关键词： 酶化学计量比   微生物资源限制   石质山地   植被恢复   酶活性  

摘要： 为明晰石质山地不同植被恢复方式对土壤酶化学计量特征的影响,探究人工林土壤微生物资源限制状况,以徐州赵疃林场石质山地2012年恢复的栾树、青桐、黄连木、五角枫人工林为研究对象,测定了0～10、10～20 cm土层的β-葡萄糖苷酶(BG)、亮氨酸氨基肽酶(LAP)、N-乙酰-β-D-葡萄糖苷酶(NAG)、碱性磷酸酶(ALP)活性以及土壤性质、细根特征等环境因子,计算了酶化学计量比,并对酶化学计量比与环境因子进行了冗余分析。结果表明:在不同植被恢复方式下,BG活性存在显著差异(P<0.05),NAG、LAP、ALP活性存在极显著差异(P<0.01)。BG、ALP活性在两土层均为黄连木人工林显著高于栾树人工林(P<0.05),NAG、LAP活性在0～10 cm土层均为栾树人工林显著高于其他人工林(P<0.05)。在不同植被恢复方式下,酶化学计量比均存在极显著差异(P<0.01),在两土层中,碳氮酶活性比均为栾树人工林最小,氮磷酶活性比均为栾树人工林最大,碳磷酶活性比在0～10 cm土层中为五角枫人工林最小,10～20 cm土层则为青桐人工林最小;不同土层间仅碳磷酶活性比未存在显著差异。冗余分析表明,土壤全氮含量、土壤碳磷比、细根全磷含量、细根全碳含量等是酶化学计量比变化的主要驱动因子。栾树人工林土壤全氮含量较低、速效磷含量较高,导致土壤微生物主要受氮限制;青桐、黄连木、五角枫人工林较高的土壤全氮含量及较低的细根全磷含量使得微生物主要受碳、磷限制。

关键词： 化肥   菌肥   配施菌肥   退化高寒草甸   植被群落   土壤养分  

摘要： 【目的】探索化肥配施菌肥对退化高寒草甸的恢复效果【方法】以东祁连山中度退化高寒草甸为研究对象，采用田间试验方法，设置不施肥（CK）、施氮磷复合肥（PM）、菌肥（BM）及三个氮磷复合肥配施菌肥处理：氮磷复合肥600 kg·hm-2+菌肥75 kg·hm-2（PIBM）、氮磷复合肥450 kg·hm-2+菌肥75 kg·hm-2（PIIBM）、氮磷复合肥300 kg·hm-2+菌肥75 kg·hm-2（PIIIBM），对高寒草甸进行群落特征和土壤化学性质进行分析。【结果】PIIIBM处理的群落高度最高，分别比CK、PM高64.6%、63.6%；PIBM处理的地上生物量最高，PIIIBM处理次之，比CK分别增加了1.73倍、1.36倍；PM和PIBM处理的土壤全磷含量高于其他处理，PM处理的土壤全磷含量最高，分别比CK、BM、PIIBM处理提高70%、70%、63.64%，各施肥处理的土壤全磷含量均显著高于CK（P＜0.05）；相较于单施和CK处理，化肥配施菌肥显著提高了土壤氮素含量，其中PIIBM的土壤全氮含量最高，比CK、PM、BM、分别高22.93%、19.91%、21.70%；BM处理的土壤有机质含量显著高于其他施肥处理；PIBM处理的速效磷含量显著高于CK和其他处理，较CK和PM高85.15%、71.64%；BM处理的土壤碱解氮含量显著高于CK和其他施肥处理（p<0.05），分别比CK、PM高34.44%、11.46%；PIBM处理的土壤速效钾含量显著高于CK和其他施肥处理（p<0.05），分别比CK、PM、高32.11%、13.16%。【结论】灰色关联度分析表明，氮磷复合肥300 kg·hm-2+菌肥75 kg·hm-2配施用对促进退化草甸生物量、群落高度、土壤养分具有正相效应，可作为区域退化高寒草甸恢复的推荐施肥措施。

关键词： 有机化学实验   穿插式教学   乙酰苯胺  

摘要： 探索采用超星学习通线上检查预习效果，让学生把更多的时间用来掌握实验原理、思考相关问题，从而提高了预习效果和教学效率。合理分配教学内容，利用实验过程中等待的间歇期，结合实验现象进行穿插式讲授和讨论，启发学生积极参与，调动其学习主动性。这种教学模式提升了学生的学习兴趣，还锻炼和培养了学生的观察能力、思维能力，既强化了教师的指导作用，也突出了学生的主体地位，对提高教学效率和提升实验课教学质量起到了积极作用。

关键词： 电化学捕碳系统   氢气   模块化   系统设计   优化  

摘要： 氢气驱动的电化学捕碳系统（HECCS）是一种新型的低浓度CO2捕集与分离方法。受大面积膜制备、膜性能和电极性能等限制，HECCS系统的单模块捕碳能力有限。为了提高HECCS系统捕碳性能和系统经济性，本文提出HECCS系统的模块化设计与优化方法，在分析HECCS系统单模块操作性能基础上，研究了模块化HECCS系统的捕碳策略及优化操作方法，阐明了模块化HECCS系统结构特性及单元模块之间的协调匹配特性。研究表明，在特定的低浓度CO2捕获场景中，在模块化捕碳系统中，不同单元模块组合方式的HECCS模块化系统结构显著影响捕碳性能和经济性。在相同操作条件下，串联结构比并联结构具有更优的除碳效果，多级结构有助于降低系统氢气消耗；HECCS系统的最优级数受进出口CO2浓度、氢气价格和HECCS模块价格影响显著，取决于系统操作费用和投资费用权衡。本文可为模块化HECCS系统性能优化和经济性提升提供优化设计方法。

