热裂解-气相色谱-质谱法鉴别生物可降解塑料

目前生物可降解塑料主要采用堆肥降解测定其生物降解性能的方法进行鉴别,其检测周期长、费用较高。材料的组成基本决定了其生物降解特性,为了快速鉴别生物可降解塑料,采用热裂解-气相色谱-质谱法(PY-GC-MS)对以聚对苯二甲酸-己二酸丁二醇酯(PBAT)与不同质量比的其他成分包括生物可降解聚乳酸(PLA)、难降解材料聚苯乙烯(PS)或聚对苯二甲酸乙二醇酯(PET)混合样的裂解特征进行了研究。结果显示,PBAT的裂解特征峰明显,未受到PLA的影响;若在PBAT中添加质量分数1%的非降解材质PS和PET也可被检出。方法用于市场上收集到的标识为可降解塑料购物袋样品的分析,结果表明,采用PY-GC-MS可以快速对可降解塑料进行初步鉴别。     

基于叶片及冠层叶绿素参数的冬小麦籽粒蛋白质含量预测研究

小麦籽粒蛋白质含量是衡量小麦营养品质的重要指标,实现小麦品质快速的预测预报对于粮食收购部门和加工企业具有重要意义。研究基于作物叶绿素/氮素速测仪SPAD及Multiplex 3,获取冬小麦不同生育期叶片及冠层叶绿素参数,从小麦个体及群体参量两方面进行冬小麦收获期籽粒蛋白质含量及蛋白产量的预测研究。试验于2012年4—6月在国家精准农业研究示范基地开展,研究结果表明,冬小麦返青至灌浆初期,小麦冠层氮素密度与籽粒蛋白质含量的相关性优于叶片氮素含量与蛋白质含量的相关性,灌浆中期两者与籽粒蛋白质含量相关性差别不大;小麦叶片SPAD值与叶片氮素含量相关性总体优于其与冠层氮素密度的相关性,而叶绿素荧光参数SFR_G, SFR_R与冠层氮素密度的相关性优于其与叶片氮素含量的相关性;叶片SPAD与籽粒蛋白质含量的相关性在拔节期最弱,在灌浆中期最强,小麦冠层叶绿素荧光参数SFR_G, SFR_R与籽粒蛋白质含量相关性在返青至拔节期不显著,但孕穗期开始显著相关,在灌浆中期相关性最强且明显优于同期叶片SPAD与籽粒蛋白质含量的相关性;冬小麦籽粒蛋白产量与叶片SPAD值在小麦孕穗期至灌浆期显著相关,与SFR_G和SFR_R在小麦灌浆期显著相关;研究基于灌浆中期SPAD值及SFR_R值,构建了冬小麦籽粒蛋白质含量及籽粒蛋白产量的预测模型,其中,籽粒蛋白质含量预测模型复相关指数分别为0.426和0.497,模型标准误差分别为0.060%和0.055%,籽粒蛋白产量预测模型复相关指数分别为0.366和0.386,模型标准误差分别为125.367和123.454 kg·ha-1。研究表明,利用叶片SPAD值及冠层叶绿素荧光信息,在小麦收获前进行品质的快速预测是可行的。     

运用PLS算法由小麦冠层反射光谱反演氮素垂直分布

文章提出了利用遥感光谱数据反演小麦冠层氮素垂直分布的化学计量学方法,运用偏最小二乘算法(PLS),穷尽测定的小麦田间冠层可见光和近红外光谱不同波长处的冠层光谱反射率及其组合与小麦不同层次的叶绿素、叶片全氮含量之间的关系。通过2001～2002年的建模和2003～2004年的验证试验,求得了用PLS算法对叶片全氮上层、中层、下层垂直分布估算结果的相关性。表明PLS算法能够用于反演作物冠层生物化学参数的垂直分布。运用PLS的小麦氮素垂直分布的估算方法,较以往单一冠层估算方法精度明显提高,对于生产上迫切需求对作物中、下层叶片氮素状况的监测来指导适时和适量施肥具有指导意义。     

