山地樟子松生长特性及林分密度对其生长的影响

 樟子松是中国北方地区主要造林树种,影响其林分生长的主导因子之一是密度。研究樟子松生长特性及其与密度的相关性,对引种栽培和林分抚育管理等都有重要意义。选取内蒙古中部地区那日斯台林场为试验地,通过对高密度（>3000株/hm²）、中密度（2000~3000株/hm²）、低密度（1000~2000株/hm²）3个不同密度组被选的8个样地每木检尺和解析木分析,结果显示,各年龄段3个密度组之间在树高生长量上没有大的分化,而在胸径、单株材积和蓄积量具有较大的分化。研究表明,密度对山地樟子松的胸径、单株材积和蓄积量有显著影响,而对树高生长量影响不明显;随着密度的增加,林分胸径和单株材积减少,蓄积增加;20龄高密度组和低密度组胸径总生长量相差10 cm、材积总生长量相差0.9 m³。密度愈大,材积迅速生长开始期的树龄愈大。     

标准文献数据库的建立与设计实现

本文介绍了一个在IBM—PC/XT机上实现的标准文献数据库应用系统的设计。给出了系统的功能,特点及所采取的技术措施。 系统的应用将促进标准化机关及情报机构办公现代化及自动化的实现。     

青藏高原东部囊谦第三纪盆地沉积构造特征

在野外工作的基础上全面叙述了青藏高原东部囊谦盆地的构造环境,地貌特征,地层的岩相、沉积体系、古流向等特征及盆地火山岩出露状况.指出盆地形成于走滑拉张环境,盆地沉积环境为近源、快速堆积,沉积体系不对称分布且相变迅速,物源区单一性,古流向的变化表明了盆地的不断加大及控制盆地的扎曲断裂的持续活动性.     

正常大鼠18 F-FDG PET /CT 显像各器官SUV 值及CT 值分布

摘要: 目的测量正常SD 大鼠18 F-FDG PET /CT 显像重要器官的标准化摄取值( SUV) 与CT 值。方法对大鼠各 实质性脏器勾画感兴趣区( ROI) 测定SUV 值与CT 值,并进行分析研究。结果正常SD 大鼠重要器官的SUV 值 和CT 值与其生理及结构特性有关。结论该研究结果为SD 大鼠18 F-FDG PET /CT 图像质量评价及半定量评价提 供了参考依据。     

基于{Cr（OH）6Mo6O18）^3-多酸阴离子为配体的过渡金属离子配合物的合成及结构表征

以β-Anderson型{Cr（OH）6Mo6O18}^3-多酸阴离子为配体,质子化的4,4’-bpy为模板,利用电荷平衡阳离子,在水热条件下,合成了三种过渡金属Mn（Ⅱ）、Co（^3-）和Ni（^3-）的配合物：[4,4’-bpyH2]2[-Mn{Cr（OH）6Mo6O18}2]1、[4,4＇-bpyH][-Co（H2O）2{Cr（OH）6Mo6O18）]·4H2O2和[4,4’-bpyH][-Ni（H2O）2{Cr（OH）6Mo6O18}]·4H2O3．通过元素分析、单晶X射线分析、红外表征、热重分析和X射线粉末衍射等技术确定了化合物的组成和结构．在配合物1中,{Cr（OH）eMo6O18}^3-多酸阴离子作为六齿配体,Mn（Ⅱ）采用八面体配位方式,形成一维带状结构．配合物2和3互为异质同构体,{Cr（OH）6Mo6O18}^3-多酸阴离子作为四齿配体,Co（Ⅱ）或Ni（Ⅱ）采用八面体配位方式,形成二维层状结构,[4,4’-bpyH]＋填充在层间．     

制备工艺对(Mn,Fe)2(P,X)(X=Ge,Si,B)化合物磁性和磁热效应的影响

研究不同制备工艺对Fe2 P-型(MnFe)2(P,X)(X=Ge,Si,B)系列化合物的晶体结构、磁性和磁热效应的影响.利用传统固相烧结结合外磁场加热、不同的热处理温度和时间、淬火和缓慢冷却处理等方法制备了(Mn,Fe)2(P,X)(X=Ge,Si,B)系列化合物.粉末X射线衍射(XRD)实验结果表明,该系列化合物均...     

城市供水管网的水质预警监测点的优化布置

水质预警监测点的位置和数量直接影响水质预警体系的效率和投资,因而人们十分重视其优化布置,即:布置数量有限的监测点以达到最大的服务水平。本文提出了新的评价体系用以考核监测系统的效率;基于水质实时模拟与GIS数据相结合的方法来定量表示监测系统的效率,并采用遗传算法来优化监测点的数量和位置。     

基于模态交互学习的属性级情感分析

属性词提取和情感极性分类是细粒度情感分析的重要研究内容。为了提高属性词提取和情感极性分类的准确率，本文提出了一种改进的ReBERT模型。该模型基于深度学习的属性级情感分析，引入图像模态进行交互学习，选择了关系提取辅助的融合手段，在文本与图像双模态经BERT,ResNet预训练模型提取的特征向量基础上实现了属性词提取、情感极性分类两个基本任务。该模型在标记后的Twitter15/17数据集上表现良好，属性词预测F1值分别为81.9%与90.8%，属性级情感识别的精确率为76.5%与72.3%。本研究将该模型与同数据集下其他先进的基线方法进行了对比实验，与文本模态的消融实验相辅，证明了该模型在属性级情感分析任务上的优越表现。