【摘 要】
：
为证实典型气象条件下宇宙射线中子法测量区域土壤水分准确性的差异和应用普适性，以季节为时间划分尺度，并选取典型气象条件时段，对比研究山地地形下垫面宇宙射线中子法（CRNS）与频域反射法（FDR）土壤水分连续观测效果差异。结果表明：山地地形下垫面，CRNS水平测量足迹的季节变化较为稳定，垂直足迹在耕作层范围内有一定波动。不同季节降水过程的量级差异是引起CRNS测量结果偏差的主要因素，夏秋两季，在高温少
论文部分内容阅读
为证实典型气象条件下宇宙射线中子法测量区域土壤水分准确性的差异和应用普适性，以季节为时间划分尺度，并选取典型气象条件时段，对比研究山地地形下垫面宇宙射线中子法（CRNS）与频域反射法（FDR）土壤水分连续观测效果差异。结果表明：山地地形下垫面，CRNS水平测量足迹的季节变化较为稳定，垂直足迹在耕作层范围内有一定波动。不同季节降水过程的量级差异是引起CRNS测量结果偏差的主要因素，夏秋两季，在高温少雨导致的持续失墒以及较大量级降水过程等土壤水分变化较为剧烈的时段，CRNS与FDR测量结果一致性较好，春
其他文献
研究碳酸钙和温度对土壤有机碳矿化的影响，为客观评价全球气候变暖和施用石灰条件下黄壤呼吸过程的变化及其模型预测提供理论依据。本研究以贵州典型黄壤为对象，通过60 d室内矿化培养试验，研究15 ℃、25 ℃和35 ℃下~(13)C标记碳酸钙（30 g·kg~(-1)）对土壤有机碳矿化及其温度敏感性的影响。结果表明：不同处理的土壤CO_(2)释放速率均在第1 d达到峰值，随后迅速减小，15～60 d趋于
In the present article， we explore the present day crustal deformation and long-term plate motion of the Shan Plateau and surrounding region by constraining geodetic measurements to provide an updated
为了提高VR环境三维手势识别的性能，增强VR交互体验，采用随机森林算法和XGBoost算法进行三维手势识别。根据手掌骨骼轮廓结构，手指及手腕关节点分布，结合三维空间坐标系及关节节点相对于X、Y和Z轴的转动角度提取手势数据样本的特征向量，然后采用随机森林算法对特征向量进行降维处理，并且对影响手势识别准确度的特征进行重要度排序，选取重要度排名高的特征向量重构数据样本，最后采用改进的XGBoost算法对
当前深度学习的一个关键难点即小样本问题。尽管已出现了一些较有效的小样本算法，但现有方法的模型提取的特征有限，且模型的泛化能力较弱。另外，如果新类的数据和训练集中数据的分布差异大，分类结果就会很差。针对已有算法的上述缺陷，提出了残差注意力膨胀卷积网络作为网络模型的特征提取器，膨胀分支的设计增大了模型感受野且可以提取不同尺寸的特征，基于图片的残差注意力增强了模型对重要特征的关注度。提出基于自监督的网络
当前，深度学习在各种应用领域已取得了巨大的成功，但深度神经网络模型的鲁棒性和性能极易受到带有细微扰动的对抗样本的攻击。针对现有对抗样本去噪防御算法破坏干净样本的有用信息致使模型分类精度下降的缺陷，基于在目标模型上添加增强型输入去噪器，以及基于凸包理论所提出的隐层干净样本有损信息恢复器，提出了一种新的增强型对抗样本攻击防御算法。算法首先在模型的输入层训练一个去噪器，去噪器的输入为干净样本和对抗样本的
为探究生物质炭添加对农田土壤水力性质的影响，以我国10个地区农田耕层土壤为供试土样，通过室内模拟试验，研究4种生物质炭添加比例下(C0、C5、C10和C15，生物质炭体积占比分别为0%、5%、10% 和15%)土壤饱和导水率(Ks)、水分特征曲线及van Genuchten模型拟合参数和水分常数的变化特征。结果表明：生物质炭添加对土壤渗透性能的影响与土壤质地密切相关；添加生物质炭后，砂粒含量较高的
珠芽通常发生在一些多年生草本植物的地上部位，是形态结构多样、可贮藏营养物质和进行无性繁殖的特殊变态芽或变态茎。本综述重点陈述了植物珠芽的类型、起源、发育和结构以及珠芽形成的影响因素、分子机制和离体诱导方面的研究进展。研究发现植物珠芽可着生在多种部位，具有多种颜色的种类；植物珠芽起源于着生部位分生组织的形成和启动，受各种激素、糖类和环境因子的调控；珠芽发育的物候期、部位、阶段、结构和产量因种而异，因
目的 了解中国适老智能家居的研究现状，明确适老智能家居研究存在的局限性问题以及未来可发展的方向。方法 本研究查阅CNKI收录我国有关适老智能家居的相关文献并将其作为数据源，使用科学计量方法进行知识图谱和词云绘制，利用Citespace软件将国内外相关文献的关键词进行数据可视化呈现并进行比较分析，以探析研究涵盖的方向及研究热点，对现有的研究状况进行分析并提出研究存在的局限。结论 结果表明目前我国有关
图像中附着的雨条纹对背景造成的破坏严重影响了对图像信息的分析和后续研究。为了恢复被雨条纹破坏的背景纹理特征，提出一种基于注意机制的轻量化稠密连接网络针对单幅图像进行去雨。注意机制有利于网络准确定位降雨区域，稠密连接网络的使用增强了特征的复用，缓解了梯度消失和模型退化问题。利用多尺度通道混洗深度可分离卷积实现网络轻量化设计，降低了网络参数规模，提升网络运行效率。在合成数据集和真实数据集上的去雨结果表
深度图的引入为RGB显著性检测提供了丰富的位置线索，但低质量的深度图会错误引导模型的特征拟合，并且由于真实世界的显著物体尺度变化较大，会使网络在预测过程中更加困难，误差变大。为了解决上述问题，本文设计了一种新的基于深度学习的RGB-D显著性检测模型。本文利用VGG19作为主干网络分别提取RGB图和深度图两个模态的特征；然后利用串行的自适应融合模块对提取到的特征进行跨模态融合，使RGB图和深度图的优