秋季值周总结范文精选
秋季值周总结范文第1篇
新学期第一周工作在全校老师、同学们的紧张忙碌中顺利结束了。由于开学前学校行政班子、全体教师做了大量、充分的准备工作，从8月30日(星期一)学生到校第一天起，按周计划布置的各项工作得到有序推进，为本学期的起步工作奠定了良好基础。9月1日(星期三)正式上课。同学们能够很快从假期状态回复到学习状态中，全校师生的工作学习显得乐观而充满生机。现在总结一下上周的值周情况：
一、做得比较好的地方
1、班级管理方面：开学第一周，各班都能按照学校的统一要求，加强了学生的系列常规教育，从进出楼梯、做操站位到进上下学交接等方面都做了统一要求和训练。尤其是班主任老师下班及时，班级管理在开学第一天就很快进入正规，全校秩序有条不紊。特别是刚从幼儿园升入一年级的小同学，在很短的时间内很快地适应了新环境的小学校园的生活。
2、卫生方面：8月31日上午，全校进行了全面的、彻底的大扫除，以崭新的面貌迎接新的一个学期。由于各部门卫生观念强、督促检查到位，各班真正做到了窗明地净、一尘不染。各班学生都把集体荣誉放在首位，每天的室内外卫生清扫得非常干净，校园内公共场地的卫生干净整洁，很少发现纸屑杂物，这是同学们环境意识增强的表现，也是全校师生和学校清洁工辛勤工作的结果。
3、纪律方面：早读午读的纪律比较好，各个班级的大多数学生早上、下午一进到教室在班干部的组织下都能够自主有序地认真进行早读和午读，自觉看书、读书，下班老师下班及时，有的老师甚至提前20分以上到班组织学生早读。同学们都能以饱满的精神参加升旗仪式、队形训练和做广播操，列队整齐，队礼也比较规范。校园里秩序井然，学习氛围浓厚，各班上课时的课堂纪律都比较好，绝大部分同学都能认真的听老师讲课。
4、放学路队方面：开学第一周由于一年级新生没有及时办理到接送卡。学校没有执行上下学交接制度。所以上午和下午放学时，显得有点混乱，放学回家的学生和来学校接孩子的家长由于人数太多，导致校门走道出现拥挤现象。但是一年级新生在班主任老师的教育和带领下，中午和下午的放学都能按时排着整齐的队伍到指定的地点集合，等待与家长的交接。
同学们在这周有许多闪光点，例如：有些同学在楼道和操场看见地上有纸屑，便主动的捡到垃圾桶内，在此提出表扬。请同学们想一想，如果我们每个人都弯腰捡一片纸，那就是一千多张纸，我们每个人看见纸屑就捡，那么，我们的学校就会变得干干净净，希望同学们能像捡纸片的同学学习。
二、今后需要改进的方面
1、早上中午进校礼仪需要改善。有少数二年级以上的同学进校园时没有佩戴红领巾，很多同学进出校门没有主动向向值周老师问好。还有的同学进校门匆匆忙忙，虽然有向老师问好，但是敬队礼姿势、动作不够规范。个别二年级以上的学生没有穿校服到学校。
2、课间活动时同学们在走廊和楼梯上奔跑、追逐打闹的现象比较严重(特别是二楼走廊所在的部分班级)，同时还有发现不少同学上下楼梯不靠右走的。同学们，跑是一项有益的健康的运动，但是如果在走廊或楼梯上奔跑，就容易出现事故，希望同学们注意安全，做一个文明的好孩子。
3、低年级学生在操场上玩耍时有用小石粒丢人的现象，还发现有高年级同学有往楼下丢东西的情况，存在着安全隐患，希望改正。
4、校园保洁工作保持不够好：教学楼楼梯、走廊和校园的其他地方偶尔会发现食品包装纸袋或果皮纸屑等杂物。校园地面的整洁不但要来自时常打扫，更要来自善于保持。希望有随地丢垃圾这种不良行为习惯的同学及时改正过来。倒垃圾的同学也要细心点，不要让果皮纸屑等垃圾随风飘扬。让我们一起来做勤劳的小蜜蜂，用我们的双手去换来劳动的蜜甜干净整洁的校园环境。
5、第一周上早读课迟到的同学比较多，尤其是上课的第一天。问明情况，同学们都说起晚了。同学们，良好的开端是成功的一半，让我们一起克服困难，为了我们的明天，坚持早起早睡吧。
6、中午一些同学很早就来学校，很多同学一点钟左右就到校，个别同学甚至十二点半左右就到了。早到的同学由于教室没有开门，他们只能呆在教室门外的走廊或校园的凳子上等候。这时候，同学们就会聚在一起说话，有的甚至大声喧哗，在校园或教学楼的走廊上奔跑、追逐打闹，既打扰了在校老师的午休，又违反了学校纪律。希望同学们以后中午不要那么早来学校，尽量在一点二十分之后才到学校。各班教室门一般都是在一点半左右才开的。
同学们，开学以后，我们的校园变得更热闹更加美丽了，校园里没有了你们就缺少了生机和活力。但是另一方面，在学校生活中，我们也要注意保持校园坏境卫生和注意安全，自觉做到：垃圾不落地，上下楼梯靠右走。下课时，做到轻声慢步不喧哗;放学时，听从老师的指挥，排好路队，按学校指定的路道走出校门，不能抢时间跑出校门。一路到家，不在路上逗留玩耍。
秋季小学开学第一周值周工作总结
尊敬的领导、老师们，下午好，今天由我为大家总结一下上周值周情况。上周值周行政是陆校长、谭主任，值周教师是我和秦老师，上周是开学的第一周，同学们都能够从假期状态很快回到学习状态。师生的工作学习显得乐观而充满生机。回顾上周，按周计划布置的各项工作得到有序推进。现在介绍一下上周的值周情况：
一、校门值周情况。
上周是开学的第一周，同学们刚刚度过快乐的暑假，一些同学还沉浸在假期的氛围中，开学后的几天有较多同学迟到，后来逐渐好转。一些同学由于校牌正在进行补办和更换，没有佩戴，希望这些同学抓紧时间办理，尽快按要求佩戴校牌。由于上学期最后一周我们101班的严格管理，上周校服内穿的人数减少，但有一些同学没穿校裤，这也是不符合学校规定的，望同学们按要求着全套校服。另外，314班迟到人数较多，一些同学不按规定穿校服带校牌，且不配合值周生工作，希望引起注意，予以改正。
二、早读值周情况。
高一年级表现普遍较好，尤其是109班，表现十分突出，这里提出表扬。高二、高三部分班级朗读声音偏小，特别是204、205班，几乎听不到朗读声，希望同学们能够重视早读，认真朗诵。上周各班教室卫生都做得很好，与值周同学交流及时，望继续保持。
三、两操一课值周情况。
高一年级情况较好，但高二、高三普遍存在进场缓慢，做操态度不认真等问题，且在眼保健操时部分班级有睡觉、写作业、讲话、上厕所等现象。身体是学习的基础，眼睛是心灵的窗户，希望同学们端正态度，认真对待课间操与眼保健操，真正达到预期的效果。
四、食堂值周情况。
秋季值周总结范文第2篇
【关键词】 开放教育；滞留率；趋势分析；差异比较
【中图分类号】 G432 【文献标识码】 A 【文章编号】 1009—458x（2012）05—0058—06 远程开放教育在构建学习型社会和终身教育体系中做出了重大贡献，但在不断发展的同时，也出现了学习者滞留率高的问题。高滞留率的存在对远程开放教育的发展会起到不利的影响，但目前国内外对滞留率的研究尚属空白。研究者在CNKI上进行检索，关于滞留率的文章为0篇，关于滞留率的课题更是少之又少。深入研究远程开放教育学生滞留的影响因素，探索其滞留规律，采取有效的措施来降低滞留率，将有助于推动远程开放教育的进一步发展，完善远程开放教育理论体系，扎实推进开放大学建设。
一、数据、指标及计量方法的选择
（一）滞留率概念界定
远程开放教育学籍8年（16个学期）有效。在学分制背景条件和个性化学习需求下，学生最短3个学期可以修完学分，取得毕业证书。
所谓滞留生，即超过学籍有效期仍没有毕业的学生。伪滞留生，我们定义为第4学期至第16学期在籍的学生，这部分学生虽然超过了最短学习年限但在学籍有效期内仍具备学习与毕业的资格。
滞留率，即滞留生的人数在注册学生总人数中的比例，本文研究的滞留生范围包括伪滞留生、滞留生。
滞留率=滞留生÷注册学生总数
（二）数据资料的分析与处理
1. 样本数据来源
利用天津广播电视大学远程开放教育教务管理系统平台，提取2011年8月前的1999年秋季—2008年秋季18届学生的相关数据，主要包括：注册学生数、毕业人数、退学人数、专业以及地区等。
2. 滞留率指标
滞留率与伪滞留率，因为2009年春季-2011年春季入学的学生无毕业生，故本文中的滞留率共涉及1999年秋季—2008年秋季18个届别的学生。
不同专业的滞留率：共选取了三个具有代表性的专业，会计学、法学、计算机科学与技术。法学作为文法类专业的代表，计算机科学与技术作为理工类专业的代表，会计学属于综合性学科，招生时文理皆可。
不同地区的滞留率：市区的滞留率，主要涉及总校本部五个直属学院以及市区的其他分校，共选取13个；郊县的滞留率，涉及郊区及县内的部分分校，共选取9个。
（三）计量方法
基于SPSS16.0对分层次滞留率、分地区滞留率、分专业滞留率进行t检验，进行差异比较。基于Excel对总体滞留率和影响滞留率的各相关因子进行灰关联分析，找出影响滞留率的强关联因子、次强关联因子以及弱关联因子[1]。
二、滞留率的变化趋势分析与周期变化
（一）滞留率的总体概况
1999年秋季—2008年秋季远程开放教育共招生13万余人，毕业生人数10万余人，退学人数1万余人。如图1所示，1999年秋季—2008年秋季的学生总数、毕业生数、退学学生数整体呈曲折变化趋势。学生总数、毕业生数、退学学生数在2003年秋季达到最高值，此届招生总数为13,861人，占1999年秋季—2008年秋季学生总数的10.66%；毕业生数为11,074人，占毕业生总数的10.6%。从整个变化趋势来看，每年秋季招生规模要远高于春季，在2005年秋季以前这种变化趋势非常明显，2006年春季以后，变化趋势渐缓，招生总人数趋于稳定，固定在8,000人左右。
表1显示，开放教育学生的滞留率比较稳定，变化趋势不明显，滞留率维持在0.1以下。滞留率最高的是1999年秋季入学的学生，滞留率为0.09；滞留率最低的是2002年春季入学的学生，滞留率为0.02。第一个毕业年的伪滞留率整体呈下降趋势，1999年秋季学生的伪滞留率达到最低点，为0.28。从2002年春季开始，第一个毕业年的伪滞留率呈逐年下降趋势，2006年秋季下降幅度最大，下降了27个百分点。出现这种现象的原因主要有：第一，2006年秋季之后，教育部有关规定要求，成人学习最短毕业年限为2.5年（5学期），故学生的第一个毕业年均在第5个学期，学习时间变长，学生有更多的时间来学习知识，获得课程学分；第二，2007年开放教育由试点转为常规，教学模式趋于稳定，教学质量也得到了大幅度的提升。
2006年之前，天津电大为了支持学生个性化学习，在其它各项条件合格的情况下，允许学生1年半（3个学期）毕业。如2003年春季，为了提高检察院工作人员的整体能力，天津电大和检察院进行合作，设立了法学（检察方向）专业，学生在学习1年半（3个学期）之后，各项考试合格，就允许其毕业并为其颁发毕业证书。
表1显示了第一个毕业年的伪滞留率和最后一个毕业年的滞留率，图2显示了各级学生不同学期的滞留率，整体呈不同程度的下降趋势。第3学期至第期下降趋势明显，平均降幅达到14%；从第期开始，下降趋势渐趋平缓，滞留率基本维持在0.1以下。学生在经过9个学期的学习之后，逐渐达到教学计划规定的要求，完成学习任务，顺利拿到毕业证，致使滞留率降低。
（二）滞留率的周期变化
把开放教育的滞留率划分为三个周期，第一个周期为3至6学期，第二个周期为7至期，第三个学期为10至16学期。周期划分依据为：一般情况下3至6学期属于学生的第一个毕业年所在学期，如表1所示；7至期开放教育的滞留率还处在剧烈的变化之中，如图2所示；进入第期之后，滞留率渐趋稳定，变化较小。
第一周期处于第一个毕业年，滞留率相对较高，平均滞留率为0.49，如表1所示；第二周期，学生在继续学习了4个学期之后，毕业人数明显上升，平均滞留率降至0.13，两年时间下降了37个百分点；第三周期，滞留率相对稳定，平均滞留率为0.06，和最后一个毕业年的滞留率基本吻合。
远程开放教育具个性化学习的特征，学习者需要自我组织、自主制订学习计划并按计划学习。在第一周期，学生由于不适应远程开放教育学习模式，再加上学习者多是有职业的人，时间相对不宽裕，导致第一周期的滞留率较高，约有50%的学生不能按期毕业[2]。第一周期的退学率也相对较高，约占退学学生总数的95%。第二周期，随着学校支持服务功能的加强以及学生自主学习能力的加强，滞留率大幅度下降。最后一个周期，随着学习年份的增多，滞留的这部分学生自信心下降，学习积极性下降，毕业学生明显减少，滞留率变化幅度较小。
三、多视点的滞留率变化趋势
分析与差异比较
（一）不同层次的滞留率变化趋势与差异比较
1. 本、专科滞留率的变化趋势
2002年春季之前入学的本科学生，滞留率呈逐年下降趋势（见图3），下降幅度较大，说明开放教育的质量不断提升，毕业人数显著增多，天津电大远程开放教育逐步探索出属于自己的教育模式。2002年春季的滞留率达到历史最低点，仅0.01。2002年秋季—2006年春季的滞留率渐趋稳定，没有大的波动，均在0.06以下。其中，滞留率最高的两届学生是2005年春季和2005年秋季，为0.06。2006年春季之后的本科学生滞留率上升速度加快，主要原因是2006年春季之后的学生还没有超过八年的学籍有效期，仍有一部分学生会在今后几年拿到毕业证书，目前属于伪滞留阶段。
