跨域少样本图像语义分割在医学影像分析、遥感图像处理等领域应用广泛。本文聚焦跨域少样本图像语义分割领域,此前未见该方向的系统性综述。本文首先梳理图像语义分割、少样本图像语义分割到跨域少样本图像语义分割的发展历程,明确跨域少样本图像语义分割的核心挑战为域偏移、标注数据稀缺及模型泛化能力不足;接着,整理9类常用数据集及5项核心评价指标;然后,从特征对齐策略、模型架构设计、数据利用方式3个维度,将现有跨域少样本图像语义分割方法划分为10个子类并剖析其关键策略;最后,对现有方法的局限性和未来的发展趋势进行探讨,旨在为广大研究者提供相关领域的前沿动态和研究现状分析,并为未来研究提供参考。

在燃料电池汽车能量管理技术领域,基于深度强化学习算法的能量管理策略目前成为混合动力总成技术的研究热点,但仍然存在面向不同的复杂驾驶工况时出现学习能力不足、学习效率低、模型收敛困难等问题。为解决该问题,本文提出一种基于改进深度强化学习的能量管理策略。该策略对传统的TD3算法进行改进,使用优先经验回放、奖励导向的自适应噪声尺度等方法得到改进后的AE-TD3算法。采用CLTC、UDDS、FTP75以及RCDC工况分别验证AE-TD3算法在标准驾驶工况以及真实城市道路驾驶工况下的性能表现。仿真结果显示,AE-TD3算法相比于TD3算法在收敛速度上更快,拥有更强的探索能力。在储能单元输出性能方面,与TD3算法相比,在4个训练工况下,基于AE-TD3算法的能量管理策略得到的电池SOC相对目标值的波动范围明显比基于TD3算法的能量管理策略低。除此之外,当车辆速度处于高速工况时,基于AE-TD3算法的能量管理策略的燃料电池输出功率明显高于TD3算法。在燃料电池氢气消耗方面,相较于TD3算法分别提升2.7%、1.1%、5.7%和7.3%。同时,通过将标准工况下训练好的能量管理策略应用于实际道路工况,由实验结果可知,基于AE-TD3算法的能量管理策略具有较好的在线应用能力和工况适应能力。

伴随电动汽车(electric vehicle, EV)规模化发展,其作为“移动储能单元”不容忽视的调控潜力,正深刻影响电力系统运行范式。在EV入网的背景下,充分考虑EV的可控负荷和移动储能的双重特性,本文构建一个综合EV的充电需求、动态电价、储能时间耦合约束及电池寿命损耗等多重关键因素的EV动态充/放电调度模型。针对EV接入充电时间和初始状态随机性,以及传统强化学习方法在决策变量连续控制场景中的维数灾难与收敛困难问题,本文提出一种基于TD3的智能充/放电控制与优化调度算法,该算法通过智能体与环境持续交互、设计奖励反馈机制,能够根据电价波动做出最佳充/放电决策,并保证在充电结束后达到预期充电量,从而实现对EV充/放电行为的智能控制和优化调度,最小化EV的充电成本。基于真实场景数据进行仿真,结果表明所提算法能够有效适应智能电网中电价的动态变化,有效降低EV用户的充电成本。与DDPG(deep deterministic policy gradient)、DQN(deep Q-network)、PSO(particle swarm optimization)等一系列主流算法相比,本文所提算法将充电成本降低4.41%至24.23%,充分验证了其性能与经济性优势。

为提高风电功率预测精度,本文提出一种融合分解优化与多目标损失函数的超短期风电功率预测组合模型。首先,基于改进灰狼优化算法动态搜索变分模态分解的最优模态分量数量,实现风电功率序列的高效分解,同时对预测模型的超参数进行自适应寻优,提升模型泛化能力;随后,设计融合预测准确性、稳定性及并网合格率的多目标损失函数,对各模态分量的预测结果进行协同训练与优化;最后,通过加权叠加各分量预测结果重构最终风电功率预测值。选取不同季节的实测风电数据开展验证实验,结果显示,模型的标准化平均绝对误差、标准化均方根误差和决定系数最优值分别达到1.68%、0.01%和99.45%,显著优于对比模型。实验表明,所提模型在预测精度与动态适应性上优势显著。

