｓｆｏｒｔｕｎｅｉ）㊁樟（Ｃｉｎｎａｍｏｍｕｍｃａｍｐｈｏｒａ）等㊂研究区地势平坦，自然环境相对复杂，具备城市的基本特征，对研究城市树种分类具有一定的代表性㊂２㊀研究方法２．１㊀无人机数据采集与预处理实验数据于２０２０年２月８日采集，采用搭载ＦＣ６３１０Ｓ可见光镜头的大疆精灵４Ｐｒｏ（ＤＪＩＰｈａｎｔｏｍ４Ｐｒｏ）无人机进行航拍获取研究区影像，为削弱阴影对分类过程的干扰，选择天气状况良好无风有云的时间段进行作业㊂飞行相关参数设置如下：航高设置为６０ｍ，航向与旁向重叠率均为７０％，镜头角度－９０ʎ，光圈值ｆ／５，曝光时间１／２００ｓ，ＩＯＳ速度为ＩＯＳ－４００㊂本次飞行共获得４５０张航拍影像，照片分辨率为５４７２ˑ３０７８㊂通过瑞士Ｐｉｘ４Ｄｍａｐｐｅｒ专业摄影测量软件对所采集的原始数据进行空中三角测量㊁点云重建㊁裁切以及镶嵌等操作，得到研究区的正射影像（ＤＯＭ）和数字地表模型（ＤＳＭ）㊂为了精确获得研究区的道路信息，采用天地图在线矢量影像作为辅助信息，并通过手绘的方式提取道路矢量数据㊂根据实际调查情况，利用缓冲分析，将缓冲距离设置为５ｍ，得到了行道树的矢量分布图，然后，将矢量布图与原始影像叠加，最终裁剪出了研究区影像㊂２．２㊀地形特征提取归一化数字表面模型（ｎＤＳＭ）是一种反映地物绝对高度的高程模型［１６］，可为地物判别提供可靠依９４第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类据㊂使用ＡｒｃＭａｐ１０．２软件进行地形特征提取㊂首先，通过人工目视解译方法从ＤＳＭ中选取９５０个地面点，并批量提取栅格的高程信息，其中１００个样本点的高程数据用以验证精度㊂其次采用插值的方法生成数字高程模型（ＤＥＭ）㊂为获取更加精确的地面高程信息，比较常见的插值方法（克里金插值法㊁反距离权重法㊁样条插值法以及自然邻域法）生成的数字高程模型（ＤＥＭ），以均方根误差㊁平均绝对值误差和决定系数（Ｒ２）作为评分指标（见表１）㊂４种插值方法均可得到较高精度的ＤＥＭ数据，综合考虑决定系数（Ｒ２）㊁平均绝对值误差以及均方根误差，最终确定采用克里金插值法生成连续的ＤＥＭ数据㊂最后，根据已生成的ＤＥＭ数据，利用Ａｒｃ⁃Ｍａｐ１０．２软件中的栅格计算器，将ＤＳＭ数据与ＤＥＭ数据相减得到ｎＤＳＭ数据［１７］㊂图１㊀研究区概况图表１㊀不同插值方法精度评价方㊀法决定系数（Ｒ２）平均绝对值误差均方根误差克里金插值法０．９９０．０７０．０４反距离权重法０．９９０．０８０．０４样条插值法０．９９０．０８０．０５自然邻域法０．９９０．０７０．０４２．３㊀最佳分割尺度确定影像分割是面向对象方法中至关重要的初始环节，分割结果将直接影响分类精度［１８］㊂本研究采用尺度参数评价工具（ＥＳＰ２），结合目视解译的方法确定最佳分割尺度，所有图像分割过程均在ｅＣｏｇｎｉ⁃ｔｉｏｎ９．０Ｄｅｖｅｌｏｐｅｒ９．０软件完成㊂ＥＳＰ２是用以评价不同尺度影像整体最大差异性的工具，通过计算整体局部方差均值随尺度变化率评估不同地物所对应的最佳尺度参数［１９］㊂而ＥＳＰ２计算出的尺度参数往往是多个值，需要结合人工目视才能确定最佳分割尺度㊂形状参数和紧致度参数是准确表示不同树种轮廓，使得对象内部同质性高的关键㊂综合考虑无人机影像的特点以及影像对象形状和紧致度因子的相互关系，将形状参数设置为０．５，紧致度参数设置为０．３㊂其他必要参数为：各波段的权重值设置为１㊁起始分割尺度为４０㊁分割步长为１㊁迭代８０次㊂随着尺度的增大，局部方差均值整体呈现上升的趋势，而尺度变化率呈现下降的趋势（见图２）㊂为了获得图像的过分割和欠分割之间的临界值，选取尺度变化率峰值为５１㊁５７㊁７６㊁８０㊁８９㊁１０４㊁１０９和１１８作为相对最佳分割尺度参数，采用多尺度分割算法得到分割结果（见图３）㊂当分割尺度参数设置较大（分割尺度参数大于１０４）时，白兰㊁榕树和背景多处０５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷被划分为同一个对象，不同树种存在混淆现象难以被区分㊂当分割尺度参数设置较小（分割尺度小于７６）时，不同地物内部出现了过分割现象，增加了数据冗余㊂当分割尺度参数设置７６ ８９时，植被与背景区分相对明显，不同的树种之间能够被分割成独立的对象，整体分割效果较为理想㊂权衡分割效果与实际情况的吻合度，最终确定研究区无人机影像最佳分割尺度参数为７６，并利用该分割尺度参数进行城市行道树提取㊂图２㊀ＥＳＰ２最佳分割尺度估计图图３㊀不同尺度参数分割效果图２．４㊀对象光谱特征提取光谱特征是遥感影像的重要特征之一，地物通常具有不同的光谱特征，因此根据可见光影像中的地物光谱信息的差异可以用来区分不同的地物类型［２０］㊂植被指数利用植被在不同波段下反射和吸收的特性，增强植被信息的同时使非植被信息最小化［２１］，被广泛应用于林业病虫害防治㊁农作物生长量估计㊁生态环境监测等领域［２２］㊂在遥感图像中，不同地物通常具有复杂程度不同的边缘特征，因此，形状特征可以作为快速准确识别地物类型的有效手段［２３］㊂纹理特征是遥感影像的底层特征，不受图像亮度的影响，能够综合反映像素的灰度分布和结构信息，利用纹理特征可以有效弥补可见光影像光谱信息的不足［６］㊂在面向对象的分类过程中，结合纹理特征对于提升分类精度效果显著［２４］㊂地形特征能真实反映不同地物的高程信息，在影像分类过程中对于区分不同类型的地物具有重要意义㊂因此，本研究共选取光谱㊁指数㊁纹理㊁几何以及地形５大特征，剔除无效特征筛选出４０个子特征，具体如下：（１）光谱特征（ＳＰＥＣ）：主要包括：红色（Ｒ）波段的像元亮度的均值（ＭＲ）㊁绿色（Ｇ）波段的像元亮度的均值（ＭＧ）㊁蓝色（Ｂ）波段像元亮度的均值（ＭＢ）㊁最大差异值（Ｍｄ）㊁亮度值（Ｂｒ）㊂（２）指数特征（ＩＮＤＥ）：包括植被颜色指数（ＩＣＩＶＥ）㊁可见光波段差异植被指数（ＩＶＤＶＩ）㊁联合指数２（ＩＣＯＭ２）㊁超绿指数（ＩＥＸＧ）㊁超绿超红差分指数（ＩＥＸＧＲ）㊁植被指数（ＩＶＧＥ）㊁归一化红绿差异指数（ＩＮＧＲＤＩ）以及归一化绿蓝差异指数（ＩＮＧＢＤＩ）（见表２）㊂（３）几何特征（ＧＥＯＭ）：包括面积㊁边界长㊁宽度㊁长度㊁不对称性㊁长宽比㊁边界指数㊁圆度㊁像素个数㊁紧致度㊁体积㊁密度㊁椭圆拟合㊁主方向㊁形状指数㊁最大封闭椭圆半径㊁最小封闭椭圆半径以及矩形拟合㊂１５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类（４）纹理特征（ＧＬＣＭ）：基于灰度共生矩阵（ＧＬＣＭ）提取影像的纹理特征，包括对比度（ＴＣＯＮ）㊁相关性（ＴＣＯＲ）㊁相异性（ＴＤＩＳ）㊁熵（ＴＥＮＴ）㊁同质度（ＴＨＯＭ）㊁均值（ＴＭＥＡ）㊁角二阶矩（ＴＡＳＭ）和标准差（ＴＳＤ）等特征值［６］（见表３）㊂（５）地形特征：归一化数字表面模型（ｎＤＳＭ）㊂表２㊀植被指数及表达式指数特征公㊀式归一化红绿差异指数（ＩＮＧＲＤＩ）［２５］ＩＮＧＲＤＩ＝（ＭＧ－ＭＲ）／（ＭＧ＋ＭＲ）归一化绿蓝差异指数（ＩＮＧＢＤＩ）［２６］ＩＮＧＢＤＩ＝（ＭＧ－ＭＢ）／（ＭＧ＋ＭＲ）超绿指数（ＩＥＸＧ）［２７］ＩＥＸＧ＝２ＭＧ－ＭＢ－ＭＲ超绿超红差分指数（ＩＥＸＧＲ）［２８］ＩＥＸＧＲ＝ＭＧ－ＭＢ－２．４ＭＲ可见光波段差异植被指数（ＩＶＤＶＩ）［２１］ＩＶＤＶＩ＝（２ＭＧ－ＭＲ－ＭＢ）／（２ＭＧ＋ＭＲ＋ＭＢ）植被颜色指数（ＩＣＩＶＥ）［２９］ＩＣＩＶＥ＝０．４４ＭＲ－０．８８ＭＧ－０．３９ＭＢ＋１８．７９植被指数（ＩＶＧＥ）［３０］ＩＶＧＥ＝ＭＧ／ＭａＲＭ１－ａＢ，ａ＝０．６６７联合指数２（ＩＣＯＭ２）［３１］ＩＣＯＭ２＝０．３６ＩＥＸＧ＋０．４７ＩＣＩＶＥ＋０．