【摘 要】
：
农林业生物质废弃物炭化还田，对提升土壤质量、实现碳封存、缓解气候变化具有重要意义，土壤团聚体是土壤有机碳（SOC）主要的赋存场所，物理保护SOC而免于被微生物分解，是表征土壤固碳潜力的重要指标。本研究通过C_(3)源（种植大豆）暗棕壤施用C_(4)源（玉米秸秆）生物炭2年的盆栽试验，基于团聚体多级层次结构尺度，研究了施用6 t ha~(-1)（BC6）、12 t ha~(-1)（BC12）和24
论文部分内容阅读
农林业生物质废弃物炭化还田，对提升土壤质量、实现碳封存、缓解气候变化具有重要意义，土壤团聚体是土壤有机碳（SOC）主要的赋存场所，物理保护SOC而免于被微生物分解，是表征土壤固碳潜力的重要指标。本研究通过C_(3)源（种植大豆）暗棕壤施用C_(4)源（玉米秸秆）生物炭2年的盆栽试验，基于团聚体多级层次结构尺度，研究了施用6 t ha~(-1)（BC6）、12 t ha~(-1)（BC12）和24 t ha~(-1)（BC24）生物炭对土壤以及不同粒径团聚体及其密度组分中有机碳（OC）含量的影响，探讨
其他文献
针对像素级多模态医学图像融合信息丢失问题，提出了一种基于非下采样剪切波变换（Nonsubsampled shearlet transform，NSST）的像素相关性分析（Pixel correlation analysis，PCAS）的图像融合方法。首先对源图像进行NSST分解，获得高低频子带。利用提出的中心像素方差计算邻域像素与中心像素的强度相关因子，构建邻域像素相关系数矩阵，并提出相关性拉普拉
针对现场中采集的绝缘子图像存在目标图像大小尺度不一，以及拍摄角度所造成的目标图像相互遮挡等因素而导致误检或漏检等问题，文章提出了一种改进的基于卷积神经网络的绝缘子图像检测方法。采用轻量化的ZF网络实现特征提取；确定优化的锚窗比例提升目标图像的检测精度；最后对NMS后处理算法进行了改进，提出多阶段的惩罚因子算法，适应于多尺度、多比例、绝缘子重叠遮挡等复杂情况。实验结果表明，改进后的Faster R-
基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant Convolutional Neural Network, Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位八个卦限内的最近邻点,接着通过
大量基于深度学习的视频目标分割方法存在两方面局限性:(1)单帧编码特征直接输入网络解码器,未能充分利用多帧特征,导致解码器输出的目标表观特征难以自适应复杂场景变化;(2)常采用前馈网络结构,阻止了后层特征反馈前层进行补充学习,导致学习到的表观特征判别力受限.为此,本文提出了反馈高斯表观网络,通过建立在线高斯模型并反馈后层特征到前层来充分利用多帧、多尺度特征,学习鲁棒的视频目标分割表观模型.网络结构
连续实时测量碳含量是转炉终点钢水碳含量控制的关键。针对转炉终点炉口火焰图像相似性高导致难以提取具有较强区分性火焰图像特征的问题，提出了一种图像彩色纹理特征提取方法四元数方向统计量（Quaternion direction statistics，QDS）算法。首先，利用四元数乘法特性对火焰图像进行旋转操作得到火焰图像的四元数旋转图谱；其次，以旋转图谱指定方向和距离上像素差值的四元数相位为投影轴，并以
为纪念兰州地震研究所开创我国地电学方法地震监测预报工作，本文在简要介绍国际地震和火山电磁方法组织（EMSEV）的同时，详细介绍了2016年8月25—29日在中国大陆首次召开、由兰州地震研究所为主承办的EMSEV国际研讨会及相关的科学活动。
联盟链具有公有链固有的安全性,其许可准入机制允许对网络结点及规模进行控制,恰好迎合了物联网向规模化、智能化发展的需要,成为物联网学术界研究的热点.然而,联盟链在一定程度上违背了区块链去中心化价值和信任体系,产生了多中心化的复杂区块链生态体系,为使物联网数字资产在不同联盟链间安全、自主、动态流转,迫切需要对涉及多个联盟链的复杂系统通信机制进行研究.本文基于存在多个特权子群的门限数字签名机制建立多联盟
目前柔性电路板(Flexible Printed Circuit，FPC)的表面缺陷检测方案大多缺少对轮廓进行分类这一步骤而直接对特定区域如镀通孔、线路部位进行缺陷检测，难以直接应用到实际生产中，为解决这一问题，提出一种能有效提取柔性电路板表面轮廓并进行特定区域识别分类的方法。在该方案中，为精确地提取FPC图像整体轮廓并有效过滤掉图像前景和背景相互夹杂的部分，针对FPC表面图像光照不均匀以及斑点杂
目前，变电站保护硬压板信息管理处于完全依赖于人工巡检的状态。伴随着人工智能上升为国家战略，深度学习技术进一步发展，提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法。在图像二值化并高斯滤波基础上，基于霍夫直线检测算法进行保护屏柜角点检测，并通过透视变换实现压板图像矫正，从而避免拍摄图像的角度变化对识别结果的影响；利用模板匹配的方法对压板图像进行分割，并建立不同压板与其功能间的映射关系，
为了探究草木樨属植物对低温环境的适应性，以采自西藏达孜的野生白花草木樨和黄花草木樨为试验材料，探究了其种子在-4℃低温胁迫条件下的种子萌发特性，测定了幼苗叶片在-10℃～5℃低温胁迫条件下丙二醛(MDA)含量、可溶性糖(SS)含量、游离脯氨酸(Pro)含量、超氧化物歧化酶活性和过氧化物酶(POD)活性的变化，并采用隶属函数法进行抗寒性综合评价。结果表明：-4℃低温胁迫对两种材料种子萌发具有显著的抑