为解决具有未知系统参数、模型不确定性、外部干扰电机的混沌同步问题,本文提出一种新的鲁棒自适应同步控制策略,该策略由2部分控制器组成:第1部分为非线性鲁棒控制器,确保闭环系统的稳定性,展现出优良的鲁棒性和快速收敛特性;第2部分为非线性自适应律,利用估算的模型不确定性和界限来有效补偿外部干扰及模型不确定性。该策略结合自适应控制与参数辨识,通过实时估计系统的未知参数,使控制器能够在系统不确定性和扰动下实现高效同步。应用Lyapunov稳定性理论证明控制系统的全局渐近稳定性,表明该策略能在0.1 s内实现同步系统误差平滑收敛至零,且提升了系统的鲁棒性。最后通过仿真验证理论分析的正确性和有效性。

针对医用手套表面缺陷检测中存在的微小目标识别精度低、背景干扰强等问题,本文提出一种基于Transformer架构的轻量化检测模型PAM-DETR(parameter-efficient adaptive multi-scale detection transformer)。首先,在RT-DETR模型基础上构建PRT-Block模块,引入重参数化结构与注意力机制,在剔除标准卷积计算冗余的同时显著增强小目标特征的表达能力;其次,设计自适应稀疏编码模块ASEM(adaptive sparse encoder module)替代原始AIFI结构,优化特征尺度的交互效率;再次,融合ASEM与全新设计的CSPOmniKernel结构构建多尺度增强特征金字塔(multi-scale enhanced feature pyramid, MSEFP),实现对微小缺陷特征的高效多尺度融合;最后,基于工业现场采集构建医用手套专用缺陷数据集并进行验证。实验结果表明,改进算法PAM-DETR在mAP@50指标上相较于强基线模型YOLO11n和RT-DETR-R18分别提升4.12与4.84个百分点;与RT-DETR-R18相比,PAM-DETR参数量减少14.5%,计算量(FLOPs)降低7.9%,能够较好地满足生产线对医用手套缺陷高精度、轻量化的检测需求。

图神经网络(GNN)因其对图结构数据的强大建模能力,已在诸多真实场景中得到广泛应用。近年来的研究表明,GNNs可能会继承并放大训练数据中固有的偏差,从而使得由敏感属性定义的特定群体受到不公平对待。为缓解图数据中的偏差问题,本文提出一种基于视图解耦与反事实增强的公平图学习框架FairDC,分别针对特征偏差和结构偏差进行去偏。该框架首先将原始图数据解耦为特征视图和结构视图,然后在此基础上引入反事实视图,最后采用多视图融合策略学习公平节点表示。在多个基准数据集上的实验结果表明,FairDC在保持预测性能基本稳定的同时,相比于最新基线方法DAB,公平性指标人口平等(DP)和机会均等(EO)分别下降32%和36%,验证了其在效用与公平性之间的有效权衡能力。

多元演绎方法是基于矛盾体分离规则的自动定理证明器的推理核心,具有不同于二元演绎方法的多元和动态演绎特点。当前,子句选择策略方法是多元演绎研究的热点,能有效优化多元演绎路径,但缺乏针对演绎路径本身进行综合评估。矛盾体分离式评估方法是一种新颖的多元演绎路径评估机制,能较好地指导多元演绎路径搜索。本文将多属性决策方法用于矛盾体分离式评估,首先,对矛盾体分离式进行属性度量,采用熵权法进行客观赋权,并结合多准则优化与折衷解法(VIKOR)评估矛盾体分离式;其次,基于该评估方法提出一种多元演绎算法,在评估矛盾体分离式的同时动态更新其评估标准,能通过回溯机制避免无效路径的搜索,从而有效提升多元演绎的推理能力;最后,将该多元演绎算法应用到国际先进的一阶逻辑自动定理证明器Eprover3.2中,并对2023—2025年国际自动定理证明器竞赛例和TPTP(thousands of problems for theorem provers)库中rating为1的难问题进行测试。结果显示,加入本文算法的Eprover3.2相比原始Eprover3.2分别多证明定理14、14和20个;能证明出9个难度系数为1的定理。实验结果表明,本文提出的多元演绎方法能有效应用于一阶逻辑自动定理证明。

本文研究一类含10个参数的复平面三次多项式系统在原点处的弱持续中心问题。 首先,通过对由前7个焦点量生成理想的代数簇进行计算和分解,得到系统原点成为弱持续中心的必要条件;然后,运用Darboux可积理论构造Darboux首次积分或Darboux积分因子,验证系统满足可反性条件,用归纳法证明系统存在多项式首次积分等方法证明这些条件也是充分的;最后,当该系统的变量和系数满足共轭关系时,给出相应实系统原点成为弱持续中心的完整分类。

本文研究一类同时具有SIS和SIRS传播机制的双疾病传染病模型。首先证明确定性模型4个平衡点的局部渐近稳定性,并讨论当R₁< 1且R₂ < 1时无病平衡点的全局稳定性; 其次建立相应随机模型,证明随机模型全局正解的存在唯一性,给出疾病灭绝与平均持续性的充分条件,即当公式< 1时疾病灭绝,当公式> 1时疾病持久;最后通过数值模拟验证理论结果的正确性。