１７ＩＶＧＥ㊀㊀注：ＭＲ㊁ＭＧ㊁ＭＢ分别为红㊁绿㊁蓝波段像元亮度的均值㊂表３㊀纹理特征及表达式纹理指标公㊀式角二阶矩（ＴＡＳＭ）ＴＡＳＭ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）２对比度（ＴＣＯＮ）ＴＣＯＮ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（ｉ－ｊ）２相关性（ＴＣＯＲ）ＴＣＯＲ＝ðＮｇｉ＝０ðＮｇｊ＝０（（ｉ－ｕｘ）ˑ（ｊ－ｕｙ）ˑｐ（ｉ，ｊ）２）／σｘσｙ相异性（ＴＤＩＳ）ＴＤＩＳ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ｜ｉ－ｊ｜熵（ＴＥＮＴ）ＴＥＮＴ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑｌｎｐ（ｉ，ｊ）同质度（ＴＨＯＭ）ＴＨＯＭ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（１／（１＋（ｉ＋ｊ）２））均值（ＴＭＥＡ）ＴＭＥＡ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑｉ标准差（ＴＳＤ）ＴＳＤ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（ｉ－ｕｘ）２㊀㊀注：其中ｉ，ｊ是像元在图像中的行列坐标，ｐ（ｉ，ｊ）为像素对的频数，Ｎｇ为灰度级数，ｕｘ㊁σｘ分别为ｐｘ的均值和标准差，ｕｙ㊁σｙ分别为ｐｙ的均值和标准差㊂２．５㊀试验样本选取本实验通过实地调查获取样本数据㊂调查者沿着研究区的主要道路记录了绿化树种，并排除了数量较少或被其他冠层遮挡的树种，最终确定了７类树种（白兰（Ｍｉｃｈｅｌｉａ✕ａｌｂａ）㊁荔枝（Ｌｉｔｃｈｉｃｈｉｎｅｎｓｉｓ）㊁芒果（Ｍａｎｇｉｆｅｒａｉｎｄｉｃａ）㊁南洋楹（Ｆａｌｃａｔａｒｉａｆａｌｃａ⁃ｔａ）㊁榕树（Ｆｉｃｕｓｍｉｃｒｏｃａｒｐａ）㊁棕榈（Ｔｒａｃｈｙｃａｒｐｕｓｆｏｒ⁃ｔｕｎｅｉ）㊁樟（Ｃｉｎｎａｍｏｍｕｍｃａｍｐｈｏｒａ））以及草地㊁灌木作为研究对象㊂根据遥感影像中不同地物类型的分布位置与大致面积比例，共选取了１１００个样本点㊂为了避免较小的样本数量影响模型分类精度，将最小样本数量设置为６０㊂采用Ｓｃｉｋｉｔ－ｌｅａｒｎ中内置的ｔｒａｉｎ＿ｔｅｓｔ＿ｓｐｌｉｔ函数进行分层抽样，按７：３的比例将数据划分为训练集和测试集（见表４），使各类别样本点数量大致与该类别的总面积成比例㊂训练集用于构建分类模型，测试集用于验证分类精度㊂表４㊀训练和验证样本地物总样本数训练样本数测试样本数白兰２００１４０６０草地５０３５１５灌木５０３５１５荔枝１４０９８４２芒果２００１４０６０南洋楹１２０８４３６榕树１４０９８４２棕榈６０４２１８樟１２０８４３６总计１１００７７０３３０２．６㊀分类模型与参数优化２．６．１㊀随机森林算法随机森林算法（ＲＦ）是一种通过集成学习的装袋思想将多棵决策树集合起来的算法，每棵决策树都充当预测目标类别的分类器㊂随机森林模型在样本数据和分类特征选择方面具有随机性，不容易过拟合，并且表现出良好的稳健性，即使在处理具有缺失值的高维数据时，仍能保持较高的分类精度㊂因此，它被认为是当今最好的算法之一［３２］㊂目前，随机森林算法已经广泛集成在各种软件包中，使用Ｓｔａｔａ数据管理统计绘图软件㊁Ｒ语言统计软件可以轻松实现㊂在模型构造的过程中，通常只需要确定每个树节点包含的特征数量（Ｍ）以及决策树数量（Ｎ），就足以保证模型的性能［３３］㊂本文采取递归特征消除法（ＲＦＥ）［３４］结合交叉验证（Ｃｒｏｓｓ－Ｖａｌｉｄａｔｉｏｎ）确定最佳特征数（见图４）㊂随着特征维数的增加，整体分类精度曲线经历 几何增长 ㊁ 缓慢上升 这个两个阶段后趋于平稳㊂当特征数为２０时，各分类精度曲线均处于相对最高点，因此最终将特征数量的参数设置为２０㊂在使用装袋方法生成训练集的过程中，随机森林算法会导致原始数据集中大约３７％的数据未被抽到，这部分数据被称为袋外（ＯＯＢ）数据㊂利用袋外数据对随机森林模型进行评估是一种无偏估计方法，且在一定程度上能减少计算量，提高算法的运行效率［３５］㊂因此，本文采取遍历不同数量（１ １０００）决策树的方法，通过比较袋外误差的大小，确定最佳的决策树数量（见图５）㊂当决策树数量小于８５时，不同子集的袋外数据误差均随着决策树数量的增加而急剧下降，而后随着决策树数量的增加袋外数据误差的下降速度逐渐迟缓，当决策树数量为２００时，袋外数据误差处于相对最低点㊂因此，选择决策树２５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷的最佳数量为２００㊂图４㊀模型分类精度与特征数的关系曲线图５㊀袋外误差与决策树数量的关系曲线２．６．２㊀其他分类模型为充分探索随机森林算法对城市树种信息提取的适用性，引入当下流行的机器学习算法作为对照，包括极致梯度提升（ＸＧＢｏｏｓｔ）㊁轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）以及ｋ最近邻算法（ＫＮＮ）㊂ＸＧＢｏｏｓｔ是一种基于增强学习（Ｂｏｏｓｔｉｎｇ）的集成算法，它通过在梯度下降方向上将弱分类器集成到强分类器中，并迭代生成新树以拟合先前树的残差㊂ＸＧＢｏｏｓｔ能够自动利用中央处理器（ＣＰＵ）的多线程进行分布式学习和多核计算，在保证分类准确度的前提下提高计算效率，尤其适用于处理大规模数据［３６－３７］㊂ＬｉｇｈｔＧＢＭ也属于增强学习方法，基本原理与ＸＧ⁃Ｂｏｏｓｔ相似㊂但ＬｉｇｈｔＧＢＭ使用基于直方图的决策树算法来减少存储与计算成本，并优化模型训练速度［３８］㊂ＫＮＮ算法是一种近似自变量与连续结果之间的关系的非参数方法［３９］，其基本思路是通过计算待分类样本与临近样本的距离（欧氏距离㊁曼哈顿距离）来确定所属类别，是一种简单而有效的分类算法㊂为了防止过拟合，本研究在ＪｕｐｙｔｅｒＮｏｔｅｂｏｏｋ平台上利用Ｓｃｉｋｉｔ－ｌｅａｒｎ库中的ＧｒｉｄＳｅａｒｃｈＣＶ包对这３种分类器参数进行了调优（见表５）㊂表５㊀不同分类器的超参数分类器参㊀数参数取值范围极致梯度提升（ＸＧＢｏｏｓｔ）决策树数量［５０，１００，１５０，２００］最大树深度［３，５，７，９］学习率［０．０１，０．０５，０．１０］样本抽样率［０．６，０．８，１．０］特征抽样率［０．６，０．８，１．０］轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）学习率［０．０１，０．０５，０．１０］决策树数量［５０，１００，１５０，２００］叶子节点数［１０，２０，３０，４０］最大树深度［３，５，７，９］ｋ最近邻算法（ＫＮＮ）近邻数［１，２，３，４，５，６，７，８，９，１０］２．７㊀试验方案构建不同树种之间单一特征的差异有限，难以满足树种分类的要求㊂因此，本研究采取增加特征数量的方式来提高分类精度，并探究不同特征组合对分类结果的影响（见表６）㊂表６㊀研究区各地物特征值地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟面积６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１不对称性０．５５０．４３０．４４０．４３０．４５０．４２０．４８０．５６０．４５边界指数１．７４１．４６２．０１１．９７１．９９１．８４２．０６２．１９１．７９边界长５７８．７０３４０．２０４３１．９５６５０．４１６６９．２９６７０．７３４８８．１６４０８．６３６０１．００亮度值８３．１０７８．７９１１５．６９７４．０９７７．２０８１．１５７１．６３９６．８７６３．８３植被颜色指数－２９．１４－３３．１７－４７．７８－２１．１５－１８．８９－２１．６２－２９．９６－１７．７４－２０．１８联合指数２１４．１１１６．２５２０．１９１１．７４１０．７５１１．６０１５．２７９．２５１１．８２紧致度１．８５１．６３１．８７１．９１１．８６１．８０２．００２．３６１．８５密度２．０３２．１０２．０４２．１０２．１０２．１６１．９７１．８２２．０９超绿指数７６．６０８７．７７１１７．８１５９．６２５３．９３５９．８２８０．８３４８．