2000年秋季入学的学生滞留水平明显低于1999年秋季学生滞留水平，下降幅度较大。2001年春季—2007年春季学生的滞留率趋于稳定，2002年春季学生的滞留率水平达到专科滞留率的最低点，为0.03。2007年春季之后的专科滞留率和本科滞留率相类似，出现逐渐上升的趋势，同是出于学籍8年有效期的原因，目前属于伪滞留阶段。
从图3的变化曲线来看，开放教育的专科滞留率要略高于本科滞留率、总体滞留率，变化也相对比较剧烈，平均高出总体滞留率3个百分点。
2. 本、专科滞留率的差异比较
由表2可知，本科滞留率的均值为0.0721，专科滞留率的均值为0.1089。经t检验，本科滞留率和专科滞留率之间存在显著差异，t统计值为7.655（P
（二）不同地区滞留率的变化趋势与差异分析
1.市区和郊县滞留率的整体变化趋势
市区的总体滞留率偏高，平均滞留率为0.12，高于总体滞留率和郊县滞留率的水平。从图4的变化曲线来看，市区滞留率的变化曲线高于郊县滞留率和总体滞留率的变化曲线，整体呈上升趋势。郊县滞留率则相对平稳，2006年秋季以前的学生滞留率基本维持在0.05以下。从整体来看，市区的滞留率高于总体滞留率，总体滞留率高于郊县滞留率，郊县滞留率处于较低水平。2002年春季学生的滞留率降至最低点，滞留率为0。
2.市区、郊县滞留率的差异比较
市区滞留率的均值为0.1221，郊县滞留率的均值为0.0468（见表3）。经t检验，市区滞留率和郊县滞留率之间存在显著差异，t统计值为7.11，p值为0.00（p
（三）不同专业滞留率的变化趋势及差异比较
目前，天津广播电视大学开设的专业有40余种，本文选取三个具有代表性且招生人数较多的专业进行分析研究。会计学专业总人数25,549人，约占1999年秋季—2008年秋季总人数的20%；法学专业总人数16,673人，约占1999年秋季—2008年秋季总人数的12%；计算机科学与技术专业总人数较少，2,000余人，但它是理科专业中招生年数较多的一个具有代表性的专业。
1. 会计学、法学、计算机科学与技术滞留率的变化趋势
从图5中可以看出，会计学、法学、计算机科学与技术专业滞留率的变化曲线起伏较大。会计学的滞留率较为稳定，起伏较小，法学、计算机科学与技术的波动幅度较大，且变化无规律，滞留率也相应高于会计学的滞留率。滞留率最低的是2001年秋季和2002年春季法学专业，滞留率为0.01。滞留率最高的是2007年秋季和2008年秋季的计算机科学与技术专业，达到0.3。
2. 专业间滞留率的差异比较
如表4，经过t检验，会计学滞留率和法学滞留率的t检验值为2.1，p值为0.053（p>0.05），会计学滞留率和法学滞留率之间并不存在显著差异。会计学滞留率和计算机科学与技术滞留率的t检验值为3.494，p值为0.004（p
四、滞留率与相关因子的灰关联分析
由于前述的各项滞留率是对同一批次的数据进行的分类统计，无法用多元回归分析来比较学历层次、地区、专业对滞留率影响力的大小。借鉴统计分析方法——灰关联分析对影响滞留率的各项因子进行分析，以找出影响滞留率的强关联因子、次强关联因子以及弱关联因子。
（一）指标分类
将天津电大远程开放教育2002年—2008年13批次入学学生总体滞留率作为参考序列，各批次本科滞留率、专科滞留率、郊县滞留率、市区滞留率、会计学滞留率、法学滞留率、计算机科学与技术滞留率作为比较因素序列，借助灰色系统理论分析两组序列间的关联性，以进一步探索天津电大远程教育总体滞留率的影响因素。
参考序列：
X0(k),k=1,……,13
比较因素序列：
Xi(k),i=1,……,7,k=1,……,13
（二）数据标准化
将各批次数据除以初始批次数据进行数据标准化，得到其倍数数列即为初值化数列，转化数列具有可比较性, 可以将问题转向对原始数据列中各因素增长倍数进行分析对比。
（三）计算关联系数
将标准化后的总体滞留率作为母序列y0(k)，将标准化后的各滞留率作为关联序列，分别计算各组关联序列与母序列间的关联系数L0i(k)=■，其中0i(k)=y0(k)-yi(k)；min和max分别代表所有比较序列各个时刻绝对差中的最大值与最小值；?籽是灰关联系数的分辨系数，其意义是削弱最大绝对差数值太大引起的失真，提高关联系数之间的差异显著性，经验数据?籽一般取值0.5[4]。
（四）计算关联度
关联度：
r0i=■■L0i(k)
关联度描述了系统发展过程中因素间相对影响程度的大小，N为期间数量，关联度等于不同期间关联系数的加权平均值。
关联度数值反映了各因子序列对总体滞留率影响力的大小，通过关联度数值，我们可以找出影响总体滞留率的强关联因子、次强关联因子以及弱关联因子，并以此作为降低开放教育滞留率的切入点，揭示滞留规律，对强关联因子加强研究、关注，有针对性地提出对策。
表7显示，在影响滞留率的各项因子中，本科滞留率为最强关联因子，对总体滞留率的变化影响力最大。其次为专科滞留率。不同专业的滞留率对总体滞留率变化的影响力各不相同，影响力最大的为会计学滞留率，在以后的教学活动中，应加强对会计学教学水平的关注。在本次研究中，对总体滞留率影响力最低的为市区滞留率和郊县滞留率，说明地区滞留率这个相关因子对总体滞留率影响不大，在哪个地区上学并不会影响到毕业学生的质量及数量。
五、主要结论与思考
（一）主要结论
通过对总体滞留率的整体变化趋势分析以及周期比较分析，并对不同层次、地区、专业的滞留率变化趋势分析以及差异比较，我们得出了初步的结论，更深层次的研究成果需要我们继续挖掘[5]。
——滞留率整体呈下降趋势。从表1可以看出，无论是伪滞留率还是滞留率都呈逐年下降趋势，学生的第一个毕业年所在学期也渐趋稳定，一般维持在第7学期。实践证明，学生经过7个学期的学习是比较合理的，此时第一个毕业年的伪滞留率相对较低。
——第二周期的滞留率下降速度较快。若将滞留率划分为三个流动周期，则滞留率在第二周期下降最快，下降速度为37个百分点。此时，学生通过前期的学习已经有了一定的基础，对学习还充满兴趣，并没有失去信心，仍有充足的动力去完成学业，加之教师的正确引导，本周期是降低滞留率、提高毕业率的最佳时期。进入第三周期，滞留率变化趋势不明显，滞留率基本稳定，没有很大的改进空间。
——专科滞留率高于本科滞留率。通过t检验显示，本科滞留率和专科滞留率有显著差异，专科的滞留率明显高于本科滞留率。本科学生在经过了前期的专科学习之后，有一定的学习基础，学习自律性也相对较高，因此，滞留率低于专科滞留率。
——市区滞留率高于郊县滞留率。通过t检验显示，市区滞留率和郊县滞留率有显著差异，市区的滞留率高于郊县的滞留率。这就打破了一些传统的观念。在传统上，一般情况下市区的教育质量高于郊县教育质量，滞留生也会相对较少。天津广播电视大学采用远程开放教育方式，真正达到了资源共享，郊县的学生也可以享有优质的教学资源，从而提高了教育质量，滞留率出现了低于市区的情况。
——专业间滞留率的比较。专业滞留率相对分层次滞留率和分地区滞留率来说，变化幅度较大，稳定性相对较低。计算机科学与技术作为理工科代表专业，滞留率高于法学和会计学，变化曲线起伏较大。开放教育的学生多是基础较差的学生，理工类课程的学习需要学生具备较高的学习能力和自主性，因此，开放教育理工类学生的滞留率相对较高。
——灰关联结果分析。以本科滞留率、专科滞留率、市区滞留率、郊县滞留率、法学滞留率、会计学滞留率、计算机科学与技术滞留率为相关因子，通过灰关联分析，可揭示各项因子对总体滞留率影响力的大小。通过分析，本科滞留率为最强关联因子，其次是专科滞留率、会计学滞留率、法学滞留率。在开放教育中，应加强对本科学生的关注，进一步提高本科教学质量。在专业方面，加强对会计学等学科的投入，加大专业建设力度，提升课程建设水平。
（二）对策思考
对策一，建立导学机制，加大支持服务力度。
研究发现，在三个流动周期中，处于第二周期的学生上升空间最大。因此，可建立有效的导学机制，及早发现处于第二周期的学生的学习困难，提供相应的支持服务，使这部分伪滞留生顺利毕业。
建立有效的导学机制，要从以下两方面出发。首先，进行深入细致的思想教育，端正学生的学习动机，强化他们的学习意志，激发学习热情，使他们保持良好的学习状态。其次，提高面授辅导质量。面授辅导在整个学习过程中起着答疑、解惑的作用，是开放教学中不可缺少的一环[6]。为处于第二周期的伪滞留生聘请高质量的面授辅导教师，制定适合他们的特色学习计划，发现他们学习中的不足，提高课堂的趣味性，使学生积极投入到学习过程中。同时，在条件允许的情况下，为学生增加面授课程次数，增加学生和教师直接接触的机会。
对策二，加大对本科教育的投入。
对影响总体滞留率的相关因子进行分析后得出结论，最强关联因子为本科。因此，降低滞留率，需要加大对本科教育的投入，提高本科教育的教学水平。天津电大的远程开放教育模式需要学生具有一定的学习主动性，这就需要学生有一定的独立学习能力。而本科生在完成了专科学习之后，具有了一定的学习基础，良好的学习习惯也逐渐形成，更适合于这种远程教育模式。学校应加强对本科师资力量、教学设备的投入，切实加强媒体建设，提高视听、文字教材质量，为本科生的学习创造良好的环境。
对策三，为学生提供个性化服务。
信息社会的快速发展，使得远程教育的教学媒体向着多样化发展，准确、及时地向学生传递学习信息，使学生不断完善个人的知识体系，建立自己的学习模式尤为重要。学校应不断更新资源库，为学生提供多样化学习资源，满足学生的个性化发展需求。
秋季值周总结范文第3篇
关键词:杜洛克猪;繁殖性状;遗传参数;非遗传因素;胎次;季节
生猪遗传参数估计作为现代育种改良的第一步，对估计种畜育种值及制订合适、高效的育种计划具有关键指导意义。总产仔数、产活仔数、出生窝重等繁殖性状决定着养猪业的生产效益，而育种工作中影响繁殖性状的因素包含遗传与非遗传两大方面，尽管遗传因素对繁殖性状起决定性作用，但越来越多的研究结果表明，母猪分娩胎次等非遗传因素对母猪繁殖性能的影响同样存在着不可忽视的作用。由于非遗传因素受管理水平、猪舍地理位置及环境条件等影响，因此对于某个具体的育种场，充分分析非遗传因素对母猪繁殖性能的影响，能够为提升母猪繁殖性能、提高猪场生产效益提供更好的参考意见［1］。本研究以杜洛克母猪繁殖性状为研究对象，分析相关影响因素，估计各繁殖性状的遗传参数，同时关注并分析杜洛克母猪分娩季节及分娩胎次对繁殖性状的影响，旨在为分析杜洛克母猪繁育遗传进展、及时调整育种和生产方案提供理论依据。
1材料与方法
1.1数据来源
本研究选取陕西省某核心育种场2009—2020年间2134窝杜洛克母猪繁殖性状记录，具体包括母猪个体号、胎次、总产仔数、产活仔数、健仔数、初生窝重、死胎数、死仔数、木乃伊数、畸形仔数、弱仔（＜0.8kg）数、妊娠周期。
1.2数据整理
原始母猪繁殖记录保存于Excel文件中，使用R软件读取数据后剔除各条件下出现数量缺失的记录。同时依据拉伊达准则剔除各记录中在“平均值±3倍标准差”范围外的异常值及缺失值。
1.3固定效应划分及数据分析
将分娩季节分为4个水平，即春季、夏季、秋季和冬季；将胎次效应分为6个水平，即1胎次、2胎次、3胎次、4胎次、5胎次、6胎次及以上。应用DMU软件估计各繁殖性状的方差组分；通过R软件的aov函数对分娩季节和胎次进行多因素方差分析，同时运用Duncan’s法进行多重比较。
1.4统计模型
1.4．1方差组分模型
采用DMU软件运用多性状重复力模型对繁殖性状进行方差组分估计，具体模型［2］见式（1）：Y＝Xb＋Z1a＋Z2pe＋e（1）式（1）中：Y为性状的表型值向量；X、Z1、Z2为相应的结构矩阵；b为固定效应向量，包括分娩季节、胎次效应；a为个体的加性效应向量；pe为永久环境效应向量；e为随机残差效应向量。
1.4.2固定效应分析模型
应用R软件的aov函数对分娩季节、胎次两个固定效应进行多因素方差分析及显著性检验，以验证分娩胎次、季节对繁殖性状的影响，具体模型［2］见式（2）：Yijkl＝μ＋sj＋pk＋eijkl（2）式（2）中：Yijkl为母猪繁殖性状表型值；μ为群体平均值；sj为季节效应；pk为胎次效应；eijkl为随机残差效应。
2结果与分析
2.1数据整理
结果见表1。由表1可知：各繁殖性状数据量在2057～2099条之间，可用于后续杜洛克母猪遗传参数估计与固定效应的分析。
2.2杜洛克猪繁殖性状方差组分及遗传力估计