在实际应用中,隐马尔可夫变系数回归模型面临2个主要挑战:强影响点和缺失数据。强影响点可能会严重扭曲模型参数估计,导致预测性能下降;而缺失数据则可能导致信息丢失,影响模型的准确性和可靠性。因此,有效处理这2类问题对提高模型性能至关重要。针对这些问题,本文使用基于贝叶斯方法的离群值检测方案,并引入示性变量来处理缺失数据机制,利用MH算法与Gibbs抽样获得缺失数据的贝叶斯估计。研究结果表明,隐马尔可夫变系数回归模型结合贝叶斯推断能够适应具有复杂动态特性的数据集,并在面对强影响点和缺失数据时展现出良好性能。模拟试验验证了本文提出方法的有效性,显示模型能够在含有复杂的数据结构中保持较高的准确性。

我国农田土壤镉(Cd)污染问题日益突出,对水稻等主要农作物的生长和品质造成严重影响,进而威胁到农田生态系统的稳定和人体健康。为了深入探究工业副产物在镉污染土壤修复中的应用潜力,本文以广西区内钢渣(SS)和石灰渣(LM)2种典型工业副产物与水稻为研究对象,通过室内土壤培养和水稻盆栽实验探究工业副产物对土壤-水稻系统中Cd生物有效性的影响。土壤培养实验施加不同剂量钢渣和石灰渣(1、2、5、7、10 g·kg^-1,分别记为SS1、SS2、SS5、SS7、SS10和LM1、LM2、LM5、LM7、LM10),不施钢渣和石灰渣记为CK。结果表明,土壤pH和有效硅含量随着钢渣和石灰渣施用量的增大而增加,土壤氧化还原电位(E_h)随着钢渣和石灰渣施用量的增大而降低。与CK相比,施加SS2钢渣和LM10石灰渣对土壤二乙烯三胺五乙酸提取态镉(DTPA-Cd)的含量降低效果最佳,分别降低49.32%和42.43%。水稻盆栽实验结果表明,施加不同剂量钢渣(1、2、3、5 g·kg^-1,分别记为SS-R1、SS-R2、SS-R3、SS-R5)和石灰渣(1、3、5 g·kg^-1,分别记为LM-R1、LM-R3、LM-R5)均可影响水稻对Cd的吸收。其中,SS-R3和LM-R5可以显著降低土壤DTPA-Cd的含量和水稻根、茎、叶、糙米的镉含量(P<0.05),较CK分别降低40.00%、80.59%、86.83%、78.13%、78.57%和40.91%、24.77%、60.41%、65.53%、69.05%。此外,各处理中水稻糙米Cd含量由大到小依次为:CK(0.38 mg·kg^-1)＞LM-R1(0.25 mg·kg^-1)＞SS-R1(0.22 mg·kg^-1)＞LM-R3(0.19 mg·kg^-1)＞SS-R5(0.17 mg·kg^-1)＞LM-R5(0.12 mg·kg^-1)＞SS-R2(0.09 mg·kg^-1)＞SS-R3(0.07 mg·kg^-1),其中SS-R2、SS-R3、SS-R5和LM-R3、LM-R5处理糙米Cd含量符合国家食品安全标准(＜0.2 mg·kg^-1,GB2762—2022)。工业副产物钢渣和石灰渣均可显著降低土壤镉的生物有效性和抑制水稻对Cd的吸收,且钢渣降低水稻植株各部位镉含量的效果优于石灰渣。

地表温度(LST)作为地球表面能量交换过程的重要指标,对生态系统的稳定性有至关重要影响。本文基于2001—2021年的MOD11A1 V6时间序列LST数据,结合土地覆盖类型、年均归一化植被指数(NDVI)及海拔数据,采用Theil-Sen趋势分析、Mann-Kendall非参数检验、相关性分析、质心转移模型及改进的半径法,对甘肃省不同时空尺度(季节、年份),不同土地覆盖类型LST时空分布及演变特征进行多尺度、多维度综合分析。结果表明:1)2001—2021年间,甘肃省年均LST维持在21.25 ℃,其中降温区域面积大于升温区域,LST整体呈现出每10年下降0.12 ℃。春季升温显著,夏季降温明显;河西地区的LST普遍高于甘肃省其他地区,整体呈现北高南低的地理分布格局。高温区重心持续向西北迁移,而低温区重心则向东南移动。2)不同土地覆盖类型之间LST差异显著。其中,裸地年均LST最高,为26.30 ℃;冰川年均LST最低,为-1.77 ℃。植被覆盖度与LST呈显著负相关。3)本文选取的6座局部典型城市大都表现出不同程度的热岛效应。其中,酒泉市的热岛效应最为显著,兰州市和庆阳市次之,陇南市和甘南市的热岛效应较为微弱,而武威市则表现出冷岛效应。

