玉米典型叶部病害高光谱识别及其烈度分类

[目的/意义]近年来,玉米叶部病害发生日趋加重且呈现混发现象,严重威胁玉米产量和品质。但目前鲜有研究对叶部病害种类识别及其烈度分类进行结合,无法满足实际场景中玉米不同病害及不同烈度混发下的病害防控需求。[方法]提出一种基于高光谱技术实现玉米典型叶部病害种类识别及其烈度分类的方法,通过挖掘玉米大斑病、小斑病和南方锈病3种叶部病害的光谱特性,优选敏感特征构建基于病害发展全阶段(包含病害所有烈度)和病害单一烈度下的病害种类识别模型;进一步地,针对玉米叶部单一病害构建烈度分类模型,以期实现对不同叶部病害的全过程识别与病害烈度分类。[结果和讨论]3种玉米叶部病害在550~680 nm的可见光、740~760 nm的红边、760~1000 nm的近红外和1300~1800 nm的短波红外处其光谱变化显著。基于此提取的光谱特征能够有效捕捉病害特异性信息。基于病害发展全阶段构建的病害种类识别模型最优总体精度(Overall accuracy,OA)达77.51%,Macro F_(1)达0.77;而基于病害单一烈度下的病害种类识别模型精度随着病害烈度的增加而升高。在病害发展阶段处于重度烈度时,病害种类识别模型最优精度达95.06%,Macro F_(1)达0.94。此外,研究构建的3种玉米叶部病害烈度分类模型最优精度均超过70%,其中大斑病烈度分类效果最好(OA=86.25%,Macro F_(1)=0.85)。[结论]基于高光谱数据能够有效实现玉米典型叶部病害种类识别及其烈度分类,为大范围作物病害监测提供研究基础及理论依据,助力精准防控与绿色农业。

一氧化碳和亚硝酸酯合成草酸酯和草酸

研究了在Ｐｄ／α－Ａｌ２Ｏ３催化剂上，一氧化碳和亚硝酸酯偶联合成草酸酯、草酸酯水解、副产ＮＯ再生成亚硝酸酯的反应。其催化活性为１０００ｈ，平均时空产率为：６１１．５ｇＤＭＯ／Ｌｃａｔ·ｈ，草酸酯水解为草酸的收率＞９８％，ＮＯ回收率＞９５－％。

基于PageRank算法的武器装备体系重要节点评估

将武器装备系统抽象为网络节点,利用复杂网络理论研究评估武器装备体系中的重要节点。针对传统PageRank算法在该应用中存在的问题,提出一种修正的PageRank算法。该算法对悬挂节点及有向环状网络节点的重要度评估具备收敛性。仿真实例验证了该修正算法对双目标作战环节点重要度评估的有效性。为了进一步验证所提算法的准确性,引入特征谱理论和移除节点法评估网络的抗毁性。

钯络合物催化剂上CO和亚硝酸酯的偶联反应和机理

研究了在乙酰丙酮钯催化体系中,一氧化碳和亚硝酸酯偶联合成草酸二酯的反应。其催化活性为8.3mol草酸二乙酯/mol Pd·h。反应前后催化体系的NMR和IR谱表明,该体系的活性催化组分含有钯苯基膦和烷氧羰基络合物。以金属-烯酮中间体[L_3Pd=C=O]为钯络合物催化剂上的基元反应模型,提出了一氧化碳偶联合成草酸酯的机理。

甲壳胺铜吸收剂分离提纯一氧化碳

利用甲壳胺铜水溶液来分离和提纯工业废气中的一氧化碳。在常压、吸收温度15℃和解吸温度80℃的条件下,一氧化碳回收率为97.2%,纯度为99.2%。其主要特点是以水为溶剂且无污染。

基于影响矩阵的作战能力评估指标相关性研究

装备体系作战能力的产生是一个复杂的涌现过程,围绕评估指标相关性分析的具体需求,结合作战能力评估的实际情况,基于影响矩阵提出了基于隶属、约束和互补关系的关系模型,给出了评估方法的一般流程,最后介绍了相关性分析算法并用实例验证了该模型的可行性和正确性。

在Pd（acac）2络合催化剂上CO偶联合成草酸二酯的研究

报道了在Pd(acac)_2-pph_3-C_2H_5OH均相催化体系上一氧化碳偶联合成草酸二乙酯的研究结果。实验结果表明,在60℃、CO压力3.0MPa、pph_3/Pd(acac)_2mol比为3∶1及Pd(acac)_2浓度为0.100g的条件下,Pd(acac)_2络合催化剂具有较高的反应活性和选择性。温度、压力变化对副产物碳酸二乙酯的活性影响不大。最后,对反应机理进行初步探讨。

基于AHP的装甲装备机动模型聚合与解聚方法研究

模型的聚合与解聚问题是多分辨率建模的核心问题之一,聚合与解聚方法的好坏直接影响仿真模型的质量;以装甲装备机动仿真模型为背景,采用基于层次分析法的聚合与解聚方法,详细论述了模型实体位置,速度,状态,毁伤程度的聚合与解聚问题,给出了面向实践的聚合与解聚方法,最后验证了该方法的正确性。

基于关联度的遗传-粗糙集约简算法

仿真模型的优化是仿真模型构建工作的重要组成部分。通过引入模型单元关联度的概念对传统模型约简算法进行改进,提出了一种基于模型单元关联度的遗传-粗糙集理论的仿真模型优化算法,很好地改善了聚合仿真模型的计算复杂度问题,并通过实例验证了算法的实用性。