排序方式: 共有16条查询结果,搜索用时 15 毫秒
11.
互花米草总黄酮降血脂作用研究 总被引:10,自引:1,他引:9
据南京大学生物技术研究所(原大米草及海滩开发研究所)钦佩等多年的海滩生态学研究揭示,互花米草(Spartinaalterniflora)是一种生长在潮间带高矿质环境中具有高生产力和高抗逆性的重要资源植物。原料选自每年的9月下旬至12月下旬于江苏北部沿海洁净滩涂生长的互花米草,将其地上部分收割、洗净、烘干、切碎,用水蒸煮法(或二氧化碳超临界萃取法)抽提互花米草有效成分,再浓缩成比重为1∶3的深棕色液体,即“生物矿质水”(Biomineralwater,BMW)[1],随后采用酸沉淀法[2]提取得到互花米草总黄酮(TotalFlavonoidsofSpartinaalterniflora,TFS),… 相似文献
12.
联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例 总被引:2,自引:0,他引:2
本文基于CHRIS高光谱遥感影像,发展了一种结合地物光谱特征和多纹理空间特征信息,采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类,并在黄河口滨海湿地进行了应用。结果表明:1)基于测试样本数据,联合光谱特征和K-L变换的纹理特征信息,采用DCNN模型方法展现了高的分类精度,精度高达99%;2)利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%,相比于使用全纹理特征信息的精度提高了4.15%;3)基于验证图像,发展的DCNN分类方法精度优于其他算法,DCNN方法总体分类精度为84.64%,Kappa系数为0.80;4)相比于浅层分类方法,本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡,保持了主要地物类型的分类精度几乎不变,同时提高了滩涂和农田的精度。基于DCNN模型,潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。 相似文献
13.
14.
15.
外来种互花米草及米草生态工程 总被引:30,自引:0,他引:30
1外来种互花米草(Spartinaalterni-flora)简介互花米草是禾本科米草属的多年生草本植物。茎干粗壮、坚韧、直立 ,其地下部分由短而细的须根和长而粗的地下茎所组成 ,在茎基部和根茎的节上常有胚芽生长出土 ,长出新的植株。种子在10~11月成熟 ,种子脱落随水漂浮 ,遇合适的海滩位置和较好的立地条件种子自行萌芽 ,耐盐耐淹能力强 ,适宜在高潮带下部至中潮带上部的潮间带生长。原产于大西洋沿岸 ,从加拿大的纽芬兰到美国的佛罗里达中部直到墨西哥海岸均有分布。我国于60年代初由南京大学的仲崇信教授等引进大米草 (Spartinaanglica) ,在80年… 相似文献
16.
水培大米草吸收汞及其净化环境作用的探讨 总被引:1,自引:0,他引:1
互花米草(Spartina alterniflora)是美国东南沿海的主要盐沼植物,其每年的生产量至少为700g/m~2。H.L.Windom指出,这种植物每年对汞的富集量为当年沉积物中汞的积累量的十倍以上。作为互花米草和欧洲米草的天然杂交种大米草(S.anglica),对汞污染的反应如何呢?我们的试验证明,大米草对汞等污染物质的吸收和抵抗能力至少不应小于其亲本。同时,本文在用大米草净化环境方面提供了一些设想。 相似文献