水流冲击多段滞留气团的三维数值模拟

针对水气两相瞬变现象,充分考虑了水体弹性、气体可压缩性、水-气交界面的动态运动以及多段气团间相互作用,采用三维CFD方法对起伏管道内含多段滞留气团的水气两相作用进行建模和模拟,选择Standard k-ε湍流模型进行模拟研究,将三维计算结果、现有一维模型计算结果与试验结果进行对比分析,并通过水气两相分布图展现动态变化过程.结果表明:与一维模型相比,三维CFD模型能够更为准确地模拟起伏管道内瞬变压力波动,并且能够清楚描述水气掺混、耦合的动态变化.水流冲击初始两段滞留气团压力波动曲线显示,多气团间的瞬变压力并非同步变化,可能呈现多气团峰值压力交替出现的情况,这与初始气团长度密切相关.水气交界面自由变化,阻断水体长度时刻发生变化,当水体运动到管道弯曲处时会产生新的阻断水体,将气团分成若干部分.     

以林草之笔奋力描绘美丽中国建设新画卷——访全国人大代表、国家林草局党组书记、局长关志鸥

春暖中国。随着阳春三月的到来,北京也将正式进入全国两会时间。2021年是中国共产党成立100周年,也是"十四五"规划的开局之年。站在历史交会的时间节点上,林草系统在过去五年中取得了怎样的成绩,在未来的时间又以怎样的姿态在"绿水青山就是金山银山"理念指引下一起描绘生态美、百姓富的美丽中国新画卷?在全国两会召开前夕,绿色中国融媒体记者专访了全国人大代表、国家林草局党组书记、局长关志鸥。     

延迟收获对长江中游春玉米农艺性状及机收质量的影响

为探明长江中游玉米籽粒机械直收适宜品种与配套农艺措施，2018—2019年选用不同玉米品种，测定不同机收时间下玉米关键农艺性状、产量及机收质量指标。结果表明，收获时间对春玉米机收产量与机收质量均有显著影响。延迟1周收获后籽粒容重显著增加，机收产量显著提高，2年平均提高9.72%；而延迟2周收获则有降低机收产量的趋势。2年收获时杂质率总体≤3%，而机收籽粒破碎率与损失率均>5%，是该区域春玉米籽粒机收面临的主要问题。籽粒厚度、籽粒含水率和百粒重是影响机收籽粒破碎率的关键性状，三者与机收籽粒破碎率均呈显著的倒二次曲线关系；玉米的倒伏率、穗位高和重心高度是影响机收损失率的关键性状，倒伏率与机收损失率呈显著正相关，而穗位高和重心高度与机收损失率均呈显著的二次曲线关系。延迟收获能显著降低籽粒含水量，从而降低籽粒破碎率，但继续延迟收获有增加倒伏的风险。综上，长江中游春玉米成熟后适时延迟7~10 d收获，可有效降低籽粒含水量与机收籽粒破碎率，提高玉米籽粒机收产量。     

枯草芽孢杆菌的筛选及其与光合细菌复配对养殖水体的净化

以光合细菌和枯草芽孢杆菌为试验菌种,研究二者最优浓度配比,应用在实际生产中提高降解水体氨氮、NO~-_2和化学需氧量(COD)浓度的能力。测定7种枯草芽孢杆菌的生长曲线,选取生长性能较好的菌株K_1、K_2、K_3进行产酶活性检测,筛选出菌株K_3进行复配试验,试验设置1个对照组(CK)和7个复合菌组(P_1、P_2、P_3、P_4、P_5、P_6、P_7),7个复合菌组(光合细菌∶枯草芽孢杆菌)的浓度配比分别为P_1(1∶0)、P_2(0∶1)、P_3(1∶1)、P_4(2∶1)、P_5(3∶1)、P_6(1∶2)、P_7(1∶3),分析各试验组的氨氮、NO~-_2和化学需氧量等水质指标,选取处理结果最优的复合菌组。结果表明,复合菌能够明显降低水体氨氮,其中P_6降解能力最强,降解效果高于对照组4.9倍;能去除亚硝酸根浓度和水体中的化学需氧量。复合菌组的最佳浓度配比为1∶2,该浓度配比组较对照组和其他试验组能够明显净化养殖水质,有效提高净化水质能力。     

无源蓄冷控温运输箱设计与试验

针对蓄冷运输箱信息化程度低、控温时间短、控温困难等问题,设计了一款集控温、远程监控、定位、故障诊断等功能于一体的蓄冷运输箱。以脐橙为试验对象,结合能耗模型,对蓄冷控温箱控温性能进行了研究。结果表明,箱内各截面温度不均匀系数分别为0.38、0.47、0.78,温度极差最大值为2.8℃,均匀性较好;当蓄冷剂用量为180 kg,预冷脐橙660 kg,在外部环境平均温度26.39℃的条件下,总控温时长为122 h,风机共执行控温21次,且随着蓄冷量减少,风机开启控温所用时间呈指数上升趋势,决定系数不小于0.928 0;结合能耗模型分析得出,该箱体在广州夏季高温环境下可控温5 d以上,能够满足远距离运输要求。     

山东费县小麦病虫害防治存在的问题与综合防治技术

小麦是费县的主要粮食作物之一,该文分析了小麦病虫害防治中存在的问题,有针对性的提出明确防治时间、合理使用农药、科学灌溉、采取物理与生物防治相结合等综合防治技术,给小麦种植者提供借鉴。     

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。