【摘 要】
：
【目的】分析目标树经营6年后土壤养分与土壤胞外酶活性的变化以及二者之间的关系。探讨目标树经营在提高人工林土壤肥力中的作用，为加速形成优质高产的人工林提供理论基础和实践支撑。【方法】以大兴安岭地区松岭林业局绿水林场30年生的兴安落叶松人工林为研究对象，在目标树经营与未经营林分各设置3块30 m×30 m的样方，在每个样方按0～10、10～20、20～40 cm 3个土层分别取样，并测定土壤酶活性和土
论文部分内容阅读
【目的】分析目标树经营6年后土壤养分与土壤胞外酶活性的变化以及二者之间的关系。探讨目标树经营在提高人工林土壤肥力中的作用，为加速形成优质高产的人工林提供理论基础和实践支撑。【方法】以大兴安岭地区松岭林业局绿水林场30年生的兴安落叶松人工林为研究对象，在目标树经营与未经营林分各设置3块30 m×30 m的样方，在每个样方按0～10、10～20、20～40 cm 3个土层分别取样，并测定土壤酶活性和土壤养分含量。【结果】1）在同一土层下，与对照相比，经营组中土壤有机碳的含量在0～10 cm土层中显著增加
其他文献
预紧转矩是决定滚珠丝杠副可靠性的重要影响因素，目前预紧转矩的计算主要依据经验公式，理论计算值与实际预紧转矩值误差较大。为了准确计算滚珠丝杠副的预紧转矩，基于接触变形和载荷分布理论，分析关键加工尺寸误差对预紧转矩的影响，建立中径误差、导程误差与滚珠丝杠副预紧转矩关系模型。利用滚珠丝杠副导程误差、型面检测试验台测量不同型号丝杠副的导程误差、中径值，通过导程误差、中径误差计算滚珠丝杠副的预紧转矩理论值。
岩溶湖泊湿地流域作为景观格局变化的热点研究区域，探讨景观格局动态变化及预测趋势，为岩溶流域生态安全提供科学依据。应用遥感与地理信息系统技术，结合普者黑岩溶湖泊湿地流域实际情况分别对该地区1990、1995、2000、2005、2010、2015 年6 期遥感影像进行分类、解译，系统地获取地区景观格局状况，分析动态变化特征，并运用CA-Markov 模型对未来湿地景观格局进行模拟预测。结果表明：19
基于深度学习的飞速发展，语义信息逐渐成为SLAM（Simultaneous Location and Mapping）领域的研究热点。由于环境以及传感器本身带来的噪声问题，现有大多数语义SLAM算法所构建的语义地图中存在一些异常点，导致构建的语义地图缺乏一致性，并且影响算法精度。损失函数可以调整对异常点分配的权重，从而抑制异常点的存在。但是大多数语义SLAM算法使用的损失函数本身模型固定，不能很好
本文主要研究了基于信息物理系统建模的多分拣移动机器人(multi-SMR)调度策略.首先,在基于实际应用场景的拓扑地图建模中加入了新的路径弧时间损耗指标,实现了对货物不均匀比例和多机器人拥堵状态的精确估计.其次,提出了一种改进的启发式路径规划算法,并在路径评估过程中增加了目的地距离和时间损耗指标.最后,完整的调度过程以分层式结构部署在信息物理系统模型中,包括控制层的时间损耗指标更新、交通管制监测，
为了解中亚热带森林转换对森林生态系统碳及养分循环的影响，以中亚热带米槠天然林、森林转换后的米槠次生林和杉木人工林为对象，对3种林分的凋落物量、养分归还量和养分利用效率进行4年研究。结果表明：米槠天然林转换为米槠次生林和杉木人工林后，年凋落物量分别下降29.0%和45.7%，凋落物氮归还量分别下降34.0%和72.7%，磷归还量分别减少38.1%和56.4%。米槠天然林的凋落物碳归还量比米槠次生林和
【目的】掌握菌根化马尾松根系分泌物对土壤肥力的作用规律，为马尾松菌根苗栽培及土壤养分调控提供指导。【方法】将接菌Sl13和Sl12及不接菌(NS)马尾松的不同浓度根系分泌物施加到盆栽马尾松幼苗土壤中，浓度设置为高、中、低3水平(1、0.5、0.25 mg·mL~(-1)),1%乙醇作为空白对照CK，测定盆栽土壤酶活性和土壤养分含量。【结果】接菌的马尾松根系分泌物，提高了土壤脲酶和酸性磷酸酶的活性及
在工业过程中，存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中，学习器之间存在严重的训练特性交叉重叠的问题，这将导致对主导变量的预测性能衰减。针对这一问题，本文提出基于二子空间协同训练算法的半监督软测量模型Two-Subspace Co-training KNN(TSCO-KNN)。该模
针对具备周期性及时间触发特征的工业业务在无线环境下的确定性传输问题，提出了一种基于空口信道质量信息的5G与时间敏感网络联合优化方法。在时间敏感网络中，改进了时间敏感网络业务流处理架构，优先处理承载于较差质量无线信道的工业业务流；在5G网络中，分析了5G系统传输时延影响因素，对无线信道质量、无线资源数量与空口最大传输次数的关系进行建模，基于该模型可得到满足数据传输可靠度要求的最大重传次数，从而可动态
为了减少原始特征对非负矩阵分解(NMF)算法的共适应性干扰，并提高NMF的子空间学习能力与聚类性能，该文提出一种基于Sinkhorn距离特征缩放的多约束半监督非负矩阵分解算法。首先该算法通过Sinkhorn距离对原始输入矩阵进行特征缩放，提高空间内同类数据特征之间的关联性，然后结合样本标签信息的双图流形结构与范数稀疏约束作为双正则项，使分解后的基矩阵具有稀疏特性和较强的空间表达能力，最后，通过KK
由于遥感图像目标往往较小且容易受光线、天气等因素的影响，所以单一模态下基于深度学习的遥感图像目标检测的准确度较低。然而，不同模态间的图像信息可以相互增强提高目标检测的性能。因此，基于RGB图像和红外(IR)图像，提出了一种适用于遥感图像多模态小目标检测的平衡多模态深度模型(BMDM)。相比简单地相加、点乘和拼接的方式来融合两个模态的特征信息，设计了一种平衡多模态特征的方法增强目标特征，以弥补单一模