结果见表2。由表2可知：杜洛克猪繁殖性状中母猪妊娠周期遗传力为0.10，属于中等遗传力性状；其余繁殖性状遗传力均在0.01～0.05之间，属于低遗传力性状。
2.3杜洛克猪繁殖性状间表型与遗传相关的统计
结果见表3。由表3可知：总产仔数与产活仔数、健仔数、弱仔数，产活仔数与健仔数、弱仔数的表型相关性较高，分别达到0.2739，0.2732，0.3517及0.3547，0.3947。各繁殖性状间达到0.9000以上遗传正相关的性状包含总产仔数与弱仔数，产活仔数与健仔数、弱仔数，弱仔数与初生窝重；而总产仔数与死胎数、死仔数，产活仔数与死胎数、死仔数，健仔数与弱仔数，死胎数与弱仔数、初生窝重，死仔数与弱仔数、初生窝重均达到0.9000以上的遗传负相关；妊娠周期与除死胎数外的其他繁殖性状均表现为遗传负相关。
2.4非遗传因素对杜洛克猪繁殖性状影响的方差分析
结果见表4。由表4可知：分娩胎次对杜洛克猪的总产仔数、产活仔数、健仔数、初生窝重和妊娠周期的影响达到极显著水平（P＜0.01），对弱仔数的影响达到显著水平（P＜0.05）；而季节仅对死胎数、死仔数和妊娠周期3个性状具有极显著影响（P＜0.01）。
2.5分娩季节对杜洛克猪繁殖性状的影响
结果见表5。由表5可知：冬季损失的仔猪数最少，死仔数和死胎数显著低于春季、夏季、秋季（P＜0.05），而春季、夏季、秋季的死仔数和死胎数差异不显著（P＞0.05），春季总产仔数、产活仔数、健仔数和初生窝重显著高于夏季、秋季、冬季（P＜0.05）；冬季妊娠周期显著长于春季、夏季、秋季（P＜0.05），而夏季和秋季最短。
2.6分娩胎次对杜洛克猪繁殖性状的影响
结果见表6。由表6可知：杜洛克猪产木乃伊数、死胎数、死仔数、畸形仔数受胎次的影响均不显著（P＞0.05），2～6胎次及以上的总产仔数、产活仔数、健仔数、初生窝重均显著高于1胎次（P＜0.05），且总产仔数在3胎次时最高；随着胎次的增加，死胎数、死仔数和弱仔数均在2胎次时最低；此外，3胎次的妊娠周期最长，且显著高于2胎次和4～6胎次及以上（P＜0.05）。
3讨论
3.1杜洛克猪繁殖性状遗传参数估计
本研究中，杜洛克猪繁殖性状的遗传力在0.01～0.10之间。M．Alam等［3］运用AIREMLF90软件包对31603条杜洛克母猪繁殖性状数据的遗传力进行估计，得出总产仔数与产活仔数的遗传力在0.07～0.14之间；张锁宇等［4］采用动物模型分析了2006—2012年间的11688条杜洛克母猪繁殖性状数据，得出该原种猪场杜洛克母猪总产仔数、产活仔数、断奶仔猪数的遗传力的估计值分别为0.07，0.07，0.06；而J．Arango等［5］对收集到的5万头母猪的10万条繁殖性状和生长性能数据进行分析，得出死胎数和产活仔数的遗传力均为0.09，产活仔数与死胎数呈遗传负相关。本研究中，杜洛克猪多个繁殖性状的遗传力估计水平均低于国内外水平，普遍为低遗传力性状，遗传改良速度和效率也相对较慢，因此针对不同遗传背景的群体，将性能测定方法、估计模型所假设的固定效应等多方面影响因素综合纳入遗传力估计中以指导繁殖性状的育种改良。由于不同猪繁殖性状间存在不同程度的相互影响，因此分析不同繁殖性状之间的遗传相关性有助于制订最优的育种方案，进一步指导生产实践［6］。ZhangS．等［7］研究发现，杜洛克猪总产仔数和产活仔数之间的遗传相关性高达0.94。J．F．Schneider等［8］研究发现，杜洛克猪总产仔数与活仔数性状间的遗传相关性可达到0.97。本研究中，杜洛克猪繁殖性状中总产仔数与产活仔数的遗传相关性为0.4199，而健仔数与总产仔数、产活仔数及初生窝重的遗传相关性分别为0.8600，0.9545，0.7533，与上述研究结果存在一定差距，尤其总产仔数与产活仔数的遗传相关性远低于ZhangS．等［7］和J．F．Scheider等［8］的研究结果，说明对本研究中杜洛克母猪群体总产仔数改良的同时提升产活仔数性状的效果不明显。本研究中，杜洛克猪群平均妊娠周期为116.34d，除与死胎数呈弱遗传正相关（0.3936）外，与其他繁殖性状间均呈遗传负相关。L．Canario等［9］研究发现，妊娠周期达115d及以上时，由于子宫容量有限，子宫内胚胎数越多越容易发生死胎，因此该阶段母猪总产仔数、产活仔数、健仔数均降低，同时死仔数与死胎数增加。此外，Y．Sasaki等［10］研究发现，妊娠周期过短（≤113d）所引起的胎儿发育不完全也是引起死仔数、死胎数、弱仔数升高的原因。由于妊娠周期变异性较小，因此准确预估母猪妊娠周期，在适宜阶段诱使母猪分娩，避免因妊娠周期过长或过短带来的繁殖性能缺陷，对提升群体繁殖性能具有实践意义。
3.2非遗传因素对杜洛克猪繁殖性状的影响
分娩季节对繁殖性状的影响主要是由环境温度变化使母猪发生热应激所引起的。处于不同地理区域的核心场配种季节与分娩季节对母猪繁殖性状的影响程度尚无一致的结论。赵尚尚等［11］研究了新疆地区某猪场母猪不同分娩季节的繁殖性状，结果表明，春季母猪的总产仔数和健仔数最大且均高于秋季和冬季，夏季的初生窝重最大且均高于秋季和冬季，秋季母猪的产死胎数最多。本研究中，杜洛克猪在春季、夏季的总产仔数高于其他两季，但在健仔数上是冬季、春季高于夏季和秋季。在秋季和冬季，公猪精液品质高，妊娠期母猪因高温引起的应激情况减少，这些因素可能是造成杜洛克猪冬季、春季分娩生产的健仔数较高的主要原因［12－13］。因此，生产中适当增加秋季、冬季母猪配种次数，提高冬季和春季分娩数，将有助于育种过程中健仔数性状的提高。关于胎次对繁殖性状影响的各研究结果大体相同：随着分娩胎次的增加，母猪繁殖性能出现先上升后下降的趋势［14］。本研究中，杜洛克猪3胎次和4胎次总产仔数、产活仔数、初生窝重均处于较高水平。因此，及时淘汰产龄过大母猪，充分发挥经产2胎或3胎母猪繁殖潜能，可有效提高杜洛克猪的育种效果。
4结论
本研究结果表明，杜洛克猪妊娠周期的遗传力为0.10，属中等遗传力性状，其他繁殖性状的遗传力均在0.01～0.05之间，属于低遗传力性状；妊娠周期略长（116.34d），并与除死胎数外的其他繁殖性状均表现为遗传负相关。随着育种工作的推进，该核心育种场的杜洛克母猪群体产活仔数、健仔数均得到显著提升；经产2胎或3胎母猪繁殖性能达到最佳并在冬季、春季分娩健仔数较高。因此，在育种规划及生产中应注意妊娠周期及分娩季节的选择与规划。充分发挥经产2胎或3胎母猪的繁殖潜能，增加冬季、春季分娩母猪数量，可有效提升杜洛克母猪的繁殖性能，加快育种进程。
参考文献：
［1］沈君叶，俞英，王茜，等．母猪繁殖力性状影响因素分析及遗传参数估计［J］．遗传，2012，34（5）：591－596．
［2］张蕾，王鹏飞，孙敬春，等．长白猪繁殖性状的遗传参数估计［J］．中国畜牧杂志，2021，57（S1）：89－91．
［3］ALAMM，CHANGHK，LEESS，etal．GeneticanalysisofmajorproductionandreproductiontraitsofKoreanDuroc，LandraceandYorkshirepigs［J］．Animals，2021，11（5）：1321．
［4］张锁宇，邱小田，丁向东，等．利用关联组估计中国大白、长白及杜洛克猪繁殖性状的遗传参数［J］．畜牧兽医学报，2016，47（03）：429－438．
［5］ARANGOJ，MISZTALI，TSURUTAS，etal．Threshold－linearestimationofgeneticparametersforfarrowingmortality，littersize，andtestperformanceofLargeWhitesows［J］．JAnimSci，2005，83（3）：499－506．
［6］SERENIUST，SEVON－AIMONENML，KAUSEA，etal．Geneticassociationsofprolificacywithperformance，carcass，meatquality，andlegconformationtraitsintheFinnishLandraceandLargeWhitepigpopulations［J］．JAnimSci，2004，82（8）：2301－2306．
［7］ZHANGS，ZHANGJ，OLASEGEBS，etal．Estimationofgeneticpa⁃rametersforreproductivetraitsinconnectednessgroupsofDuroc，LandraceandYorkshirepigsinChina［J］．JAnimBreedGenet，2020，137（2）：211－222．
［8］SCHNEIDERJF，REMPELLA，ROHRERGA，etal．Geneticparameterestimatesamongscaleactivityscoreandfarrowingdispositionwithreproductivetraitsinswine［J］．JAnimSci，2011，89（11）：3514－3521．
［9］CANARIOL，CANTONIE，LEBIHANE，etal．Between－breedva⁃riabilityofstillbirthanditsrelationshipwithsowandpigletcharacte⁃ristics［J］．JAnimSci，2006，84（12）：3185－3196．
［10］SASAKIY，KOKETSUY．Variabilityandrepeatabilityingestationlengthrelatedtolitterperformanceinfemalepigsoncommercialfarms［J］．Theriogenology，2007，68（2）：123－127．
［11］赵尚尚，赵茜，赵国栋，等．胎次和分娩季节对新疆某场不同杂交模式母猪繁殖性能的影响［J］．中国畜牧杂志，2022，58（3）：195－198．
［12］阳文攀，曾学俊，陈梦会，等．不同品种、月份、月龄及采精间隔对猪精液品质的影响［J］．中国畜牧兽医，2021，48（7）：2467－2474．
［13］杨颖姿，陈辉，陈斌．影响巴克夏母猪繁殖性能的非遗传因素分析［J］．养猪，2018（5）：36－40．
秋季值周总结范文第4篇
关键词 PM2.5；浓度；变化特征；浙江云和
中图分类号 X831 文献标识码 A 文章编号 1007-5739（2016）03-0285-02
Abstract Using PM2.5 hourly data of Yunhe Environmental Protection Bureau environmental monitoring sites between January 2014 and June 2015，characteristics of PM2.5 concentrations of climate distribution was explored. The result showed that：the concentration of PM2.5 by hours daily change curve was unimodal distribution，peak appeared in 7：00 to 9：00 AM（Beijing time）；the high level of PM2.5 concentrations on the Spring Festival and other major holidays were closely related to human activities，such as fireworks；PM2.5 average concentration monthly distribution reached the maximum density in winter，then reduced，reached the lowest level during July to September，and then began to increase in autumn，reached the maximum in the next winter. PM2.5 daily average concentration changed about 12-day cycle in autumn and winter；variation of PM2.5 daily average concentration in winter was greater than in the other seasons.
