排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
苏州古城有一艺术馆,是由明代的一所住宅改建的,古典的园林风格被馆主巧妙地加以现代元素,整个艺术馆呈现着东方文化的神韵。在这所艺术馆里,人们感受到的是清灵、隽秀,是远离尘世喧嚣的静谧。馆中展出的绝大部分是摄影作品,每一幅摄影作品都像是静静地诉说着摄影者对人生的感受。摄影者与馆主是同一个人,她叫王小慧。 相似文献
3.
黄土丘陵侵蚀坡地土壤呼吸初步研究 总被引:3,自引:0,他引:3
利用Li-8100红外气体分析仪和^137Cs示踪技术测定了黄土高原侵蚀撂荒坡地不同侵蚀坡位的土壤呼吸速率。结果表明:土壤呼吸速率在没有侵蚀的坡顶部与坡下部土壤堆积区之间存在极显著差异,坡顶部与坡中部轻度侵蚀区土壤呼吸速率无显著差异。对两个影响土壤呼吸的因素——5cm土壤温度和土壤含水量的分析表明:不同侵蚀坡位土壤呼吸速率日变化曲线形式相同,为“单峰”曲线;5cm土壤温度是影响土壤呼吸速率日变化的主要因素,但其作用随土壤含水量减小而减小;影响土壤呼吸速率日间变化的主要因素为土壤含水量,二者呈显著线性正相关(P=0.043,0.050,0.042),坡顶、坡中、坡下的相关系数依次为0.891、0.878、0.892;日均5era土壤温度与土壤呼吸速率无相关关系。研究结果对于深入探讨黄土高原侵蚀土壤有机碳循环具有一定作用。 相似文献
4.
随着人口增加、全球化进程加快,生物入侵已成为世界性的生态安全问题.云南地处中国西南,拥有多样的生态环境,但由于作为边境省份,对外交流频繁,是中国生物入侵的脆弱区,致使其生物多样性和自然环境受到严重威胁.本文以云南维管束植物为评估对象,通过收集、整理、分析和研究云南外来入侵植物的相关资料和数据,并对重点区域和重要外来入侵... 相似文献
5.
植被恢复对侵蚀坡地表层土壤性质的影响 总被引:4,自引:0,他引:4
为了评价表层土壤有机碳和养分对放牧和不同植被类型互作的反应,选择四川省西昌市西溪乡牛郎村马家松坡放牧丘陵坡地,分别在坡顶、上、中、下部各层采集有乔木(桉树)、灌木(米油枝)、草本3种类型植被覆盖以及无植被覆盖的0—5 cm表层土壤,测定分析了土壤容重、土壤有机碳、速效氮含量。结果表明,植被对改善表层土壤有机碳和速效氮含量的作用大小顺序为:米油枝>草本植物>桉树。米油枝、草本植物能显著提高土壤有机碳和速效氮含量,桉树改善表层土壤有机碳和速效氮含量的作用则比较小。不同坡位对土壤有机碳、速效氮含量无显著影响。不同植被类型下表层土壤容重变化为:米油枝下土壤<桉树下土壤<草地<裸地。米油枝能显著降低表层土壤容重,而在不同坡位间无显著差异。不同植被类型下表层土壤对放牧的反应不同。放牧显著降低了桉树林下表层土壤有机碳和速效氮的含量,对米油枝和草本植物覆被下表层土壤性质的影响不显著。 相似文献
6.
浸种是玉米生产中重要的播前增种技术,对浸种过程中裂纹的高效检测是分析玉米胚乳裂纹变化规律的基础,是优良品种性状选育的关键之一,尚存在内部胚乳裂纹不可见、自动化检测程度不高等困难。基于CT扫描技术,在YOLO v5n检测网络的基础上,设计了YOLO v5-OBB旋转目标检测网络,其中OBB为有向目标边框,该网络使用旋转矩形框代替普通矩形框,并在Backbone部分加入位置注意力模块(CA),同时采用倾斜非极大值抑制算法(Skew-NMS)进行非极大值抑制得到最终预测框,以此实现长宽比大、方向不一的玉米胚乳裂纹检测。经过300次迭代训练,模型在测试集上的精确率P为94.2%,召回率R为81.7%,平均精度(AP)为88.2%,模型内存占用量为4.21 MB,单幅图像平均检测时间为0.01 s,与SASM、S2A-Net和ReDet旋转目标检测网络相比,AP分别提高15.0、16.9、7.0个百分点,单幅图像平均检测时间分别减少0.19、0.22、0.46 s,同时YOLO v5-OBB模型内存占用量分别为SASM、S2A-Net和ReDet模型的... 相似文献
7.
8.
依据位于云南省昭通市朝阳区西北部的大山包黑颈鹤国家级自然保护区的358种植物标本记录,按植物的生态生活型,将这些植物归为水生、湿生、陆生植物三大类,分为28类生态生活型。其中,水生植物28种,占全部植物种类的7.82%,湿生植物239种,占66.76%,陆生植物91种,占25.14%。对区内各植物生态生活型的研究结果如下:①区内的生态系统相对齐全;②区内首次发现以沉水植物水毛茛、岛田水筛及尖叶眼子菜为优势种的沉水植物群落;③丰富的湿生多年生草本植物(157种)是区内的主要植物资源;④残留在多石山坡和人工林下的陆生灌木矮高山栎见证了矮高山栎灌丛曾是本区山丘重要原生植被类型之一,而陆生多年生灌木状竹类海竹所形成的海竹灌丛亦为本区以及滇东北亚高山地带的特有原生植被类型。 相似文献
9.
肉牛目标检测和数量统计是精细化、自动化、智能化肉牛养殖要解决的关键问题,受肉牛个体颜色及纹理相近和遮挡等因素的影响,现有肉牛目标检测方法实用性较差。本研究基于YOLO v5s网络与通道信息注意力模块(ECABasicBlock),提出了一种融合通道信息的改进YOLO v5s网络(ECA-YOLO v5s),在YOLO v5s模型的骨干特征提取网络部分添加了3层通道信息注意力模块。ECA-YOLO v5s网络实现了重度遮挡环境下多目标肉牛的准确识别。对养殖场监控视频分帧得到的肉牛图像采用了一种基于结构相似性的冗余图像剔除方法以保证数据集质量。数据集制作完成后经过300次迭代训练,得到模型的精确率为89.8%,召回率为76.9%,全类平均精度均值为85.3%,检测速度为76.9 f/s,模型内存占用量为24 MB。与YOLO v5s模型相比,ECA-YOLO v5s的精确率、召回率和平均精度均值分别比YOLO v5s高1.0、0.8、2.2个百分点。为了验证不同注意力机制应用于YOLO v5s的性能差异,本研究对比了CBAM(Convolutional block attention mo... 相似文献
10.