为揭示广西大石围天坑群异质生境(坑内、坑口、坑外)球囊霉素相关土壤蛋白(GRSP)的分布特征及其与土壤理化性质的关系,本研究选取天坑3类小生境土壤为研究对象,测定易提取球囊霉素相关土壤蛋白(EE-GRSP)和总球囊霉素相关土壤蛋白(T-GRSP)的含量,结合土壤理化指标,运用Spearman相关性分析及冗余分析等方法,系统分析 GRSP 的生境分异特征,并探究其与土壤理化因子的相关性。结果表明:在3类小生境中,EE-GRSP含量在坑外(1.55 mg/g)显著高于坑内(1.35 mg/g),坑口(1.52 mg/g)与二者相比无显著差异;T-GRSP含量为3.17~3.51 mg/g,各生境间无显著差异;EE-GRSP占有机碳的比例(EE-GRSP/SOC)为3.51%~4.72%,坑口的比例显著低于坑外及坑内,T-GRSP占有机碳的比例(T-GRSP/SOC)在各生境间无显著差异。土壤理化因子与GRSP的关联分析显示,坑内有机碳(SOC)、坑口全氮(TN)、全碳(TC)和坑外全碳是影响GRSP含量的核心土壤因子,且GRSP的积累随土壤碳氮储量的增加而增加,GRSP的SOC占比则因积累速率滞后于土壤碳氮而随土壤碳氮储量的增加而降低。此外,土壤水分、pH和全磷(TP)对GRSP的影响具有生境特异性。研究证实,大石围天坑GRSP的积累受生境异质性和土壤碳氮因子共同影响, 其碳氮固存功能在喀斯特天坑生态系统的土壤质量维持中具有关键作用。

为揭示亚热带季风区不同类型森林土壤的微生物多样性特征,本研究以广西北部森林植被下石灰性土壤(LS)和红壤(RS)的O/A(0~10 cm)和AB(10~30 cm)土壤为对象,采用16S rRNA扩增子测序技术,结合土壤理化性质分析,探讨不同土壤类型及土层中微生物群落结构、功能及共现网络的差异。结果表明:1)石灰性土壤和红壤均以变形菌门Proteobacteria、放线菌门Actinobacteria和酸杆菌门Acidobacteria为优势菌门;相比石灰性土壤,红壤中酸杆菌门丰度更高;古菌中奇古菌门Thaumarchaeota在2类土壤中均占主导地位(>76%)。2)与酸性红壤相比,石灰性土壤细菌的丰富度指数更高,而酸性红壤古菌的丰富度指数则高于石灰性土壤;但总体来看,2种土壤细菌和古菌的α多样性并无显著差异;O/A层相比AB层有更高的细菌丰富度和多样性,但古菌反之,在AB层丰富度更高。3)石灰性土壤的细菌和古菌网络模块化程度更高,信息传递效率更优;红壤网络节点复杂度与鲁棒性更强,反映其对酸性环境的适应机制。4)土壤pH和土壤有机碳(SOC)、总氮(TN)和有效磷(AP)等养分通过调节资源可利用性间接影响微生物功能分化。5)石灰性土壤细菌在碳氮代谢(如硝化、芳香化合物降解)中功能更强,红壤细菌则表现出更强的固氮能力。古菌功能预测显示,石灰性土壤中好氧氨氧化活性显著,2类土壤AB层土壤产甲烷潜力更高。

岩溶区农田土壤受独特地上地下二元结构的影响,水土流失严重且土壤养分相对贫瘠,从而制约该地区农业可持续发展。土壤有机质尤其是可溶性小分子有机质是维持土壤肥力的重要因素,研究其组成及分布特征对提升养分有效性和作物生产力具有重要意义。本文通过测定分析广西桂林岩溶区典型农田土壤的有机碳含量、溶解性有机质化学结构以及低分子量有机酸的种类和含量等,系统阐明土壤溶解性有机质和低分子量有机酸与土壤肥力之间的关系。结果表明:研究区不同肥力水平农田土壤中溶解性有机质的组成结构相似,但在含量上存在明显差异。溶解性有机质以脂肪族化合物为主,芳香族化合物含量较低,低分子量有机酸主要包括草酸和甲酸,以上组分在高肥力土壤中均相对富集而低肥力土壤相对匮乏。相关性分析表明,土壤溶解性有机质中的脂肪族化合物、芳香族化合物和低分子量有机酸的含量均与土壤有机质丰度具有显著正相关关系。这说明脂肪族和芳香族化合物作为岩溶区农田土壤有机质的有效组分,在改善土壤肥力和增强土壤结构稳定性等方面发挥着重要作用;低分子量有机酸参与了土壤养分循环,在维系土壤营养元素的动态平衡中起关键作用。以上结果可为提高岩溶区农田土壤肥力管理和施肥决策提供理论支持。

