摘要：为探究密度调控对日本落叶松人工林结构及林下生物多样性的影响,以湖北省建始县国有高岩子林场内的日本落叶松人工林为研究对象,分析轻度、中度、重度和对照 4 种不同密度调控处理对林下灌、草多样性的影响,采用固定样地调查、群落结构分析、生物多样性指数分析、方差分析、Pearson相关性分析等方法解析其影响程度.结果显示:共布设了 20 个固定样地,调查到林下灌草层植物 32 种,隶属 21 科 26 属;不同林分密度调控处理下,灌木层优势种为白檀,而草本层以箬竹为主;灌草层植物的Shannon-Wiener指数、物种丰富度、Pielou均匀度指数随着密度调控强度的增加呈先增后减的变化规律,并在中度间伐下达到最大;林分结构多样性对林下灌木层多样性具有显著负向影响,而对草本层多样性未产生显著影响.该研究表明,在中度间伐下能有效增加物种数量,提高物种多样性,有利于日本落叶松林稳定持续发展.

摘要：为揭示社会规范如何通过认知与情感机制影响个体绿色行为决策,基于刺激-机体-反应(stimulus-organism-response,SOR)模型与认知-情感-行为(cognition-affect-behavior,CAB)模型,构建了"社会规范→环境情感→绿色行为决策"的作用路径,并通过眼动实验方法对含社会规范信息与不含此类信息的宣传海报进行对比分析,进而构建了"视觉引导-情感唤醒-行为响应"的整合机制.结果显示,社会规范信息的呈现显著提升了视觉注意指标,有社会规范海报的总注视持续时间、注视数量相比无社会规范海报分别提升了 314.21%、337.50%.此外,Bootstrap中介效应检验结果表明,环境情感在社会规范与绿色行为决策之间存在显著中介作用.研究发现,社会规范通过增强视觉显著性激发环境情感,进而促进公众绿色行为决策.研究建议,在环保传播设计中应注重社会规范的视觉凸显与情感融入,推动行为干预从"信息传递"向"感知体验"模式转型.

摘要：针对轻量级模型在光刻热点检测中特征提取能力不足的问题,提出以改进重排网络第 2 版(shuffle net version 2,ShuffleNetV2)为主干网络,引入多尺度双重注意力(multi-scale dual attention,MSDA)模块,同时融合梯度协调机制(gradient harmonizing mechanism,GHM)和基于度量学习思想的加性角度边距(additive angular margin,AAM)的光刻热点检测模型——ShuffleNetV2-MSDA-GHM-AAM(SMGA).该模型提升了对不同尺度上下文信息的建模与感知能力,优化了特征嵌入空间的类间判别性,缓解了数据集的不平衡.在 2012 年国际计算机辅助设计会议(2012 international conference on computer-aided design,ICCAD 2012)数据集上进行实验,结果显示,SMGA 模型在保持98.22%的较高检测召回率的同时,平均误报数量降低到 484 个.该模型为实现集成电路设计阶段的高效、低成本光刻热点检测提供了可行方案,具有重要的工程应用价值和推广前景.

摘要：为提升图像恢复模型在多种恶劣成像环境下的泛化能力与适应性,系统探讨了一体化图像恢复模型的研究进展.首先,分析恶劣成像环境下 6 类一体化图像恢复模型的现状;接着,总结模型特点;然后,探讨模型的局限性;最后,展望模型的发展趋势.研究发现,现阶段一体化图像恢复模型提升了图像清晰度与多场景适用性,但存在真实退化图像恢复效果较差、可解释性差、模型结构复杂等问题.未来可通过真实退化建模与自监督学习提升恢复效果,结合注意力机制与物理建模及物理信息网络提升可解释性,通过模块化设计与模型压缩实现轻量化.该研究可为高性能通用图像恢复模型的研究及应用提供重要参考.

摘要：为厘清2001-2023 年长三角城市群植被总初级生产力(gross primary productivity,GPP)的时空演变规律及其驱动机制,整合遥感与气象数据,采用变异系数、泰尔-森中位数趋势结合曼-肯德尔检验,以及赫斯特指数对GPP 演变特征进行多尺度分析.通过对比 4 种机器学习模型的预测表现,选出最优的轻量级梯度提升机(light gradient booster machine,LigthGBM)模型,并结合沙普利加性解释(Shapley additive explanations,SHAP)方法揭示驱动因子的重要性及交互效应.研究发现,2001-2023 年长三角地区多年平均GPP为 1130.41 g/(m2·a),年际变化呈显著上升趋势(年平均变化量为 6.71 g/(m2·a),P<0.05).空间上表现为"南高北低"格局:南部林地集聚区为高值区,北部以耕地和建设用地为主的区域为低值区.LightGBM模型优于其余模型.SHAP结果表明,驱动因子贡献度排名前5 的依次为:高程>饱和水汽压差>夜间灯光>坡度>干旱指数.高程与气候-人为因子的交互对GPP提升尤为显著.各驱动因子的影响具有明显的非线性特征,对植被GPP的影响较为复杂.该研究可为长三角植被保护和生态治理提供科学参考.