３１５８．５２超绿超红差分指数－２１５．５６－２０４．０６－３０４．３３－１９４．８８－２０４．０７－１９９．５４－１６８．３２－２７３．２４－１５５．９７椭圆拟合０．６８０．７５０．６３０．６７０．６７０．７１０．５９０．５００．６８角二阶矩０００００００００对比度５５６．７７７８６．２４８７７．５５５９７．２９６１４．１２７７０．７７７１４．２５７６５．５１５１４．１１相关性０．８７０．８２０．８２０．８８０．８８０．８４０．８５０．８６０．９０相异性１７．１３１９．０５２１．６６１８．１２１８．６８２０．２８１９．７２１９．６２１６．６４熵８．７９８．６６８．９０９．１４９．１８９．１９８．９４８．６９９．０７同质度０．０６０．０６０．０５０．０５０．０５０．０５０．０５０．０５０．０６均值１２７．０３１２６．０７１２５．６７１２６．８１１２６．６８１２６．７３１２６．２３１２５．９７１２６．８８３５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类续（表６）地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟标准差３４．１７３４．６５３６．２３３６．４０３６．２３３５．７６３６．４０３７．６６３６．３２长度１４３．４５９１．１０８５．９６１３６．３３１３６．９０１４４．３８１００．０３８９．６２１３８．３１长宽比１．８１１．７４１．５２１．５５１．５５１．５１１．６２１．７８１．６１主方向１１３．６１１３０．６３９５．３２９６．５２９４．５６９４．５５９１．４８８３．５６８１．４５最大差异值１．６４１．６９１．５３１．４７１．３６１．２０１．５０１．３４１．４６蓝色（Ｂ）波段像元亮度的均值８４．４７６６．８０９４．６２７４．２０７９．０８８１．７２６３．６４１０５．５３６４．３８绿色（Ｇ）波段像元亮度的均值１３６．２２１３３．７５１８９．３６１１６．２８１１６．９０１２０．４０１１８．７９１４１．２９１０１．７２红色（Ｒ）波段像元亮度的均值１１１．３８１１２．９２１６６．２８９８．７４１００．７９９９．２６９３．１１１２８．７５８０．５５归一化数字表面模型０．３２１．７０１２．５１７．１６１２．０４２３．２０１０．９６１１．９３８．６７归一化绿蓝差异指数０．２１０．２７０．２７０．２００．１７０．１８０．２６０．１３０．２１归一化红绿差异指数０．１００．０９０．０７０．０８０．０７０．１００．１３０．０５０．１２像素个数６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１最大封闭椭圆半径０．５８０．７２０．４９０．５６０．５４０．６１０．４５０．３８０．５９最小封闭椭圆半径１．４５１．３９１．４４１．４９１．４５１．４３１．５１１．６３１．４５矩形拟合０．８２０．８６０．８００．８２０．８２０．８３０．７８０．７４０．８２圆度０．８６０．６７０．９５０．９３０．９２０．８２１．０６１．２５０．８６形状指数１．８４１．５５２．０９２．０４２．０６１．９０２．１６２．３２１．８６可见光波段差异植被指数０．１７０．２００．１９０．１５０．１３０．１４０．２１０．０９０．１７植被指数１．３６１．４３１．３８１．３０１．２６１．３０１．４６１．１８１．３７体积６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１宽度８０．７８５２．７５５８．０３９０．８１９０．４９９７．８８６２．９６５１．４６８８．９４㊀㊀根据优选特征贡献率（见表７），将所选取的５大特征组合形成了１０种试验方案（Ｓ１ Ｓ１０）㊂光谱特征作为每幅遥感影像的基本特征，作为基础被纳入到这１０种方案的构建中㊂其中，Ｓ１仅包含光谱特征；为了全面探究其他特征对分类结果的影响，在Ｓ１基础上引入了地形㊁指数㊁纹理等３个总体特征贡献率较高的特征，通过遍历这３个特征的各种组合得到了Ｓ２ Ｓ８；Ｓ９包含了所有的特征；根据２０个优选特征组合建立Ｓ１０，具体的分类方案见表８㊂表７㊀优选特征重要性优选特征重要性／％归一化数字表面模型１４．９６最大差异值１２．４１联合指数２５．５７植被颜色指数５．４２绿色（Ｇ）波段像元亮度的均值４．８４归一化绿蓝差异指数４．６７超绿指数４．５８亮度值４．３６可见光波段差异植被指数３．４２植被指数３．２６红色（Ｒ）波段像元亮度的均值３．０５角二阶矩２．９０蓝色（Ｂ）波段像元亮度的均值２．８６超绿超红差分指数２．７８标准差２．２５归一化红绿差异指数２．２３熵２．０３相关性１．９７均值１．４１边界指数１．２８表８㊀分类方案方案特征子集特征数量Ｓ１光谱５Ｓ２光谱＋地形６Ｓ３光谱＋指数１３Ｓ４光谱＋纹理１３Ｓ５光谱＋地形＋指数１４Ｓ６光谱＋地形＋纹理１４Ｓ７光谱＋指数＋纹理２１Ｓ８光谱＋地形＋指数＋纹理２２Ｓ９光谱＋地形＋指数＋纹理＋几何４０Ｓ１０优选特征２０２．８㊀精度评价本文根据混淆矩阵对模型的分类精度进行定量评价㊂混淆矩阵也称为误差矩阵，是遥感影像二分类问题上的一种评价方法，反映了分类结果与真实地物类别之间的相关性［４０］㊂混淆矩阵的评价指标包括总体精度（ＯＡ）㊁Ｋａｐｐａ系数（Ｋｐ）㊁生产者精度（ＰＡ）以及用户精度（ＵＡ）㊂其中，总体精度指正确分类样本与总体样本的比值；生产者精度指分类结果与参考分类相符合的程度；用户精度指样本分类正确的可能性；Ｋａｐｐａ系数是用于检验遥感影像分类结果的一致性，也可以用以均衡分类效果［４１］㊂各指标计算公式如下：㊀㊀㊀㊀㊀ＯＡ＝ðｎｉ＝１ｘｉｉＮ；㊀㊀㊀㊀㊀Ｋｐ＝Ｎðｎｉ＝１ｘｉｉ－ðｎｉ＝１ｘｉ＋ｘ＋ｉＮ２－ðｎｉ＝１ｘｉ＋ｘ＋ｉ；４５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷㊀㊀㊀㊀㊀ＰＡ＝ｘｉｉ／ｘ＋ｉ；㊀㊀㊀㊀㊀ＵＡ＝ｘｉｉ／ｘｉ＋㊂式中：Ｎ为参与评价的样本总数；ｎ为混淆矩阵的行列数；ｘｉｉ为混淆矩阵第ｉ行㊁第ｉ列上的样本数；ｘｉ＋和ｘ＋ｉ分别为第ｉ行和第ｉ列的样本总数㊂３㊀结果与分析３．１㊀随机森林算法的不同分类方案精度由表９可知，随着不同特征类型数量的增加，总体分类精度和ｋａｐｐａ系数整体呈上升趋势㊂其中，仅利用光谱特征作为分类依据的方案Ｓ１精度最低，总体精度和ｋａｐｐａ系数分别为８２．１２％和０．７９，说明光谱特征是遥感影像最重要的特征之一，但仅利用光谱特征难以达到所需的分类精度㊂方案Ｓ２ Ｓ４是在Ｓ１的基础上分别加上地形㊁指数和纹理特征，相比方案Ｓ１，这３个方案的总体分类精度分别提高了５．１５％㊁４．５５％㊁１．８２％，ｋａｐｐａ系数分别提高了０．０６㊁０．０６㊁０．０３㊂在分类过程中，地形特征相较于指数和纹理特征扮演着更重要的角色，大幅提高了分类精度㊂方案Ｓ５ Ｓ７是在光谱特征的基础上加入地形㊁指数和纹理特征的两两组合，旨在研究它们之间的相互作用对分类精度的影响㊂整体而言，与Ｓ２ Ｓ４相比，这３个方案的总体分类精度呈上升趋势㊂其中，Ｓ６具有最高的总体精度和ｋａｐｐａ系数，分别达到９０％和０．８８；其次是Ｓ７，和Ｓ１相比，总体精度和ｋａｐｐａ系数分别提高了７．２７％和０．０９；而Ｓ５总体精度和ｋａｐｐａ系数只增长了６．３６％和０．０８㊂表明地形与指数特征交互作用在分类过程中提供了更大的贡献度㊂方案Ｓ８是由特征重要性靠前的光谱㊁地形㊁指数以及纹理特征构成㊂与包含所有特征的方案Ｓ９相比，Ｓ８反而具有更高的总体分类精度和ｋａｐｐａ系数，分别达到９２．１２％和０．９１㊂表明几何特征对分类精度具有负向影响，它的加入降低了分类精度㊂方案Ｓ１０由优选特征组成，其获得了所有子集中最高的分类精度和ｋａｐｐａ系数，分别为９２．４２％和０．９１㊂与Ｓ９相比，分类精度提高了０．６０％㊂说明特征优选方法能消除高维复杂特征间的信息冗余，使模型仅利用较少特征数量并获得更高的运行效率和分类精度㊂表９㊀不同分类方案分类精度方案总体精度／％Ｋａｐｐａ系数方案总体精度／％Ｋａｐｐａ系数Ｓ１８２．