土壤胡敏酸与铜、锌离子的络合特征及生物有效性的研究

通过田间试验研究了胡敏酸(HA)与铜、锌离子的络合特性。结果表明,施肥后土壤HA向结构复杂方向转化,HA与Cu2+、Zn2+之间的络合稳定性提高。HA-Cu2+的logk值,有机肥大于化肥;HA-Zn2+的logk值,以化肥的作用更明显。土壤HA与Cu2+或Zn2+络合,倾向于形成混合或多核络合物。施有机肥可提高HA-Cu2+或HA-Zn2+的结合强度和增加结合数量,而施化肥处理则相反。培养试验结果表明,有机肥处理的HA,玉米吸收Cu2+、Zn2+量下降,单施化肥处理下降较小;其中Cu2+吸收量受影响程度较大,而Zn2+吸收量没有那么明显。     

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。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量,以大围网养殖海水中的氨氮为研究对象,在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应,实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型,并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响,其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优,建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L,相对分析误差（RPD）为6.8932;在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验,平均回收率在94%~109%之间,相对标准偏差在2.3%~5.8%之间。结果表明,实验建模效果良好,操作简单、方便,实验快速、可靠、无污染,表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

不同品种紫花苜蓿中总皂苷含量的比较研究

采用比色法测定了北京地区栽培不同年限的45个紫花苜蓿品种茎、叶中总皂苷的含量。结果表明，各品种苜蓿叶片中的皂苷含量均高于茎，在不同品种之间存在明显差异。4年生植株中皂苷含量最高的品种“Vernal”为1.174%，最低的品种“Empress”为0.606%；3年生植株中最高的品种“WL442”为1.141%，最低的品种“农保”为0.788%；2年生植株中最高的品种“胜利者”为1.293%，最低的品种“全能”为0.722%。综合比较，含量最低品种与最高的品种相差2.13倍。栽培年限对紫花苜蓿皂苷含量具有一定影响。     

有机络合强化植物修复的环境风险研究：—Ⅰ．EDTA对复合污染土壤中TOC和重金属动态变化的影响

采用盆栽试验研究了EDTA存在条件下的土壤溶液总有机碳（TOC）和重金属浓度的动态变化。结果表明，施用3mmol/kg EDTA极显地增加了土壤溶液中TOC的含量。土壤溶液TOC随培养时间呈指数曲线下降，在加入EDTA52天后土壤溶液TOC仍然高于对照处理，施用EDTA大幅度地提高了土壤溶液Cu,Zn,Cd和Pb的浓度，这些重金属的浓度在一个月内迅速下降，以后趋向稳定。EDTA活化土壤重金属存在淋溶迁移的潜在环境风险。     

有机质肥料中硝酸態氮素分析方法的研究

一、绪言硝酸态氮素定量分析,普通多使用还原法与比色法两种。但有机质肥料如厩肥、堆肥含大量有色体、尿素、氯化物等杂质,以上两种方法,都不适用。动物粪便中,每含有大量铵盐及易于分解的各程氮的化合物。无论在酸性或     

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。     

残膜回收机发展现状及存在问题

<正>1国外残膜回收机发展现状残膜回收处理是世界各国面临的一个棘手问题。英国和前苏联主要是采用悬挂式收膜机,工作时松土铲将压膜土耕松,然后将残膜收卷到羊皮网或金属网上。收下的膜清洗干净卷好备用。