植物生长因子分析课程教学中使用“联想记忆法”浅析

植物生长因子分析是园林类各专业的专业基础课程,内容多、课时少、理论性强且抽象难懂,学生难于记忆且容易遗忘。通过"联想记忆法"的使用,能够调动学生的学习兴趣,使学生牢固掌握学到的知识。     

幽默

因公出差 一名公务员因公出差,在酒足饭饱之后需要小解,便找到一家公厕,卫生员告诉他收费3角。公务员涨红着脸说：＂请你给我开张发票,我是公差。＂     

夏日的马场草原

对于一个曾经在马场草原生活过的人,特别是像我这样一个曾经的草原电工来说,无论现在到了哪里,这一辈子,都不可能将夏日的马场草原从记忆中抹去。     

洞庭湖最后的鱼鹰群落

采桑河，具有洞庭水乡诗意的港河，弯弯曲曲地穿越湖洲，联通大江与大湖的血脉，也连着我们的血脉，勾起心灵深处关乎母亲河、母亲湖的记忆，那些滋养生命的水灵灵的温暖。鱼鹰，少年时代的记忆里，泪罗江上永恒的风景。黄胶鞋沾满湿软的潮泥，我沿河滩追赶着，追赶着鱼鹰，看它怎样从碧绿的深潭捕鱼。威猛的黑鸟一个猛子扎下水，却使我屏住呼吸，期待它从远处浮出江面。     

将互联网英汉对照文件用于Trados翻译记忆库高效填充的方法研究

本文分析了互联网双语对照文件的特点,指出了双语字幕文件适合批量填充Trados翻译记忆库的文件格式类型,并提出了将其用于填充翻译记忆库的方法。     

浅谈英语单词的记忆方法

任何语言都是交流的工具，要想准确使用好一门语言，就需要一定的词汇量，尤其是英语。介绍了英语单词的记忆方法及如何创设最佳心理状态以达到准确、快速记忆英语单词的目的。     

小城记忆：五通桥的河光水影

五通桥是个居于盆地边缘的川南小城。当年徐悲鸿盘桓于此时，曾把它称为。中国的君士坦丁堡”，“群山环水，巨榕簇簇，如岗如峦，列于水旁。倒影沉沉．有若图绘。”他的这段话道出了小城的神貌，而水则是这个小城的魂，缓慢而悠然，不时打着漩儿，时而清澈时而浑浊的河流，成就了它的诗情画意。     

基于ST-LSTM的植物生长发育预测模型

提早预知植物生长发育是智能育种过程的重要组成部分,针对植物表型难以精准预测和模拟的问题,利用植物生长发育的空间和时间依赖性,提出了一种基于时空长短时记忆网络（Spatiotemporal long short-term memory, ST-LSTM）的植物生长发育预测模型,实现植物生长发育的预测。首先,通过微调Mask R-CNN模型实现识别、提取植物掩模,预处理具有时空相关性的植物生长发育图像序列,构建植物生长发育预测数据集。然后,基于ST-LSTM建立植物生长发育预测模型,利用历史生长发育图像序列,融合时空深度特征,预测植物未来的生长发育图像序列。研究结果表明,所提出模型预测的图像序列与生长发育实际图像序列具有较高的一致性和相似性,首个预测时间节点的结构相似度为0.874 1,均方误差为17.10,峰值信噪比为30.83,测试集的冠层叶面积、冠幅和叶片数预测R²分别为0.961 9、0.908 7和0.915 8。该研究实现了基于植物生长发育图像序列的生长发育预测,有效减少了田间反复试验的时间、土地和人力成本,为提高智能育种效率提供了参考。     

基于SSA-LSTM的玉米土壤含氧量预测模型

土壤含氧量（Soil oxygen content,SOC）是影响作物生长的重要土壤环境因素之一,具有时序性、不稳定性和非线性等特点,精确预测土壤环境中含氧量的变化趋势,有助于制定更加合理的土壤通气增氧方案。本研究提出基于麻雀搜索算法（Sparrow search algorithm,SSA）和长短时记忆（Long and short-term memory,LSTM）神经网络预测模型,利用国家土壤质量湛江观测实验站记录玉米种植期间的气象环境和土壤环境数据,基于SSA-LSTM模型对SOC变化进行预测及相关性分析,并与传统的BP预测模型、LSTM预测模型、GA-LSTM预测模型及PSO-LSTM预测模型进行对比。试验结果表明,SOC与降雨量、土壤含水率、土壤温度、土壤充气孔隙度相关性极显著,相关系数高于0.8,与大气温度和风速相关性显著,与大气湿度和土壤呼吸速率相关性较弱。SSA-LSTM模型预测精度明显高于其他4组对照预测模型,R2达到0.95979,RMSE仅为0.4917%,MAPE为3.7331%,MAE为 0.3620%,预测值与试验值之间的拟合程度高。本研究可为土壤含氧量变化的精准预测及土壤通气增氧技术的应用推广提供理论支撑与科学依据。