关键词： 聚龙温泉   不同反应条件   水岩反应   水化学组分溶出规律   热力学平衡  

摘要： 以长白山聚龙温泉为研究对象，在野外取样分析地热水和岩石地球化学特征的基础上，设计不同温度、压力和反应水源条件下的室内水岩反应实验，分析水化学组分溶出和矿物溶解沉淀规律，通过计算矿物饱和指数和绘制矿物溶解相图探究水岩反应的热力学平衡进程，并利用PHREEQC反向水文地球化学模拟，探讨不同条件下水岩反应热力学机制及影响因素。研究结果表明：（1）温度、压力的升高以及反应水源中离子组分含量的增加能够提高水化学组分的溶出量和矿物变化量的绝对值，缩短水化学组分含量增长曲线转折点出现的时间，对于水化学组分的溶出和矿物的溶解/沉淀具有促进作用。（2）水化学组分的溶出主要由钠长石、钾长石、方解石、白云石、石英以及长石溶解过程中产生的水铝矿、高岭石、白云母和钠蒙脱石等次生矿物引起。（3）温度、压力和反应水源影响钾长石和钠长石的非全等溶解热力学平衡，去离子水-岩石反应体系中，温度、压力升高后钾长石和钠长石的溶解更偏重于水铝矿；相对于去离子水，地热水-岩石反应体系中钠长石和钾长石的非全等溶解过程处于高岭石、钠蒙脱石阶段；温度和压力条件的变化引起了钠长石和钾长石非全等溶解平衡常数的变化，从而影响着反应体系内岩石矿物反应热力学平衡进程。（4）在去离子水-岩石反应体系主要发生了铝硅酸盐矿物和碳酸盐矿物的溶解，且均随温度和压力的升高溶解增大，同时反应体系中不存在阳离子交换反应；地热水-岩石反应主要发生了钠长石、钾长石和白云石的溶解，产生了石英和高岭石沉淀，并伴随着正向阳离子交替吸附作用。

关键词： 多粒度空洞卷积网络   联合预测层   实体抽取   位置编码   关系识别  

摘要： 为防范危险化学品的储运事故衍生出化学事故的发生，优化事故风险识别流程以减少对人工的依赖。首先从中文语料角度，基于融入了诸多语义信息，通过多粒度空洞卷积网络，利用联合预测层来推断词与词之间的关系，抽取危化品事故实体；然后，针对已经抽取的实体，融入位置编码，对每个主语以及对应的多个关系，识别出宾语，达到危化品事件关系识别。结果表明，实体抽取模型的F1值在自建数据集和公开数据集分别达到92.91%和96.59%，关系识别模型的F1值达到了76.04%；与现有方法相比，两个模型性能均有提升，尤其是关系识别模型优势明显，取得了6.28%的性能领先。抽取的危化品实体和关系，进一步建立了危化品事理图谱及预警系统。

关键词： 机器学习   天体化学   星际介质   人工智能  

摘要： 天体化学作为天文学与化学的交叉学科,旨在研究宇宙中分子的特性与分布.近年来,机器学习技术在天体化学领域的应用取得了显著进展,尤其在提高光谱分析的精度和效率、识别与表征星际物质中的分子方面表现突出.深度学习方法能够从复杂的观测数据中提取关键信息,预测天体物理环境中的化学参数与反应路径,从而为研究分子在不同星际条件下的形成与演化过程提供重要工具.本文回顾了机器学习在天体化学研究中的重要应用,重点介绍了几项创新进展,包括基于机器学习算法的新方法提出和传统模型的优化.这些研究深化了对宇宙分子组成的理解,为探索天体化学中的未解之谜提供了新的视角.

关键词： 锂离子电池   P2D模型   结构参数   算法   优化设计   模拟  

摘要： 锂离子电池产热对电池高能量和高功率密度下安全稳定的运行至关重要。本文基于COMSOL Multiphysics平台，建立了锂离子电池的伪二维模型 （pseudo-two-dimensional electrochemical model， P2D），探究了正负电极活性材料体积分数，正极厚度和隔膜电解质体积分数对电池产热的影响，并基于此结合NSGA-II多目标优化算法，NSGA-II是一种用于解决多目标优化问题的进化算法。它通过模拟自然选择过程来寻找一组称为帕累托最优解的解决方案，通过该算法系统分析上述关键结构参数对电池容量与产热的协同影响，从而为实现锂离子电池高容量和低产热的性能优化设计提供理论支持。

关键词： 多专家协同   社会化学习   数据异质性   联邦学习   信息交互   混合专家模型  

摘要： 在分布式环境中，数据异质性表现为数据特征差异，专家模型协同存在知识孤立与任务分配不合理的问题，导致专家训练效果参差不齐，难以充分发挥个模型优势，从而整体性能受限。针对这些问题，提出了一种基于多专家协同和信息交互的社会化学习框架（Social learning based on multi-expert collaboration and information interaction，MECII）。该框架结合混合专家模型和社会化学习思想，通过多专家协同、门控网络、自适应信息交互和门控选择约束等四大模块，优化了专家间的知识共享与互补机制，从而有效解决了分布式学习中的数据异质性和专家协同问题。MECII通过精准的专家选择与任务分配，促进了专家之间的信息流动，使每个专家在处理特定数据时的准确率得到提升，进而增强了整体模型性能。实验结果表明，MECII在CIFAR-10和CIFAR-100数据集上相比传统的联邦学习基准方法有显著提升，特别是在数据异质性场景下，MECII在与最先进的FedL2P方法相比，分别提高了6.69个百分点和5.13个百分点的分类准确率，且有效优化了每个专家的准确率，验证了该框架在促进专家协作和提升个体精度方面的显著优势。