【摘 要】
：
土壤有机碳是表层陆地生态系统最大的碳库，不仅是耕地土壤质量评价的核心指标，也是全球碳循环的重要组成部分。为研究耕层土壤有机碳对侵蚀和管理措施交互作用的响应特征，以三峡库区典型紫色土坡耕地侵蚀性耕层土壤为研究对象，采用铲土侵蚀模拟试验小区，建立5种侵蚀程度的坡耕地原位试验，以不施肥（CK）为对照措施，设置单施化肥（F）和生物炭配施化肥（BF）两种恢复性管理措施，研究土壤有机碳含量在不同侵蚀程度和管理
论文部分内容阅读
土壤有机碳是表层陆地生态系统最大的碳库，不仅是耕地土壤质量评价的核心指标，也是全球碳循环的重要组成部分。为研究耕层土壤有机碳对侵蚀和管理措施交互作用的响应特征，以三峡库区典型紫色土坡耕地侵蚀性耕层土壤为研究对象，采用铲土侵蚀模拟试验小区，建立5种侵蚀程度的坡耕地原位试验，以不施肥（CK）为对照措施，设置单施化肥（F）和生物炭配施化肥（BF）两种恢复性管理措施，研究土壤有机碳含量在不同侵蚀程度和管理措施下的差异，分析土壤有机碳沿耕层剖面的变化特征及年际变化趋势。结果表明：①BF措施能显著提升紫色土坡耕
其他文献
不同框架深度学习模型部署是人工智能落地的核心，然而模型计算量和参数量过大、编程模型未统一导致了各种新型的专用卷积神经网络(CNN)加速器层出不穷，增加了模型的部署难度。对模型压缩和编译工具链这两个方面进行了改进：在模型压缩方面，提出了新的通道剪枝标准，结合了通道的相关性和影响性以及输出通道对应的激活值，在保证精度的同时可以极大地削减卷积神经网络的计算量和参数量；在编译工具链方面，设计了一套自动的端
最近一些基于字符的命名实体识别模型无法充分利用词信息，而利用词信息的格子结构模型可能会退化为部分基于词的模型而出现分词错误，针对这些问题提出了一种基于transformer的python命名实体识别模型来编码字符-词信息。首先将词信息与词开始或结束对应的字符绑定，然后利用三种不同的策略，将词信息通过transformer编码为固定大小的表示，最后使用条件随机场解码，从而减轻获取词边界信息带来的分词
浮丝藻(Planktothrix)是一种在我国水域中普遍存在可以引起水华的蓝藻，其代谢生成的二-甲基异莰醇(2-methylisoborneol, 2-MIB)可导致水体产生令人厌恶的异味，从而使饮用水感官质量下降。研究温度、营养盐浓度以及光照条件对淡水浮丝藻生长及其产嗅味物质的影响，为控制丝状蓝藻生长及产嗅预警水体嗅味物质污染提供实践依据。本文探讨了温度(15～30℃)，BG11营养盐浓度[质量
For a 360°3D shape measurement based on fringe projection profilometry with turntable assistance， calibrating the system’s geometric parameters with a moving stage has the problems of complicated oper
为了解决煤矿巷道复杂场景图像特征点误匹配较多和图像拼接过程中易出现的投影失真问题，提出了一种基于有向线段误匹配剔除的煤矿巷道图像拼接方法。首先，使用SIFT（Scale Invariant Feature Transform）算法进行图像特征提取与匹配，得到粗匹配点对；然后构造相邻图像粗匹配点对有向线段模型，利用线段的方向和长度属性对误匹配点对进行一次剔除；接下来建立各自图像之内的特征点有向线段模
植物修复技术已成为重金属污染环境绿色修复的重要手段。在重金属胁迫下，根际微生物能够有效改善植物生长发育与生理代谢活动，并增强植物对重金属的吸收和富集能力。本文首先从根际微生物组成、根系-微生物相互作用两个方面进行阐述，并以此为基础分析植物根际促生菌、菌根真菌对植物重金属胁迫的缓解作用，同时从微生物、植物根系分泌物、植物乙烯合成、植物光合作用、植物抗氧化防御系统、植物水分与养分吸收、根际土壤微环境等
随着5G通信技术以及移动边缘计算(Mobile Edge Computing， MEC)的发展，各式各样的电力物联网新需求层出不穷。一方面，部分新型电力物联网业务需要高服务质量保障。另一方面，移动边缘计算需要为新型电力物联网的业务提供差异化的计算服务。为解决上述问题，文章定义了一种面向电力物联网业务的可靠性衡量指标。基于该指标，文中提出了一种5G边缘网络切片的资源管理方法。该方法利用深度强化学习使
针对人像分割精度不高、效率不佳的问题，提出一种融合MobileNetv2和注意力机制的轻量级人像分割算法，以实现对人像半身图进行分割。在编码器-解码器的U型网络结构的基础上，通过将MobileNetv2作为骨干网络，精简上采样过程，有效地减少了网络的参数量，有助于网络的迁移和训练。融合注意力机制的网络结构可更有效地学习人像特征，同时引进混合损失函数，有利于人像边缘像素点分类。该网络结构可选用人像半
颜色恒常性是实现目标检测、三维物体重建、自动驾驶等计算机视觉任务的重要前提。为充分利用图像中不同尺度的特征信息估计光源，提出渐进式多尺度特征级联融合颜色恒常性算法，通过三个卷积网络分支从不同尺度提取图像中的特征信息进行融合得到更加丰富的特征信息，通过级联方式将图像中的浅层边缘信息和深层细粒度特征信息进行融合提高了颜色恒常性算法的精确性。渐进式网络结构通过加权累计角度误差损失函数提高了算法在面对极端
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。实验结果表