挠率-物质非最小耦合f（T）引力中无奇异物质的虫洞

虫洞是设想中连接遥远时空区域的隧道.在广义相对论中,虫洞只能由违反能量条件的奇异物质支持.而本研究考虑在挠率-物质非最小耦合的f(T)引力中,由非奇异的物质支持的虫洞.研究发现,挠率与物质的非最小耦合确实能支撑虫洞的打开.然而,就几何角度而言,为使虫洞时空渐进平坦,耦合的物质密度必须在大半径处迅速衰减.否则在有限远处,或是度规变号,或是虫洞无法有效嵌入于四维欧氏空间,这些都会导致虫洞只有有限大小.另-方面,支撑虫洞的物质源只在喉的某个邻域内满足类光能量条件.因此,当前模型中的虫洞只有有限大小,无法扩展到整个时空.     

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。