β-重氮-α-羰基酰胺类化合物的合成及其与烯烃的环丙烷化反应

以重氮丙酮酸乙酯和氨基醇为原料,经过氨解合成了一系列β-重氮-α-羰基酰胺类化合物,并与环己烯反应制备了环丙烷化产物,其结构经1H NMR,13C NMR,IR和HR-MS确证。     

高中生盐类水解心智模型的研究

采用二段式测试与半结构化访谈法对学生关于“盐类水解”内容的学习进行探查,了解学生盐类水解的定义与本质、水解反应方程式的书写、盐溶液的酸碱性的判断、盐类水解的影响因素、盐类水解中3大守恒定律的应用、盐类水解的应用等6个主题的心智模型,包括样例依存模型、概念混淆模型、思维定式模型、宏-微-符认知偏差模型等,并给出了相关的教学建议。     

带除湿槽涡轮叶栅非平衡凝结流动数值研究

基于存在自发凝结的湿蒸汽两相流动,开发了基于汽液两相双流体模型和k-ε-k_p湍流模型的计算方法,并对喷管和二维叶栅进行数值验证,结果表明本文所开发的方法具有较高的可靠性。对某汽轮机末级除湿静叶考虑除湿槽结构的二维流场进行了数值研究,指出在叶片表面开设除湿槽结构,能够显著影响涡轮叶栅内的非平衡凝结流动。由于除湿槽对水滴的抽吸作用使得叶栅内成核率峰值降低,且变化幅度减小,因此成核过程更为稳定。除湿槽结构使得叶栅内部大水滴数目减少,尾迹区水滴平均半径减小,叶栅出口湿度下降。     

基于无人机多光谱影像的冬小麦返青期变量施氮决策模型研究

氮素是影响冬小麦生长的重要元素,如何根据冬小麦需求适时变量施用氮肥是现代农业精准施肥研究需要解决的关键问题之一。无人机遥感技术在冬小麦生长情况监测中具有高分辨率、高时效性、低成本等优势,为解决施肥需求监测问题提供了重要数据源。因此研究无人机多光谱影像数据,构建其与冬小麦产量与施肥量之间的关系模型对于精准施肥研究十分重要。选择冬小麦典型生产区山东省桓台县为实验区,布置4种不同施氮水平的田间实验。利用无人机搭载Sequoia多光谱传感器,采集实验区不同氮素施肥水平的冬小麦返青初期多光谱影像,同时测得冬小麦冠层叶绿素含量（soil and plant analyzer development,SPAD）数据及产量数据。通过多光谱影像数据计算获得归一化植被指数（normalized difference vegetation index,NDVI）、叶绿素吸收指数（modified chlorophyll absorption ratio index,MCARI2）等6种形式植被指数,建立无人机多光谱影像植被指数与小麦冠层SPAD值的线性、二阶多项式、对数、指数和幂函数模型,优选地面氮素状况最优植被指数模型,反演冬小麦不同施氮水平的状况,进而根据不同施氮水平与敏感植被指数和冬小麦产量的关系,构建了基于植被指数指标的氮肥变量施肥模型,并将模型应用于同时期小麦多光谱影像。结果如下：（1）地面实测的SPAD值能较好的反映冬小麦施氮水平及生长状况。无人机多光谱数据分区统计结果表明不同施氮水平冬小麦冠层反射率有较大差异性。（2）结构性植被指数与SPAD拟合效果优于其他类型指数。MCARI2的二阶多项式模型精度最优（R2=0.790,RMSE=0.22）,其能较好的移除冬小麦返青初期土壤背景等因素的影响,为氮肥敏感植被指数。（3）基于产量-施氮量模型和产量-敏感植被指数模型,构建敏感植被指数的氮肥变量施肥模型为N_r=10 707.63×MCARI22-5 992.36×MCARI2+715.27。通过模型应用生成了实验区冬小麦氮肥变量施肥图,与实际情况具有较高一致性。该研究提出了利用无人机多光谱数据进行冬小麦施氮决策的模型及方法,为冬小麦精准施肥的进一步研究提供了依据。     

基于Flow Map的中美教材“氧化还原反应”难度比较

基于Flow Map对中美4种教材"氧化还原反应"内容难度的定量统计表明,中美教材的整合广度和表征深度的差异明显,美国教材的整合广度和表征深度均明显大于中国教材,即美国教材的相关难度较小;质性评价表明,美国教材以"化学变化中的电子"为认识核心,构建了"得失氧-氧的电负性与电子得失-氧化数与电子得失"的认知脉络,采用"电负性"作为先行组织者,更多运用对比与比较、情境推理与解释等信息处理策略,整合了大量的氧化还原反应应用类的知识。     

基于码道三角波骨架提取的量子点光栅尺高精度测量方法

为了提高量子点光栅尺的测量精度，提出了一种基于码道三角波骨架提取的位移测量方法。根据量子点光栅尺码道图案具有蜿蜒、连续的形状特点，利用不定长边缘跟踪方法快速检测出码道边缘。对码道中线进行三角波拟合得到码道骨架，提升测量稳定性以及位移值细分线性度。利用径向基神经网络对非线性测量误差进行补偿。所提出的测量方法比已有测量方法具有更好的测量精度和效率。