Key words PM2.5；concentration；change characteristics；Yunhe Zhejiang
PM2.5指环境空气中空气动力学当量直径≤2.5 μm的颗粒物。2013年2月，全国科学技术名词审定委员会将PM2.5的中文名称命名为细颗粒物。虽然PM2.5只是地球大气成分中含量很少的组分，但与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质（例如重金属、微生物等），且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。细颗粒物浓度上升与心脑血管疾病和呼吸道疾病的发生率、死亡率关系密切[1-2]，也是诱发肿瘤等恶性疾病的重要起因[3]。本文拟通过分析云和县城区的PM2.5变化特征，以期为大气污染治理提供一定的参考。
1 数据来源
本文所采用的云和县城区PM2.5数据由云和县环保局提供，时间跨度为2014年1月1日至2015年6月30日。定义3―5月为春季、6―8月为夏季、9―11月为秋季以及12月至翌年2月为冬季。
2 结果与分析
2.1 PM2.5逐时浓度分布特征
对春季、夏季、秋季和冬季以及全年逐时PM2.5浓度进行平均，分别得出各季和全年PM2.5浓度24 h变化的平均情况（图1）。从全年看，PM2.5浓度逐时变化在各季都呈现单峰分布，在21：00至翌日6：00基本不变，最明显的波动出现在6：00―12：00，波峰出现在7：00―9：00间。14：00左右PM2.5浓度出现波谷，此后浓度略有上升。
春季，PM2.5峰值出现在8：00并迅速减小，在20：00又有较明显上升。夏季峰值出现在7：00，24 h内波动较小，PM2.5浓度维持在0.02～0.03 mg/m3，为全年最低。秋季峰值出现在8：00，在14：00达到全天最低点并在18：00有所回升。冬季峰值出现在9：00，浓度维持在0.04～0.08 mg/m3之间且峰值突出，24 h内波动明显，24 h内浓度均为全年最高。
挑选出2014年节假日的PM2.5数据进行单独研究，发现法定节假日和周末及周一、周五PM2.5的浓度值较大。其中，1月31日春节的PM2.5浓度值异常偏大，最大值达到1.58 mg/m3，远远超过其他节假日的浓度。通过研究1月31日PM2.5的逐时数据得知，从1月30日23：00开始PM2.5浓度值突然增大，持续偏高，在早上10：00达到最大值，尤其是31日上午9：00―11：00 PM2.5浓度持续在1.0～1.6 mg/m3，空气质量极差与人们过节燃放烟花爆竹有关。
对比2015年春节，可以发现2015年春节PM2.5极值明显降低，2月19日（2015年春节）PM2.5极值达到0.17 mg/m3，明显比2014年春节偏低，同样从前一天23：00开始PM2.5突然增大但仅在0：00达到极大值0.17mg/m3并未持续上升达到新的最大值，这与政府出台减少燃放烟花爆竹的政策和人们日益增强的环保意识有关。
2.2 PM2.5日平均浓度特征
统计2014年各月PM2.5日平均浓度（表1）可知，2014年云和县PM2.5污染总体较轻，日平均浓度超过国家二级标准[3]即0.075 mg/m3的天数为16 d，仅占全年总天数的4.3%，空气质量与银川等空气质量优良城市相近[4-5]，全年中空气质量较好。
各月中PM2.5浓度值超过0.035 mg/m3的天数存在明显差异，1月和12月较多而其他月份相对较少，在7―9月达到最少值，说明这些月份PM2.5污染较小、空气质量最好。
为更准确地考察PM2.5浓度的变化规律，对各季节PM2.5日平均浓度进行分析进而研究其变化趋势（图2）。PM2.5日平均浓度随时间呈现明显的波峰、波谷变化，并且随季节的变化PM2.5浓度变化表现出明显的差异。
春季，云和地区PM2.5日平均浓度大部分均在国家二级标准线以下，PM2.5日平均浓度值在春季的变化趋势不明显。夏季，PM2.5日平均浓度较春季有下降，整个夏季都在0.06 mg/m3以下，且夏季PM2.5日平均浓度值有明显的减少趋势，并在后期出现达到国家一级标准的情况。秋季，PM2.5日平均浓度值前期和后期差距明显，9月的浓度值均在国家一级标准内，空气质量好；后期，其浓度值增加迅速，但均在国家二级标准范围内。冬季，PM2.5浓度值总体较高且具有较夏季更明显的减少趋势。可见，PM2.5日平均浓度在冬季的值和变化幅度要高于其他季节，冬季更易出现雾霾天气。
对2014年全年PM2.5日平均浓度进行小波分析以期找到其变化周期（图3），发现1―3月的PM2.5浓度变化存在着较明显的12 d左右的变化周期，且在1―2月该周期表现较明显。除了12 d的明显周期外，PM2.5日平均浓度变化还存在25 d左右的变化周期，同样该周期在1―2月表现较3月明显。
2.3 PM2.5月平均浓度特征
对云和地区各月PM2.5浓度值进行分析，可以发现其呈峰谷分布，且随季节的变化其浓度值也有明显变化。从2014年的各月平均情况看，PM2.5月平均浓度值最高出现在冬季，具体表现为1月的浓度值较高，而在2月有明显降低。春季PM2.5浓度值先小幅上升再下降，夏季PM2.5浓度值再次降低并在夏季中后期维持相对较低水平，秋季PM2.5浓度持续上升。2015年1―6月PM2.5浓度变化与2014年同期相似，冬季浓度较高而春夏季浓度减小。不同的是2015年冬季PM2.5浓度值较2014年同期稳定，变化变缓且幅度减小，且2―3月之间浓度继续减小，浓度减小时期延长。春季PM2.5浓度值较同期增大变化幅度增加。进入夏季PM2.5浓度迅速减小，变化幅度较前一年同期增大。
3 结论与讨论
PM2.5逐小时浓度呈现单峰分布，峰值出现在北京时间7：00―9：00。春节等特大节假日PM2.5浓度值与燃放烟花爆竹等人为活动关系密切。云和县PM2.5污染总体较轻，全年空气质量较好。PM2.5日平均浓度和变化幅度冬季明显大于其他季节，且存在12 d左右的变化周期。PM2.5月平均浓度呈现波峰波谷分布，夏季降至最低，冬季达到最高点。
4 参考文献
[1] 王园园，周连，陈晓东，等.灰霾对人体健康影响研究进展[J].江苏预防医学，2012，23（4）：37-39.
[2] 杜金花，张宜升，何凌燕，等.深圳某地区大气PM2.5中重金属的污染特征及健康风险评价[J].环境与健康杂志，2012，29（9）：838-840.
[3] 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.环境空气质量标准：GB3095-2012[S].北京：中国标准出版社，2016.
秋季值周总结范文第5篇
一、数据、指标及计量方法的选择
（一）滞留率概念界定
远程开放教育学籍8年（16个学期）有效。在学分制背景条件和个性化学习需求下，学生最短3个学期可以修完学分，取得毕业证书。所谓滞留生，即超过学籍有效期仍没有毕业的学生。伪滞留生，我们定义为第4学期至第16学期在籍的学生，这部分学生虽然超过了最短学习年限但在学籍有效期内仍具备学习与毕业的资格。滞留率，即滞留生的人数在注册学生总人数中的比例，本文研究的滞留生范围包括伪滞留生、滞留生。滞留率=滞留生÷注册学生总数
（二）数据资料的分析与处理
1.样本数据来源
利用天津广播电视大学远程开放教育教务管理系统平台，提取2011年8月前的1999年秋季—2008年秋季18届学生的相关数据，主要包括：注册学生数、毕业人数、退学人数、专业以及地区等。
2.滞留率指标
滞留率与伪滞留率，因为2009年春季-2011年春季入学的学生无毕业生，故本文中的滞留率共涉及1999年秋季—2008年秋季18个届别的学生。不同专业的滞留率：共选取了三个具有代表性的专业，会计学、法学、计算机科学与技术。法学作为文法类专业的代表，计算机科学与技术作为理工类专业的代表，会计学属于综合性学科，招生时文理皆可。不同地区的滞留率：市区的滞留率，主要涉及总校本部五个直属学院以及市区的其他分校，共选取13个；郊县的滞留率，涉及郊区及县内的部分分校，共选取9个。
（三）计量方法
基于SPSS16.0对分层次滞留率、分地区滞留率、分专业滞留率进行t检验，进行差异比较。基于Excel对总体滞留率和影响滞留率的各相关因子进行灰关联分析，找出影响滞留率的强关联因子、次强关联因子以及弱关联因子[1]。
二、滞留率的变化趋势分析与周期变化
（一）滞留率的总体概况
1999年秋季—2008年秋季远程开放教育共招生13万余人，毕业生人数10万余人，退学人数1万余人。如图1所示，1999年秋季—2008年秋季的学生总数、毕业生数、退学学生数整体呈曲折变化趋势。学生总数、毕业生数、退学学生数在2003年秋季达到最高值，此届招生总数为13,861人，占1999年秋季—2008年秋季学生总数的10.66%；毕业生数为11,074人，占毕业生总数的10.6%。从整个变化趋势来看，每年秋季招生规模要远高于春季，在2005年秋季以前这种变化趋势非常明显，2006年春季以后，变化趋势渐缓，招生总人数趋于稳定，固定在8,000人左右。表1显示，开放教育学生的滞留率比较稳定，变化趋势不明显，滞留率维持在0.1以下。滞留率最高的是1999年秋季入学的学生，滞留率为0.09；滞留率最低的是2002年春季入学的学生，滞留率为0.02。第一个毕业年的伪滞留率整体呈下降趋势，1999年秋季学生的伪滞留率达到最低点，为0.28。从2002年春季开始，第一个毕业年的伪滞留率呈逐年下降趋势，2006年秋季下降幅度最大，下降了27个百分点。出现这种现象的原因主要有：第一，2006年秋季之后，教育部有关规定要求，成人学习最短毕业年限为2.5年（5学期），故学生的第一个毕业年均在第5个学期，学习时间变长，学生有更多的时间来学习知识，获得课程学分；第二，2007年开放教育由试点转为常规，教学模式趋于稳定，教学质量也得到了大幅度的提升。2006年之前，天津电大为了支持学生个性化学习，在其它各项条件合格的情况下，允许学生1年半（3个学期）毕业。如2003年春季，为了提高检察院工作人员的整体能力，天津电大和检察院进行合作，设立了法学（检察方向）专业，学生在学习1年半（3个学期）之后，各项考试合格，就允许其毕业并为其颁发毕业证书。表1显示了第一个毕业年的伪滞留率和最后一个毕业年的滞留率，图2显示了各级学生不同学期的滞留率，整体呈不同程度的下降趋势。第3学期至第期下降趋势明显，平均降幅达到14%；从第期开始，下降趋势渐趋平缓，滞留率基本维持在0.1以下。学生在经过9个学期的学习之后，逐渐达到教学计划规定的要求，完成学习任务，顺利拿到毕业证，致使滞留率降低。
（二）滞留率的周期变化
把开放教育的滞留率划分为三个周期，第一个周期为3至6学期，第二个周期为7至期，第三个学期为10至16学期。周期划分依据为：一般情况下3至6学期属于学生的第一个毕业年所在学期，如表1所示；7至期开放教育的滞留率还处在剧烈的变化之中，如图2所示；进入第期之后，滞留率渐趋稳定，变化较小。第一周期处于第一个毕业年，滞留率相对较高，平均滞留率为0.49，如表1所示；第二周期，学生在继续学习了4个学期之后，毕业人数明显上升，平均滞留率降至0.13，两年时间下降了37个百分点；第三周期，滞留率相对稳定，平均滞留率为0.06，和最后一个毕业年的滞留率基本吻合。
远程开放教育具个性化学习的特征，学习者需要自我组织、自主制订学习计划并按计划学习。在第一周期，学生由于不适应远程开放教育学习模式，再加上学习者多是有职业的人，时间相对不宽裕，导致第一周期的滞留率较高，约有50%的学生不能按期毕业[2]。第一周期的退学率也相对较高，约占退学学生总数的95%。第二周期，随着学校支持服务功能的加强以及学生自主学习能力的加强，滞留率大幅度下降。最后一个周期，随着学习年份的增多，滞留的这部分学生自信心下降，学习积极性下降，毕业学生明显减少，滞留率变化幅度较小。
三、多视点的滞留率变化趋势分析与差异比较
（一）不同层次的滞留率变化趋势与差异比较
1.本、专科滞留率的变化趋势
2002年春季之前入学的本科学生，滞留率呈逐年下降趋势（见图3），下降幅度较大，说明开放教育的质量不断提升，毕业人数显著增多，天津电大远程开放教育逐步探索出属于自己的教育模式。2002年春季的滞留率达到历史最低点，仅0.01。2002年秋季—2006年春季的滞留率渐趋稳定，没有大的波动，均在0.06以下。其中，滞留率最高的两届学生是2005年春季和2005年秋季，为0.06。2006年春季之后的本科学生滞留率上升速度加快，主要原因是2006年春季之后的学生还没有超过八年的学籍有效期，仍有一部分学生会在今后几年拿到毕业证书，目前属于伪滞留阶段。2000年秋季入学的学生滞留水平明显低于1999年秋季学生滞留水平，下降幅度较大。2001年春季—2007年春季学生的滞留率趋于稳定，2002年春季学生的滞留率水平达到专科滞留率的最低点，为0.03。2007年春季之后的专科滞留率和本科滞留率相类似，出现逐渐上升的趋势，同是出于学籍8年有效期的原因，目前属于伪滞留阶段。从图3的变化曲线来看，开放教育的专科滞留率要略高于本科滞留率、总体滞留率，变化也相对比较剧烈，平均高出总体滞留率3个百分点。
2.本、专科滞留率的差异比较
由表2可知，本科滞留率的均值为0.0721，专科滞留率的均值为0.1089。经t检验，本科滞留率和专科滞留率之间存在显著差异，t统计值为7.655（P<0.05），专科滞留率显著高于本科滞留率[3]。
（二）不同地区滞留率的变化趋势与差异分析