摘要：针对传统目标跟踪方法中观测视野受限和目标受外部遮挡导致难以持续有效跟踪的问题,提出了基于二维振镜系统的动态目标实时跟踪方法(dynamic target real-time tracking method based on two-dimensional galvanometer mirror system,GDTM).首先,采用了视野前移模块对二维振镜系统进行改进,实现了观测视场随动态目标的快速移动,同时扩展了观测范围;其次,设计了非线性约束窗口(nonlinear constrained window,NCW),使动态目标能够稳定保持在局部感兴趣区域内;最后,以平均峰值相关能量(average peak-to-correlation energy,APCE)作为遮挡判定准则,采用无迹卡尔曼滤波器(unscented Kalman filter,UKF)对振镜光轴角度进行预测,从而实现对受遮挡目标的跟踪.结果表明,在预测跟踪精确度方面,GDTM 所用的 UKF 相较于卡尔曼滤波器(Kalman filter,KF)、扩展卡尔曼滤波器(extended Kalman filter,EKF)分别提升了 28.57%、16.67%.该方法具有响应快、鲁棒性强、成本低等优势,能够在大范围内持续稳定地跟踪受遮挡的动态目标.

摘要：针对无人机航拍图像中目标尺度变化大、目标遮挡、模型参数量大等问题,提出了上下文特征增强-你只看一次第 11 版(context feature enhancement-you only look once version 11,CFE-YOLOv11)模型,用于航拍图像目标检测.首先,设计轻量化下采样卷积(lightweight downsampling convolution,LDC)模块,通过双路下采样增强特征信息,利用通道混洗提升跨通道信息交互能力,降低模型的参数量.其次,设计基于分离与增强注意力的 3 尺度卷积双路径可变核(convolutional three-scale kernel-adaptive dual-path separated and enhancement attention,C3k2-SEA)模块,提升模型的特征提取能力.同时,提出多分支空间与通道注意力(multi-branch spatial and channel attention,MSCA)模块,增强模型对不同尺度目标特征的提取能力.最后,使用双重损失优化(dual loss optimization,DLO)模块,通过差异化梯度增益分配机制,优化模型的检测效果.结果表明,相较于YOLOv11 模型,CFE-YOLOv11 模型在视觉无人机(visual drones,VisDrone)、遥感图像目标检测(remote sensing object detection,RSOD)数据集上,交并比阈值为 0.50 时的平均精确率均值分别提升了2.1、2.0 个百分点,且模型参数量下降了 15.4%.CFE-YOLOv11 模型不仅提升了航拍图像检测精度,还缓解了模型漏检、误检情况,为准确检测航拍图像目标提供了高效的解决方案.

摘要：针对非线性网络化系统时常遭受非周期拒绝服务攻击和虚假数据注入攻击的情况,研究了 1 类区间二型模糊网络系统基于切换观测器的动态事件触发控制问题.首先,考虑到非周期拒绝服务攻击的间歇性,并针对部分系统状态不可测量的情况,构建了基于切换观测器的区间二型模糊模型的非线性系统.同时,为更好地节省通信资源,采用了更具优势的动态事件触发控制方法.然后,运用Lyapunov稳定性理论,得到了被控系统的随机渐近稳定性条件以及控制器设计方法.最后,通过仿真算例验证了当被控系统中发生 2 种网络攻击时该系统的稳定性.研究表明,该区间二型模糊系统在应对混合网络攻击时,提升了系统抗干扰能力和运行可靠性,具有重要的理论意义与实际应用价值.

