净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿...净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿草地生态系统2018—2022年日尺度通量观测数据,使用多元线性回归模型、机器学习模型(随机森林、支持向量机和人工神经网络模型)和融合生态学知识与机器学习的生态知识-机器学习(EML)模型分别对NEE和ET进行拟合。其中,有6种基于不同生态假设的EML模型用于拟合NEE,7种基于不同生态假设的EML模型用于拟合ET。最后构建拟合效果最好和解释能力最优的EML模型并探究环境和植被因素对NEE和ET的影响。结果表明:(1)包含了气象因素、土壤水分因素和植被因素的EML模型对NEE和ET的拟合效果最好,R2和RMSE分别为0.81和0.70 g C m^(-2)d^(-1),0.83和0.48 mm/d,MRE和MAE分别为1.72和0.48 g C m^(-2)d^(-1),0.29和0.30 mm/d。该模型在NEE和ET上的拟合能力较多元线性回归模型提升了24.62%和12.16%,较机器学习模型平均提升了13.02%和6.87%。(2)空气温度是NEE和ET的主要影响因素,重要性占比分别为63.12%和60.38%。6℃和22℃是草地NEE日均空气温度的阈值,在6—22℃之间NEE处于下降趋势,在22℃后NEE变为平稳趋势。0℃和22℃是草地ET日均空气温度的阈值,当空气温度大于22℃后,ET由上升趋势转变为平稳趋势。(3)土壤水分因素在NEE和ET的重要影响因素中的占比分别为17.13%和5.66%,NEE对土壤水分的敏感性高于ET。研究结果有助于完善半干旱区草地生态系统碳水通量的模拟方法,并明确其对环境和植被因素的响应。展开更多
目的研究脂联素(adiponectin,ADPN)对妊娠期糖尿病(gestational diabetes mellitus,GDM)的早期预测效能,探索GDM早期诊断的新指标及早期预测的风险模型。方法选取2023年7月至11月于首都医科大学附属北京同仁医院建档的486例孕妇在孕早期...目的研究脂联素(adiponectin,ADPN)对妊娠期糖尿病(gestational diabetes mellitus,GDM)的早期预测效能,探索GDM早期诊断的新指标及早期预测的风险模型。方法选取2023年7月至11月于首都医科大学附属北京同仁医院建档的486例孕妇在孕早期(孕7~12周)组成队列,并根据2010年国际糖尿病与妊娠研究组(International Association for Diabetes and Pregnancy Study Group,IADPSG)推荐的GDM诊断标准,将孕中期妊娠妇女分为GDM组(150例)和非GDM组(336例)。收集孕早期ADPN、胰岛素(insulin,INS)、空腹血糖(fasting glucose,GLU)及糖化白蛋白(glycated albumin,GA)等数据,计算脂联素-胰岛素抵抗指数(homeostatic model assessment of adiponectin,HOMA-AD)、胰岛素抵抗指数(homeostatic model assessment of insulin resistance index,HOMA-IR)及肝脂肪变性指数(hepatic steatosis index,HSI)。分析比较两组之间ADPN、HOMA-AD、HOMA-IR等差别,采用受试者工作特征(receiver operating characteristics,ROC)曲线分析各类指标预测GDM的价值,并结合相关指标建立预测风险模型。结果GDM组和非GDM组妇女孕早期ADPN差异具有统计学意义(P<0.05)。ROC曲线分析结果显示,ADPN早期预测GDM阳性的曲线下面积(area under the curve,AUC)为0.723,截断值为13.38 mg/L。GDM组和非GDM组的HOMA-AD差异具有统计学意义(P=0.000)。HOMA-AD早期预测GDM的AUC为0.815,截断值为3.024。将GLU、HOMA-AD、HOMA-IR、HSI纳入风险模型,结果显示Logistic模型各方面较好,最终测试集AUC=0.829,准确度=0.740,灵敏度=0.913,阴性预测值=0.833。结论GDM组妇女的ADPN及HOMA-AD水平相较于非GDM组均降低,且HOMA-AD与GDM呈现负相关,在早期预测GDM的效能优于ADPN、HOMA-IR、HSI,HOMA-AD可以联合这些指标建立诊断预测模型提高预测效能。展开更多
