排序方式: 共有11条查询结果,搜索用时 0 毫秒
1.
简要介绍了植物纤维墙体材料的发展状况,阐述了其对建材业节能环保的重要意义,并对植物纤维墙体材料的应用前景进行了展望。 相似文献
2.
3.
4.
5.
6.
为了缓解我国的能源危机且减轻过剩废弃农作物秸秆资源带来的环境压力,通过试验对环保节能型秸秆纤维水泥基材料的性能进行研究。结果表明,通过对秸秆纤维进行处理及降低水泥基材料的碱性,有效改善了秸秆纤维的增强效果,使秸秆纤维水泥基材料的韧性得以明显提高,具有较好的力学性能。 相似文献
7.
反季节移栽不同处理圆冠榆和大叶白蜡的生理响应 总被引:1,自引:0,他引:1
以圆冠榆和大叶白蜡为试材,研究反季节移栽不同处理(遮荫加液、遮荫不加液、不遮荫加液、不遮荫不加液)条件下的细胞膜透性,丙二醛(MDA)含量,过氧化物酶(POD)、超氧化物歧化酶(SOD)、过氧化氢酶(CAT)活性及根系活力的变化,以了解各树种反季节移栽的生理修复过程。结果表明:随着移栽时间的增长,2个树种的细胞膜透性,MDA含量及SOD、CAT、POD活性在不同处理下呈现不同的变化趋势,根系活力均呈明显的上升趋势;移栽12d前后为植株生长最严重的受抑制时期,移栽30d后逐渐恢复到移植时的生理状态。圆冠榆和大叶白蜡在反季节移栽中具有良好的恢复适应性,遮荫处理对干旱半干旱区反季节移栽具有重要意义。 相似文献
8.
氮-氟掺杂比例对TiO2/膨润土复合材料吸附土霉素的影响 总被引:1,自引:1,他引:0
为了探究氮(N)、氟(F)掺杂比例对TiO_2/膨润土复合材料吸附性能的影响,采用溶胶-凝胶法制备了氮-氟共掺杂TiO_2/膨润土复合材料,研究了所制备复合材料比表面积(SBET)、扫描电镜(Scanning electron microscopy,SEM)和阳离子交换量(Cation exchange capacity,CEC),分析了不同氮、氟掺杂比例对氮-氟共掺杂型TiO_2/膨润土复合材料吸附水中土霉素的影响。SEM结果证实氮-氟共掺杂TiO_2成功负载于膨润土表面;随氮掺杂比例增大,氮掺杂复合材料表面掺杂TiO_2的覆盖程度增大,氮掺杂TiO_2的粒径由50~100 nm减小到25~50 nm,氮掺杂复合材料的CEC平均减小36.24%、平均孔径减小1.74%,比表面积和孔体积增大;在氮掺杂基础上掺杂氟元素,由于氟元素对掺杂TiO_2表面的氟化作用及复合材料表面的侵蚀作用,氮-氟共掺杂复合材料的比表面积、孔径、孔体积和CEC均大于单一氮元素掺杂复合材料。吸附实验结果表明,与未掺杂复合材料相比,不同比例氮掺杂均不同程度地降低了复合材料对土霉素的吸附量(平均减少14.30 mmol·kg~(-1)),但氮掺杂比例为0.5和1时,氟掺杂可提升复合材料对土霉素的吸附能力,吸附量分别由37.98 mmol·kg~(-1)和40.90 mmol·kg~(-1)增大到42.95 mmol·kg~(-1)和43.73 mmol·kg~(-1)。研究表明,氮-氟共掺杂TiO_2/膨润土复合材料对土霉素的高吸附量是由氟掺杂提升了复合材料的负电荷数量、平均孔径及孔体积造成的。 相似文献
9.
乡风文明建设是社会主义新农村建设的重要组成部分,民族地区的乡风文明建设对建设和谐边疆有着重要意义。采用叙事研究法对文明村的乡风文明建设进行调研,对民族文化中的道德资源和当地的经济发展进行研究可以发现:村寨文化、节日文化、宗教文化中传统道德教育是乡风文明建设的宝贵资源,民族文化中的传统道德教育是乡风文明建设的根基。勤劳的传统与现代教育结合才能夯实乡风文明建设的物质基础,传统和现实相结合的道德教育才能保证乡风文明建设的精神动力。在云南边疆,面对外来文化和宗教渗透、毒品和艾滋病危害等严重问题,重视乡风文明建设显得尤其重要。 相似文献
10.
基于无人机多时相遥感影像的冬小麦产量估算 总被引:1,自引:0,他引:1
为高效准确地预测小麦产量,以浙江省冬小麦为研究对象,利用四旋翼无人机精灵4多光谱相机获取冬小麦5个关键生育时期(拔节期、孕穗期、抽穗期、灌浆期、成熟期)的冠层多光谱数据,选取多光谱相机的五个特征波段计算各生育时期的72个植被指数,分别通过逐步多元线性回归(SMLR)、偏最小二乘回归(PLSR)、BP神经网络(BPNN)、支持向量机(SVM)、随机森林(RF)构建不同生育时期的产量估算模型,最后采用决定系数(R)、均方根误差(RMSE)和相对误差(RE)对估算模型进行评价,筛选出最优估算模型。结果表明,基于随机森林建立的模型估算效果最优,SMLR、PLSR和SVM三种方法建立的模型估算效果接近。利用随机森林算法所建拔节期、孕穗期、抽穗期、灌浆期、成熟期模型的R、RMSE和RE分别为0.92、0.35、11%;0.93、0.33、10%;0.94、0.32、9%;0.92、0.36、9%;0.77、0.67、33%。模型验证时,抽穗期估算效果最好(R、RMSE和RE分别为0.91、0.35和15%),拔节期、孕穗期、灌浆期估算效果接近且有很好的估算能力,成熟期估算精度最差(R、RMSE和RE分别为0.71、0.47和13%)。由此说明,结合机器学习算法和无人机多光谱提取的植被指数可以提高小麦产量估算效果。 相似文献