摘要：为解决现有工件分类模型在处理高分辨率图像时非感兴趣区域(region of interest,ROI)的冗余计算问题,提出了 1 种ROI自适应轮廓驱动裁剪的工件分类网络模型(a workpiece classification network model with ROI adaptive contour-driven cropping,ACDC-ClassNet).该模型利用轮廓检测定位图像最大轮廓及其中心,据此生成标准化方形ROI裁剪区域,消除背景干扰.该模型采用预训练的 50 层残差网络(residual network-50 layers,ResNet-50),调整其分类头以适应工件类别数量,实现高效的特征聚焦与分类.结果表明,该ROI裁剪策略平均减少72.15%的冗余区域面积,使模型更专注于工件细节.相较于原始ResNet-50,ACDC-ClassNet在准确率、精确率、召回率、F1 分数等指标上分别提升 3.83、4.04、3.64、4.13 个百分点.同时,该策略也优于高效网络(efficient network,EfficientNet)、视觉变换器(vision transformer,ViT)模型,准确率分别提升8.40、4.27 个百分点.ACDC-ClassNet为工业背景下的高效视觉检测提供了新的技术路径.

摘要：针对Android恶意软件经常被混淆以逃避检测的问题,提出基于敏感函数调用图(sensitive function call graphs,SFCG)表征学习的敏感函数调用图检测(sensitive function call graphs detector,SFCG_Detector)方法,用于检测Android恶意软件.首先,通过静态分析提取函数调用图,并设计图修剪策略,保留与敏感应用程序接口(application programming interface,API)相关的关键节点,降低图的复杂性并保留行为语义.在节点表征方面,基于变换器的双向编码器表示(bidirectional encoder representation from transformers,BERT)模型与Katz中心性,提取节点的语义特征和结构重要性.随后,利用图采样与聚合(graph sample and aggregation,GraphSAGE)神经网络对敏感函数调用图进行层次化学习,生成图级嵌入以支持分类任务.使用经典的加拿大网络安全研究所恶意软件数据集 2020 版(Canadian institute for cybersecurity malware dataset 2020,CICMalDroid 2020)进行实验,结果表明,SFCG_Detector在恶意软件检测上的F1 分数达到98.75%,召回率达到 98.89%.相比其他方法,SFCG_Detector能有效地识别出Android恶意软件,性能上有明显提升.

摘要：为系统清查湖北星斗山国家级自然保护区蕨类植物的区系组成,并阐明其地理分布格局及保育意义.于2013-2022 年,通过对 97 个 20m×20 m永久样地进行野外调查与标本采集,对保护区蕨类植物进行科、属级鉴定与编目;在此基础上,划分科级与属级分布区类型,统计药用种类,并与邻近保护区进行比较.共记录蕨类植物 29 科64 属 156 种,其中鳞毛蕨科、水龙骨科、蹄盖蕨科和金星蕨科 4 个优势科占总种数量的 67.31%.科级分布以热带成分占主导(82.76%),属级分布则呈现热带与东亚-北美温带成分并存的过渡带特征.已确认药用蕨类仅 7 种,占总数量的 4.49%,开发潜力突出.与周边保护区相比,星斗山蕨类物种丰富度偏低,可能与水杉(Metasequoia)单优群落结构有关.星斗山蕨类区系起源古老、谱系连续,但多样性水平仍有提升空间;建议优化乔木层物种配置、加强珍稀濒危种类保育及系统开展药用活性成分评价.该研究为保护区蕨类植物多样性保育、药用资源可持续利用和植被经营管理提供了科学依据.

摘要：为探究"长林系列"油茶(Camellia oleifera)品种在干旱胁迫下的生理响应,通过 70d的控制干旱胁迫实验及随后 7d的复水处理,评估了 5 种主要长林系列品种('长林 03、04、18、40、53 号')的抗旱能力.实验测定了叶片气体交换参数、叶绿素荧光、叶绿素相对含量、相对电导率以及丙二醛、脯氨酸、超氧阴离子、过氧化氢含量等生理生化指标.结果显示,各品种抗旱性存在显著差异.长林 40 号展现出较强的抗旱能力,其光合效率、光系统Ⅱ功能和细胞完整性维持优异,活性氧积累较低,并具备有效的渗透调节能力.相反,长林 53 号较为敏感,光合活性显著下降,氧化应激严重.以干旱胁迫 70d时 5 个品种的抗旱系数进行隶属函数分析,其抗旱性强弱排序为:长林 40 号>长林 04号>长林 03 号>长林 18 号>长林 53 号.该研究为干旱地区油茶抗旱品种选育和栽培提供了科学依据,有助于提升油茶产业的抗逆能力.

