多层喷射沉积制备耐热铝合金管坯热流分析(Ⅱ) --沉积过程热流分析

通过建立沉积阶段热流分析模型，对多层喷射沉积制备耐热铝合金管坯过程中喷射流沉积后的凝固和冷却进行了分析．喷射流沉积后与基体／沉积坯的传导热交换占热输出率的90％以上，在沉积过程中，沉积面的温度变化呈周期性的升降．计算结果表明，多层喷射沉积采用移动坩埚式扫描方式，延长了喷射流沉积时间间隔，喷射流沉积后可以获得10^3K／s以上的冷却速度。     

始丰微型牛体型与外周血cAMP、PTH和TGF-β水平关联性分析

为阐明始丰微型牛的生长发育相关的生化特性,采用ELISA方法对15月龄的始丰微型牛和作对照的正常体型天台黄牛测定并比较分析外周血中三个生长发育相关因子:cAMP、PTH与TGF-β.结果表明:微型牛组TGF-β含量(192.6 ng/L)极显著低于对照组(229.5 ng/L)(P＜0.01),cAMP和PTH含量与对...     

LLDPE/PS塑料合金及其与木纤维形成复合材料的研究

研究线性低密度聚乙烯(LLDPE)与聚苯乙烯(PS)共混制备的塑料合金的性能并用不同制备条件的塑料合金与木纤维复合形成塑料合金/木纤维复合材料,研究该种复合材料的外观质量及物理力学性能.结果表明:不同共混比例与共混温度对制备的塑料合金熔体流动性、力学强度有较显著影响.塑料合金/木纤维复合材料的性能与塑料合金共混比例及共混温度有较强的相关性.2种塑料在共混比为50/50,共混温度为200℃时,形成的塑料合金与木纤维具有相对最好的相容性和最好的材料外观质量与力学性能.DMA试验表明:塑料合金/木纤维复合材料的耐热性明显优于相应的塑料合金.     

An aggregation index (AI) to quantify spatial patterns of landscapes

There is often need to measure aggregation levels of spatial patterns within a single map class in landscape ecological studies. The contagion index (CI), shape index (SI), and probability of adjacency of the same class (Qi), all have certain limits when measuring aggregation of spatial patterns. We have developed an aggregation index (AI) that is class specific and independent of landscape composition. AI assumes that a class with the highest level of aggregation (AI =1) is comprised of pixels sharing the most possible edges. A class whose pixels share no edges (completely disaggregated) has the lowest level of aggregation (AI =0). AI is similar to SI and Qi, but it calculates aggregation more precisely than the latter two. We have evaluated the performance of AI under varied levels of (1) aggregation, (2) number of patches, (3) spatial resolutions, and (4) real species distribution maps at various spatial scales. AI was able to produce reasonable results under all these circumstances. Since it is class specific, it is more precise than CI, which measures overall landscape aggregation. Thus, AI provides a quantitative basis to correlate the spatial pattern of a class with a specific process. Since AI is a ratio variable, map units do not affect the calculation. It can be compared between classes from the same or different landscapes, or even the same classes from the same landscape under different resolutions.     

巨胚杂交稻的农艺及产量性状

以2个巨胚不育系及其相应的2个非巨胚不育系,3个巨胚恢复系、2个非巨胚恢复系为材料,配制一套共20个半双列杂交组合,研究巨胚(ge)基因对杂交稻的若干生物学特性的影响。结果表明:ge基因对杂交稻主要农艺性状和部分产量性状没有显著影响,但ge基因使杂交稻的千粒重、容重、理论产量和实际产量下降,且只有在纯合时才有显著表达。含杂合geGE基因也使其上述性状有所下降,但幅度明显小于gege纯合基因。     

硅颗粒对Al-Si合金显微组织的影响

通过在不同温度下向亚共晶AlSi合金熔体中加入固体Al20%Si(质量分数)合金,研究了初生硅颗粒对Al7%Si合金显微组织产生的影响。结果表明:随着处理温度的降低,显微组织从树枝状α相加含针状硅的共晶相,转变成球形α相加含短针状硅的共晶相,最后变成硅颗粒加粗化的球形α相和更少的共晶相。当选择合适的Al20%Si合金组织和处理温度时,采用该工艺可有效地制备半固态成形用坯料。结合初生硅颗粒在亚共晶AlSi合金熔体中的变化过程,对Al7%Si显微组织的演化机理进行了分析。     

冬小麦叶片形状系数的变异性

研究了2014-10—2015-06生长季内6个不同熟性冬小麦品种全生育期内叶片形状系数的变化规律,将小麦生育期划分为出苗、返青、拔节、抽穗、开花、成熟等6个不同生长阶段,依次采样计算各个阶段的α均值,同时考虑α值在单个植株不同叶片之间的差异,以及不同冬小麦品种之间的差异。结果表明:α值总体在0.59到0.71之间,随冬小麦生育期的变化而变化,自苗期到开花期波动增大,开花后缓慢下降;在单个植株之内,α值变异性较大,开花期最为稳定,开花后变异性增加;不同熟性冬小麦品种之间,α值在拔节、抽穗和开花期表现出显著差异,而在出苗、返青和成熟期,差异不显著。因此,建议最好在不同的作物生长阶段采用不同的叶片性状系数,以提高叶面积模拟和预测精度。对全生育期3种熟性6个冬小麦品种的1 485个叶片的面积和长宽乘积进行线性回归分析,可知总体的冬小麦叶片形状系数值约为0.66。以叶面积模型LA=0.66×L×W来估算冬小麦叶片面积,其总体的相对均方根误差(RRMSE)约为4.40%,绝对相对误差(absolute relative error,ARE)约为13.05%,在5种不同叶面积估算模型中精度最高,因此推荐该模型用于估算田间小麦叶片面积。     

烟草航天诱变突变体叶形遗传分析及基因定位

利用航天诱变方法获得烟草品种NC89的突变体NC89-M,与野生型相比,NC89-M叶形呈宽椭圆,叶面褶皱,叶缘呈锯齿状.为明确烟草航天诱变突变体NC89-M叶形突变机理,挖掘突变体叶形突变基因,利用NC89-M与烟草品系2014-168杂交获得F2群体,对F2群体遗传分析表明突变体叶形性状受1对显性主效基因控制.通过...     

工作记忆在写作过程中的作用

写作作为一种复杂的认知活动,涉及到多个过程的共同作用。这些过程对容量有限的工作记忆造成压力,认知负荷过大,是造成写作困难的主要原因。熟练的写作者处理压力的方式有多种,包括通过练习降低低层次过程的认知压力,或者通过中央执行系统对认知注意进行分配。除此以外,增加备用的认知资源系统,通过长时工作记忆对长期记忆内的知识进行提取和利用,也是一个有效的处理压力的方式。文中从认知的角度对工作记忆在写作中的作用和研究情况进行综述,为二语写作的研究提供了新的视角和方向。     

基于CNN-BiLSTM的棉花产量预测方法

针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。