土壤有机碳(SOC)是维持人工林土壤质量、保障林木长期生产力及发挥其固碳潜力的核心物质基础。为探明短期林-菌模式对杉木林土壤有机碳储量和稳定性的影响,推动林-菌模式碳汇功能的提升,本研究以杉木纯林为对照,分析种植袋料栽培灵芝3年后杉木林土壤活性碳组分含量及其占总有机碳比例的变化特征。结果显示:种植灵芝后,杉木-灵芝林0~20 cm和20~40 cm土层的土壤含水率、黏粒比例、氮磷总养分与速效养分含量、碳转化酶活性均显著提升(P<0.05),砂粒比例则显著降低(P<0.05)。短期内,灵芝种植显著提高了0~20 cm和20~40 cm土层的土壤有机碳含量,增幅分别达117.72%和42.73%(P<0.05)。杉木-灵芝林0~20 cm土层的易氧化有机碳(EOC)、颗粒有机碳(POC)、溶解有机碳(DOC)和微生物量碳(MBC)的含量显著高于杉木纯林(P<0.05),但其EOC/SOC、DOC/SOC和MBC/SOC则显著降低(P<0.05);而20~40 cm土层仅DOC含量显著高于杉木纯林(P<0.05)。生物因素解释了土壤碳组分变化的48.1%,其中碳转化相关酶活性与各碳组分含量均呈显著正相关关系。土壤含水率是影响DOC变化的最关键正向因素。结构方程模型分析表明,灵芝种植可以通过提高土壤含水率和养分含量间接增强土壤生物活性,进而促进土壤碳组分和有机碳含量的提升。综上,杉木林套种袋料栽培灵芝可有效提升土壤碳库储量与稳定性,实现经济效益与生态效益的协同发展。

森林地上生物量(AGB)遥感估测中,特征变量的日益增多使得有效特征筛选成为提升精度的关键问题。本文以南宁市为研究区,基于哨兵2号遥感数据提取各波段光谱信息、纹理特征及地形因子等多元变量,分别采用逐步回归法、双变量相关法、随机森林法等3种特征选择方法筛选建模变量,并基于CatBoost和RF集成机器学习算法建立AGB估测模型。通过五折交叉验证评估模型性能,筛选最优模型组合实现研究区AGB空间制图。结果表明,在3种特征选择方法中,双变量相关法在马尾松林、桉树林、其他阔叶林中表现均为最佳,而在杉木林中,随机森林法表现最佳。其中,杉木林中随机森林特征筛选法结合RF算法为最优模型组合(R²=0.58,RMSE=8.53 Mg·hm^-2);马尾松林中双变量相关法＋RF算法为最优组合(R²=0.51, RMSE=11.10 Mg·hm^-2);桉树林中双变量相关法＋RF算法为最优模型组合(R²=0.56,RMSE=14.91 Mg·hm^-2);其他阔叶林中双变量相关法＋RF算法为最优模型组合(R²=0.35,RMSE=40.55 Mg·hm^-2)。研究表明,特征选择方法对模型的预测性能有显著影响,将特征选择方法和集成机器学习算法相结合,有利于提高AGB的估测精度。

本文旨在探究马占相思Acacia mangium、大叶相思Acacia auriculiformis及其杂交无性系(8号、9号、19号) 1年生幼苗在低温胁迫下的生理响应。采用随机区组试验设计方案,设置25(对照组)、15、10、5、0 ℃共5个温度处理,每隔3 d进行1次取样并测定相关生理指标。结果表明,低温胁迫下,供试相思树种叶绿素含量均显著下降,且胁迫时间越长含量越低;丙二醛含量整体呈上升趋势,过氧化物酶、过氧化氢酶活性及可溶性蛋白含量均呈先升高后降低的变化趋势。经综合评价,马大杂交相思无性系8号具有较强的低温适应能力,无性系19号对低温胁迫较为敏感。研究结果为揭示马大杂交相思的低温适应机制提供了科学依据,对该树种耐寒品种的培育及栽培管理措施的优化均具有重要意义。