DPS软件在中绥12杨光响应曲线拟合中的应用

采用Li-6400光合仪测定了中绥12杨的光响应数据。分别采用直角双曲线模型、非直角双曲线模型、直角双曲线修正模型及指数模型对光响应曲线进行拟合,以探讨几种模型对中绥12杨的适用性并介绍在DPS数据处理系统中的操作步骤。结果表明,直角双曲线、非直角双曲线及指数模型得到的最大净光合速率大于实测值;直角双曲线和非直角双曲线模型得到的光饱和点远小于实测值;应用指数模型时(假设0.9Pn max或0.99Pn max所对应的光强为Isat)则无法求解光饱和点;直角双曲线修正模型拟合得到的各项光合参数均与实际相符,是中绥12杨光合光响应的最适宜模型。     

龙须草叶片电镜扫描样品制备方法及扫描电镜下电压选择

探讨了龙须草叶片扫描电镜样品的制备技术以及扫描电镜下电压的选择。结果表明:取叶组织直接镀金观察的效果与通过戊二醛固定经丙醇脱水后再镀金观察的效果相差不大,研究龙须草叶片结构可以用直接制片法。为了获得清晰的龙须草叶片扫描电镜图,在扫描电镜下选择用10 k V的电压为最佳。     

桂林七星公园阴香种群年龄结构研究

选择桂林七星公园中的阴香种群,采用"径级大小替代年龄大小"的方法,进行阴香种群年龄结构的研究,同时绘制了种群的年龄结构图及存活曲线。结果表明:4个样地中,样地2、样地4的阴香种群的年龄结构呈增长型,存活曲线为DeeveyⅠ型;样地1、样地3的阴香种群的年龄结构呈衰退型,存活曲线为Deevey II型。影响阴香种群年龄结构及其动态的主要因素为人为活动干扰。     

滇西北4个高原湖泊演变特征及其驱动因子

基于纳帕海、属都湖、碧塔海和剑湖4个高原湖泊矢量数据,利用Arc Map 10、Fragstats 3.3、Excel等软件,系统分析了1955~2012年4个高原湖泊水域面积和形状的时空演变规律及其驱动因子。结果表明,(1)湖泊时空演变规律各异。纳帕海水域面积和形状复杂程度都处于无规律的波动变化过程中。属都湖水域面积和形状复杂程度1955~1994年都处于增加状态,1994~2011年保持不变。碧塔海水域面积和形状复杂程度没有发生变化。剑湖水域面积1957~2012年呈减少趋势,形状复杂程度呈增加趋势。(2)时空变化程度各不相同。4个高原湖泊时空变化程度从大到小的排序为纳帕海﹥剑湖﹥属都湖﹥碧塔海。(3)演变驱动因子不尽一致。纳帕海的驱动因子主要为疏浚落水洞、建闸控水、泥沙淤积、改造河道、气候变化、湖水污染和旅游干扰。剑湖的驱动因子主要为疏浚河道、泥沙淤积、湖滩开发、建闸控水、气候变化和湖水污染。属都湖的驱动因子主要为筑坝蓄水。人为干扰和气候变化没有导致碧塔海湖泊的变化。(4)受人为干扰程度有差异。4个高原湖泊受人为干扰程度由重到轻的排序为纳帕海﹥剑湖﹥属都湖﹥碧塔海。     

压力补偿式灌水器补偿腔结构参数对颗粒运动的影响

为解决颗粒在迷宫流道压力补偿式灌水器内大量沉积或堵塞以致影响灌水器正常工作的问题,采用FSI模拟固定垫片变形后,基于CFD-DEM耦合模拟,经试验对比验证其可靠性后,设计单因素及Box-Behnken响应面试验,分析了压力补偿腔内副流道截面积、压力补偿腔出口直径、压力补偿腔直径3个结构参数及其交互作用对灌水器抗堵塞性能的影响,通过建立回归模型预测灌水器颗粒停留率,综合判断灌水器的抗堵塞性能。结果表明：副流道截面积由0.018 mm²提升至0.054 mm²时,颗粒停留率降低5.09个百分点;压力补偿腔出口直径由1.4 mm下降至0.8 mm时,颗粒停留率降低2.87个百分点;且颗粒沉积受副流道截面积和压力补偿腔出口直径、副流道截面积和压力补偿腔直径两种交互作用影响显著,交互影响下颗粒停留率最低为7.67%。拟合出颗粒停留率与压力补偿腔内副流道截面积、压力补偿腔出口直径、压力补偿腔直径3个结构参数的回归方程,可用于评判和预测灌水器抗堵塞性能,且推荐了一组副流道面积为0.051 mm²、压力补偿腔出口直径为0.894 mm、...     

