桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

基于冲击光谱测量的氧化铝晶体高压相变诊断技术

氧化铝晶体是一种优良的光学透明窗口材料,更是地球内部的重要组成物质.利用气炮加载结合冲击光谱测量,不仅能够获得其发光特征,并且根据光谱分布特征得到高压结构相变信息.在自主搭建的冲击光谱动态测试平台上,结合多通道辐射高温计以及ICCD瞬态光谱测试技术在40~120 GPa的压力区间,研究了c切向氧化铝晶体的辐射发光效应.在可见光波段400~700 nm区间获得了氧化铝晶体的发光光谱和辐射温度结果,证实了光谱的结构特征和表观温度值与该压力下氧化铝的结构相变存在明显的关联性.     

红外动态场景生成装置空间分辨率的测试

建立了一套基于刀口灰度图红外探测的实验装置,对红外场景生成器的空间分辨率进行了测试。首先通过被测红外场景生成器产生带有刀口标志的红外图像,然后利用红外热像仪采集红外场景生成器所成的红外图像,通过对采集到的红外热图的数据处理,实现了对红外场景生成器空间分辨率的测量。测得的红外场景生成器的空间分辨率为5lp/mm,标准误差为0.04。     

X射线激光器捕捉到蛋白质分子的超快动态

近日,美国威斯康星大学密尔沃基分校的生物物理学家、能源部下属SLAC国家加速器实验室部门负责人Marius Schmidt率领的国际研究团队,用X射线激光器以慢动作的形式展示了一个光敏性生物分子的快速动态。"人们能够在这一技术的基础上,以原子水平的空间分辨率和超快时间分辨率制作纳米世界的电影,"Schmidt说道。研究人员将PYP光敏黄蛋白(photoactive yellow protein)作为模式系统。PYP是一种蓝光     

二维CAS小波求解变厚度功能梯度简支梁的弹性静力学问题

利用正交的二维CAS小波方法数值求解了变厚度功能梯度简支梁的二维弹性力学问题,此求解过程相对简单,易于编程,具有可推广性.     

Te溶剂Bridgman法CdMnTe晶体核辐射探测器的制备和表征

碲锰镉(CdMnTe)作为性能优异的室温核辐射探测器材料,可用于环境监测和工业无损检测领域。本文中采用Te溶剂Bridgman法生长In掺杂Cd_0.9Mn_0.1Te晶体,制备成10 mm×10 mm×2 mm大小的室温单平面探测器,研究了该探测器对²⁴¹Am@59.5 keV γ射线源的能谱响应。通过表征红外透过率、电阻率以及探测器能谱响应等参数,综合评定了探测器用CdMnTe晶体的质量、电学和探测器性能。结果表明,晶片的红外透过率均在55%以上,最好可达到60%。采用湿法钝化,100 V偏压下的漏电流由钝化前的9.48 nA降为钝化后的7.90 nA,钝化后的电阻率为2.832×10¹⁰ Ω·cm。在-400 V反向偏压下,CdMnTe探测器对²⁴¹Am@59.5 keV γ射线源的能量分辨率在钝化前后分别为13.53%和12.51%,钝化后的电子迁移率寿命积为1.049×10^-3 cm²/V。研究了探测器的能量分辨率随电压的变化特性,当偏压≤400 V时,探测器的能量分辨率主要由载流子的收集效率决定,而当偏压>400 V时,能量分辨率由漏电流决定。本文研究结果表明,Te溶剂Bridgman法生长的CdMnTe晶体质量较好,电阻率和电子迁移率寿命积满足探测器制备需求。     

NO分子宏观气体热力学性质的理论研究

采用量子统计系综理论,研究了基态NO分子宏观气体摩尔熵、摩尔内能、摩尔热容等热力学性质.首先应用课题组前期建立的变分代数法(variational algebraic method, VAM)计算获得了基态NO分子的完全振动能级,得到的VAM振动能级作为振动部分,结合欧拉-麦克劳林渐进展开公式的转动贡献,应用于经典的热力学与统计物理公式中,从而计算得到了1000-5000 K温度范围内NO宏观气体的摩尔内能、摩尔熵和摩尔热容.将不同方法计算得到的摩尔热容结果分别与实验值进行比较,结果表明基于VAM完全振动能级获得的结果优于其他方法获得的理论结果.振动部分采用谐振子模型对无限能级求和计算热力学性质的方法有一定的局限性,应当使用有限的完全振动能级进行统计求和.     

紫外可见偏振成像光谱仪的光谱定标与匹配方法

紫外可见偏振成像光谱仪中沃拉斯顿棱镜的色散效应会导致探测器同一空间通道的中心坐标发生偏移，影响目标信号探测精度。根据偏振解调算法，利用沃拉斯顿棱镜出射的两正交分量调制光谱(S光和P光)实现偏振信息解调时，还需要完成光谱匹配。针对这一问题，提出了一种光谱定标与匹配方法。首先利用平行光源标定了仪器视场角与空间维像元的对应关系，提取出各空间通道对应的像元坐标集合并确定了视场定标方程；在同一空间通道内，通过低压汞灯标准光源对波长与像元的对应关系进行标定，得出光谱定标方程；利用视场定标和光谱定标结果完成正交分量光谱的匹配；最后利用太阳光谱中Fraunhofer线的特征波长对定标结果进行了检验。结果表明：紫外可见偏振成像光谱仪正交分量的光谱吸收峰位具有较好的一致性，定标值和标准值的偏差在0.1 nm以内，这验证了定标结果的准确性。     

蛋白质-多糖复合体系在活性物质传递中的应用

蛋白质-多糖复合体系作为生物活性物质传递系统的壁材,有着人工合成聚合物或无机物等其他材料不可比拟的多重优势。本文就蛋白质和多糖之间的连接方式及蛋白质-多糖复合体系形成传递系统的多种形式进行了综述,以及对此领域的发展趋势进行了展望。结合蛋白质和多糖的结构特点,二者之间的链接方式分为非共价结合的物理共聚,和共价结合的美拉德偶联、化学交联、酶催化交联等方式,文中分别对各种连接方式的原理和机理,以及其影响因素做了深入阐述。以蛋白质-多糖复合体系为壁材对活性物质的传递形式大体上分成乳化系统、胶束、纳米凝胶、分子复合物以及壳核结构等系统。不同的活性物质的特征和传递需求,可针对性地选择合适结构的蛋白质和多糖种类以及二者的连接方式和传递系统的形式。并且,随着研究的逐步发展和推进,此领域的发展趋势朝着智能化和靶向性的方向进行。目前活性物质的蛋白质-多糖复合体系的传递系统,还依然面临着系统设计、评价和应用等多方面的挑战,这就要求我们在更全面更深入了解认识其对活性物质影响和功效的基础上,安全合理地设计和深入细致地评价活性成分的传递系统。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。