1.市区和郊县滞留率的整体变化趋势市区的总体滞留率偏高，平均滞留率为0.12，高于总体滞留率和郊县滞留率的水平。从图4的变化曲线来看，市区滞留率的变化曲线高于郊县滞留率和总体滞留率的变化曲线，整体呈上升趋势。郊县滞留率则相对平稳，2006年秋季以前的学生滞留率基本维持在0.05以下。从整体来看，市区的滞留率高于总体滞留率，总体滞留率高于郊县滞留率，郊县滞留率处于较低水平。2002年春季学生的滞留率降至最低点，滞留率为0。2.市区、郊县滞留率的差异比较市区滞留率的均值为0.1221，郊县滞留率的均值为0.0468（见表3）。经t检验，市区滞留率和郊县滞留率之间存在显著差异，t统计值为7.11，p值为0.00（p<0.05），郊县学生的滞留率显著低于市区学生的滞留率。
（三）不同专业滞留率的变化趋势及差异比较
目前，天津广播电视大学开设的专业有40余种，本文选取三个具有代表性且招生人数较多的专业进行分析研究。会计学专业总人数25,549人，约占1999年秋季—2008年秋季总人数的20%；法学专业总人数16,673人，约占1999年秋季—2008年秋季总人数的12%；计算机科学与技术专业总人数较少，2,000余人，但它是理科专业中招生年数较多的一个具有代表性的专业。
1.会计学、法学、计算机科学与技术滞留率的变化趋势
从图5中可以看出，会计学、法学、计算机科学与技术专业滞留率的变化曲线起伏较大。会计学的滞留率较为稳定，起伏较小，法学、计算机科学与技术的波动幅度较大，且变化无规律，滞留率也相应高于会计学的滞留率。滞留率最低的是2001年秋季和2002年春季法学专业，滞留率为0.01。滞留率最高的是2007年秋季和2008年秋季的计算机科学与技术专业，达到0.3。
2.专业间滞留率的差异比较
如表4，经过t检验，会计学滞留率和法学滞留率的t检验值为2.1，p值为0.053（p>0.05），会计学滞留率和法学滞留率之间并不存在显著差异。会计学滞留率和计算机科学与技术滞留率的t检验值为3.494，p值为0.004（p<0.05），两者之间存在显著差异，计算机科学与技术滞留率的平均值高于会计学滞留率平均值0.05个百分点。
四、滞留率与相关因子的灰关联分析
由于前述的各项滞留率是对同一批次的数据进行的分类统计，无法用多元回归分析来比较学历层次、地区、专业对滞留率影响力的大小。借鉴统计分析方法———灰关联分析对影响滞留率的各项因子进行分析，以找出影响滞留率的强关联因子、次强关联因子以及弱关联因子。
（一）指标分类
将天津电大远程开放教育2002年—2008年13批次入学学生总体滞留率作为参考序列，各批次本科滞留率、专科滞留率、郊县滞留率、市区滞留率、会计学滞留率、法学滞留率、计算机科学与技术滞留率作为比较因素序列，借助灰色系统理论分析两组序列间的关联性，以进一步探索天津电大远程教育总体滞留率的影响因素。参考序列：X0(k),k=1,……,13比较因素序列：Xi(k),i=1,……,7,k=1,……,13
（二）数据标准化
将各批次数据除以初始批次数据进行数据标准化，得到其倍数数列即为初值化数列，转化数列具有可比较性,可以将问题转向对原始数据列中各因素增长倍数进行分析对比。
（三）计算关联系数
将标准化后的总体滞留率作为母序列y0(k)，将标准化后的各滞留率作为关联序列，分别计算各组关联序列与母序列间的关联系数L0i(k)=min+ρmax0i(k)+ρmax，其中0i(k)=y0(k)-yi(k)；min和max分别代表所有比较序列各个时刻绝对差中的最大值与最小值；ρ是灰关联系数的分辨系数，其意义是削弱最大绝对差数值太大引起的失真，提高关联系数之间的差异显著性，经验数据ρ一般取值0.5[4]。
（四）计算关联度
关联度：r0i=1Nk=1ΣL0i(k)关联度描述了系统发展过程中因素间相对影响程度的大小，N为期间数量，关联度等于不同期间关联系数的加权平均值。
关联度数值反映了各因子序列对总体滞留率影响力的大小，通过关联度数值，我们可以找出影响总体滞留率的强关联因子、次强关联因子以及弱关联因子，并以此作为降低开放教育滞留率的切入点，揭示滞留规律，对强关联因子加强研究、关注，有针对性地提出对策。表7显示，在影响滞留率的各项因子中，本科滞留率为最强关联因子，对总体滞留率的变化影响力最大。其次为专科滞留率。不同专业的滞留率对总体滞留率变化的影响力各不相同，影响力最大的为会计学滞留率，在以后的教学活动中，应加强对会计学教学水平的关注。在本次研究中，对总体滞留率影响力最低的为市区滞留率和郊县滞留率，说明地区滞留率这个相关因子对总体滞留率影响不大，在哪个地区上学并不会影响到毕业学生的质量及数量。
五、主要结论与思考
（一）主要结论
通过对总体滞留率的整体变化趋势分析以及周期比较分析，并对不同层次、地区、专业的滞留率变化趋势分析以及差异比较，我们得出了初步的结论，更深层次的研究成果需要我们继续挖掘[5]。
———滞留率整体呈下降趋势。从表1可以看出，无论是伪滞留率还是滞留率都呈逐年下降趋势，学生的第一个毕业年所在学期也渐趋稳定，一般维持在第7学期。实践证明，学生经过7个学期的学习是比较合理的，此时第一个毕业年的伪滞留率相对较低。
———第二周期的滞留率下降速度较快。若将滞留率划分为三个流动周期，则滞留率在第二周期下降最快，下降速度为37个百分点。此时，学生通过前期的学习已经有了一定的基础，对学习还充满兴趣，并没有失去信心，仍有充足的动力去完成学业，加之教师的正确引导，本周期是降低滞留率、提高毕业率的最佳时期。进入第三周期，滞留率变化趋势不明显，滞留率基本稳定，没有很大的改进空间。
———专科滞留率高于本科滞留率。通过t检验显示，本科滞留率和专科滞留率有显著差异，专科的滞留率明显高于本科滞留率。本科学生在经过了前期的专科学习之后，有一定的学习基础，学习自律性也相对较高，因此，滞留率低于专科滞留率。
———市区滞留率高于郊县滞留率。通过t检验显示，市区滞留率和郊县滞留率有显著差异，市区的滞留率高于郊县的滞留率。这就打破了一些传统的观念。在传统上，一般情况下市区的教育质量高于郊县教育质量，滞留生也会相对较少。天津广播电视大学采用远程开放教育方式，真正达到了资源共享，郊县的学生也可以享有优质的教学资源，从而提高了教育质量，滞留率出现了低于市区的情况。
———专业间滞留率的比较。专业滞留率相对分层次滞留率和分地区滞留率来说，变化幅度较大，稳定性相对较低。计算机科学与技术作为理工科代表专业，滞留率高于法学和会计学，变化曲线起伏较大。开放教育的学生多是基础较差的学生，理工类课程的学习需要学生具备较高的学习能力和自主性，因此，开放教育理工类学生的滞留率相对较高。
———灰关联结果分析。以本科滞留率、专科滞留率、市区滞留率、郊县滞留率、法学滞留率、会计学滞留率、计算机科学与技术滞留率为相关因子，通过灰关联分析，可揭示各项因子对总体滞留率影响力的大小。通过分析，本科滞留率为最强关联因子，其次是专科滞留率、会计学滞留率、法学滞留率。在开放教育中，应加强对本科学生的关注，进一步提高本科教学质量。在专业方面，加强对会计学等学科的投入，加大专业建设力度，提升课程建设水平。
（二）对策思考
对策一，建立导学机制，加大支持服务力度。研究发现，在三个流动周期中，处于第二周期的学生上升空间最大。因此，可建立有效的导学机制，及早发现处于第二周期的学生的学习困难，提供相应的支持服务，使这部分伪滞留生顺利毕业。建立有效的导学机制，要从以下两方面出发。首先，进行深入细致的思想教育，端正学生的学习动机，强化他们的学习意志，激发学习热情，使他们保持良好的学习状态。其次，提高面授辅导质量。面授辅导在整个学习过程中起着答疑、解惑的作用，是开放教学中不可缺少的一环[6]。为处于第二周期的伪滞留生聘请高质量的面授辅导教师，制定适合他们的特色学习计划，发现他们学习中的不足，提高课堂的趣味性，使学生积极投入到学习过程中。同时，在条件允许的情况下，为学生增加面授课程次数，增加学生和教师直接接触的机会。
对策二，加大对本科教育的投入。对影响总体滞留率的相关因子进行分析后得出结论，最强关联因子为本科。因此，降低滞留率，需要加大对本科教育的投入，提高本科教育的教学水平。天津电大的远程开放教育模式需要学生具有一定的学习主动性，这就需要学生有一定的独立学习能力。而本科生在完成了专科学习之后，具有了一定的学习基础，良好的学习习惯也逐渐形成，更适合于这种远程教育模式。学校应加强对本科师资力量、教学设备的投入，切实加强媒体建设，提高视听、文字教材质量，为本科生的学习创造良好的环境。
对策三，为学生提供个性化服务。信息社会的快速发展，使得远程教育的教学媒体向着多样化发展，准确、及时地向学生传递学习信息，使学生不断完善个人的知识体系，建立自己的学习模式尤为重要。学校应不断更新资源库，为学生提供多样化学习资源，满足学生的个性化发展需求。
秋季值周总结范文第6篇
一、数据、指标及计量方法的选择
(一)滞留率概念界定
远程开放教育学籍8年(16个学期)有效。在学分制背景条件和个性化学习需求下,学生最短3个学期可以修完学分,取得毕业证书。所谓滞留生,即超过学籍有效期仍没有毕业的学生。伪滞留生,我们定义为第4学期至第16学期在籍的学生,这部分学生虽然超过了最短学习年限但在学籍有效期内仍具备学习与毕业的资格。滞留率,即滞留生的人数在注册学生总人数中的比例,本文研究的滞留生范围包括伪滞留生、滞留生。滞留率=滞留生÷注册学生总数
(二)数据资料的分析与处理
1.样本数据来源
利用天津广播电视大学远程开放教育教务管理系统平台,提取2011年8月前的1999年秋季—2008年秋季18届学生的相关数据,主要包括:注册学生数、毕业人数、退学人数、专业以及地区等。
2.滞留率指标
滞留率与伪滞留率,因为2009年春季-2011年春季入学的学生无毕业生,故本文中的滞留率共涉及1999年秋季—2008年秋季18个届别的学生。不同专业的滞留率:共选取了三个具有代表性的专业,会计学、法学、计算机科学与技术。法学作为文法类专业的代表,计算机科学与技术作为理工类专业的代表,会计学属于综合性学科,招生时文理皆可。不同地区的滞留率:市区的滞留率,主要涉>:请记住我站域名/
(三)计量方法
基于SPSS16.0对分层次滞留率、分地区滞留率、分专业滞留率进行t检验,进行差异比较。基于Excel对总体滞留率和影响滞留率的各相关因子进行灰关联分析,找出影响滞留率的强关联因子、次强关联因子以及弱关联因子[1]。
二、滞留率的变化趋势分析与周期变化
(一)滞留率的总体概况
1999年秋季—2008年秋季远程开放教育共招生13万余人,毕业生人数10万余人,退学人数1万余人。如图1所示,1999年秋季—2008年秋季的学生总数、毕业生数、退学学生数整体呈曲折变化趋势。学生总数、毕业生数、退学学生数在2003年秋季达到最高值,此届招生总数为13,861人,占1999年秋季—2008年秋季学生总数的10.66%;毕业生数为11,074人,占毕业生总数的10.6%。从整个变化趋势来看,每年秋季招生规模要远高于春季,在2005年秋季以前这种变化趋势非常明显,2006年春季以后,变化趋势渐缓,招生总人数趋于稳定,固定在8,000人左右。表1显示,开放教育学生的滞留率比较稳定,变化趋势不明显,滞留率维持在0.1以下。滞留率最高的是1999年秋季入学的学生,滞留率为0.09;滞留率最低的是2002年春季入学的学生,滞留率为0.02。第一个毕业年的伪滞留率整体呈下降趋势,1999年秋季学生的伪滞留率达到最低点,为0.28。从2002年春季开始,第一个毕业年的伪滞留率呈逐年下降趋势,2006年秋季下降幅度最大,下降了27个百分点。出现这种现象的原因主要有:第一,2006年秋季之后,教育部有关规定要求,成人学习最短毕业年限为2.5年(5学期),故学生的第一个毕业年均在第5个学期,学习时间变长,学生有更多的时间来学习知识,获得课程学分;第二,2007年开放教育由试点转为常规,教学模式趋于稳定,教学质量也得到了大幅度的提升。2006年之前,天津电大为了支持学生个性化学习,在其它各项条件合格的情况下,允许学生1年半(3个学期)毕业。如2003年春季,为了提高检察院工作人员的整体能力,天津电大和检察院进行合作,设立了法学(检察方向)专业,学生在学习1年半(3个学期)之后,各项考试合格,就允许其毕业并为其颁发毕业证书。表1显示了第一个毕业年的伪滞留率和最后一个毕业年的滞留率,图2显示了各级学生不同学期的滞留率,整体呈不同程度的下降趋势。第3学期至第期下降趋势明显,平均降幅达到14%;从第期开始,下降趋势渐趋平缓,滞留率基本维持在0.1以下。学生在经过9个学期的学习之后,逐渐达到教学计划规定的要求,完成学习任务,顺利拿到毕业证,致使滞留率降低。
(二)滞留率的周期变化
把开放教育的滞留率划分为三个周期,第一个周期为3至6学期,第二个周期为7至期,第三个学期为10至16学期。周期划分依据为:一般情况下3至6学期属于学生的第一个毕业年所在学期,如表1所示;7至期开放教育的滞留率还处在剧烈的变化之中,如图2所示;进入第期之后,滞留率渐趋稳定,变化较小。第一周期处于第一个毕业年,滞留率相对较高,平均滞留率为0.49,如表1所示;第二周期,学生在继续学习了4个学期之后,毕业人数明显上升,平均滞留率降至0.13,两年时间下降了37个百分点;第三周期,滞留率相对稳定,平均滞留率为0.06,和最后一个毕业年的滞留率基本吻合。
远程开放教育具个性化学习的特征,学习者需要自我组织、自主制订学习计划并按计划学习。在第一周期,学生由于不适应远程开放教育学习模式,再加上学习者多是有职业的人,时间相对不宽裕,导致第一周期的滞留率较高,约有50%的学生不能按期毕业[2]。第一周期的退学率也相对较高,约占退学学生总数的95%。第二周期,随着 学校支持服务功能的加强以及学生自主学习能力的加强,滞留率大幅度下降。最后一个周期,随着学习年份的增多,滞留的这部分学生自信心下降,学习积极性下降,毕业学生明显减少,滞留率变化幅度较小。
三、多视点的滞留率变化趋势分析与差异比较
(一)不同层次的滞留率变化趋势与差异比较
1.本、专科滞留率的变化趋势