１２０．７９Ｓ６９０．０００．８８Ｓ２８７．２７０．８５Ｓ７８９．３９０．８８Ｓ３８６．６７０．８５Ｓ８９２．１２０．９１Ｓ４８３．９４０．８２Ｓ９９１．８２０．９１Ｓ５８８．４８０．８７Ｓ１０９２．４２０．９１㊀㊀由表１０可知，虽然Ｓ１方案的用户精度与生产者精度整体上处于最低水平，但棕榈树的用户精度达到了１００％，表明棕榈与其他树种存在明显的光谱差异㊂方案Ｓ２加入地形指数后，各类地物的用户精度与生产者精度相比Ｓ１都有不同程度的提高，用户精度提升幅度１．８８％ ８．１８％，生产者精度提升幅度２．７８％ １１．１１％，因为地形特征的加入更好的反映了不同地物之间的空间关系，从而大幅提高了分类精度㊂方案Ｓ３在Ｓ１的基础上加入了指数特征，荔枝㊁榕树以及樟的用户精度分别提升了１０．９５％㊁９．１８％和８．７２％，说明植被指数对荔枝㊁榕树以及樟分类效果显著，但对于其他树种的区分能力有限㊂方案Ｓ４加入纹理特征，芒果和樟的用户精度提升了８．８５％和９．００％，而棕榈和榕树的生产者精度分别提升了２２．２２％和１１．９％，说明这些树种的纹理结构特异性强与其他地物的差异显著，因此纹理特征的加入对分类精度有正向影响㊂方案Ｓ５与Ｓ２相比，荔枝和榕树的用户精度提升了７．０５％和５．１２％，而草地的精度下降了５．８８％；与Ｓ３相比，灌木的用户精度提升了４．４７％㊂总体而言，地形特征与指数特征的组合对分类精度的提升不显著，并且在某些树种的分类上精度出现不同程度的下降，说明这二者的组合产生了冗余信息影响了分类精度㊂方案Ｓ６与Ｓ２相比，芒果与樟的用户精度分别提升了６．４４％和７．６６％，而棕榈树和榕树的生产者精度分别提升了２７．７８％和１１．９０％，这个结果与方案Ｓ４类似，说明地形特征和纹理特征的组合与树种的分类精度呈正相关㊂方案Ｓ７与Ｓ６相比，除个别树种外，整体精度出现了不同程度的降低，波动范围为－６．２１％ ４．０４％㊂然而，与方案Ｓ５相比，总体分类精度有一定的提升，波动范围是－０．５８％ ７．５５％㊂方案Ｓ８与表现最好的方案Ｓ７相比，荔枝和榕树的总体分类精度分别提升了９．４２％和６．６７％，其他树种的总体分类精度保持稳定，这表明高维度的特征组合带来了更多的信息，在一定程度上提高了分类精度㊂综合所有特征的方案Ｓ９与Ｓ８相比，总体分类精度呈现出不升反降的现象，波动范围为－１０．２３％ ４．７４％，说明高纬度的特征产生了冗余信息，影响了随机森林模型的分类性能㊂优选特征子集Ｓ１０与Ｓ９相比，总体分类精度有所提升，其中灌木㊁草地以及荔枝的用户精度分别提升了１０．２３％㊁５．８８％和３．５５％㊂由此可见，特征优选通过对高维数据集的降维和优化，使模型仅利用较少的特征仍能保证良好的分类效果㊂３．２㊀应用优选特征子集对不同分类模型的精度评价由表１１可知，随机森林模型的分类精度最高，总体精度为９２．４２％，比ｋ最近邻算法（ＫＮＮ）㊁极致５５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类。
福建农林大学2013年拟推荐免试硕士研究生名单xls
机电工程学院 机械设计制造及其自动化（现代设计） 罗龙和 机电工程学院 机械设计制造及其自动化（现代设计） 钟寿洋 机电工程学院 电气工程及其自动化 机电工程学院 电气工程及其自动化 机电工程学院 电子科学与技术 机电工程学院 电子科学与技术 机电工程学院 工业工程 机电工程学院 工业工程 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生命科学学院 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物科学（基） 生物信息学 生物工程 生物工程 生物工程 生物技术 林魁 黄诚杰 曹立
100 食品科学学院 101 食品科学学院 102 食品科学学院 103 食品科学学院 104 食品科学学院 105 食品科学学院 106 食品科学学院 107 食品科学学院 108 食品科学学院 109 食品科学学院 110 食品科学学院 111 林学院 112 林学院 113 林学院 114 林学院 115 林学院 116 林学院 林学 林学 林学 林学
福建农林大学2013年拟推荐免试硕士研究生名单（学术143，专硕67，支教推免3）
序 号 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 经济与管理学院 推免生所在学院及专业 文化产业管理 文化产业管理 工商管理 工商管理 行政管理 行政管理 旅游管理 旅游管理 会计学 会计学 金融学 金融学 国际经济与贸易 国际经济与贸易 农林经济管理 农林经济管理 农林经济管理 农林经济管理 农林经济管理 农林经济管理 工商管理 推免生姓名 谢翠玲(女) 周淑娟(女) 郑小丹(女) 陈建铃(女) 朱婷婷(女) 傅美兰(女) 苏玉卿(女) 庄惠(女) 李秀容(女) 方晓婉(女) 欧聪丽(女) 熊荣桢(女) 陈燕煌(女) 叶梅红(女) 陈翠蓉(女) 陈思莹(女) 吴骏莹(女) 叶菁菁(女) 黄朝宗 钟美玉(女) 郑小清(女) 旅游管理 农业科技组织与服务（专业学位） 企业管理 技术经济与管理 公共管理 农业科技组织与服务（专业学位） 旅游管理 农业科技组织与服务（专业学位） 会计学 会计学 应用经济学 农业科技组织与服务（专业学位） 应用经济学 农业科技组织与服务（专业学位） 农业经济管理 林业经济管理 林业经济管理 农业经济管理 人口、资源与环境经济学 农业科技组织与服务（专业学位） 企业管理 机械设计及理论 机械设计及理论 农业工程（专业学位） 农业电气化与自动化 农业工程（专业学位） 拟推荐专业 备注
福建农林大学首届教职工游泳比赛
2010年福建农林大学首届教职工游泳比赛成绩册主办单位：校工会时间：2010年9月18日比赛地点：下安体育馆游泳池教工团体总分第一名人文学院98.0第二名动科学院62.0第三名计信学院52.0第四名机电学院40.0第五名机关工会38.0第六名后勤工会32.0第七名资环学院27.0第八名食科学院23.0教工团体总分==================================================================================== 名次单位总分加分扣分各组合计-------------------------------------------------------------------------------------------------------------------------------------------------1 人文学院98.0 98.02 动科学院62.0 62.03 计信学院52.0 52.04 机电学院40.0 40.05 机关工会38.0 38.06 后勤工会32.0 32.07 资环学院27.0 27.08 食科学院23.0 23.0林学院22.0 22.0交通学院20.0 20.0金山学院18.0 18.0生科学院18.0 18.0经管学院16.0 16.0材料学院13.0 13.0艺术学院11.0 11.0园艺学院 6.0 6.0植保学院 3.0 3.0图书馆 2.0 2.0====================================================================================== 单位男子教工甲组女子教工甲组男子教工乙组女子教工乙组------------------------------------------------------------------------------------------人文学院60.0 24.0 14.0动科学院18.0 7.0 21.0 16.0计信学院29.0 9.0 14.0机电学院24.0 7.0 