摘要：为解决高密度椒盐噪声严重破坏图像细节的问题,提出了去除椒盐噪声的即插即用交替方向乘子法(removing salt-and-pepper noise with plug-and-play alternating direction method of multipliers algorithm,SP3A)图像复原算法.首先,通过噪声检测滤波器识别噪声位置,将图像去噪问题转化为图像修补问题;然后,建立基于变分能量的数学模型,利用即插即用交替方向乘子法(plug-and-play alternating direction method of multipliers,PnP-ADMM)作为求解框架,将正则子问题替换为已有的去噪器,从而推导出SP3A算法;最后,在去噪器有界的条件下,证明了SP3A算法的收敛性.数值实验表明,在高噪声水平下,SP3A算法在峰值信噪比(peak signal noise ratio,PSNR)和结构相似性指数(structural similarity index measure,SSIM)2 项指标上相比 Lo 重叠组稀疏全变分(L0-overlapping group sparse total variation,L0-OGSTV)算法分别提升了0.74 dB和0.12.该研究证实SP3A算法能有效复原图像细节纹理部分,为去除高密度椒盐噪声提供新方案.

摘要：为探究不同海拔梯度(1250～1650 m)下常绿树种及落叶树种的性状响应机制,以湖北星斗山国家自然保护区为对象,共采集植物样本 230 份,其中常绿植物样本 148 份,落叶植物样本 82 份,包含 37 个植物种,测定不同叶习性树种的叶片功能性状并进行研究.结果表明:叶绿素与叶片厚度呈显著的正相关关系(P<0.01),叶面积受叶宽(R2=0.64～0.79)和叶长(R2=0.13～0.80)共同影响,其中常绿树种叶宽对叶面积的解释度更高;常绿植物叶厚和叶绿素含量极显著高于落叶植物(P<0.001),而落叶植物叶宽和比叶面积显著更大(P<0.05);落叶植物叶绿素含量、叶片厚度均整体较常绿植物下降,叶片宽度、叶片长度、叶面积、比叶面积与干物质含量在所有海拔梯度中未发现显著变化.研究揭示了常绿树种及落叶树种通过权衡策略适应山地环境:常绿树种以叶厚、高叶绿素维持持续光合能力,落叶树种以宽叶、高比叶面积实现资源快速获取,为亚热带常绿落叶阔叶混交林植被适应机制提供研究依据.

摘要：针对车载控制器局域网络(controller area network,CAN)缺乏身份认证和加密机制导致的安全漏洞问题,提出了基于时空注意力双流网络(temporal-spatial attention bi-stream network,TSABiNet)的CAN总线异常检测模型.该模型采用并行双流架构:首先,内容流通过嵌入层和一维卷积神经网络(convolutional neural network,CNN)提取CAN消息的语义特征;然后,时序流基于双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络和自注意力机制对消息序列的时序依赖关系进行建模;最后,交叉注意力融合(cross attention fusion,CAF)模块通过交叉注意力机制实现内容特征与时序特征的自适应权重分配和深度融合.在汽车黑客攻击数据集(car-hacking dataset,CHD)上进行验证,结果表明,在拒绝服务(denial of service,DoS)攻击上,TSABiNet模型的 F1 分数相比深度 CNN、基于LSTM自编码器的 CAN 总线异常检测(CAN anomaly detection using LSTM autoencoder,CANnolo)模型分别提升了5.40、2.48 个百分点.该研究验证了TSABiNet模型在CAN总线异常检测中的有效性.

摘要：为解析超聚硒植物壶瓶碎米荠(Cardamine hupingshanensis)在硒胁迫下的抗氧化机制,通过生物信息学方法对硫氧还蛋白-y(thioredoxin-y,TRX-y)基因家族进行基因鉴定与分析.结果显示,壶瓶碎米荠TRX-y基因家族共鉴定出 5 个成员,分布在 4 条染色体上,均含保守活性中心"WCGPC"且定位于叶绿体;系统进化显示其与拟南芥(Arabidopsis thaliana)AtTRX-y聚于组I,ChTRX-y亚型具有特异性基序.硒胁迫表达谱表明,高硒质量浓度(80000 μg/L)显著诱导ChTRX-y1-1 和ChTRX-y1-2 在根(24 h)和叶(9h)中的上调表达,提示其为核心硒响应基因.进一步克隆ChTRX-y1-1 并构建pET28b-ChTRX-y1-1 重组载体,在大肠杆菌(Escherichia coli)BL21 中表达,诱导条件是温度为 25℃、异丙基-β-D-硫代半乳糖苷物质的量浓度为 0.1 mmol/L、时长为 10 h,成功获得约 59 kDa的高纯度重组蛋白,经超滤浓缩后重组蛋白质量浓度达到 1.26mg/mL.该研究揭示了ChTRX-y1-1 在硒胁迫中的关键作用,并建立其原核表达体系,为深入探究壶瓶碎米荠硒代谢机制提供分子基础.

