“Restorative-Repressive” perception on post-industrial parks based on artificial and natural scenarios: Difference and mediating effect

The development of post-industrial landscapes at industrial sites plays an important role to fill urban green spaces. However, current research on the use and redevelopment of post-industrial sites has mainly focused on ecological restoration, and studies combined with objective and subjective data to quantify public preferences remain poorly understood. In this study, deep learning was used to semantically segment the post-industrial landscape, and a multiple stepwise regression model was used to analyze the non-linear correlation between quantitative indicators and public “restorative-repressive” perception, and structural equation model (SEM) between quantitative indicators and public perception data were established. We investigated and found (1) Semantic segmentation models for machine learning combined with principal component analysis (PCA) and non-metric multidimensional scaling (NMDS) analysis can categorize post-industrial parks into two groups dominated by artificial elements and natural elements. (2) Public perceptions varied more in the natural element-dominated group and less in the industrial element-dominated group. In addition, waterbody in the post-industrial landscape existed as a destabilizing factor. (3) There was a difference in the correlation between quantitative indicators and subjective perceptions in the two categories of parks. (4) Height of industrial building (HIB), function of industrial building(FIB), vegetation succession(VS) were significantly influenced public satisfaction. These findings informed that public satisfaction with post-industrial landscapes can be enhanced by taking full account of the different uses of natural and artificial elements and enabling researchers to analyze the redevelopment of post-industrial landscapes from a new perspective of evidence-based design.     

几种优良人工牧草矿质元素含量的比较研究

就地上部而言,在3种豆科牧草中,白三叶以N、P、K、Fe、Co、Na含量较高,红三叶以Mg、Zn含量较高。在3种禾本科牧草中,鸭茅以P、K、Mg、Mn、Cu、Zn、Mo含量较高,草地早熟禾以Fe较高。3种豆科牧草N、Ca、Mg、V、Sr的平均含量显著高于禾本科牧草。地上部与地下部比较,豆科牧草的P、K、Ca、Mn、Zn、Na含量前者显著高于后者;禾本科牧草的N、P、K、B含量,前者明显高于后者。     

红壤甜橙园土壤和叶片营养元素相关性分析

 于2010 年和2011 年在江西省安远县和寻乌县这两大赣南甜橙生产县,共采集181 个红壤枳 砧甜橙园的土壤样品和叶片样品,进行营养元素含量测定,并对土壤和叶片相应营养元素含量进行相关 性分析,为评价测土配方施肥是否适宜红壤甜橙园提供依据。结果表明：土壤碱解氮、交换性钙、交换 性镁、有效铁和有效锌的丰缺状况在甜橙叶片对应营养元素丰缺水平上能得到一定程度的反映;土壤有 效钾、有效磷、有效铜和有效硼的状况则难以在甜橙叶片对应营养元素丰缺水平上得到反映。相关性分 析结果显示,只有2010 年安远县甜橙园土壤有效Zn 含量与叶片Zn 含量呈显著正相关（P < 0.05）,其余 土壤有效营养元素含量与叶片对应营养元素含量之间均无显著相关性。表明测土配方施肥不适宜红壤甜 橙园,建议实行以叶片营养诊断为主、土壤诊断为辅的配方施肥策略。     

稀土植宝处理对大棚小白菜产量及农药残留量的影响

研究了稀土植宝叶面肥喷施后对大棚小白菜 (油菜 )苏州青农药残留量、产量的影响。结果表明 :稀土植宝处理可显著提高其产量并具有促进农药降解、降低小白菜植株内农药残留量的作用。     

水芹和旱芹的营养成分分析

以常规方法对毕节水芹菜和旱芹菜的营养成分含量进行测定和比较分析.结果表明:水芹菜的蛋白质、维生素B1、维生素E、胡萝卜素、钾、钙、磷、铜和硒的含量均比旱芹菜高;而碳水化合物、粗纤维、维生素A、维生素C、钠、铁、镁和锌的含量则比旱芹菜低.     

FEM技术用于车门设计的研究

介绍了解决有限元FEM(fin ite elem entm ethod)技术用于某小型运输车车门设计的关键问题的方法。对没有用加强板进行加强的车门进行了下沉工况静力分析和自由状态的模态分析,得到了车门的固有频率及其相应振型,对车门的静刚度和动刚度做出了评价,为进一步设计提供了参考。     

角钢⁃集成材L形组合柱的受压性能研究

为提高装配式木结构中异形柱的力学性能,设计了一种用热压等边角钢和SPF集成材为原料,环氧树脂胶黏剂连接制作的角钢-集成材L形组合柱,作为框架结构或框架剪力墙结构的角柱。以角钢边宽度对L形柱正截面承载力的影响进行了轴压试验研究,并进行ANSYS有限元模拟,以判断模拟预测的准确性。结果表明:角钢-集成材L形组合柱相对于同截面面积的木柱而言承载能力上升37.0%~51.4%,刚度上升36.5%~72.8%,同时L形柱有良好的延性;适当增加L形柱中的角钢边宽度可以使承载能力有效提高,但是其短边处的集成材易产生破裂,增加试件的脆性破坏;集成材之间的环氧树脂胶合界面在破坏前后都性能良好,在材料弹性阶段钢材和木材有效共同受力,承载力计算时需要考虑钢材的塑形增强作用;ANSYS有限元模拟的角钢-集成材L形组合柱弹性模量结果和试验结果一致,误差在10%以内,模拟结果基本可靠。研究成果对于预测角钢-集成材L形组合柱在实际预制装配时的安全可靠性提供了理论依据。     

医学图像精细化分割方法研究

指出了深度学习方法在医学图像分割中取得较大的进展,但医学图像处理的复杂性使得全自动分割方法难以取得较好的分割效果。在卷积网络分割的基础上,结合应用场景使用适当的后处理手段来提升图像的分割效果是一种比较有临床意义的研究方法。主要研究了基于概率图的全连接条件随机场模型和基于用户交互的深度编辑网络,并分析总结了这两种方法的实现原理和各自优势,并对未来的研究工作进行了一些展望。     

基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别

分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割。