9.0机关工会15.0 12.0 11.0后勤工会 5.0 9.0 7.0 11.0资环学院 4.0 23.0食科学院18.0 5.0林学院7.0 5.0 10.0交通学院20.0金山学院18.0生科学院13.0 5.0经管学院16.0材料学院 1.0 12.0艺术学院7.0 4.0园艺学院 6.0植保学院 3.0图书馆 2.0男子教工甲组50米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 42 兰伟强人文学院00:33.03 9.01 1 3 黄新生交通学院00:38.53 9.02 3 1 魏勇生经管学院00:42.94 7.03 1 8 丁胜彬计信学院00:44.12 6.04 2 1 李致远金山学院00:44.68 5.05 2 3 刘锋动科学院00:46.08 4.06 2 2 曾起郁机关工会00:47.18 3.07 3 3 林森交通学院00:47.69 2.08 1 5 李于雄后勤工会00:49.46 1.04 1 张义松资环学院00:50.184 7 林君峰资环学院00:51.042 8 龚志伟计信学院00:52.452 4 冯辉荣交通学院00:56.123 5 吴庆彬机电学院00:56.892 7 吴元民人文学院00:59.943 6 陈祥旭生科学院01:01.192 6 徐景升作物学院01:03.534 8 江茂生生科学院01:13.463 8 石志高金山学院01:13.871 4 郑志聪金山学院01:22.152 5 倪川林学院01:29.474 3 颜吉强计信学院01:30.803 7 曹建平人文学院DSQ1 1 张国防林学院DNS1 2 陈世品林学院DNS1 6 吴传奖成教学院DNS1 7 陈志元艺术学院DNS3 2 苏开敏资环学院DNS3 4 袁江慧成教学院DNS4 4 林平机关工会DNS4 5 张书标作物学院DNS4 6 黄小兵后勤工会DNS男子教工甲组100米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 2 7 兰伟强人文学院01:24.54 9.01 2 8 黄新生交通学院01:31.50 9.02 3 4 林增艺术学院01:55.42 7.03 3 7 方金华人文学院02:00.28 6.04 35 龚志伟计信学院02:21.40 5.05 1 4 童庆满资环学院02:25.26 4.06 2 6 吴庆彬机电学院02:27.94 3.07 3 6 吴凡人文学院02:44.22 2.08 2 1 张明昕材料学院02:46.78 1.01 2 陈清山林学院DNS1 3 刘锋动科学院DNS1 5 颜吉强计信学院DNS1 6 丁胜彬计信学院DNS2 2 吴传奖成教学院DNS2 3 张书标作物学院DNS2 5 石志高金山学院DNS3 1 陈礼光林学院DNS3 2 林森交通学院DNS3 3 范胜龙资环学院DNS3 8 张义松资环学院DNS男子教工甲组100米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 3 4 魏勇生经管学院01:49.05 9.02 2 5 曹建平人文学院01:51.23 7.03 4 4 周喆金山学院01:51.98 6.04 2 4 王隆华人文学院01:54.70 5.05 1 3 赵晨机电学院01:58.76 4.06 3 6 林龙人文学院02:05.58 3.07 4 6 张标图书馆02:06.42 2.08 3 7 蔡向阳生科学院02:06.50 1.04 2 魏金銮机电学院02:06.804 5 蔡毅强计信学院02:07.342 1 李致远金山学院02:07.404 8 徐景升作物学院02:10.771 5 曹滨斌经管学院02:11.062 8 冯辉荣交通学院02:14.513 5 倪川林学院02:16.853 1 林金石资环学院02:21.764 7 林禧强机关工会02:24.363 3 陈思建艺术学院02:40.481 4 许冰计信学院DNS2 2 张国防林学院DNS2 3 韦红资环学院DNS2 6 吴晖林学院DNS2 7 范胜龙资环学院DNS3 2 林鹏计信学院DNS3 8 陈祥旭生科学院DNS4 1 袁江慧成教学院DNS4 3 王平园艺学院DNS男子教工甲组200米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 7 陈茂群人文学院03:34.18 9.01 1 4 赵晨机电学院04:35.60 9.02 1 8 周喆金山学院04:58.34 7.03 1 6 蔡向阳生科学院05:13.29 6.04 2 6 吴承祯林学院05:33.88 5.01 1 魏金銮机电学院DNS1 2 许冰计信学院DNS1 3 曹滨斌经管学院DNS1 5 张明昕材料学院DNS2 1 林金石资环学院DNS2 2 吴晖林学院DNS2 3 韦红资环学院DNS2 4 蔡毅强计信学院DNS2 5 杨志坚林学院DNS2 7 林君峰资环学院DNS2 8 林鹏计信学院DNS男子教工甲组4X50米自由泳接力决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 2 3 计信学院03:28.50 18.02 2 2 动科学院03:35.28 14.03 24 机关工会03:37.03 12.04 2 6 人文学院03:37.96 10.05 2 1 机电学院04:06.02 8.06 1 5 生科学院04:19.69 6.07 2 8 后勤工会04:47.43 4.08 1 4 林学院05:08.71 2.02 7 资环学院DSQ1 3 金山学院DNS1 6 材料学院DNS2 5 成教学院DNS女子教工甲组50米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 2 2 刘桂英人文学院00:40.14 9.01 2 4 陈纯食科学院00:47.33 9.02 1 5 张萍后勤工会01:08.41 7.03 14 陈灵芝人文学院01:12.71 6.04 2 7 林丽斌生科学院01:19.21 5.01 3 刘秀玲计信学院DNS2 3 周颖华计信学院DNS2 5 翁丹枫图书馆DNS2 6 张旭玲计信学院DNS女子教工甲组100米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 5 刘秀玲计信学院04:45.96 9.01 4 林妹珠计信学院DNS女子教工甲组50米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 2 5 刘桂英人文学院00:44.52 9.01 1 1 陈纯食科学院00:51.40 9.02 1 2 黄桂芬机电学院01:04.11 7.03 1 5 曹佳奕机关工会01:04.86 6.04 2 6 庄妍机关工会01:08.35 5.05 3 7 高秦嫣动科学院01:08.73 4.06 3 6 李静动科学院01:15.66 3.07 2 1 黄惠清后勤工会01:17.02 2.08 2 3 王星机关工会01:23.11 1.03 1 赖宁薇资环学院01:47.371 6 周颖华计信学院DSQ2 4 林丽斌生科学院DSQ2 8 陈寒娴材料学院DSQ1 3 李园人文学院DNS1 4 吴琼华林学院DNS2 2 方颖金山学院DNS2 7 崔喜勤资环学院DNS3 2 王捷园艺学院DNS3 3 杨晓霞成教学院DNS3 4 林妹珠计信学院DNS3 5 张萍后勤工会DNS3 8 张旭玲计信学院DNS男子教工乙组50米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 7 葛宏力资环学院00:37.56 9.02 1 1 陈杰人文学院00:37.60 7.03 14 余振辉材料学院00:42.76 