不同核背景对玉米CMS-C线粒体复合体活性的影响

为探究不同核背景下线粒体复合体活性对玉米C型雄性不育系育性的影响,明确其与花药败育的关系.以同质异核不育系K932S、K169S、近等基因恢复系K932R和保持系K169为材料,采用植物线粒体呼吸链复合体酶联免疫分析试剂盒对花药发育不同时期的5个线粒体复合体活性进行测定比较.结果表明,除花粉母细胞时期复合体Ⅱ、Ⅳ外,其余时期不育细胞质复合体Ⅰ、Ⅱ、Ⅳ活性在K169核背景下显著高于K932,绝大多数时期复合体Ⅲ、Ⅴ的活性则相反,但存在恢复基因时,K932R可改变部分时期不育细胞质不同线粒体复合体的活性.在二分体时期,不育细胞质复合体Ⅱ、Ⅲ、Ⅴ活性显著低于正常可育胞质,而其他多数时期5个复合体的活性则相反.由此可见,在花药发育不同时期,核背景对玉米CMS-C不同线粒体复合体活性均有显著影响;相同核背景下,二分体时期不育细胞质复合体Ⅱ、Ⅲ、Ⅴ活性比正常细胞质显著降低,可能与CMS-C花药败育密切相关.     

曲轴摆缸式阀配流水液压马达工作特性研究

为解决盘配流和轴配流低速大扭矩水液压马达配流副存在的磨损和泄漏问题,提出一种新型阀配流结构的低速大扭矩水液压马达,柱塞配流通过配流凸轮控制配流阀的通断实现。研究柱塞运动学规律和马达输出扭矩形成,揭示配流阀推杆位移、阀芯通断、柱塞进回液间的对应关系,分析马达角排量波动随转角、结构设计参数K的变化规律,当结构设计参数K为0.13时,马达输出扭矩波动率为6.59%。在AMESim中建立了配流阀及单柱塞配流过程的仿真模型,分析配流阀的工作特性及单柱塞动态配流性能,工作中配流阀产生最大压降为0.08MPa,进/回液配流阀无高低压串液。为验证阀配流结构在水液压马达中的工作性能,建立阀配流单柱塞试验台,并研究不同工况下的配流工作特性。试验结果表明,配流阀在马达转速0~60r/min、压力0~21MPa的工况下稳定配流,进液阀口压力在柱塞腔进回液转换时存在瞬间小幅压力波动,但对配流过程基本无影响,阀配流结构能够满足曲轴摆缸式马达柱塞的配流需求,为低速大扭矩水液压马达的配流提供了思路。     

基于改进ResNet18模型的饲料原料种类识别方法

为了解决饲料生产过程中入仓原料种类采用人工取样感官识别所存在的问题,实现原料种类自动识别,以玉米、麸皮、小麦、豆粕、鱼粉等大宗饲料原料为研究对象,自主设计搭建了多通道入仓原料种类自动识别装置,采集饲料原料图像数据集,并使用数据增强的方法增加样本多样性。基于ResNet18网络模型加入通道注意力机制、增加Dropout函数,并嵌入余弦退火法的Adam优化器,引入迁移学习机制训练模型,构建适用于饲料原料种类识别的CAM-ResNet18网络模型。CAM-ResNet18网络模型的原料种类验证准确率达99.1%,识别时间为2.58ms。与ResNet18、ResNet34、AlexNet、VGG16等网络模型相比,模型验证集准确率分别提升0.6、0.2、3.7、1.1个百分点。针对混淆矩阵结果分析,测试集识别平均准确率达99.4%,具有较高的精确度和召回率。结果表明,构建的CAM-ResNet18网络模型在饲料原料种类识别方面具有较高的识别精度和较快检测速度,自主研发的多通道入仓原料种类自动识别装置具有实际应用价值。     

干法厌氧发酵装备同步升温发酵及微生态网络研究

干法厌氧发酵是提高农业农村废弃物处理效率及资源高效循环的重要技术之一。先前围绕该技术产甲烷效率低、传质传热不均匀等问题,提出了微好氧同步预升温干发酵技术,设计了配套装备,开展了小试和中试试验,产甲烷效率得到改善。为进一步提高放大装备的实际应用质量,在对发酵装置密封、进出料、喷淋循环系统等关键部件优化的基础上,探明了最优曝气量及实际应用中微好氧预升温阶段物质转化特性,揭示了微生物生态网络关系,评价了实际运行效果。结果表明：对关键部件的优化显著提升装备运行稳定性,微好氧同步预升温阶段最优曝气量为10 L/min,容积产气率达到1.20 m³/(m³·d)。物料在第40小时升温至42℃,曝气组各层物料温度较未曝气组均提高45.54%、32.46%和52.06%。同步预升温促进了物料各层纤维素和半纤维素的降解,提高了酸化效率,有机酸质量浓度分别提高59.83%、50.69%和20.85%,物料产气潜力提高34.9%。探明了微生物网络关系以及与发酵环境因子变化的相关性,发现微好氧预升温阶段具有协同作用的功能微生物SBR1031、Synergistale...     

基于纹理-颜色特征与植被指数融合的冬小麦LAI估测

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数,并提取植被指数影像中8种纹理特征：对比度(CON)、熵(ENT)、方差(VAR)、均值(MEA)、协同性(HOM)、相异性(DIS)、二阶矩(SEM)和相关性(COR),以及3种颜色特征：一阶矩(M)、二阶矩(V)和三阶矩(S),再分别利用多元逐步回归模型(MSR)、支持向量回归模型(SVR)和高斯过程回归模型(GPR)构建冬小麦LAI估测模型。结果表明：相对于考虑单一类型变量,考虑结合纹理特征和颜色特征进行估测时模型精度更高;3类模型中,GPR模型估测冬小麦LAI的精度最高;所有模型中,基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高(决定系数R²为0.94,均方根误差(RMSE)为0.17 m²/m²,平均绝对误差(MAE)...