【摘 要】
：
为阐明不同类型湿地土壤碳氮磷生态化学计量特征,以辽河口湿地为研究对象,对自然芦苇湿地、油田区芦苇湿地、退化芦苇湿地、碱蓬湿地、滩涂和稻田等六类湿地的土壤有机碳(TOC)、全氮(TN)、全磷(TP)含量及其生态化学计量学特征进行测定和分析。结果表明,辽河口湿地土壤TOC、TN、TP含量分别为1.612～167.832、0.159～4.452和0.021～0.093 g·kg-1,其含量因湿地类型和土
论文部分内容阅读
为阐明不同类型湿地土壤碳氮磷生态化学计量特征,以辽河口湿地为研究对象,对自然芦苇湿地、油田区芦苇湿地、退化芦苇湿地、碱蓬湿地、滩涂和稻田等六类湿地的土壤有机碳(TOC)、全氮(TN)、全磷(TP)含量及其生态化学计量学特征进行测定和分析。结果表明,辽河口湿地土壤TOC、TN、TP含量分别为1.612～167.832、0.159～4.452和0.021～0.093 g·kg-1,其含量因湿地类型和土壤深度而异。自然芦苇湿地和油田区芦苇湿地土壤TOC含量较高,自然芦苇湿地和稻田土壤TN含量较高,而碱蓬湿
其他文献
为了解决传统方法中未考虑多参量指标对电能质量的影响、电能质量计量结果准确度较低等问题,提出基于射频识别技术的电能质量计量评估模型。利用射频识别技术采集电能质量EPC码,获取电能质量计量评估数据,并以电流总谐波畸变率、三相不平衡和频率偏差等为计量评估指标进行权重计算,获取各项指标综合权重值;引入雷达图分析方法,比较电能质量的多变量,定义综合性的评估函数,反映电能质量情况,实现电能质量综合性评估。以评
无线通信链路质量的有效预测是保证泛在物联网通信链路选择的必要前提。通信链路可靠性难以准确预测的主要原因是无线链路质量信噪比时间序列具有随机性。因此,在分析无线通信链路随机特性的基础上,提出了一种无线通信链路可靠性置信区间预测方法。首先,采用小波分解的方法将无线链路质量信噪比时间序列分为平稳序列和噪声序列,对噪声序列进行计算后得到噪声标准差序列。然后,采用LSTM神经网络建立平稳序列和噪声标准差序列
机巡图像识别算法(Faster R-CNN算法)存在识别精度低的不足,为此提出基于边缘计算的机巡图像缺陷识别算法。通过对机巡图像缺陷特征提取,再利用RPN网络获取目标候选区域,利用边缘计算优化Faster R-CNN算法,在此基础上,实行Faster R-CNN训练,再通过正负样本和损失函数对目标区域实施精确分类,从而识别出机巡图像缺陷,至此完成基于边缘计算的机巡图像缺陷识别算法研究。通过与传统算
现有的路面裂缝识别方法大多仍局限于基于主动特征提取的处理技术,对路面图像来源有专一性要求,算法不具备泛化能力,现有的基于神经网络识别算法对设备有特定要求,且路面裂缝的定位准确性不高。为此,提出基于深度卷积神经网络融合模型的路面裂缝识别方法。首先,应用多目标SSD卷积神经网络模型对路面裂缝进行分类检测,然后使用深度残差网络对SSD模型的特征提取结构进行改进,并根据损失函数的收敛程度对模型中的超参数进
针对科技进步导致点云数据更加庞大、分布更加不均匀,点云数据的处理变得越来越重要的问题,设计了一种更加具有针对性的植物点云数据空间压缩管理方法。根据植物的特点先采用亲疏关系进行聚类划分,去除实验中不需要的三维信息,采用改进的最小层次分割算法以及kd-tree进行邻域的点云搜索。结果为:实现了65%的压缩率的同时将压缩时间缩减至常用的K-Means压缩算法的一半。结果表明所提方法在保证不丢失原始点云基
为了选择用于退化河岸带生态修复的适宜植物物种,开展了水淹胁迫下广州市河岸带常见的4种本地草本植物紫苏(Perilla frutescens)、酸模叶蓼(Polygonum lapathifolium)、金钮扣(Spilanthes paniculata)和少花龙葵(Solanum photeinocarpum)的光合响应特征研究。将在广州市车陂涌中游典型内涝点附近的河岸带采集到的紫苏、酸模叶蓼、金
提出基于壳-幔界面补偿地形的球谐系数直接求解补偿地形体积的方法.结果表明:补偿地形的体积仅与其球谐展开系数和常高地形展开系数乘积之和有关,进而简化了运算的复杂度,提升了计算效率.与模型地形的体积相比,算法的误差较常规的算法小.可以根据不同窗口形状,估计补偿地形的体积及其剩余质量.将算法应用于月球物理参数的估计,为月海盆地区弹性厚度的估计提供有益的参考.
为保证救援物资及时、合理地配送至受灾区,将道路抢修情况纳入应急调度优化问题中,引出可变路网结构的概念,基于此情形,考虑受损路段抢修及抢修时间,对车辆运输时间进行修正;以平均车辆运输时间和系统物资未满足度最小化为目标,建立基于灾害抢修的应急调度优化模型;结合改进的最短路Dijkstra算法,设计第二代非支配排序遗传算法(NSGA-Ⅱ)进行求解。最后以"九寨沟地震"作为算例,与传统模型方案进行比较,验
卷积神经网络在计算机视觉领域取得重大突破,利用其强大的图像处理能力,将地下沉积盐体的识别问题转化为图像语义分割问题,应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上,增加网络深度并同时引入批归一化和Dropout处理,使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现,在卷积层之后引入批归一化处理,并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐
提高农田土壤磷素的可利用性,减少磷肥施用,对促进农业的可持续发展及缓解全球磷素危机具有重要意义。通过盆栽试验模拟夏季田间植物还田,比较红薯(Ipomoea batatas)、绿豆(Vigna radiata)以及杂草(千金子(Leptochloa chinensis)+水苋菜(Ammannia baccifera)混合) 3种夏季经营模式在还田期间土壤磷形态的变化,探索农田杂草还田提高土壤磷素可利