6.04 1 8 陈锦权食科学院00:45.86 5.05 2 4 林金妹机关工会00:50.47 4.06 2 2 王长康动科学院00:50.70 3.07 2 6 胡成球后勤工会00:52.39 2.08 2 8 黄斌植保学院00:55.22 1.02 1 黄必旺生科学院01:01.371 2 谢妹弟机关工会01:03.411 3 林金春材料学院01:13.501 5 温志强生科学院DNS1 6 陈升动科学院DNS2 3 罗光资环学院DNS2 5 李锦华机关工会DNS2 7 王长缨计信学院DNS男子教工乙组100米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 5 江和基动科学院01:44.93 9.02 1 6 王长缨计信学院01:51.64 7.03 14 陈建辉园艺学院01:58.01 6.04 1 3 胡成球后勤工会02:14.58 5.05 1 2 何宗明林学院02:46.57 4.01 7 王金忠机关工会DNS男子教工乙组100米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 2 4 葛宏力资环学院01:43.64 9.02 1 1 陈杰人文学院01:46.70 7.03 14 余振辉材料学院01:47.20 6.04 25 罗光资环学院01:53.50 5.05 2 3 林兀机关工会01:59.48 4.06 2 6 叶明生机关工会02:02.75 3.07 2 8 黄斌植保学院02:20.95 2.08 2 7 林健平林学院02:26.24 1.01 2 陈升动科学院DNS1 3 温志强生科学院DNS1 5 郑国华成教学院DNS1 6 元海计信学院DNS1 7 谢妹弟机关工会DNS2 1 翁仁俤资环学院DNS2 2 陈琳动科学院DNS男子教工乙组200米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 5 江和基动科学院04:15.58 9.02 13 元海计信学院05:32.29 7.01 6 王金忠机关工会DSQ1 4 郑国华成教学院DNS女子教工乙组50米自由泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 7 庄益芬动科学院01:13.73 9.02 1 5 尤华明林学院02:04.70 7.01 2 王兰兰计信学院DNS1 3 陈纯食科学院DNS1 4 王秀丽计信学院DNS1 6 徐美华图书馆DNS女子教工乙组50米蛙泳决赛成绩====================================================================================== 名次组次泳道姓名单位成绩名次分成绩分备注------------------------------------------------------------------------------------------1 1 7 林双机电学院01:10.35 9.02 2 2 庄益芬动科学院01:12.29 7.03 24 周华姬后勤工会01:32.33 6.04 2 6 庄文珠后勤工会01:32.76 5.05 2 1 林永英艺术学院01:55.40 4.06 1 2 尤华明林学院01:56.70 3.01 3 谢平后勤工会DNS1 4 杨福云图书馆DNS1 6 汪斌生科学院DNS2 3 徐美华图书馆DNS2 5 王秀丽计信学院DNS2 7 王兰兰计信学院DNS。
福建农林大学三届四次教职工代表大会
福建农林大学三届四次教职工代表大会代表团组成及代表名单（代表按姓氏笔划排列）【代表253人，列席38人】一、作物学院代表团(代表8人)团长：林克显代表：方平平毛大梅许莉萍吴为人林克显郭玉春黄锦文黄碧光秘书：黄锦文二、植保学院代表团(代表8人)团长：林豪森副团长：刘长明代表：艾洪木叶舟刘长明许文耀吴祖建林瑾林豪森欧阳明安秘书：林瑾三、园艺学院代表团、资环学院代表团、茶学院代表团(代表13人，列席2人)团长：金心怡王果代表：王果孙威江吴少华陈勇杨莹易志刚范胜龙金心怡洪璋钟凤林曾黎辉葛宏力雷国铨秘书：钟凤林洪璋列席：陈为德林金科四、林学院、艺术学院/园林学院（合署）代表团(代表14人)团长：马祥庆周戎代表：马祥庆方志伟刘爱琴陈辉陈世品周戎林永英林皎皎郑玮锋高博黄文龙黄启堂董建文薛秋华秘书：刘爱琴林皎皎五、生科学院代表团(代表12人，列席2人)团长：阙树福副团长：蓝天水代表：何华勤何海斌李清禄杨桂娣杨艳荔汪世华沙莉柯玉琴游秀花蓝天水阙树福魏道智秘书：沙莉列席：关雄黄勇平六、动科学院、蜂学学院代表团(代表8人，列席2人)团长：张文昌林继熙代表：马燕梅方文富张文昌陈大福林继熙黄小红黄志坚戴意生秘书：马燕梅陈大福列席：陈吉龙缪晓青七、食科学院、材料学院代表团(代表10人，列席2人)团长：徐通明谢拥群代表：刘斌江玉姬孙淑芹宋洪波邱仁辉陈丽娇林巧佳徐通明黄六莲谢拥群秘书：宋洪波黄六莲列席：郑宝东陈礼辉八、计算机与信息学院代表团(代表13人，列席2人）团长：景林代表：王长缨王秀丽李德新陈琼周术诚周颖华官明友钟一文翁宜慧景林温永仙程丽黎云芝秘书：李德新列席：丁艺宁正元九、机电工程学院代表团(代表9人，列席3人)团长：谢志鸣副团长：林仁荣代表：苏菱张玉春张祖峰张德晖陈学永林仁荣林寿英曾伶谢志鸣秘书：苏菱列席：庄哲峰张翔徐永十、交通与土木工程学院、继续教育学院代表团(代表11人，列席2人)团长：吴锦程邱荣祖代表：吴锦程吴能森张正雄李纲李正红邱荣祖官少华林玉英郑丽凤侯秀英龚健敏秘书：侯秀英林玉英列席：林庆藩郭建钢十一、经济学院/农村发展学院(合署)、管理学院/旅游学院（合署）代表团(代表14人)团长：陈秋华范焕谦代表：王柳云刘伟平刘燕娜汤新华余忠余振辉何均琳杨建州陈秋华苏健涵范焕谦黄琳谢东梅蔡晶晶秘书：余忠黄琳十二、文法学院、公共管理学院、马克思主义学院代表团(代表21人，列席3人)团长：叶飞霞郑逸芳黄鷁飞代表：卞丽丽王丽玉叶飞霞汤莉张菁张丽萍张春英李欣陈建辉陈优扬周毕芬郑庆昌郑珠仙郑逸芳施晓燕柳建闽黄建新黄鹢飞黄腾华傅超波程庆中秘书：卞丽丽黄腾华列席：阮晓菁张开晃戴祐坤十三、金山学院、东方学院代表团(代表15人，列席2人) 团长：郭文硕黄斌代表：王劼张利军邵敏林媛郑翔郑国华洪涛郭文硕高文伟崔广强黄斌傅海庆童庆满谢源曾芳芳秘书：洪涛邵敏列席：林金菊胡方平十四、图书馆、海外学院代表团(代表13人，列席1人) 团长：郑美玉副团长：罗志雄代表：石贞强许文兴李冬梅李庭波陈秀萍林秋芸林剑敏罗志雄郑美玉梁勤游丽华詹仕华魏丽卿秘书：李庭波列席：王革伏十五、机关，软件学院代表团(代表52人，列席13人) 团长：吴文苑副团长：叶青代表：马国防尤民生尤国顺王星王小榕王宗华王寿昆王育敏兰思仁叶青叶明生叶辉玲华启清孙思惟池有忠许政红许海萍邢世和阮旭华阮鼎明陈月霄陈丽荣陈建忠陈建辉陈育红陈济斌陈新炳吴文苑吴世明吴有平杨挺张华英林兀林少菁林文雄林思祖郑开心洪诚赵捷郭公帅翁善波龚琛琛黄美黄一帆黄国龙傅云童玲童建福鲍振兴詹丽玉蔡丽娟潘东明秘书：吴有平陈月霄列席：王宜勤陈德正陈亚华陈宜大余新然林清泉黄斌黄文銮黄炎和傅修楠游龙桂曾华平雷旭东十六、后勤、产业、莘口林场、西芹林场、南平校区管委会代表团(代表32人，列席3人)团长：何尔扬邹双全代表：连依龙连黎阳刘胜刘春朱忠俤庄志明陈勇(产业)何尔扬李于雄李芳辉沈宝贵邹双全官文栩林云林文荣林发坡林进庭林雪华郑开风郑品官郑振良饶旻胡建伟郭玉硕郭朝晖唐金龙徐大庆黄小兵黄晓红黄竞辉梁学武蔡尊盛秘书：饶旻列席：陈泰丰何东进林修凤。
福建农林大学2010-2011学年研究生先进个人公示名单
