读龚文桢的工笔花鸟

北京有个工笔画会,顾名思义,要和写意派分庭抗礼自显面貌,即使同在一个画会,同是一个画派,也要求不同一个画貌。这是中国画发展道路上突出个人风格的优良传统。据画坛中人反映,于非闇从写意转工笔,目的在于冲破吴昌硕、齐白石南北两大写意派的垄断局面。画笔一转,转到了北宋宫庭派的工笔画,既学宋徽宗的画法,也学他的书法。自来名师出高徒,于非闇带出了两位高徒,一个田世光、一个俞致贞,又带出了第三代工笔画家,龚文桢是其中一个,也以工笔花鸟为主攻方向,既和他的老师和太老师有同功之妙,也有异曲之貌。不看别的,只要看他在和毛竹、毛笋的合影中,便知他所追     

美国一九八○年灌溉总面积和喷灌面积

据美国《灌溉杂志》1980年30卷第六期报道: 一、美国全国五十一个州1980年总灌溉面积为370538445亩,比1979年总灌溉面积371201217亩减少O.2％;其中美国西部十七个州灌溉面积共为314506583亩,比1979年这十七州的灌溉面积17029240亩减少0.8％。二、1980年美国全国喷灌面积为122141863     

确定喷灌时蒸发损失水量的诺谟图

在国内外文献中报导,喷灌时蒸发损失水量,可达喷灌机供水量的20～40％,有时甚至可达50％。据据我们的试验资料,蒸发损失的水量,达到灌水定额的20％。喷灌过程中蒸发损失的水量,可根据喷灌供水与落在地面上的水,两者化合物浓度的差值(化学法)、放射性同位素的数量(示踪原子法),以及直接测定喷灌供水量和落在地面     

酶联免疫(ELISA)法测定水产品中呋喃唑酮代谢物AOZ的残留

采用MaxsignalTM AOZ快速检测试剂盒检测水产品中呋喃唑酮代谢物。通过对精密度、回收率和检测限等项目的测定，验证了方法的可行性。呋喃唑酮代谢物标准液在0．05ng／mL～4．5ng／mL范围内具有良好的线性，微孔板孔间变异系数为3．2％～7．7％。样品批内变异系数为5．2％～8．4％，批间变异系数为6．3％～8．9％，平均回收率为94．5％～98．4％。试剂盒的理论检测下限为0．05μg／Kg。该方法灵敏度高，重复性好，适用于水产品中呋喃唑酮代谢物残留的检测。     

坦桑尼亚伊林加地区竹子水管研究项目访问记述

应坦桑尼亚水利和能源部竹子水管研究项目的邀请,我于1986年4月4～10日访问了坦桑尼亚,以讨论竹子作为水管的利用问题。坦桑尼亚某些地区竹类资源丰富,尤以两种竹子最多:黄竹(Bambusa vulgaris)和     

尊重历史 秉笔直书 刻意求新——读《烽火江南话奇冤》

在隆重纪念抗日战争胜利50周年之际,抗战学术研究园地繁花似锦。由中国档案出版社出版、著名抗战史专家李良志教授所著《烽火江南话奇冤——新四军与皖南事变》(以下简称《话奇冤》)一书,是其中绚丽多彩的一枝。该书坚持历史唯物主义的观点,以大量丰富确凿的史料,对皖南事变这一抗战时期的“千古奇冤”作了多侧面、多角度、多层次的研究,是一部全面系统反映这一历史事件的专著。     

灰枣果实体积与单果质量的估算方法

以新疆若羌县7年生灰枣树自然风干果实为对象,测定枣果横径、纵径、体积、单果质量及硬度,通过相关性分析筛选不同果实等级下有效指标,拟合建立灰枣体积与单果质量估算模型。结果表明,枣果中部横径R_2与纵径H、体积V呈极显著相关(P0.05),可仅以中部横径R_2为自变量建立灰枣体积估算的幂函数模型V_g=0.313R_2~3+1.241R_2~2(r~2=0.817 8);自然风干灰枣单果质量M与估算体积V_g呈极显著相关,二者满足线性关系M=0.523 3V_g+0.674 1(r~2=0.873 9)。经检验,所构建估算模型可靠,测量方便,精度较高,可快速完成灰枣体积、单果质量估算。     

基于机器学习和深度学习的玉米种子活力光谱检测

为解决传统的种子活力检测方法存在耗时长、损伤种子等问题,实现种子活力的快速无损检测,分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型,通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本,采集其高光谱数据后通过卷积平滑（SG）和多元散射校正（MSC）去除高光谱噪声,分别采用主成分分析（PCA）、连续投影算法（SPA）进行光谱特征降维,再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像,用局部二值模式（LBP）提取感兴趣区域的纹理特征,并与纯光谱特征融合。分别基于纯光谱特征构建决策树（DT）和支持向量机（SVM）模型和融合特征建立随机森林（RF）、SVM和极端梯度提升树（XGBoost）模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示,就机器学习方法而言,针对纯光谱特征表现最好的是PCA-SVM模型,其测试集准确率为92.5%;针对融合特征表现最好的是SVM模型,其测...