文摘净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿草地生态系统2018—2022年日尺度通量观测数据,使用多元线性回归模型、机器学习模型(随机森林、支持向量机和人工神经网络模型)和融合生态学知识与机器学习的生态知识-机器学习(EML)模型分别对NEE和ET进行拟合。其中,有6种基于不同生态假设的EML模型用于拟合NEE,7种基于不同生态假设的EML模型用于拟合ET。最后构建拟合效果最好和解释能力最优的EML模型并探究环境和植被因素对NEE和ET的影响。结果表明:(1)包含了气象因素、土壤水分因素和植被因素的EML模型对NEE和ET的拟合效果最好,R2和RMSE分别为0.81和0.70 g C m^(-2)d^(-1),0.83和0.48 mm/d,MRE和MAE分别为1.72和0.48 g C m^(-2)d^(-1),0.29和0.30 mm/d。该模型在NEE和ET上的拟合能力较多元线性回归模型提升了24.62%和12.16%,较机器学习模型平均提升了13.02%和6.87%。(2)空气温度是NEE和ET的主要影响因素,重要性占比分别为63.12%和60.38%。6℃和22℃是草地NEE日均空气温度的阈值,在6—22℃之间NEE处于下降趋势,在22℃后NEE变为平稳趋势。0℃和22℃是草地ET日均空气温度的阈值,当空气温度大于22℃后,ET由上升趋势转变为平稳趋势。(3)土壤水分因素在NEE和ET的重要影响因素中的占比分别为17.13%和5.66%,NEE对土壤水分的敏感性高于ET。研究结果有助于完善半干旱区草地生态系统碳水通量的模拟方法,并明确其对环境和植被因素的响应。
文摘目的研究脂联素(adiponectin,ADPN)对妊娠期糖尿病(gestational diabetes mellitus,GDM)的早期预测效能,探索GDM早期诊断的新指标及早期预测的风险模型。方法选取2023年7月至11月于首都医科大学附属北京同仁医院建档的486例孕妇在孕早期(孕7~12周)组成队列,并根据2010年国际糖尿病与妊娠研究组(International Association for Diabetes and Pregnancy Study Group,IADPSG)推荐的GDM诊断标准,将孕中期妊娠妇女分为GDM组(150例)和非GDM组(336例)。收集孕早期ADPN、胰岛素(insulin,INS)、空腹血糖(fasting glucose,GLU)及糖化白蛋白(glycated albumin,GA)等数据,计算脂联素-胰岛素抵抗指数(homeostatic model assessment of adiponectin,HOMA-AD)、胰岛素抵抗指数(homeostatic model assessment of insulin resistance index,HOMA-IR)及肝脂肪变性指数(hepatic steatosis index,HSI)。分析比较两组之间ADPN、HOMA-AD、HOMA-IR等差别,采用受试者工作特征(receiver operating characteristics,ROC)曲线分析各类指标预测GDM的价值,并结合相关指标建立预测风险模型。结果GDM组和非GDM组妇女孕早期ADPN差异具有统计学意义(P<0.05)。ROC曲线分析结果显示,ADPN早期预测GDM阳性的曲线下面积(area under the curve,AUC)为0.723,截断值为13.38 mg/L。GDM组和非GDM组的HOMA-AD差异具有统计学意义(P=0.000)。HOMA-AD早期预测GDM的AUC为0.815,截断值为3.024。将GLU、HOMA-AD、HOMA-IR、HSI纳入风险模型,结果显示Logistic模型各方面较好,最终测试集AUC=0.829,准确度=0.740,灵敏度=0.913,阴性预测值=0.833。结论GDM组妇女的ADPN及HOMA-AD水平相较于非GDM组均降低,且HOMA-AD与GDM呈现负相关,在早期预测GDM的效能优于ADPN、HOMA-IR、HSI,HOMA-AD可以联合这些指标建立诊断预测模型提高预测效能。