福建农林大学2010-2011学年研究生先进个人公示名单一、三好学生标兵名单（2人）研究生（2人）苏亚春（作物科学学院2011级农业生物技术）郑子峰（马克思主义学院2009级马克思主义中国化研究）二、三好学生名单（100人）作物科学学院（3人）研究生（3人）曹志全、李志勇、陈丽霜植物保护学院（10人）研究生（10人）贾东升、张南南、林海云、肖琼、陈曜、刘德坤、洪静芳、王小琴、胡彧娴、张永嵘园艺学院（8人）研究生（8人）陈志丹、汤燕姗、郭金鹏、周琼琼、蔡爱萍、李冬香、黄慧燕、温立香林学院（8人）研究生（8人）林清秀、徐昪、周丽丽、陈细贞、杨子清、彭珠清、林君燕、牛宁生命科学学院（19人）研究生（19人）刘军、朱兰芳、阙善进、曾水玉、费姣、张雪瑶、陈炳智、李兵兵、邹锋、蒋捷、刘峰、冯瑞华、王玲霞、李丽芬、朱逸涵、曹晓华、郑珊凤、刘朋虎、王荣智动物科学学院（4人）研究生（4人）曾东林、吕惠敏、马卫卫、何锡栋蜂学学院（2人）研究生（2人）孙文静、王姗姗资源与环境学院（3人）研究生（3人）陈秀梅、池丽娟、李俊杰食品科学学院（14人）研究生（14人）汪颖、陈丽萍、陈梦茵、刘文婷、王芹、黄美香、张吉全、陈婕、王静、朱思咪、杨娟、谢俊英、李婷、翁乔丹材料工程学院（2人）研究生（2人）苏团、温晓芸计算机与信息学院（2人）研究生（2人）陈小梅、杜庆良机电工程学院（2人）研究生（2人）蔡良锥、郑文鑫交通学院（2人）研究生（2人）许旭堂、林玉英经管学院（9人）研究生（9人）林敏、顾兰兰、翁玲玲、黄瑜瑜、黄莹、郑小敏、蔡秋红、郑义、刘家琨人文社会科学学院（2人）研究生（2人）马梅芸、张若男艺术园林学院（8人）研究生（8人）吴幼容、林丽、林双毅、黄淑燕、林玉华、黄倩竹、王蜜、杨建欣马克思主义学院、政治学院（合署）（2人）研究生（2人）刘莎、吴晓霞三、优秀学生干部标兵名单（3人）研究生（3人）王飞鹏（植物保护学院2010级农药学）陶永新（园艺学院2011级蔬菜学）朱学平（林学院 2009级统计学）四、优秀学生干部名单（44人）作物科学学院（2人）研究生（2人）尤垂淮、蒋丽红植物保护学院（3人）研究生（3人）高杨、赵朗旭、方永祥园艺学院（2人）研究生（2人）张鹏、赵文净林学院（3人）研究生（3人）陈福海、林文俊、张玫瑰生命科学学院（9人）研究生（9人）郭建超、何仲辉、王旭、陈利平、阮班展、吴加旺、胡元振、郑丹、李京动物科学学院（2人）研究生（2人）杨帆、李州蜂学学院（1人）研究生（1人）李钦龙资源与环境学院（1人）研究生（1人）林光城食品科学学院（6人）研究生（6人）徐将、曾红亮、陈洪彬、周伦辉、王绍青、徐宗敏材料工程学院（1人）研究生（1人）陈小辉计算机与信息学院（1人）研究生（1人）李明河机电工程学院（1人）研究生（1人）林海坤交通学院（1人）研究生（1人）龚灿宁经管学院（4人）研究生（4人）王盛彬、杨秀云、谢芳芳、沈芝琴人文社会科学学院（1人）研究生（1人）郑丽丽艺术园林学院（3人）研究生（3人）刘琴梅、余淑洪、林静瑜马克思主义学院、政治学院（合署）（3人）研究生（3人）梁雯婷、赵攀攀、刘洋五、社会工作先进个人名单（160人）作物科学学院（6人）研究生（6人）许艺娜、吴期滨、陈岚凤、张隆平、程杜娟、黄锦峰植物保护学院（16人）研究生（16人）韩萌萌、郑新妹、李苹、许斯龙、杨策、禹震洋、赵其龙、张超、方治国、姚俊丽、杨永华、阙晓堂、高小倩、华瑞香、李忠春、周然园艺学院（13人）研究生（13人）郜祥雄、吴高杰、陈建烟、林鹤延、张小琴、邱丽玲、伍洋、庄玲、牛炜、张凤云、郑其文、庄惠银、王彦威林学院（13人）研究生（13人）苏松锦、王子敏、于静波、李树斌、江硕、林燕钰、吴佳溶、李秀兰、谢婉君、莫小香、刘长辉、刘金燕、刘用心生命科学学院（30人）研究生（30人）张宏美、林海红、刘青、王洪艳、武建伟、刘晓倩、赵永利、赵菁、林菁、谢海波、刘妍、方遂、王松、贵甫、彭艳、荣霞、陈珊珊、赵庆欣、吴孝勇、余伟伟、陈少华、郑丹丹、黄清平、赵艳、王庆福、闫潞锋、赵翠翠、庄春红、肖熙、苏玉斌动物科学学院（7人）研究生（7人）张小莲、朱晓琳、苏小艳、黄其芬、章文、邹长连、周晖蜂学学院（2人）研究生（2人）张义强、郑秀娟资源与环境学院（4人）研究生（4人）赵婷、谢团辉、李文燕、黄希垚食品科学学院（22人）研究生（22人）林钟铨、张峥婧、肖斌、黄月娥、刘洪亮、唐中伟、苏柳智、林婷、陈清爱、曾峰、郑瑜宁、张延秀、彭会娟、邹文文、常青、李成惠、于真真、叶洪、葛晓宇、林艺芬、张帆、潘廷跳材料工程学院（3人）研究生（3人）黄锦锋、凌宏有、黄剑峰计算机与信息学院（3人）研究生（3人）傅晓菲、张威、尤燕玲机电工程学院（3人）研究生（3人）吴金华、张守宇、蔡树检交通学院（3人）研究生（3人）张龙俊、陈明夏、张文星经济与管理学院（15人）研究生（15人）刘淑枝、张敏、宋挺楷、黄碧丹、吴冬娟、陈秋燕、王馨、王湘湘、陈丽莉、张宝芳、吴刚龙、叶颉、洪流浩、雷娜、黄小敏人文社会科学学院（3人）研究生（3人）林星、刘慧芳、宋倩艺术园林学院（12人）研究生（12人）张晔、杜灵丽、李炎梅、杨秀丽、黄颖、杨小漩、解朋、黄榜斌、秦一芳、张欢、洪雪沿、周璐马克思主义学院、政治学院（合署）（5人）研究生（5人）程国庆、甘小夏、王丛丛、裴文庆、罗强。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
项目名称: 新型宿主因子在流感等病毒致病过程中的功能研究推荐奖种: 自然科学奖推荐单位:福建省教育厅项目简介:流感等病毒是严重危害动物和人类健康的重要病原，频繁的区域性暴发、不时突现的高致病性禽流感与不确定的大流行引发了社会极度的恐慌并造成巨大的经济损失。
更重要的是，流感病毒不断变异并传播流行，时刻警示新一轮高致病性流感暴发的潜在性。
本团队研究这些不断变异的病原与宿主靶细胞、天然免疫系统相互作用的分子基础，筛选参与流感等重要病毒致病过程的新型宿主因子，深入研究它们的功能与作用机制，逐步阐释流感等病毒的致病机理，为防控这类疾病提供科学指导。
项目取得的重大原创性成果包括：1、在国际上首次筛选、鉴定、命名了一条重要的长链非编码RNA—NRAV。
系统研究了NRAV在流感病毒感染与致病过程中的功能和作用机制，阐明了NRAV通过调控一些干扰素刺激基因的转录而调节动物机体的抗病毒反应，这些研究成果发表在国际权威学术期刊Cell Host & Microbe上，并得到国际顶级期刊Nat Rev Immunol的推荐（Nat Rev Immunol, 2014, 14:779），被国际同行在国际重要期刊Immunity、Annu Rev Immunol等上广泛引用。
2、阐明了宿主因子Vault RNA、LC3、Cdc42、SOCS1、eIF4B在流感等病毒致病过程中的功能和作用机制。
证明了Vault RNA家族可通过抑制PKR激酶的活化从而促进病毒感染和复制过程；证明了LC3介导的细胞自噬可以促进流感病毒的复制过程；探明了Cdc42在流感病毒NA蛋白转运中起重要作用，从而调控病毒的复制过程；揭示了病毒诱导的SOCS1高表达导致宿主代偿性激活NF-κB，引发IFN-λ等过量表达和产生病理反应的机理；研究证明了eIF4B通过调控IFITM3蛋白的表达水平，影响机体抗病毒反应。
这些创新性成果发表在国际权威学术期刊Nucleic Acids Res、Autophagy和PLoS Pathog等上。
3、筛选并阐明了eIF4B、AKT1(E17K)、lncRNA-BGL3和lncRNA-H19在病毒或癌基因致癌过程中的作用及其机制。
发现eIF4B的磷酸化对白血病病毒介导的细胞癌变产生深刻影响；鉴定到病毒诱导的癌细胞中存在AKT1(E17K)突变型，并阐明它的重要作用；揭示了lncRNA-BGL3作为抑癌因子参与到Abl类癌基因诱导的细胞恶性转化过程；发现了lncRNA-H19通过调控白血病细胞凋亡通路而影响肿瘤发生过程。
这些重要成果发表在国际肿瘤领域核心刊物Cancer Res、Oncogene 等上。
上述研究工作得到了科技部国家科技重大专项、国家自然科学基金重点项目和面上项目等资助。
主要成果在国际著名期刊上发表SCI论文20篇，总他引次数达935次（其中SCIE他引603次），其中8篇代表性论文总他引385次；获授权发明专利4项。
