【摘 要】
:
丛枝菌根真菌(arbuscular mycorrhizal fungi, AMF)与宿主植物所形成的互惠共生体系是生态系统中广泛分布的共生体系代表类型之一。AMF除能够促进宿主植物生长发育外,也可以对宿主植物的繁殖过程产生多方面影响。研究宿主植物在AMF共生状态下繁殖策略的变化规律,对于深入理解植物繁殖适合度的变化具有重要理论意义。该文综述了AMF对宿主植物繁殖影响的相关研究,包括AMF的侵染对宿
论文部分内容阅读
丛枝菌根真菌(arbuscular mycorrhizal fungi, AMF)与宿主植物所形成的互惠共生体系是生态系统中广泛分布的共生体系代表类型之一。AMF除能够促进宿主植物生长发育外,也可以对宿主植物的繁殖过程产生多方面影响。研究宿主植物在AMF共生状态下繁殖策略的变化规律,对于深入理解植物繁殖适合度的变化具有重要理论意义。该文综述了AMF对宿主植物繁殖影响的相关研究,包括AMF的侵染对宿主植物繁殖分配、花部特征、虫媒传粉和花期的影响。虽然目前已开展的研究发现AMF能够促进宿主植物繁殖投入的
其他文献
为满足角盒类零件型腔特征识别需求,提出了一种改进图匹配的型腔特征自动识别方法。分析了角盒类零件型腔特征,提取特征简化模型的共性模板属性。获取模型栅格高度点云数据,以高度中值作为阈值将其转换为0-1特征值矩阵,提取型腔面投影特征值以分离识别型腔壁边面。采用共性模板面邻接属性判定搜索型腔侧壁面,最终识别出包含底板面集、壁边面集与侧壁面集的完整型腔加工特征。实例验证结果表明,采用本方法识别角盒类零件型腔
现有的良性阵发性位置性眩晕视频眼震图分类算法中存在以下不足:人工提取的特征主观性和局限性强;眼球的轴向转动特征提取困难;仅能区分正常人群和患者,或对简单的眼震进行分类。针对上述问题,本文提出一种基于注意力机制的视频眼震图分类算法。以轻量级模型3D MobileNetV2为基础网络进行特征提取,在全局细节特征、时空信息丰富的网络低层引入全局时空注意力模块,融合眼球震颤空间信息和帧间时序信息;在网络高
是通过生成关键帧或片段来达到压缩视频的效果,能够在概括视频主要内容的基础上极大缩短观看时间,在视频快速浏览与检索领域应用广泛。现有方法大多只基于图像内容进行探索,忽略了视频具有时序的特点且模型对波动数据学习能力较差,导致生成的摘要缺乏时间连贯性和代表性。我们提出了一个以编码器-解码器为框架的视频摘要网络。具体来说,编码部分由卷积神经网络提取特征,通过自注意力机制提升对关键特征的权重,而解码部分由融
小样本学习中数据采样不断变化的特点使得模型特征提取不充分,同时,模型对提取的特征也难以进行相应操作;数据分布的变化也影响着小样本模型的性能。针对这些问题,提出一种基于自适应加权多路分支小样本图像分类模型。多路特征处理模块对输入数据进行特征提取和融合,以便充分利用少量数据;自适应的支路权重使得特征信号随特征进行相应的放缩;特征转换模块对多变的数据分布进行适应性变化,以便更好地聚合同类,提高分类效果。
解磷菌和微藻广泛用作生物肥料,影响土壤养分循环及微生物群落的组成和活性。以巨大芽孢杆菌 (Bacillus megaterium)、小球藻 (Chlorella vulgaris)、句容水稻土为试验材料,通过室内培养实验,设置施用小球藻 (A)、施用巨大芽孢杆菌 (B)、小球藻和巨大芽孢杆菌配合施用 (A+B)、对照 (CK) 4个处理,探索巨大芽孢杆菌和小球藻配合施用对水稻土磷有效性和微生物群落
重碳酸盐(bicarbonate, HCO_3~-)是碳酸盐岩经岩溶作用风化的产物,它深刻地影响着植物的生长发育和岩溶地区的生态环境。以往研究大都关注HCO_3~-对植物生长代谢的负面影响,如抑制植物的光合作用、降低碳氮代谢关键酶活性、破坏离子平衡等,少有人关注其对植物生长代谢的积极作用。该文依据前人研究结果,综述了HCO_3~-对植物生长代谢的促进作用。已有的研究工作显示,HCO_3~-不仅在干
内河通航环境日益复杂,利用航道视频监控系统对船舶图像进行目标识别,对船舶安全监测具有重要意义.内河不同类型船舶在尺度上具有显著差异,且行驶在航道不同位置的船舶相对于视频监控端存在视距差异,使得船舶目标在成像中呈现出多尺度现象,特别是小尺度船舶图像目标呈现的特征信息较少,导致现有YOLOv3算法对小尺度船舶识别精度较低.针对YOLOv3算法中IoU边界框回归损失函数对小尺度船舶预测框容易产生误识及漏
近年来,实时的目标跟踪技术在许多复杂视觉系统中都发挥了重要的作用,跟踪算法作为其中的一个关键环节,不仅需要具备高精度还需要满足实时性。SiamFC算法在提出时由于可以较好地平衡精度与速度,因此受到了广泛的关注。但是,SiamFC算法使用较浅的骨干网络,提取到的特征难以应对复杂多变的跟踪环境,容易导致跟踪漂移。为了同时提高算法的跟踪精度与速度,提出了一种特征增强的轻量级孪生网络高速跟踪算法。首先,使
海量的张衡一号观测数据中隐藏了大量的空间扰动事件,不同的空间扰动在电磁数据的时频图上呈现不同的形状。比如人工发射的甚低频电波、电力线谐波以及卫星平台自身的干扰等均在时频图中呈现高于背景的水平谱线特征。为了统计分析这些空间扰动事件,进一步分析其物理机制,亟需实现快速、准确地从海量数据中提取空间扰动事件,因此本文提出了一种基于计算机视觉技术的水平状电磁波扰动自动检测算法,实现了从张衡一号的海量电磁数据
目标检测中的注意力模型以SENet、CBAM为代表为提高小目标检测的准确率提供了新思路,这些模型在设计时简化了一个问题,即使用全局平均池化或者最大池化作为预处理的方法。FcaNet提出了用离散余弦变化替代均值池化对通道注意力进行预处理的方法,增加了特征多样性,但缺少对特征图空间域方向预处理探讨。为了改善这个问题,提出了从通道和空间域两个方面进行频域预处理的方法。首先理论上证明了全局平均池化是频域预