积极养老建筑环境的设计尝试——泰康之家.燕园养老社区3#独立生活楼的设计实践

本文以泰康之家·燕园养老社区3#独立生活楼的设计实践为例,通过对空间策略、光环境营造、细节设计等方面的研究分析,总结归纳营造积极的养老建筑环境的设计策略,思考和探索如何从空间环境的层面提升老人的幸福感。

UV-B辐射和施氮对满江红生长、矿质营养和抗氧化生理的影响

为探讨UV-B辐射和施氮对满江红(Azolla)生长、矿质营养和抗氧化生理的影响,以元阳梯田稻田满江红为材料,室内模拟UV-B辐射(0 kJ·m^(-2)与5.0 kJ·m^(-2))和施N处理(无氮和0.06 g·L^(-1)氮),研究其对满江红生长、矿质营养和抗氧化生理的影响。结果表明,与CK(0 kJ·m^(-2)、无氮)相比,UV-B+N(5.0 kJ·m^(-2)、0.06 g·L^(-1)氮)、UV-B辐射(5.0 kJ·m^(-2)、无氮)处理均显著降低满江红光合色素含量,抑制其生长,导致生物量显著下降。UV-B辐射与施N单独或复合处理均显著增加满江红的N含量与累积量,降低植株Mg、Ca的含量。UV-B辐射与施N单独或复合处理均显著增加满江红丙二醛(MDA)含量,提高超氧化物歧化酶(SOD)、谷胱甘肽还原酶(GR)活性,降低类黄酮含量和过氧化物酶(POD)活性。此外,UV-B辐射导致满江红抗坏血酸(AsA)含量下降、总酚含量增加,UV-B辐射与N处理显著增强满江红的总抗氧化能力。相关性分析发现,类黄酮、类胡萝卜素含量与生物量呈显著正相关。双因素分析表明,UV-B辐射显著增加了满江红氮、总酚、MDA含量,提高SOD、GR活性与总抗氧化能力;N处理显著增加AsA、MDA含量及SOD、GR活性;UV-B+N处理对满江红的生长系数、生物量、磷、钙、镁、叶绿素a、类胡萝卜素、AsA、总酚和类黄酮含量及POD、SOD活性和总抗氧化能力的影响存在交互作用。综上,UV-B辐射增强会抑制满江红生长,导致满江红N含量与累积量增加,施氮不能缓解UV-B辐射对满江红生长的抑制效应。

基于自学习特征的林业业务图像分类方法

【目的】现代电子和通讯设备的普遍使用,使得林业管理部门可以及时获取和累积大量林业业务图像。对林业业务图像进行自动分类,可使林业各个管理部门,包括林业执法机构和执法队伍能够全面配合、相互协调,增强决策支持和应急处理能力,从而实现有效的森林资源监管。【方法】提出一种基于自学习特征的林业业务图像自动分类方法,该方法采用3层结构来获取图像局部特征的全局语义,并对全局语义进行建模。首先,将图像分块,对图像块采用线性稀疏自动编码器进行自动学习,获取局部特征的权值矩阵;之后,利用权值矩阵对图像进行卷积,获取各种局部特征在图像中的映射,再进行池化与连接形成特征向量;最后,利用特征向量,采用softmax分类方法进行图像类别建模与识别。【结果】确立了林业业务图像的4个类别:动物死亡、森林火灾、采伐和森林病虫害。收集4类图像355幅,每类图像数目不等,并裁剪为统一大小,建立试验用林业业务图像数据集。利用留一法进行多次交叉试验,识别精度达到80%。线性稀疏自动编码器有效地提取出了图像块中的色彩特征、色彩变化特征及不同方向和不同位置的梯度特征等;利用自动学习到的局部权值矩阵卷积整个图像,在每幅特征图像中激活了原图的不同特征,且这些特征是零散的;当被识别图像与同类图像有相似或者局部相似的特征时,其会被正确识别,反映了基于自学习特征的林业业务图像分类方法能联合图像中的局部特征识别全局语义。【结论】林业业务图像分类属于图像场景分类问题,其同一类图像的类内相似性较弱,利用传统的"特征提取+分类建模"方法进行分类,其分类特征的选取难度较大。相较而言,基于自学习特征的林业业务图像分类方法的局部特征是从图像中自动学习得到的,方法泛化性强;而且该方法只有3层,没有全部层的反馈学习过程,比目前流行的基于深度卷积神经网络的图像分类方法效率高;当累积的样本图像增多、更加全面时,可以期望获得更高的识别精度。

基于微调CaffeNet的林业图像分类

【目的】基于迁移学习提出一种微调卷积神经网络(CNN)的林业图像自动分类方法,以利于林业管理部门对相关事件作出合理的处置方案或指挥调度决策,从而提升森林管护水平,保护森林资源和生态安全。【方法】基于大规模辅助图像数据集ImageNet预训练好的CaffeNet模型,利用林业图像数据对模型进行微调训练。模型前5层参数通过迁移获得,包括卷积层、激活函数和池化层;全连接层和Softmax参数通过训练确定。【结果】微调预训练卷积神经网络CaffeNet模型具有很好的林业图像分类正确率,在根据林业业务需求建立的4类林业图像数据集上,经过一定次数迭代后,平均识别精度达97.5%。进一步特征可视化显示,训练好的深度卷积神经网络不同层获得的特征图可从不同方面获得林业图像分类能力。与传统特征提取方法相比,即使分类种类数增加1种,识别率也可提升10.8%。【结论】利用CaffeNet模型进行林业图像分类可行。相比传统特征提取识别方法,基于卷积神经网络的林业图像分类模型具有很强的特征提取和分类能力,能够在森林管护中发挥重要作用。