基于多时相航空高光谱遥感影像的冬小麦长势空间变异研究

精准农业技术是基于农田信息在空间和时间上存在的差异而实施的变量管理技术,本研究以2001年～2002年度在国家精准农业研究示范基地开展的冬小麦变量施肥对比试验为基础,获取冬小麦拔节期、灌浆初期及乳熟期的推扫式成像光谱仪(pushbroom hyperspectral imager, PHI)航空高光谱影像数据,提取反映冬小麦长势光谱参数,进行变量施肥处理区与常规处理区冬小麦长势空间变异的对比。研究发现,变量区与对照区光谱反射率分散度最大的区域主要集中在红边及近红外反射平台的附近, 其中,乳熟期冬小麦光谱分散度最大,其次为拔节期和灌浆期。通过对比不同时相冬小麦长势信息,发现拔节期变量区作物长势空间变异程度要高于对照区,经过变量施肥处理后,灌浆期和乳熟期变量施肥区冬小麦长势空间变异程度低于对照区;对冬小麦产量的分析发现,变量区产量的总体空间变异小于对照区,但变量区总体产量略低于对照区。研究表明,利用遥感影像数据,可以及时获取作物长势的空间变异情况,为农业管理的生产、决策及时提供信息。     

关于酸、碱平衡调节中肺作用的数学描述

在正常或疾病情况下,人体内酸碱平衡的调节是一个颇为复杂的过程.迄今尚存很多争议性问题,近年国外多倾向于建立各种数学模型,以期揭示体内酸碱平衡的调节机制.本文将“顺应性”这一概念,引入到人体酸碱平衡调节的研究中,并观察了在代谢性酸中毒和代谢性碱中毒时,肺参与代偿调节的顺应性变化范围和变化幅度,为应用数学模型进一步深入探讨机体内复杂的酸碱平衡调节机制,提供新的研究途径和手段.     

基于集成学习的水稻氮素营养及籽粒蛋白含量监测

利用高光谱遥感技术在水稻收获前对籽粒品质相关的蛋白质含量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,有助于提前掌握籽粒品质信息,明确市场定位。该研究以广东省典型优质籼稻为研究目标,基于2019年和2020年两年氮肥梯度实验,以水稻分化期和抽穗期冠层尺度高光谱数据、水稻氮素参数,包括叶片氮素含量（LNC）、叶片氮素积累量（LNA）、植株氮素含量（PNC）、植株氮素积累量（PNA）及籽粒蛋白含量数据为基础,利用四种个体机器学习算法partial least square regression (PLSR)、K-nearest neighbor (KNN)、Bayesian ridge regression (BRR)、support vector regression (SVR),三种集成学习算法random forest (RF)、adaboost、bagging,针对水稻不同生育期氮素状况进行监测建模,在此基础上构建基于水稻冠层光谱信息、光谱信息结合水稻农学氮素参数的籽粒蛋白含量的监测模型,并对模型进行精度对比。研究结果表明,在水稻氮素营养监测方面,利用水稻冠层454~950 nm波段信息,采用RF及Adaboost算法,在水稻分化期、抽穗期及全生育期LNC、LNA、PNC及PNA模型R2均达到0.90以上,同时也具有较低的RMSE和MAE。在水稻籽粒蛋白品质监测方面,采用全波段光谱信息进行籽粒蛋白含量监测时,RF具有最高的精确度与稳定性,两生育期的RF模型对籽粒蛋白含量的监测结果R2分别为0.935和0.941,RMSE分别为0.235和0.226,MAE分别为0.189和0.152;两生育期以全波段光谱信息结合长势参数进行籽粒蛋白监测时,Adaboost模型具有最高的精确度和稳定性,其中分化期全波段光谱信息结合PNA作为输入参数,Adaboost模型R2为0.960,RMSE为0.175,MAE为0.150,以抽穗期全波段光谱信息结合PNC作为输入参数,R2为0.963,RMSE为0.170,MAE为0.137。研究结果表明,与PLSR,KNN,BRR和SVR几种个体学习器算法相比,集成算法RF,Adaboost和Bagging具备良好的处理多重共线性的能力,适合用于高光谱数据的分析与处理,在作物氮素营养监测及水稻品质的早期遥感监测方面具有明显优势。     

可压缩活性液晶模型的解的存在性（英文）

本文研究了基于Q-张量框架的可压缩活性液晶模型的流体动力学问题.在全空间或者圆环上,我们证明了模型的大初值局部经典解的存在性.并且，在一定的系数假设下,我们给出了在常数态附近圆环上小初值全局经典解的存在性.