Lithium sulfide nanocrystals as cathode materials for advanced batteries

The ever-increasing need for sustainable development requires advanced battery techniques beyond the current generation of lithium ion batteries.Among all candidates being explored,lithium-sulfur batteries are a very promising system to be commercialized in the near future.Towards this end,the development of lithium sulfide(Li_(2)S)nanocrystal-based cathodes has received tremendous effort and witnessed multiple reviews.Differentiated from the focus on performance improvement in previous reviews,this review summarizes the research progress in line with the approaches of materials synthesis and electrode fabrication.The key chemistry,operation procedure,materials characterizations and performance assessments are all given a balanced description.Moreover,all approaches are collectively analyzed along the lines of six criteria towards practical applications,i.e.,electrode performance,materials quality,resources sustainability,production cost,operation procedure,and consumed energy.Finally,some perspective viewpoints on the future research directions are offered.

草地植物多样性无人机调查的应用潜力

草地生物多样性对于维持其生态系统服务功能至关重要,无人机遥感凭借机动灵活、高分辨率、高效率和低成本的优势,近年来在草地物种调查与研究中受到关注。然而,目前关于草地植物多样性无人机调查的研究仍然不够深入。本研究通过无人机航拍和人工地面调查对呼伦贝尔草甸草原区的植物多样性进行调查,通过比较不同样方布设方式、不同拍摄方式下观测到的物种数量和调查所用时间,探讨扩大调查面积对调查结果的影响以及利用无人机开展草地植物多样性调查的最佳拍摄参数和时间效率,分析草地植物多样性无人机调查的应用潜力。结果表明:(1)开展草地植物多样性调查时,物种数量随调查面积在一定范围内的增加而增多,与人工调查有限个样方相比,利用无人机进行大面积调查能够观测到更多的物种。(2)在半干旱地区草甸草原植物多样性调查中,用于物种识别的无人机RGB影像空间分辨率应优于0.45 mm,分辨率为0.45 mm时能识别67.16%的物种;在观测角度方面,采用两种方式进行拍摄为佳,可在90°垂直拍摄基础上增加45°或60°倾斜拍摄。(3)采用无人机调查可大幅缩短物种调查所用时间,但应配合高精度的物种智能识别模型以提高调查效率。本研究通过对比无人机与传统的人工地面调查观测到的物种数量,进一步验证了无人机遥感用于草地植物多样性调查的可行性,首次探讨了利用无人机获取可见光影像用于草地物种调查时的关键参数,研究结果可推动无人机在草地监测、调查和保护工作中的应用。

基于改进Unet模型的无人机影像两阶段草地退化指示物种分类

针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题,根据所获取低空无人机数据,提出一种基于目标检测和语义分割的两阶段分类方法,其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络,在编码阶段导入高效通道注意力机制ECA,在下采样环节提升模型的特征提取能力,实现轻量化特征提取,块结构使用ESE模块,避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果,MIoU可以达到0.91,相比原始Unet模型提升0.11左右。实验结果表明:无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类,提出的轻量化改进模型效果良好。