2002年春季之前入学的本科学生,滞留率呈逐年下降趋势(见图3),下降幅度较大,说明开放教育的质量不断提升,毕业人数显着增多,天津电大远程开放教育逐步探索出属于自己的教育模式。2002年春季的滞留率达到历史最低点,仅0.01。2002年秋季—2006年春季的滞留率渐趋稳定,没有大的波动,均在0.06以下。其中,滞留率最高的两届学生是2005年春季和2005年秋季,为0.06。2006年春季之后的本科学生滞留率上升速度加快,主要原因是2006年春季之后的学生还没有超过八年的学籍有效期,仍有一部分学生会在今后几年拿到毕业证书,目前属于伪滞留阶段。2000年秋季入学的学生滞留水平明显低于1999年秋季学生滞留水平,下降幅度较大。2001年春季—2007年春季学生的滞留率趋于稳定,2002年春季学生的滞留率水平达到专科滞留率的最低点,为0.03。2007年春季之后的专科滞留率和本科滞留率相类似,出现逐渐上升的趋势,同是出于学籍8年有效期的原因,目前属于伪滞留阶段。从图3的变化曲线来看,开放教育的专科滞留率要略高于本科滞留率、总体滞留率,变化也相对比较剧烈,平均高出总体滞留率3个百分点。
2.本、专科滞留率的差异比较
由表2可知,本科滞留率的均值为0.0721,专科滞留率的均值为0.1089。经t检验,本科滞留率和专科滞留率之间存在显着差异,t统计值为7.655(P<0.05),专科滞留率显着高于本科滞留率[3]。
(二)不同地区滞留率的变化趋势与差异分析
1.市区和郊县滞留率的整体变化趋势市区的总体滞留率偏高,平均滞留率为0.12,高于总体滞留率和郊县滞留率的水平。从图4的变化曲线来看,市区滞留率的变化曲线高于郊县滞留率和总体滞留率的变化曲线,整体呈上升趋势。郊县滞留率则相对平稳,2006年秋季以前的学生滞留率基本维持在0.05以下。从整体来看,市区的滞留率高于总体滞留率,总体滞留率高于郊县滞留率,郊县滞留率处于较低水平。2002年春季学生的滞留率降至最低点,滞留率为0。2.市区、郊县滞留率的差异比较市区滞留率的均值为0.1221,郊县滞留率的均值为0.0468(见表3)。经t检验,市区滞留率和郊县滞留率之间存在显着差异,t统计值为7.11,p值为0.00(p<0.05),郊县学生的滞留率显着低于市区学生的滞留率。
(三)不同专业滞留率的变化趋势及差异比较
目前,天津广播电视大学开设的专业有40余种,本文选取三个具有代表性且招生人数较多的专业进行分析研究。会计学专业总人数25,549人,约占1999年秋季—2008年秋季总人数的20%;法学专业总人数16,673人,约占1999年秋季—2008年秋季总人数的12%;计算机科学与技术专业总人数较少,2,000余人,但它是理科专业中招生年数较多的一个具有代表性的专业。
1.会计学、法学、计算机科学与技术滞留率的变化趋势
从图5中可以看出,会计学、法学、计算机科学与技术专业滞留率的变化曲线起伏较大。会计学的滞留率较为稳定,起伏较小,法学、计算机科学与技术的波动幅度较大,且变化无规律,滞留率也相应高于会计学的滞留率。滞留率最低的是2001年秋季和2002年春季法学专业,滞留率为0.01。滞留率最高的是2007年秋季和2008年秋季的计算机科学与技术专业,达到0.3。
2.专业间滞留率的差异比较
如表4,经过t检验,会计学滞留率和法学滞留率的t检验值为2.1,p值为0.053(p>0.05),会计学滞留率和法学滞留率之间并不存在显着差异。会计学滞留率和计算机科学与技术滞留率的t检验值为3.494,p值为0.004(p<0.05),两者之间存在显着差异,计算机科学与技术滞留率的平均值高于会计学滞留率平均值0.05个百分点。
四、滞留率与相关因子的灰关联分析
由于前述的各项滞留率是对同一批次的数据进行的分类统计,无法用多元回归分析来比较学历层次、地区、专业对滞留率影响力的大小。借鉴统计分析方法———灰关联分析对影响滞留率的各项因子进行分析,以找出影响滞留率的强关联因子、次强关联因子以及弱关联因子。
(一)指标分类
将天津电大远程开放教育2002年—2008年13批次入学学生总体滞留率作为参考序列,各批次本科滞留率、专科滞留率、郊县滞留率、市区滞留率、会计学滞留率、法学滞留率、计算机科学与技术滞留率作为比较因素序列,借助灰色系统理论分析两组序列间的关联性,以进一步探索天津电大远程教育总体滞留率的影响因素。参考序列:X0(k),k=1,……,13比较因素序列:Xi(k),i=1,……,7,k=1,……,13
(二)数据标准化
将各批次数据除以初始批次数据进行数据标准化,得到其倍数数列即为初值化数列,转化数列具有可比较性,可以将问题转向对原始数据列中各因素增长倍数进行分析对比。
(三)计算关联系数
将标准化后的总体滞留率作为母序列y0(k),将标准化后的各滞留率作为关联序列,分别计算各组关联序列与母序列间的关联系数L0i(k)=min+ρmax0i(k)+ρmax,其中0i(k)=y0(k)-yi(k);min和max分别代表所有比较序列各个时刻绝对差中的最大值与最小值;ρ是灰关联系数的分辨系数,其意义是削弱最大绝对差数值太大引起的失真,提高关联系数之间的差异显着性,经验数据ρ一般取值0.5[4]。
(四)计算关联度
关联度:r0i=1Nk=1ΣL0i(k)关联度描述了系统发展过程中因素间相对影响程度的大小,N为期间数量,关联度等于不同期间关联系数的加权平均值。
关联度数值反映了各因子序列对总体滞留率影响力的大小,通过关联度数值,我们可以找出影响总体滞留率的强关联因子、次强关联因子以及弱关联因子,并以此作为降低开放教育滞留率的切入点,揭示滞留规律,对强关联因子加强研究、关注,有针对性地提出对策。表7显示,在影响滞留率的各项因子中,本科滞留率为最强关联因子,对总体滞留率的变化影响力最大。其次为专科滞留率。不同专业的滞留率对总体滞留率变化的影响力各不相同,影响力最大的为会计学滞留率,在以后的教学活动中,应加强对会计学教学水平的关注。在本次研究中,对总体滞留率影响力最低的为市区滞留率和郊县滞留率,说明地区滞留率这个相关因子对总体滞留率影响不大,在哪个地区上学并不会影响到毕业学生的质量及数量。
五、主要结论与思考
(一)主要结论
通过对总体滞留率的整体变化趋势分析以及周期比较分析,并对不同层次、地区、专业的滞留率变化趋势分析以及差异比较,我们得出了初步的结论,更深层次的研究成果需要我们继续挖掘[5]。
———滞留率整体呈下降趋势。从表1可以看出,无论是伪滞留率还是滞留率都呈逐年下降趋势,学生的第一个毕业年所在学期也渐趋稳定,一般维持在第7学期。实践证明,学生经过7个学期的学习是比较合理的,此时第一个毕业年的伪滞留率相对较低。
———第二周期的滞留率下降速度较快。若将滞留率划分为三个流动周期,则滞留率在第二周期下降最快,下降速度为37个百分点。此时,学生通过前期的学习已经有了一定的基础,对学习还充满兴趣,并没有失去信心,仍有充足的动力去完成学业,加之 教师的正确引导,本周期是降低滞留率、提高毕业率的最佳时期。进入第三周期,滞留率变化趋势不明显,滞留率基本稳定,没有很大的改进空间。
———专科滞留率高于本科滞留率。通过t检验显示,本科滞留率和专科滞留率有显着差异,专科的滞留率明显高于本科滞留率。本科学生在经过了前期的专科学习之后,有一定的学习基础,学习自律性也相对较高,因此,滞留率低于专科滞留率。
———市区滞留率高于郊县滞留率。通过t检验显示,市区滞留率和郊县滞留率有显着差异,市区的滞留率高于郊县的滞留率。这就打破了一些传统的观念。在传统上,一般情况下市区的教育质量高于郊县教育质量,滞留生也会相对较少。天津广播电视大学采用远程开放教育方式,真正达到了资源共享,郊县的学生也可以享有优质的教学资源,从而提高了教育质量,滞留率出现了低于市区的情况。
———专业间滞留率的比较。专业滞留率相对分层次滞留率和分地区滞留率来说,变化幅度较大,稳定性相对较低。计算机科学与技术作为理工科代表专业,滞留率高于法学和会计学,变化曲线起伏较大。开放教育的学生多是基础较差的学生,理工类课程的学习需要学生具备较高的学习能力和自主性,因此,开放教育理工类学生的滞留率相对较高。
———灰关联结果分析。以本科滞留率、专科滞留率、市区滞留率、郊县滞留率、法学滞留率、会计学滞留率、计算机科学与技术滞留率为相关因子,通过灰关联分析,可揭示各项因子对总体滞留率影响力的大小。通过分析,本科滞留率为最强关联因子,其次是专科滞留率、会计学滞留率、法学滞留率。在开放教育中,应加强对本科学生的关注,进一步提高本科教学质量。在专业方面,加强对会计学等学科的投入,加大专业建设力度,提升课程建设水平。
(二)对策思考
对策一,建立导学机制,加大支持服务力度。研究发现,在三个流动周期中,处于第二周期的学生上升空间最大。因此,可建立有效的导学机制,及早发现处于第二周期的学生的学习困难,提供相应的支持服务,使这部分伪滞留生顺利毕业。建立有效的导学机制,要从以下两方面出发。首先,进行深入细致的思想教育,端正学生的学习动机,强化他们的学习意志,激发学习热情,使他们保持良好的学习状态。其次,提高面授辅导质量。面授辅导在整个学习过程中起着答疑、解惑的作用,是开放教学中不可缺少的一环[6]。为处于第二周期的伪滞留生聘请高质量的面授辅导教师,制定适合他们的特色学习计划,发现他们学习中的不足,提高课堂的趣味性,使学生积极投入到学习过程中。同时,在条件允许的情况下,为学生增加面授课程次数,增加学生和教师直接接触的机会。
对策二,加大对本科教育的投入。对影响总体滞留率的相关因子进行分析后得出结论,最强关联因子为本科。因此,降低滞留率,需要加大对本科教育的投入,提高本科教育的教学水平。天津电大的远程开放教育模式需要学生具有一定的学习主动性,这就需要学生有一定的独立学习能力。而本科生在完成了专科学习之后,具有了一定的学习基础,良好的学习习惯也逐渐形成,更适合于这种远程教育模式。学校应加强对本科师资力量、教学设备的投入,切实加强媒体建设,提高视听、文字教材质量,为本科生的学习创造良好的环境。
对策三,为学生提供个性化服务。信息社会的快速发展,使得远程教育的教学媒体向着多样化发展,准确、及时地向学生传递学习信息,使学生不断完善个人的知识体系,建立自己的学习模式尤为重要。学校应不断更新资源库,为学生提供多样化学习资源,满足学生的个性化发展需求。
秋季值周总结范文第7篇
【关键词】食品处理和加工；重叠感染；对比研究；学生保健服务
【中图分类号】R155.65 R179 G478.5 【文献标识码】A 【文章编号】1000-9817(2011)09-1094-02
食品微生物污染是引起学生食源性疾病的主要原因，广受社会关注。据统计，贵州省2003-2005年学校食物中毒事件中，微生物性食物中毒占48.72％，位居第一。因此，学校及其周边市售凉拌食品的微生物监测对维护学生健康有着重要意义。为了解贵阳市学校周边市售凉拌食品的卫生状况，为食源性疾病的控制及卫生监督提供参考数据，笔者于2009年6月-2010年6月按季节在贵阳市部分学校的周边区域随机采集了200份凉拌食品进行微生物污染状况检测。
1 材料与方法
1.1样品来源
在贵阳市云岩区、南明区的部分大、中、小学校周边餐饮店和摊点，按不同季节随机采集凉粉和凉面样品200份，其中冬季(1-3月)各采集20份，春季(4-6月)各采集30份，夏季(7-9月)各采集30份，秋季(10-12月)各采集20份。所有样品采集后均在4h内送达实验室及时检验。1.2检验方法菌落总数，大肠菌群、粪大肠菌群、沙门菌、志贺菌、金黄色葡萄球菌、蜡样芽胞杆菌、酵母菌和霉菌检测均按现行中华人民共和国国家标准《食品卫生微生物学检验》(GB／T4789)进行。
1.3统计方法检测数据按采集的季节分类整理后，细菌总数、酵母菌、霉菌的平均带菌量用几何均数表示。对细菌总数、酵母菌的带菌量进行对数转换后，采用SPSS 11.5软件进行统计学分析。当样品霉菌计数
2 结果
2.1凉拌食品微生物检测结果200份凉拌食品的微生物检出率为100.0％，其中菌落总数检出率为100.0％，大肠菌群检出率为97.5％，粪大肠菌群检出率为93.5％，酵母菌检出率为97.0％，霉菌检出率为17.5％。采自夏秋季的3份凉粉中检出沙门菌(2份鼠伤寒沙门菌和l份德尔比沙门菌)，2份凉粉中检出金黄色葡萄球菌。200份样品均未检出志贺菌，蜡样芽胞杆菌。3份凉粉中检出普通变形杆菌，2份凉面中分别检出普通变形杆菌和奇异变形杆菌。见表1。
2.2贵阳市学校周边市售凉拌食品污染水平100份凉粉样品菌落总数检出范围5.8x102～3.0x108cfu／g，污染量高于105的占79.0％；酵母菌检出范围5.0x102-7.2x106cfu／g，污染量高于105占47.0％；霉菌检出范围1100 MPN／g的占86.0％；粪大肠菌群污染量>1100的占76.0％。100份凉面样品菌落总数检出范围7.0x102-2.6x108cfu／g，污染量高于105的占71.0％；酵母菌检出范围1100 MPN／g的占68.0％。
2.3不同季节贵阳市学校周边市售凉拌食品微生物污染水平比较凉粉和凉面的菌落总数污染量以及酵母菌污染量差异均无统计学意义(￡值分别为0.49，1.95，P值均>0.05)。
不同季度凉粉的菌落总数污染量差异有统计学意义，春、夏季污染量明显高于冬季和秋季；不同季度凉粉的酵母菌总数污染量差异有统计学意义，春、夏季污染量明显高于冬季和秋季。
不同季节凉面的菌落总数污染量差异有统计学意义，春、夏季菌落总数污染量明显高于冬季和秋季；不同季度凉面的酵母菌总数污染量差异有统计学意义，春、夏季污染量明显高于冬季和秋季。见表2。
3 讨论
