火焰原子吸收分光光度法测定锂含量的不确定度评定

笔者利用火焰原子吸收分光光度法测定锂含量,并对其测量不确定度进行评估。通过合理地建立数学模型,详细分析不确定主要来源,对测量重复性、锂标准溶液、标准溶液稀释、样品溶液中锂浓度、样品质量称量引入的测量不确定度分量进行评定,并计算合成标准不确定度和扩展不确定度。根据量化结果可知:标准曲线线性回归方程和测量重复性对不确定度影响最大。在测量过程中,可通过提高标准曲线的可靠性和相关性,并适当增加平行测定次数,来降低测量不确定度。

基于光谱特征参数的粳稻冠层氮素含量反演方法

粳稻氮素含量的快速、无损、准确估算,可以及时掌握粳稻的生长状况,对指导粳稻田间管理具有重要意义。为提高粳稻冠层氮素含量的高光谱反演精度,利用沈阳农业大学路南试验基地2018年粳稻3个关键生育期无人机高光谱影像和同步测定的粳稻冠层氮素含量作为数据源,选用从粳稻冠层光谱中提取的高光谱位置变量、面积变量和植被指数变量3种类型20个光谱特征参数与氮素含量进行相关性分析,选出各个生育期内相关性较高的前3个光谱特征参数作为模型输入分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)和思维进化算法优化BP神经网络(MEA-BPNN)3种粳稻冠层氮素含量反演模型并验证。结果表明:在粳稻分蘖期、拔节期、抽穗期,与粳稻氮素含量相关性最好的高光谱特征参数均为红边面积SDr,相关系数分别为0.771,0.664,0.775;MEA-BPNN反演模型与PLSR、BPNN相比,无论在模型精度还是预测能力都有明显提高,在各个生育期,MEA-BPNN模型的建模集和验证集决定系数R^2均达到0.700以上,RMSE均低于0.400以下,说明MEA-BPNN反演模型是筛选出的最佳粳稻冠层氮素含量反演模型。综上研究,该模型能够快速无损反演粳稻冠层氮素含量,可为后续施肥决策提供支持。

艺术职业院校学生素质教育管窥

本文从培养应用性复合型高级艺术人才的角度看艺术职业院校学生素质教育,阐述了思想道德、文化知识、专业知识技能、生理心理健康及社会生存开拓等五个方面的内容,提出了改革培养目标、实施因材施教、建立竞争机制和正确处理几个方面关系的措施和建议,以此管窥,参与本课题的讨论。