【摘 要】
：
以石嘴山地区碱性土壤为研究对象,全面采集了石嘴山地区表层土壤样品,分析了土壤中硒及有效硒等地球化学指标。结果表明:研究区土壤硒的主要来源为贺兰山区黑色岩系,其次为引黄灌溉淤积;研究区硒的生物有效性处于较高水平,有效硒富集及以上的区域占全区的79.2%,面积约为777.2km~2;硒不同形态含量依次为残渣态>强有机结合态>腐殖酸结合态>离子交换态≈水溶态>碳酸盐结合态≈铁锰氧化物结合态,全硒含量有限
论文部分内容阅读
以石嘴山地区碱性土壤为研究对象,全面采集了石嘴山地区表层土壤样品,分析了土壤中硒及有效硒等地球化学指标。结果表明:研究区土壤硒的主要来源为贺兰山区黑色岩系,其次为引黄灌溉淤积;研究区硒的生物有效性处于较高水平,有效硒富集及以上的区域占全区的79.2%,面积约为777.2km~2;硒不同形态含量依次为残渣态>强有机结合态>腐殖酸结合态>离子交换态≈水溶态>碳酸盐结合态≈铁锰氧化物结合态,全硒含量有限但水溶态硒含量较高;土壤全氮及有机质含量越高,土壤全硒及有效态硒的含量越高;随着研究区土壤含盐量升高,硒
其他文献
怀化位于湘、鄂、渝、黔、桂五省周边中心，为区域交通枢纽城市，近年来，城市发展速度快，在大量工程活动影响下，城区发生多起岩溶塌陷，给当地人民群众生命财产和城市发展带来较大威胁。依托岩溶塌陷专项地质调查成果，根据岩溶地质条件情况，选择岩溶发育程度、到断层的距离、土层结构、土层厚度、岩溶水位波动幅度、岩溶水位与基岩面关系、地下水开采强度、岩溶塌陷密度等8个因素作为评价因子，系统研究各个因素对岩溶塌陷形成
车对车(V2V)通信是智能交通系统的重要组成部分。隧道是智能交通系统的一个重要应用场景。考虑到隧道壁反射,车辆衍射,以及隧道附属设施布置密而复杂的问题,研究隧道场景下的V2V信道传播特性对于智能交通系统的设计与测试具有重要意义。本文利用宽带信道探测器对隧道环境下的V2V信道进行了测量。测量所使用的载波频率和带宽分别为5.2 GHz和120 MHz。根据不同的情况,将测量分为3种类型:可视距(LOS
针对水下目标探测和追踪的需求，以典型发光生物夜光藻为研究对象，利用自主研制的库埃特实验装置为夜光藻提供不同的流场刺激，采用电子倍增电荷耦合器件相机在库埃特样品室固定位置处实时观测并捕获图像，定性研究了夜光藻在不同流场刺激下的发光特性。研究发现：发光峰值强度随着转速的增加而增强，发光强度随着夜光藻自身能量消耗消耗发光强度，逐渐减弱趋于相同；通过富含浓度为30×10~4cell/m~3夜光藻的开放式水
在车辆辐射成像过程中,受到射线源的几何尺寸、探测器及信号放大电路响应时间、统计涨落等降质因素的影响,图像产生退化,表现为模糊与噪声增加.针对车辆辐射图像的退化问题,该文研究了辐射成像系统的退化模型,提出了利用生成对抗网络Deblur GAN的辐射图像复原方法.通过辐射图像的退化机制构造了辐射图像的特定数据集,用于训练Deblur GAN模型,利用训练好的模型去复原系统实际采集的车辆辐射图像.实验结
基于深度学习的图像去雾方法在合成数据集上表现良好，却在真实场景中存在去雾不彻底、颜色失真等问题。基于此，这篇文章提出了一种基于双尺度特征融合的单幅图像去雾网络。该网络包括特征提取、特征融合两个模块，在特征提取模块，网络通过残差密集块和包括空间注意机制的特征提取块，分别提取图像的局部特征和全局特征。在特征融合模块，利用通道注意力机制对局部特征图和全局特征图进行通道加权，并通过卷积操作融合加权后的局部
针对传统工况识别算法在识别有杆抽油系统工况时,存在生产措施调整滞后以及生产效率下降等问题,提出了一种基于改进的随机森林工况识别算法.采用灰度矩阵特征提取算法对泵功图进行特征提取,将灰度特征值通过合成少数类过采样技术进行上采样,实现不平衡数据均衡化;利用蜻蜓优化算法选取随机森林参数对抽油机井工况进行识别,并以辽河油田的生产数据进行实验验证.结果表明,该方法能够避免传统识别方法选取参考工况不准确的问题
交通标示识别在自动驾驶领域有着广泛的应用前景。在实际场景中，光照、地理位置、检测方法等因素会对较小交通标示识别产生影响，导致识别精度降低。针对这些问题，提出一种新型多尺度融合卷积神经网络模型(SFRCNN)。首先在基础特征提取网络中加入多尺度空洞卷积池化金字塔模块(Multi-scale AtrousSpatialPyramid Pooling,MASPP)，在多尺度空洞卷积采样后，不改变每一个特
为了实现对隐藏在散射介质后方的静态目标物体的高分辨率重构以及动态目标物体的重构和实时追踪，避免利用旋转毛玻璃产生赝热光源的不可预置性和机械振动对成像质量的影响，将空间光调制器应用到散斑相关成像系统中来产生赝热光场，对静态目标成像以及动态目标追踪进行了实验研究。其中动态目标追踪的偏差率在很小的范围内，最小可达0.38%。在图像重构过程中，采用基于扫描近似信息传递的相位恢复算法来提高运算速度和图像鲁棒
针对同轴数字全息中零级像及孪生像对再现像干扰的问题，提出一种基于深度学习的单帧同轴数字全息图重建方法。利用神经网络强大的特征提取能力，去除同轴全息重建过程中零级像及孪生像对再现像的干扰。分别针对强度型和相位型目标所对应的同轴全息图利用U-Net的卷积神经网络进行了训练和重建，结果表明U-Net网络对强度型和相位型目标均能实现高质量的重建。为进一步验证该网络对不同类型目标的泛化性，将字母数据集生成的
针对烟雾分割领域缺乏应用于实际监控系统的实时烟雾分割算法的现况，提出高准确率的实时烟雾分割算法.该算法利用轻量化的多分辨率卷积模块并行提取特征图，在获得丰富语义信息的同时满足实时分割的需求.提出烟雾前景增强模块，使得烟雾像素点融合前景增强表征、避免背景信息干扰，分割准确率得以提高.提出残差注意力模块，从通道、空间维度增强重要特征信息，抑制无效信息.该算法在自建数据集上平均交并比为91.27%，每张