调查显示，贵阳市学校周边200份凉拌食品的菌落总数检出率为100.0％，酵母菌的检出率为97.0％，大肠菌群和粪大肠菌群的检出率分别高达97.5％和93.5％。说明贵阳市学校周边市售凉粉和凉面微生物污染普遍，在加工制作至销售过程中可能受到了人和温血动物近期的粪便污染。由于学校周边制作销售凉粉和凉面的多为小餐饮店，甚至部分为流动摊点，卫生设施较差。凉粉和凉面一旦被微生物污染就容易大量繁殖，加工存放后食用安全风险更大。
检测结果表明，凉粉和凉面样品的菌落总数和酵母菌的污染量较高，菌落总数污染量在105以上的占75.0％，酵母菌污染量在105以上的占41.0％，大肠菌群的污染量>110 MPN／g的占83.0％。由于大肠菌群中的致泻大肠埃希菌、弗氏柠檬酸杆菌、肺炎克雷伯菌和阴沟肠杆菌均可以导致急慢性感染性腹泻。因此，大量大肠菌群的检出提示贵阳市学校周边市售凉拌食品有导致腹泻的风险存在。且夏、秋季的凉粉和凉面样品菌落总数、酵母菌污染状况明显高于冬、春季。夏、秋季是食物中毒的高发季节，由于入夏以后，气温升高，湿度增大，适宜微生物生长繁殖；且初夏季节是贵阳的雨季，如果消毒处理不善和防护不严，容易引起水源性污染，进而会导致食品加工制作的污染。
秋季值周总结范文第8篇
沉积物是湖泊物理和化学诸多过程的综合结果，是氮、磷等生源要素的重要储藏库。碱性磷酸酶是一种专一性的磷酸酯水解酶，可以催化所有的磷酸酯的水解反应和磷酸基团的转移反应，因此，该酶在水生生态系统的磷循环，尤其是以微生物为主体的沉积物生态系统中应具有重要的功能[1]和关键作用。目前，国外学者对湖泊沉积物氮、磷的形态、分布、季节变化等均有相关报道[2-4]，我国学者对太湖、东湖、滇池等湖泊沉积物中氮磷形态和含量及碱性磷酸酶已做过一些研究，如金相灿等[5]研究了太湖东北部沉积物可溶性氮磷的季节性变化，周易勇等[6-7]研究了武汉东湖和严西湖沉积物中碱性磷酸酶的动力学参数，孟春红等[8]研究了东湖沉积物中氮磷形态分布，陈永川等[9-10]分别研究了滇池沉积物中氮、磷的时空变化特征。但是，对骆马湖这个典型的浅水湖泊沉积物中氮磷含量及碱性磷酸酶的性质，却少见报道。本文研究了骆马湖沉积物中氮磷含量和碱性磷酸酶活性在不同深度的分布变化，分析了其季节变化特征，及酶活性与磷含量的相关性。研究底泥中氮磷含量和碱性磷酸酶活性的季节变化规律，对于控制内源污染，防治水体富营养化具有重要的意义。研究结果可初步揭示骆马湖沉积物中氮、磷和碱性磷酸酶的分布状况、变化规律，为骆马湖的治理与管理提供科学依据，为南水北调过水湖泊的水质安全问题提供参考。
1材料与方法
1.1样品的采集与处理骆马湖（N：34°00′~34°11′，E：118°06′~118°18′）是江苏省四大淡水湖泊之一，位于江苏省北部，京杭大运河中段，上接山东省南四湖，下接江苏省洪泽湖，水域面积达35100hm2（丰水面积78500hm2，枯水面积20100hm2），湖底高程18~21m，当蓄水位23.0m时（古黄河基地），平均水深3.32m，最深等深线东南部水深5.5m，年水位涨幅在1.90~5.73m，年换水次数在10次左右，是典型过水性湖泊。本研究采样点位于骆马湖东侧区域，距离骆马湖湖滨浴场4~6km。共设10个采样点，布设情况如图1所示。3次采样时间分别为：2008年6月29日（夏季）、2008年10月24日（秋季）、2009年4月18日（春季）。冬季由于风浪较大，没有采样。对骆马湖沉积物的研究，采用柱状采样器（直径为8cm）采集沉积物，自上而下（厚度分别为3、3、5cm）分层，将采集的沉积物放入塑料袋中带到实验室，在40℃烘箱中烘干、研磨、过100目筛后放入塑料袋中待用。采样同时测定各采样点水体表层的pH值（PHS-3C型便携pH计）、水温（温度计）、透明度（塞氏盘）、氧化还原电位（HANNAHI8242氧化还原电位仪）、溶解氧（YSIDO200型溶解氧测量仪）等数据。
1.2分析方法沉积物需在40℃烘箱中烘干，经碾钵碾磨，将磨细沉积物过100目筛待用，沉积物中总氮、总磷的测定分别为微量凯氏定氮法和H2SO4-HClO4消解钼锑抗比色法。碱性磷酸酶的测定参考文献[11]，以PNPP为底物，和Tris反应，NaOH中止反应，420nm测定吸光度，碱性磷酸酶活性以每克沉积物干样生成的对硝基酚（P-NP）的量表示，单位mg•kg-1•h-1。
1.3数据分析方法采用SPSS13.0软件对数据进行相关性分析和单因素方差分析及显著性检验，其中显著性差异P<0.05。
2结果与分析
2.1采样点上覆水基本理化指标采样期间各点的透明度、氧化还原电位、水温、pH值、DO等指标的变化见表1。可以看出，骆马湖上覆水6月底水温在25℃左右，10月下旬19℃左右，4月中旬16℃左右。春、夏季的透明度高于秋季，除6月底的5点和8点以外，春、夏季的透明度均在1m以上，而10月下旬的透明度均在1m以下。氧化还原电位变幅在87.7~196.4mV之间，平均150.4mV。pH值在7.5~9.13之间变化，溶解氧含量较高，在5.13~9.32mg•L-1之间变化。
2.2沉积物中氮元素含量季节变化特征骆马湖沉积物中各点位的总氮含量变化见图2。可以看出，骆马湖各个季节不同采样点不同深度的沉积物中，总氮含量最高为2.91mg•g-1，最低为0.127mg•g-1，平均（0.86±0.50）mg•g-1。不同季节沉积物中总氮含量不同，春季含量最高，秋季次之，夏季含量最低。在夏季，表层总氮含量最高，次表层次之，略高于第三层，沉积物总氮含量最低值出现在1号点的第三层，最高值出现在10号点的表层；在秋季，垂向变化不明显，次表层略高于表层，高于第3层，最低值出现在3号点的表层和5号点的第三层，均为0.48mg•g-1，最高值为8号点的表层；在春季，表层＞第三层＞次表层，最低值出现在3号和4号点的次表层，均为0.35mg•g-1，最高值出现在7号点的表层。经方差分析可知，夏、秋、春季沉积物的氮含量变化差异不显著（P≈0.05）。10个采样点位季节平均，表层总氮含量最高，次表层次之，略高于第三层。据美国EPA[12]中沉积物TN污染的评价标准（<1mg•g-1时，为清洁；1～2mg•g-1时为轻污染；>2mg•g-1时为重污染），骆马湖大部分点位为清洁和轻污染状态。在太湖东北部，不同采样点不同季节沉积物的总氮含量年均值在1.31~2.27mg•g-1之间变化[5]，滇池沉积物（0~20cm）总氮平均含量为4.91mg•g-1[9]，可见，骆马湖东侧沉积物中氮元素含量与太湖相当，低于滇池。
2.3沉积物中磷元素含量季节变化特征骆马湖沉积物中各点位的总磷含量变化见图3。可以看出，骆马湖各个季节不同采样点不同深度的沉积物中，总磷含量最高为0.41mg•g-1，最低为0.03mg•g-1，平均（0.19±0.10）mg•g-1。与总氮不同，沉积物中总磷变化为春季＞夏季＞秋季，各个季节均为表层＞次表层＞第三层。夏季，最低值出现在6号点的次表层，最高值出现在2号点的表层；秋季，最低值为2号点的第三层和9号点的次表层，最高值为1号点的表层；春季，最低值为6号点的第三层，最高值为10号点的表层。经方差分析，夏、秋、春季3层沉积物的磷含量变化差异显著（P<0.05），可能与植物生长和微生物活动的季节周期变化有关。表层总磷含量变幅在0.05~0.41mg•g-1之间，最低值和最高值分别为秋季的2号点和春季的10号点位；次表层在0.03~0.39mg•g-1之间，最低值和最高值分别为秋季的2号点和春季的8号点；第三层在0.03~0.33mg•g-1之间，最低值和最高值分别为秋季的2号点和春季的2号点。在太湖东北部，不同采样点不同季节沉积物的总磷含量年均值在0.37~0.79mg•g-1之间变化[5]，滇池沉积物（0~20cm）总磷平均含量为2.17mg•g-1[10]，骆马湖东侧沉积物中磷元素含量低于太湖和滇池。
2.4沉积物中碱性磷酸酶活性季节变化特征骆马湖沉积物中各点位的碱性磷酸酶活性变化见图4。可以看出，骆马湖各个季节不同采样点不同深度的沉积物中，碱性磷酸酶活性最高为592.39mg•kg-1•h-1，最低为44.59mg•kg-1•h-1，平均（233.83±132.70）mg•kg-1•h-1。与总磷变化相同，碱性磷酸酶活性变化为春季＞夏季＞秋季，除春季次表层稍高以外，各个季节基本均为表层＞次表层＞第三层。夏季，碱性磷酸酶活性变幅为126.14~236.54mg•kg-1•h-1，最小值和最大值分别为1号点的第三层和9号点的表层；秋季，变幅为44.59~233.72mg•kg-1•h-1，最小值和最大值分别为6号点的次表层和8号点的次表层；春季，碱性磷酸酶活性变幅为231.51~592.39mg•kg-1•h-1，最小值和最大值分别为2号点的第三层和8号点的次表层。同样经方差分析，夏、秋、春季3层沉积物碱性磷酸酶的活性差异显著（P<0.05）。表层碱性磷酸酶活性变幅在59.40~410.24mg•kg-1•h-1之间，最低值和最高值分别为秋季的7号点和春季的10号点；次表层在44.59~592.39mg•kg-1•h-1之间，最低值和最高值分别为秋季的6号点和春季的8号点；第三层在55.31~411.30mg•kg-1•h-1之间，最低值和最高值分别为秋季的4号点和春季的10号点。
3讨论
为了探讨沉积物中氮磷含量及碱性磷酸酶活性的分布规律及其影响因素，将各个季节各采样点对应的水体DO、pH值和氧化还原电位与表层沉积物的TN、TP含量和碱性磷酸酶活性进行了皮尔逊相关分析，相关系数见表2。可以看出，除pH值与沉积物TP含量相关性较大以外，其他相关性较小，这主要是因为骆马湖是典型的过水型湖泊，上覆水的DO、pH值和氧化还原电位等与沉积物中氮磷含量相关性小。TP与碱性磷酸酶活性呈显著正相关（P=0.05），进一步分析沉积物中碱性磷酸酶活性与总磷含量的关系，如表3所示。可以看出，沉积物碱性磷酸酶活性与TP含量均呈正相关，且在春夏季表现出明显的正相关性。张宇等[16]对长江中下游的一些湖泊的研究也发现沉积物碱性磷酸酶活性与总磷含量高度一致，两者极显著正相关。总磷含量的多少与沉积物营养水平有关，也与沉积物中生物数量有关，而沉积物中碱性磷酸酶活力既然主要来自微生物的贡献，则必然与二者密切相关[1]。骆马湖沉积物中碱性磷酸酶活性各个季节基本均为表层＞次表层＞第三层，说明沉积物表层是由磷酸酶介导的磷循环最活跃区域，与已有的报道一致[13-14]。沉积物的表层由于氧气供给充足，营养物质丰富，加上水位周期变化可能出现的干湿交替，这一层非常有利于微生物生长；而随着深度增加，各种营养物质含量不断减少，含氧量也逐渐减小，使得各种生物降解活动减少，碱性磷酸酶的活性也逐渐降低。从表3还可以看出，春夏季碱性磷酸酶活性与总磷的相关性明显高于秋季，碱性磷酸酶活性季节变化2301801308030取样点号APA/mg•kg-1•h-112345678910（B）也较明显，分析原因可能是由于大型水生植物的干扰作用。已有研究表明：五里湖表层沉积物APA活性表现出明显的季节变化趋势，2004年4、6、9月该湖沉积物APA活性逐渐升高[15]。证明大型水生植物对沉积物碱性磷酸酶活性的影响不容忽视。
秋季值周总结范文第9篇
中国西瓜面积占世界总面积的 50% 以上，产量占 60% 以上；西瓜人均年消费量是世界人均量的 2～3 倍，约占全国夏季果品市场总量的50%，因此西瓜产业在我国农业中占有重要地位[1]。南方地区是我国西瓜的重要生产区，仅广西、湖南、浙江、江苏、湖北、安徽等南方六省的西瓜生产面积及产量就占全国的30%以上。湖北省2012年西瓜种植面积8.76万hm2，总产量为343.66万t，产值达50.77亿元[2]。
由于我国西瓜长期以来生产方式较为单一，大部分采用露地栽培，西瓜上市期较为集中，季节性卖瓜难。设施栽培在扩大西瓜栽培适宜区、实现提早或延后上市、增加产量、提高效益等方面起到了显著作用，近年来南方地区以塑料大棚为主的西瓜设施栽培面积呈逐年上升趋势。为了进一步提高土地利用效率和单位面积产出率，应考虑其与其他经济价值高的蔬菜作物生产进行衔接，以实现瓜菜周年高效生产，提高效益。在前人报道的基础上，笔者系统梳理了6种适合南方地区的设施瓜菜周年高效栽培模式，以供应用参考。
1 草莓―西瓜
江苏南京地区总结出草莓―礼品西瓜栽培模式[3]：草莓选用丰香、红颊等早熟品种，8月底9月上旬定植，每667 m2定植8 000株，11月下旬至翌年5月上旬采收，667 m2产量1 500 kg以上，产值2万 元；草莓收获后重新作畦栽培西瓜，西瓜选择黑美人、早佳8424等中果型品种，3月下旬育苗，5月上旬定植，每667 m2定植500株，7月上旬陆续采收上市堵当地礼品西瓜缺口，每667 m2产量2 000 kg，产值6 000元。该模式每667 m2年总产值超过26 000元。
2 西瓜―藜蒿
武汉市蔡甸区西瓜―藜蒿高效栽培模式取得了较好的经济效益[4]：西瓜1月初开始育苗，2月中下旬定植， 5月上旬成熟，6月中旬采收完毕，每667 m2产量2 000 kg，产值5 000元；选用绿秆藜蒿，7月上旬扦插定植，每667 m2扦插密度为50 000～60 000株，8月始收，翌年1月收完，共收获3～5茬，2月中下旬清园，每667 m2产量2 400 kg，产值8 000元。每667 m2年产值超过13 000元。
3 西瓜―水生蔬菜（茭白、水蕹菜）
江台市总结出西瓜―茭白模式和西瓜―水蕹菜两种高效种植模式，效益较高。①西瓜―茭白模式[5]：选礼品西瓜品种，1月上旬至2月初育苗，2月上中旬至3月上旬定植，5月上旬采收上市，每667 m2产量3 000 kg，产值5 000元；茭白选用适宜设施内栽培的品种浙大2号、龙茭2号，1月掘取种墩，分苗寄植，6月中下旬西瓜拉秧后，上肥上水沤田，7月中下旬栽苗，667 m2栽1 569墩，每墩1株，10月中下旬及时采收，一般隔5天采收一次，12月上中旬采收结束，每667 m2产量达1 100 kg，产值6 200元。西瓜―茭白模式每667 m2年产值超过11 200元。
