以国家植物园中水杉(Metasequoia glyptostroboides Hu et Cheng)为研究对象,对比根部淹水和非淹水生境中水杉的叶片形态特征、化学计量特征、气体交换参数及非结构性糖类的差异,分析水杉对2种生境的适应策略。结果表明:水杉根部淹水和...以国家植物园中水杉(Metasequoia glyptostroboides Hu et Cheng)为研究对象,对比根部淹水和非淹水生境中水杉的叶片形态特征、化学计量特征、气体交换参数及非结构性糖类的差异,分析水杉对2种生境的适应策略。结果表明:水杉根部淹水和非淹水生境土壤含水量差异显著(P<0.05),土壤化学计量特征中除C/N比外均具有显著差异。根部淹水生境水杉叶面积和比叶面积均显著大于根部非淹水生境,但叶干物质含量显著低于非淹水生境,这主要通过叶长的增加实现。同一径级内,根部淹水生境仅Ⅰ〔20 cm≤胸径(DBH)<30 cm〕径级水杉叶片净光合速率显著高于非淹水生境;3个径级水杉叶片胞间CO_(2)浓度在2种生境间无显著差异;气孔导度和蒸腾速率在2种生境间均存在显著差异,且除Ⅰ径级的蒸腾速率外均为根部淹水生境显著高于根部非淹水生境。同一生境内,水杉叶片净光合速率、气孔导度和蒸腾速率随着径级的增大呈上升趋势,而胞间CO_(2)浓度的变化趋势相反。同一径级内,根部淹水生境水杉叶片有机碳、全氮和全磷含量均高于根部非淹水生境,且除有机碳含量外均存在显著差异;根部淹水生境水杉叶片N/P比、C/N比和C/P比总体小于根部非淹水生境,其中,Ⅰ径级水杉叶片N/P比和C/N比在2种生境间差异显著,Ⅰ和Ⅱ(30 cm≤DBH<40 cm)径级水杉叶片C/P比在2种生境间差异显著。根部淹水生境水杉叶片非结构性糖类含量显著高于非淹水生境,主要表现为可溶性糖含量的升高。综上所述,水杉对淹水胁迫具有良好的适应能力,能够通过改变叶片形态、可溶性糖含量及气孔开放程度来保证正常的生命活动,在今后的迁地保护过程中可通过增加土壤含水量和光照帮助水杉适应环境的变化。展开更多
随着建筑物能源消耗的不断升高,高精度与高泛化能力的非侵入式负荷监测技术的研究具有重大意义。针对当前负荷分解方法存在的问题,提出了一种基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法。将实例-批归一化网络与U形网络...随着建筑物能源消耗的不断升高,高精度与高泛化能力的非侵入式负荷监测技术的研究具有重大意义。针对当前负荷分解方法存在的问题,提出了一种基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法。将实例-批归一化网络与U形网络结合,提取总负荷数据的上下文信息,并利用跨越连接实现对不同尺度的细节特征与全局特征的融合。针对多特征特点,引入高效通道注意力网络,使模型聚焦重要特征。引入多任务学习框架与后处理操作,去除输出的假阳性片段,实现对目标电器的精准识别。将所提模型与几种代表性模型在UK-DALE(UK domestic appliance-level electricity)数据集与REDD(reference energy disaggregation data set)上进行对比实验,结果表明,所提模型的性能优于对比模型,具有出色的负荷分解能力与状态识别能力。展开更多
文摘以国家植物园中水杉(Metasequoia glyptostroboides Hu et Cheng)为研究对象,对比根部淹水和非淹水生境中水杉的叶片形态特征、化学计量特征、气体交换参数及非结构性糖类的差异,分析水杉对2种生境的适应策略。结果表明:水杉根部淹水和非淹水生境土壤含水量差异显著(P<0.05),土壤化学计量特征中除C/N比外均具有显著差异。根部淹水生境水杉叶面积和比叶面积均显著大于根部非淹水生境,但叶干物质含量显著低于非淹水生境,这主要通过叶长的增加实现。同一径级内,根部淹水生境仅Ⅰ〔20 cm≤胸径(DBH)<30 cm〕径级水杉叶片净光合速率显著高于非淹水生境;3个径级水杉叶片胞间CO_(2)浓度在2种生境间无显著差异;气孔导度和蒸腾速率在2种生境间均存在显著差异,且除Ⅰ径级的蒸腾速率外均为根部淹水生境显著高于根部非淹水生境。同一生境内,水杉叶片净光合速率、气孔导度和蒸腾速率随着径级的增大呈上升趋势,而胞间CO_(2)浓度的变化趋势相反。同一径级内,根部淹水生境水杉叶片有机碳、全氮和全磷含量均高于根部非淹水生境,且除有机碳含量外均存在显著差异;根部淹水生境水杉叶片N/P比、C/N比和C/P比总体小于根部非淹水生境,其中,Ⅰ径级水杉叶片N/P比和C/N比在2种生境间差异显著,Ⅰ和Ⅱ(30 cm≤DBH<40 cm)径级水杉叶片C/P比在2种生境间差异显著。根部淹水生境水杉叶片非结构性糖类含量显著高于非淹水生境,主要表现为可溶性糖含量的升高。综上所述,水杉对淹水胁迫具有良好的适应能力,能够通过改变叶片形态、可溶性糖含量及气孔开放程度来保证正常的生命活动,在今后的迁地保护过程中可通过增加土壤含水量和光照帮助水杉适应环境的变化。
文摘随着建筑物能源消耗的不断升高,高精度与高泛化能力的非侵入式负荷监测技术的研究具有重大意义。针对当前负荷分解方法存在的问题,提出了一种基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法。将实例-批归一化网络与U形网络结合,提取总负荷数据的上下文信息,并利用跨越连接实现对不同尺度的细节特征与全局特征的融合。针对多特征特点,引入高效通道注意力网络,使模型聚焦重要特征。引入多任务学习框架与后处理操作,去除输出的假阳性片段,实现对目标电器的精准识别。将所提模型与几种代表性模型在UK-DALE(UK domestic appliance-level electricity)数据集与REDD(reference energy disaggregation data set)上进行对比实验,结果表明,所提模型的性能优于对比模型,具有出色的负荷分解能力与状态识别能力。