【摘 要】
：
为探究微塑料污染对土壤有机碳矿化的影响，采集湖北当阳橘园土壤，进行室内有机碳矿化培养，研究添加微塑料和秸秆条件下土壤有机碳矿化特征及酶活性变化。结果表明，秸秆和微塑料混施显著影响了土壤有机碳矿化，但仅添加微塑料对土壤有机碳矿化无显著影响。与单施秸秆相比，低量微塑料与秸秆混施处理（PP1+S）显著促进了有机碳矿化，有机碳累积矿化量增加了8.20%，而中高量微塑料与秸秆混施处理（PP2+S和PP3+S
论文部分内容阅读
为探究微塑料污染对土壤有机碳矿化的影响，采集湖北当阳橘园土壤，进行室内有机碳矿化培养，研究添加微塑料和秸秆条件下土壤有机碳矿化特征及酶活性变化。结果表明，秸秆和微塑料混施显著影响了土壤有机碳矿化，但仅添加微塑料对土壤有机碳矿化无显著影响。与单施秸秆相比，低量微塑料与秸秆混施处理（PP1+S）显著促进了有机碳矿化，有机碳累积矿化量增加了8.20%，而中高量微塑料与秸秆混施处理（PP2+S和PP3+S）显著降低了有机碳累积矿化量，其中，高量微塑料与秸秆混施对土壤有机碳矿化抑制最明显，降低了10.13%。
其他文献
现实情况中通常会针对同一对象从不同途径或层面获得特征数据，我们称这样获得的数据为多视角数据，对于多视角数据的挖掘利用具有研究价值，与传统的单视角学习相比表现出一定优势。多视角学习(MVL)中一个重要的问题是如何在满足视角间互补情况下同时保持视角之间一致性。为解决上述问题，基于多视角学习和特权信息学习(LUPI)概念，以随机向量函数连接网络(RVFL)为基础，本文提出了一种快速多视角特权协同随机向量
深度学习的优势在于其具有深层次的特征提取结构，而随着层数的增加以及激活函数的影响往往会导致其编码能力下降。基于此本文提出了一种基于U-Net和FCN网络进行编码约束的方法，并应用到医学图像分割上。编码约束结构以U-Net和FCN全卷积网络模型架构为主体，对网络最后一层使用Sigmoid激活函数的1×1卷积层进行特征约束，通过将特征值向0.5靠近预防Sigmoid激活函数产生的梯度消失问题，同时要求
针对数字图像处理计算量大、串行结构计算速度慢等特点，完成了最新的开源OpenVX计算机视觉加速规范1.3中底层特征抽取核函数的并行实现，使用自主设计的OpenVX可编程并行处理器进行了验证。在对图像的底层特征提取中，前期滤波及平滑处理选择OpenVX 规范1.3中基本像素点处理函数Color Convert（颜色转换）、局部图像处理函数Gaussian Filter（高斯滤波）、Median Fi
传统的可编程处理器（Programmable Processor）虽然高度灵活，但其处理速度及性能不及专用集成电路（Application Specific Integrated Circuit，ASIC)，而图像处理往往是多样、密集且重复的操作，所以处理器要兼顾速度、性能及灵活性。OpenVX是图像图形处理、图计算和深度学习等应用的预处理或者辅助处理开源标准，基于最新的OpenVX 1.3标准中
视频中的雪花会降低视频图像的质量，影响计算机对视频中目标自动检测、跟踪和识别等操作。视频中雪花去除是一项具有挑战性的任务，现存的算法除雪方法效果不佳。根据不同的空间特征，将一个视频中的雪花分为近景雪花和远景雪花。首先，利用低秩矩阵分解提取视频的背景信息。然后，采用多尺度卷积稀疏编码对远景雪花进行检测。利用马尔可夫随机场对运动物体进行建模，之后使用连通域阈值去除被判断为运动物体的雪花。实验结果表明，
喷水法是目前检测复合绝缘子憎水性的常用方法，但存在依赖人工判断导致效率低下、准确率较差等问题。为解决该问题，提出一种基于卷积神经网络的复合绝缘子憎水性智能识别方法。首先，通过喷洒不同浓度乙醇溶液模拟绝缘子不同憎水性等级；在各憎水性等级下，综合考虑不同拍摄角度、不同拍摄距离以及不同光照强度等实际条件，分别获取绝缘子表面干净、覆污和变色的憎水性图像；为降低计算复杂度、提高识别精度，对憎水性图像进行剪裁
在泡沫微观结构的数值模拟中，泡沫空腔的几何特征和排列状态对计算效率及计算结果有着重要的影响，本文基于前进面搜索几何构造算法和Laguerre划分算法，提出了一种新的PVC泡沫微观试样几何模型生成方法。本方法从μCT扫描图像重构泡沫的真实几何模型，并测量泡沫空腔的几何特征以及体积分布规律，将测量得到的泡沫空腔体积，转化为球体并通过前进面搜索几何构造算法投入空间，最后通过Laguerre划分将空间球体
跨域训练任务是目前机器学习领域的一个开放性挑战问题.目前最新的研究都在讨论利用真实特征的跨域不变性对未知域数据进行预测，从而实现跨域泛化能力.但事实上，当知道数据来自哪个域时，综合利用真实特征和虚假特征会取得更好的预测效果.针对这一问题，设计了一个同时适用于跨域泛化和跨域适应任务的学习模型(cross-domain generalization and adaptation model， CDGA
基于深度学习的医疗图像分析技术在计算机辅助的疾病诊断和治疗中发挥了重要作用。分类准确性一直是科研工作者追求的首要目标。然而，图像传输过程还会面临广域网带宽有限及不安全隐患增大的问题。并且当用户数据暴露给未经授权的用户时，平台很容易泄漏个人隐私。针对上述问题，文中构建了面向糖尿病视网膜病变(diabetic retinopathy，DR)诊断协同分析的系统模型及访问控制方案。系统模型包括数据清洗和病
高分辨率磁共振图像（MRI， Magnetic Resonance Images）能够提高疾病诊断精度，但高分辨率MRI图像的获取十分困难。基于深度学习的图像超分辨率（SR， Super Resolution）技术可有效地提高图像分辨率。近年来，生成对抗网络（GAN， Generative Adversarial Network）为3D-MRI图像SR重建提供了新的思路。相较于传统的基于深度卷积神