主要完成单位:福建农林大学、中国科学院微生物研究所主要完成人及其贡献：1．陈吉龙，陈吉龙教授长期从事病毒致病机理及抗病毒机制研究，主要贡献有：制定本项目的研究方向——聚焦在新型宿主因子在病毒致病过程中的功能研究；制定研究方案并统筹安排整个项目的顺利进行，指导项目组成员完成新型宿主因子的筛选与功能鉴定工作，指导项目组成员完成新型宿主因子作用机理的研究工作；对研究结果进行系统分析，适时提出修改研究方案，对抗病毒药物靶标的设计提出新策略等。
陈吉龙教授是第1和第3-8篇代表性论文的通讯作者。
2．王松，王松副教授在本项目中主要贡献有：通过大量筛选发现小G蛋白Cdc42和真核翻译起始因子eIF4B在流感病毒的复制过程中起重要作用，并初步阐明了二者的作用机制：Cdc42通过调控流感病毒神经氨酸酶（NA）向细胞膜的转运过程影响流感病毒的复制，eIF4B通过调控重要抗病毒因子IFITM3的蛋白表达从而影响流感病毒的复制过程。
王松是第7、8篇代表性论文的第一作者，也参与了第6篇代表性论文的部分工作。
3.池晓娟，池晓娟在本项目中主要贡献有：参与了新型宿主因子的筛选工作，参与了NRA V、eIF4B和SOCS1在流感病毒复制中的功能研究工作。
通过HE染色在动物中验证了NRA V对流感病毒复制的影响；通过转基因动物实验阐明了eIF4B和SOCS1在病毒复制中的功能。
池晓娟是第1篇代表性论文的第六作者，第6篇代表性论文的第五作者，第7篇代表性论文的第二作者，并完成了大量的数据分析、科研辅助和管理工作。
4.高福，中科院院士，病原微生物与免疫学家，主要从事T细胞识别、流感病毒等囊膜病毒侵入的分子机制、禽流感等动物源性病原跨种间传播的机制研究等，在本项目中主要贡献有：研究发现LC3蛋白介导的细胞自噬过程参与了流感病毒的感染和复制过程。
相关研究发表在国际重要学术刊物Autophagy上。
高福院士是第2篇代表性论文的通讯作者，也参与了其他代表性论文的部分工作。
5.陈玉海，陈玉海助理研究员在本项目中主要贡献有：参与了新型宿主因子的筛选与鉴定工作，筛选了与病毒感染和复制相关的非编码RNA，协助完成Vault RNA和lncRNA NRA V的部分研究工作；证实了Cdc42、ARHGAP21在流感病毒感染与复制过程中的作用。
陈玉海是第3和第8篇代表性论文的共同第一作者，也参与了其他代表性论文的部分科研工作。
代表性论文专著目录：1.Jing Ouyang, Xiaomei Zhu, Yuhai Chen, Haitao Wei, Qinghuang Chen, Xiaojuan Chi,Baomin Qi, Lianfeng Zhang, Yi Zhao, George F Gao, Guoshun Wang and Ji-Long Chen*.NRA V, a Long Noncoding RNA, Modulates Antiviral Responses through Suppression of Interferon-Stimulated Gene Transcription. Cell Host & Microbe, 2014; 16(5): 616-626. 2.Zhi Zhou, Xuejun Jiang, Di Liu, Zheng Fan, Xudong Hu, Jinguo Yan, Ming Wang,George F Gao. Autophagy is involved in influenza A virus replication. Autophagy, 2009;5(3): 321-328.3.Fang Li, Yuhai Chen, Zhaoyuan Zhang, Jing Ouyang, Yi Wang, Ruoxiang Yan, ShileHuang, George Fu Gao, Guijie Guo and Ji-Long Chen*. Robust expression of vault RNAs induced by influenza A virus plays a critical role in suppression of PKR-mediated innate immunity.Nucleic Acids Research, 2015; 43(21): 10321-37.4.Jianling Yang, Jun Wang, Ke Chen, Guijie Guo, Ruijiao Xi, Paul B. Rothman, DouglasWhitten, Lianfeng Zhang, Shile Huang and Ji-Long Chen*. eIF4B Phosphorylation by Pim Kinases Plays a Critical Role in Cellular Transformation by Abl Oncogenes. Cancer Research, 2013; 73(15): 4898-4908.5.Guijie Guo, Qingzheng Kang, Xiaomei Zhu, Qinghuang Chen, Xuefei Wang, Yuhai Chen,Jing Ouyang, Lianfeng Zhang, Huo Tan, Runsheng Chen, Shile Huang and Ji-Long Chen*. A long noncoding RNA critically regulates Bcr-Abl-mediated cellular transformation by acting as a competitive endogenous RNA.Oncogene,2015; 34(14): 1768-1779.6.Haitao Wei, Song Wang, Qinghuang Chen, Yuhai Chen, Xiaojuan Chi, Lianfeng Zhang,Shile Huang, George F Gao and Ji-Long Chen*. Suppression of Interferon Lambda Signaling by SOCS-1 Results in Their Excessive Production during Influenza Virus Infection. PLoS Pathogens, 2014; 10: e1003845.7.Song Wang, Xiaojuan Chi, Haitao Wei, Yuhai Chen, Zhilong Chen, Shile Huang andJi-Long Chen*. Influenza A Virus-Induced Degradation of Eukaryotic Translation Initiation Factor 4B Contributes to Viral Replication by Suppressing IFITM3 Protein Expression. Journal of Virology, 2014; 88(15): 8375-8385.8.Song Wang, Hua Li, Yuhai Chen, Haitao Wei, George F. Gao, Hongqiang Liu, ShileHuang and Ji-Long Chen*. Transport of influenza virus neuraminidase (NA) to host cell surface is regulated by ARHGAP21 and Cdc42 proteins. The Journal of Biological Chemistry, 2012; 287(13): 9804-9816.主要知识产权证明目录：1.陈吉龙，王松，池晓娟。