②西瓜―水蕹菜模式[6]：西瓜1月育苗，2月定植，5月上旬上市，每667 m2产量3 000 kg，产值5 000元；水蕹菜选用柳叶青梗品种泰国柳绿空心菜，7月中下旬播种，株高30～35 cm、且有7～9片真叶时即可采收，一般10～15天采收一次，8月下旬开始覆膜，天气转冷后隔20多天采收一次，至霜降以前收完，每667 m2产鲜叶4 000～6 000 kg，产值5 000元左右。每667 m2年产值超过1万元。
4 西瓜长季节栽培
采用长季节栽培可使西瓜生育期从传统的120天延长到280天，同时将西瓜生产传统的一次性采摘，延长为3～4次或更多次采摘，可明显提高产量、效益。1月下旬播种育苗，2月下旬定植，5月中下旬开始采收，10月下旬采收结束，每667 m2可产西瓜4 500 kg，产值8 000元，西瓜长季节栽培模式在浙江温岭地区取得较大成功。针对如何利用好西瓜长季节栽培即从10月下旬到翌年2月上旬的空棚期，有2种模式值得选择。①江苏南通市总结出的早春长季节西瓜―秋冬乌塌菜高效栽培模式[7]：10月下旬西瓜清园后，揭去大棚膜，9月中旬播种育苗，11月上旬定植，12月下旬至翌年1月中下旬开始收获，2月上旬采收结束，平均每667 m2可产乌塌菜2 000 kg，产值4 000元。该模式每667 m2年产值超过12 000元。②浙江宁波余姚地区总结了早春长季节西瓜―鲜食榨菜的高效栽培模式[8]，鲜食榨菜选用平阳榨菜、甬榨4号等，9月下旬播种，10月下旬定植，每667 m2定植4 000～5 000株，12月底至翌年1月初采收，在瘤状茎达到150天即可分期分批采收上市，每667 m2产量2 500 kg，产值5 000元。每667 m2年产值超过1.3万元。
5 早春西瓜―秋茄果类蔬菜
早春西瓜―秋延后茄果类蔬菜的轮作模式，产量高、经济效益好，值得在南方地区大面积推广。如江苏南京地区总结早春西瓜―秋延后辣椒高效种植模式[9]：早春西瓜品种可选用小兰、早春红玉、黑美人，2月上旬嫁接育苗，3月上中旬定植，每667 m2定植550株左右，5月初抢早上市，每667 m2产量
2 200 kg，产值6 000元；辣椒品种选用耐寒、耐湿、耐弱光品种，如洛椒三特椒（616B）、苏椒5号、洛椒98A、汴椒1号等，7月中下旬播种，8月中下旬定植，每667 m2定植4 500株左右，10月上中旬至春节前上市，每667 m2产量2 200 kg左右，产值6 000元。每667 m2年总产值超过1.2万元。
6 早春西瓜―秋超甜玉米―冬青花菜
江苏南京总结出较为成熟的早春西瓜―秋超甜玉米―冬青花菜栽培模式[10]：西瓜1月上旬嫁接育苗，2月底至3月初定植，每667 m2定植600～650株，5月上市，6月中下旬采收结束，667 m2产值6 000元；超甜玉米选用晶甜5号、晶甜6号等，7月上旬育苗，7月中下旬定植，每667 m2定植3 500株，9月中下旬至国庆节采收，每667 m2收益可达6 000～7 000元；青花菜选用耐寒性强的寒绿、晚绿99等品种，8月上中旬育苗，9月下旬10月上旬移栽，每667 m2栽 300株，12月至春节前收获，元旦或春节前上市，667 m2产量1 500～2 000 kg，收入4 000～5 000元。该模式每667 m2年总产值超过1.6 万元。
参考文献
[1] 杨艳涛，张琳，吴敬学.2011年我国西甜瓜市场及产业发展趋势与对策分析[J].北方园艺，2012（15）：183-187.
[2] 戴照义，郭凤领，王运强，等.2012年湖北省西甜瓜产业发展报告[J].湖北农业科学，2013（24）：6 064-6 066.
[3] 邢后银，徐颂涛，唐懋华.大棚草莓―礼品西瓜高效模式栽培技术[J].现代园艺，2010（6）：34-35.
[4] 易咏生，汤智，熊光辉.城市中远郊小西瓜―藜蒿高效栽培模式[J].长江蔬菜，2003（5）：18-19.
[5] 顾桂华，林红梅，苏卫国，等.东台地区设施早春西瓜―秋茭白轮作新模式[J].长江蔬菜，2014（4）：42-43.
[6] 林红梅，苏卫国，刘斌，等.设施水旱轮作高效栽培新模式的研究和推广―早春大棚西瓜―水蕹菜栽培模式[J].上海蔬菜，2011（5）：50-51.
[7] 李进，张雪峰.早春长季节西瓜与秋冬乌塌菜高效复种[N].江苏农业科技报，2012-11-03（003）.
[8] 孟秋峰，王毓洪，张华峰，等.大棚长季节西瓜与鲜食榨菜轮作的高效栽培技术[J].中国瓜菜，2013（5）：49-50.
秋季值周总结范文第10篇
关键词 气候变化；气温；降水量；甘肃肃北；1973―2010年
中图分类号 S162.3 文献标识码 A 文章编号 1007-5739（2017）04-0190-02
Abstract Using annual temperature and precipitation observation data of Subei General Weather Station during 1973-2010，the decadal，inter-annual，seasonal and monthly variation characteristics of the meteorological elements of Subei County were figured out by Excel，SPSS，Matlab software，linear trend estimation，the running average method and wavelet analysis.The results showed that during the past 38 years，the annual average temperature of Subei County had a upward trend，and a slight downward trend in rainfall. Among the four seasons，the trend of increasing temperature was obvious in winter and summer，followed by spring and autumn.The precipitation of spring，autumn and winter increased every year，and that in summer decreased.
Key words climate change；temperature；precipitation；Subei Gansu；1973-2010
天庀低潮浠不仅是全球性的，而且具有局地特征[1]。目前，全球异常天气常规化，气候变化引起了众多研究者的关注[2-3]。天气要素中的降水量和气温的周期变化会极大地影响气候变化。肃北县具有悠久的养畜历史，农业生产的主体是牧业，占农业总产值的95%以上，南山片区河流与泉水较多，水源充足。境内4条常年河流均发源于祁连山区，且落差很大，年总径流量达14.5亿m3，水能资源蕴藏量达50万kW，得天独厚的水利资源开发前景十分广阔。因此，分析研究本地区的气温、降水量变化特征，不仅可以得到肃北县气候变化的时空变化特征和规律，而且对该地区进行气候预测、气象资源合理应用及保障农牧业生产有着重要的意义。
1 资料与方法
1.1 资料来源
对肃北国家一般观测站1973―2010年气温资料（四季平均气温、年均气温）和降水资料（四季降水量、年总降水量）进行研究，对该期间的季节进行定义（冬季为12月至翌年2月，春季为3―5月，夏季为6―8月，秋季为9―11月）。
1.2 研究方法
对1973―2010年气象资料进行研究时，利用数学方法建立一元线性回归方程，利用线性气候倾向估计法[4]，对气候趋势变化进行分析，线性倾向趋势系数利用最小二乘法求出[5]，降雨和气温变化规律使用一元线性回归方程来演示：
y（t）=a0+a1t（1）
其中t为时间（t=1，2，3，…，n），单位为年，a0为常数，a1为回归系数，当a1为正（负）时，表示相应的气象要素在该时段内线性增加（减弱）。
运用小波分析法分别对气温、降水量进行小波分析，获得气象要素在不同时间尺度上的变化特征，从而总结出气温、降水量的变化周期，以及对未来的变化趋势进行预测。
2 结果与分析
2.1 气温变化
2.1.1 年平均气温变化。从总的变化趋势来看肃北县年平均气温整体呈现震荡上升趋势，气候倾向率为0.5 ℃/10年，也就是说1973―2010年肃北县年平均气温上升1.9 ℃。利用5年滑动平均法对年平均气温距平时间序列进行平滑，可以看到气温升高较快的时段分别为1983―1990年、1994―1998以及2003―2006年，其中年平均气温最大值出现在2009年，达到了8.4 ℃；而气温呈现比较明显下降趋势的时段只有1998―2003年，年最低气温出现在1976年，为5.6 ℃。从平均气温距平曲线可以看到气温变化波动较大，1987年以前气温距平值基本为负值，之后的年份气温距平基本为正值。分析1973―2010年逐年平均气温距平Morlet小波变换图（图1）可以发现研究区域近40年年平均气温变化有2个尺度的结构，其中4～6年的周期性变化为小时间尺度，大时间尺度存在着10～20年上的周期振荡非常明显，期间经历了气温低―高的交替。1992年以前年平均气温表现为低值期，1992年之后表现为高值期。
2.1.2 各季平均气温变化。肃北县气温变化也存在着随季节变化不同程度升高的特征：其中夏季平均气温增加最为明显，气候倾向率略高于年平均气温，达到了0.7 ℃/10年，表明夏季增温贡献最大；冬季与春季次之，气候倾向率均为0.5 ℃/10年；秋季气候倾向率等于年平均气温气候倾向率，为0.4 ℃/10年。冬季平均气温5年滑动平均曲线波动最为明显，特别是1980年之前，说明冬季平均气温年际变化最为突出；春季、夏季、秋季平均气温5年滑动平均曲线较平稳，表明年际变化较小。
2.2 降水量变化
2.2.1 逐年降水量变化。根据肃北县1973―2010年年平均降水量的变化情况，能够清晰地看到降水量随年代变化的波动性比较大，其中波动频率较大的时间段主要有1979―1988年、1994―2002年，从总的变化趋势来看降水量随着时间的推移呈现出较弱的下降趋势，气候倾向率为-1.0 mm/10年，也就是说1973―2010年肃北县年降水量下降了3.8 mm。降水量在1991―1993年增加速率较快，而年最大降水量就出现在1993年，达到了252.3 mm；年降水量最小值出现在2009年，为73 mm，较历年平均降水量少了52%。
由图2可知，降水量变化有2个较为明显的周期：5年和15年。在15年时间尺度上，降雨量变化周期为2002―2010年为降雨偏多期，1994―2001年为降雨偏少期，1983―1993年同样为降雨偏多期，而1982年以前为降雨偏少期，所以15年时间尺度降雨量变化为4个变化周期。同时分析图2还可发现2002―2010年这个降雨周期的降雨等值线已经完全闭合，这表明2010年以后的下个10年间降雨量变化可能为偏少期。在5年的时间尺度研究肃北县降雨量发现，在1998年之前降雨量化明显存在相关的变化周期，共有7个周期，分别为1988―1990年、1983―1984年、1977―1979年3个降雨量偏多期和1991―1994年、1985―1987年、1980―1982年、1973―1976年4个降雨偏少期。
2.2.2 各季降水量变化。春季、夏季、秋季、冬季降水量气候倾向率分别为7.9、-14.0、5.1、0.6 mm/10年，可以看到四季降水量变化趋势差异较大：夏季降水量呈减少趋势，春季、秋季、冬季平均降水量均呈增加的趋势。秋季、冬季曲线的波动比较明显，说明这两季降水量的年际变化特征突出，春季、夏季曲线较平滑，表明降水量的年际变化趋势不明显。
经过统计分析，春、夏、秋、冬四季的降水量分别占全年降水总量的20%、63%、11%、6%，由此可见，肃北县降水量的60%～70%都集中在夏季，对该地区水资源的变化起着重要的作用。
3 结论与讨论
（1）1973―2010年肃北县气温整体呈现震荡上升趋势，气候倾向率为0.5 ℃/10年；降水量呈现下降的趋势，降水量气候倾向率为-1.0 mm/10年；同时，气温、降水量均存在着季节性的变化。气温在四季具有不断升高的特性，具体表现为：夏季平均气温增加最为明显，气温气候倾向率为0.7 ℃/10年；冬季与春季次之，为0.5 ℃/10年；秋季气温增加最缓慢，气温气候倾向率为0.4 ℃/10年，与年平均气温气候倾向率相等。
（2）四季降水量表现为：春季、夏季、秋季、冬季降水量气候倾向率分别为7.9、-14.0、5.1、0.6 mm/10年，说明四季降水量变化趋势差异较大，其中夏季降水量表现为减少的特征，春季、秋季、冬季平均降水量均表现为增加的趋势。通过降水序列的小波分析发现2002―2010年等值线已闭合，由此预测未来10年降水量有可能减少。四季中春季降水量增加趋势最为明显，降水量气候倾向率高达7.9 mm/10年，由于春季降水量占全年总降水量的比重仅次于夏季，为20%，这可能是导致肃北县春季易发生雪灾的主要原因[6]。
4 参考文献
[1] 邓自旺，林振山，周晓兰.西安市近50年来气候变化多时间尺度分析[J].高原气象，1997，16（1）：81-93.
[2] 丁丽佳.潮州气候变化特征及其对农业生产的影响和对策[J].气象科技，2009，37（2）：190-195.
[3] 黄向荣，葛红卫.合肥市近55年日照时数气候变化特征分析[J].安徽农业科学，2008（20）：8723-8725.
[4] 魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，2007.