基于图像的昆虫分类识别研究综述

近年来,在自动化识别昆虫技术中,基于图像的昆虫分类识别研究逐渐发展起来。本文在查阅了近20年来具有代表性文章的基础上,对基于图像的昆虫分类识别研究的进展进行综述,介绍了图像获取、图像处理、分类方法三方面,并分析了现有方法的优缺点。最后展望了基于图像的昆虫分类识别研究的研究趋势和发展方向。

胁迫生境深色有隔内生真菌生态分布与功能研究进展

深色有隔内生真菌(dark septate endophytes,DSE)是一类定殖于植物根内的小型真菌,广泛存在各种生境中,其在胁迫生境中的生态分布、生态功能与作用机理是近年来的研究热点.对DSE的生态分布、胁迫生境DSE的生态功能和DSE真菌增强植物抗逆性的作用机理等方面进行综述.研究进展表明,从平原低地到热带、温带、冻原及南北极地区,野生植物根部普遍定殖着DSE真菌,尤其在干旱、高温、寒冷、盐害、重金属污染和养分贫瘠等胁迫生境中,DSE真菌的分布更为普遍.环境胁迫条件下,植物根部共生DSE真菌能够改善植物矿质营养和光合生理、调节植物内源激素平衡、增强植物抗氧化生理,从而促进宿主植物生长、增强植物抗逆能力,以及改变植物对重金属的吸收累积,在植物耐受和适应胁迫环境中起着重要的调节作用.但这些研究主要从生态现象进行了研究,目前对DSE增强宿主植物抗逆性的作用机理仍很缺乏、不够系统深入.未来应建立DSE真菌种质资源库,加强DSE真菌的应用技术研究;结合现代生物技术和方法,系统深入研究DSE真菌提高植物抗逆性的生理和分子机制,为利用DSE真菌增强植物适应环境胁迫提供理论依据.

镉胁迫下硫素对嗜鱼外瓶霉生长、矿质元素与镉含量的影响

镉(100 mg/L)胁迫下,研究不同浓度硫素(硫离子)对深色有隔内生真菌(Dark septate endophyte,DSE)——嗜鱼外瓶霉(Exophiala pinsciphila)菌株生长、矿质元素(钙、镁、氮、磷、硫)与镉含量的影响。结果表明:在100 mg/L镉胁迫下,低浓度(0.06和0.30 mmol/L)和高浓度(3.60和6.60 mmol/L)硫素处理均显著降低菌丝干质量(P<0.05),而对培养液孢子数和p H值无影响。培养液硫浓度(0.06,0.30,0.60,3.60和6.60 mmol/L)显著影响菌丝矿质元素和镉含量,其中钙、磷、硫和镉含量在高浓度(3.60和6.60 mmol/L)处理下显著增加,在低浓度(0.06和0.30 mmol/L)处理下却显著下降;低浓度处理显著增加菌丝氮含量。菌丝镉含量(0.53~3.55 g/kg)和培养液硫浓度与菌丝矿质营养元素磷、硫、钙呈极显著正相关。镉胁迫下,外源添加高浓度的硫会降低菌株镉耐性,抑制DSE的生长和对矿质元素的吸收利用,而正常浓度的硫添加有助于菌株生长。

基于迁移学习的林业业务图像识别

【目的】林业业务图像的识别分类有利于林业管理部门对相关事件作出合理的处置方案及指挥调度决策,从而充分发挥护林员的作用,提升森林管护的水平,达到保护森林资源和生态安全的目的。【方法】提出了一种针对林业业务图像基于迁移学习的卷积神经网络(convolutional neural networks)自动分类模型。在经过大规模辅助图像数据集ImageNet预训练的4种卷积神经网络模型的基础上,使用林业业务图像数据对训练好的模型进行迁移学习,采用新的全连接层取代原始的全连接层,其他层参数保持不变。【结果】在建立的4个类别林业业务图像数据集上,4个预训练卷积神经网络结构的迁移学习模型都具有较高的分类正确率。其中,基于Inception-v3的迁移学习模型识别精度最高,达到96.4%。【结论】利用基于Inception-v3的迁移学习模型进行林业业务图像分类是可行的。相比传统的特征提取识别方法以及其他预训练模型,Inception-v3模型具有很强的分类能力,可以在森林管护中发挥更广泛的应用。

Multi-Objective Genetic Based Pore Combination Recognition

This paper proposes an automatic method of pore combination recognition,which is an important feature to hardwood recognition.After extracting edge from wood microscopic cross-section, based on area histogram of the similar circle regions,the method classifies all regions into two classes with maximum between-class variance,so as to distinguish the pore from other textures,which are similar in shapes but different in sizes.Meanwhile, second objective function about average area of closed regions is used to improve the pore segmentation performance.At last,the method uses adjacency degree of pore set to judge pore combination.The experiments demonstrate that the task of pore segmentation can be completed successfully for all kinds of pore distribution and combination,and also the correct combinations of pores are given.