CoPy/C催化剂应用碱性介质氧还原催化的电化学性能

利用碳黑（Vulcan XC-72R）中加入硫酸钴和吡啶（Py）作为催化剂前驱体,经溶剂分散热处理构建了一类新型的高效氧还原CoPy/C复合催化剂.并运用循环伏安法（CV）和旋转圆盘电极（RDE）技术研究了不同Co含量的CoPy/C催化剂在碱性介质中对氧还原的电催化活性.结果表明:Co的存在对氧的催化剂活性位的形成有重要影响,800℃下所制备的10%Co30%Py/C（质量分数）复合催化剂表现出最佳的氧还原催化活性.以其制备的气体扩散电极在3.0 mol·L^-1KOH电解质溶液（O₂气氛）中0.014 V（相对于标准氧电极（RHE））即可产生明显的氧还原电流.同40%Py/C相比,10%Co30%Py/C催化氧还原的起峰电位正移了71 mV,同时表现出明显的极限扩散电流.在-0.16 V时电流密度达到最大值,电流密度为1.0 mA·cm^-2,半波电位在-0.07 V.透射电镜分析表明所制备的碳黑载吡啶钴（10%Co30%Py/C）催化剂平均粒径为20 nm.     

质子化双氧/硫杂卟啉内氢原子迁移反应的理论研究

在确定各反应体系反应物、产物稳定构象的基础上, 采用B3LYP/6-31G**方法在Gaussian 03程序下, 对质子化的双氧/硫杂卟啉的内氢迁移(IHAT)反应进行研究, 寻找并优化相应的过渡态, 比较其迁移反应速率的差异. 计算结果表明, 质子化双氧/硫杂卟啉的构象稳定性仍然是由芳香性、空间位阻、静电作用共同决定的. 质子化后的双取代体系的内氢迁移反应速率大小差异显著, 内环取代对IHAT反应速率的影响主要来源于电子效应, 而非构象变化; 且双取代对体系IHAT反应速率的影响要远大于单取代.     

基于高光谱技术的农作物常见病害监测研究

农作物病害是制约产量的重要因素之一,目前农作物病害的早期监测主要依靠植保人员田间取样判断危害等级的传统方式,存在主观性强、效率低、滞后性等弊端,也有些病害采用提前施药来进行预防,但此方法有农药过量的风险,从而影响到水稻生长的生态环境。近年来随着信息技术的快速发展,高光谱技术以数据量丰富、灵敏、可靠的特点迅速应用于农业生产中,成为主要检测农作物病害的有效技术手段之一。文章阐述了植物在病害胁迫下光谱响应机制,从粮食作物、经济作物、蔬菜作物、果类和其他农作物五个方面梳理和总结了近七年国内外高光谱技术在农作物病害的研究进展,在此基础上提出目前该技术在农作物监测应用领域的不足以及对未来的展望。为农作物的病害监测提供参考。     

pH敏感超支化聚合物的合成与表征

均苯四甲酸酐、乳酸和L-谷氨酸在SnCl2.2H2O催化下一步合成了pH敏感的超支化聚(乳酸-谷氨酸)共聚物(PGLA)。核磁共振谱分析结果显示:PGLA分子链由聚乳酸和支化的聚谷氨酸单元组成,未出现戊二酰亚胺环状结构片段,所得共聚物具有良好的pH敏感性,可溶于pH≥7.4的碱性水溶液,pH=9时,在水中所形成的胶粒体积最大。     

ANFIS在植被叶绿素含量高光谱反演中的应用

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐、毛白杨叶片的高光谱反射率与叶片绿度,建立了10个常见植被指数叶绿素含量估算模型,并采用相关系数较大波段作为BP人工神经网络模型(ANN-BP)的输入变量进行了叶绿素含量的估算,将自适应神经模糊推理系统(ANFIS)应用到植被叶绿素含量高光谱反演中。结果表明:10个常见植被指数中归一化植被指数可以较为精确反演叶绿素含量,法国梧桐、毛白杨归一化植被指数回归模型确定性系数R2分别为0.795 7和0.754 6,法国梧桐、毛白杨ANN-BP预测值与实测值之间的线性回归的确定性系数R2分别为0.935 2和0.917 1,ANFIS可以大大提高反演精度,法国梧桐、毛白杨预测值与实测值之间的线性回归的确定性系数R2分别为0.9998和0.995 6,是一种良好的植被叶绿素含量高光谱反演模式。     

基于多重差分滤波效应的航空相机图像检焦方法

焦面检测准确与否对航空相机光学系统的成像质量起着至关重要的作用。为解决航空相机检焦问题,提出了一种基于多重差分滤波效应的检焦算法。首先,对检焦原理进行了介绍,在基本矩形滤波器的基础上进行设计,提出了一种适用于航空相机检焦的新型滤波器,消除了图像和滤波器之间相对位移产生的影响,并从数学角度证明了其可行性。然后,通过对图像的隔行采样对滤波器进行模拟,以完成图像检焦算法的设计。最后,利用实验采集的图像对所提算法的检焦效果进行了评估。实验结果表明,所提算法可以消除矩形滤波器和图像之间相对位移产生的正弦变化;算法灵敏度较高,最大误差为41.16μm,小于光学系统的半焦深(76.8μm),能够满足工程需求。     

基于数字高程模型的航空相机图像清晰度检测方法

为解决弱特征区域中航空相机成像清晰度检测的问题,根据前后两次图像间具有重叠区域的特点,提出了一种基于数字高程模型（DEM）的航空相机图像清晰度检测方法。该方法在引入高精度DEM数据后,以重投影误差最小化原则修正航空成像模型,应用尺度不变特征转换（SIFT）算法进行特征匹配,并利用特征点偏移位置计算主距变化量,最终将主距变化量作为清晰度检测的标准以实现弱特征区域航空图像的清晰度检测。实验表明,所提算法对不同清晰度的弱特征区域航空图像均能进行清晰度检测,其检测均方根误差为16.275μm,小于光学系统的半焦深（19.2μm）,能够满足航空相机的实际工程精度要求。