摘要：为高效提取水芹菜中的多酚并探究其抗氧化活性,采用超声波辅助离子液体法,以多酚提取率为指标,通过单因素实验考察了超声时间、离子液体物质的量浓度、超声温度及液料比对提取率的影响,并进一步通过Box-Behnken响应面法对提取工艺进行优化,同时采用DPPH·、ABTS+·、·OH及O2-·清除实验评价提取物的抗氧化性能.结果表明:最佳提取工艺为超声时间为 20 min、离子液体物质的量浓度为 0.31 mol/L、超声温度为 62℃、液料比为31∶1,此时多酚提取率达 56.91mg/g,与模型预测值相对误差为 0.65%,验证了数学模型的预测效能与可靠性.抗氧化活性实验显示,水芹菜多酚对 4 种自由基的清除效果均呈浓度依赖性,其中对 ABTS+·清除能力最强,其半抑制浓度(median inhibition concentration,IC50)仅为 53.19mg/L,对O2-·清除能力相对较弱,IC50达到 302.78mg/L.在适宜浓度下,4 种自由基清除率均达 72%以上,特别是对ABTS+·清除能力可以达到维生素C的 92.67%.研究表明,超声波辅助离子液体法是高效提取水芹菜多酚的可行技术,且提取的水芹菜多酚具有广谱高效的抗氧化活性,为其功能性开发与利用提供了科学支撑.

摘要：为提高复杂地质条件下危岩失稳崩塌灾害的监测预警水平与防治效率,通过广泛检索和深入分析国内外相关文献,系统研究了危岩体地质灾害,危岩体监测预警技术的研究现状、存在问题及发展趋势.结果表明,危岩监测预警技术已由传统人工观测逐步发展为基于三维激光扫描、光纤传感等的实时传感监测,并融合机器学习(machine learning,ML)与深度学习(deep learning,DL)实现智能化判别;微震监测与多物理场耦合模拟成为重要补充.然而,当前技术仍存在孕灾特征识别精度不足、失稳前兆动态判据缺失、预警时效性受限等瓶颈.未来研究可聚焦多源数据融合,加强机理驱动与数据驱动的融合建模,构建高效智能化预警与应急响应体系,并推动危岩灾害防治从被动治理向主动防控转变.

摘要：针对先进工艺节点下掩模优化精度与效率难以兼顾的问题,提出了基于改进轻量级移动端网络第 2 版(mobile network version 2,MobileNetV2)的端到端逆光刻掩模优化模型.首先,该模型采用MobileNetV2 作为主干网络,充分发挥其参数量小、特征提取高效的优势,能够适应大规模集成电路数据的处理需求.然后,在特征提取阶段多次嵌入坐标注意力(coordinate attention,CA)模块,充分融合空间位置信息与通道特征,有效提升模型对掩模边缘细节和目标结构的建模能力.最后,解码器部分集成内容感知特征重组(content-aware reassembly of features,CARAFE)模块,实现高效且动态的特征重组,有效缓解传统上采样信息丢失和边缘模糊的问题.结果表明,相比神经网络逆光刻技术(neural inverse lithography technology,Neural-ILT)、注意力加速逆光刻(attention-accelerated inverse lithography technology,A2-ILT)、可微光学邻近校正(differentiable optical proximity correction,DiffOPC)模型,改进MobileNetV2 模型在工艺变化带指标降低的同时,大幅缩减了 97.3%、94.2%、96.1%的周转时间.该模型能够兼顾精度、效率与工艺适应性,有效满足集成电路掩模设计与制造的实际需求.

摘要：针对现有的事件因果关系识别方法未考虑导入外部知识后产生的噪声干扰,导致事件表示歧义增加,从而影响识别效果的问题,提出了基于外部词库和超图降噪的事件因果关系识别模型(event causality identification model based on external vocabulary and hypergraph denoising,EHDM).首先,从外部词库中检索事件的背景知识来丰富事件的语义信息,并对带有背景知识的事件描述进行编码.然后,根据事件背景知识中多个关系对应的知识特征构建超图,通过超图卷积神经网络和多头注意力机制进一步处理特征,得到降噪后的事件特征表示.接着,对事件及其上下文进行编码得到基于上下文的特征表示,并与降噪后的事件特征表示一起通过门单元进行特征融合.最后,将融合的特征表示输入多层感知器得到预测值,实现因果关系识别.结果表明,EHDM在因果时间库(causal-timebank,CTB)数据集句内方面的F1 分数相比关系图卷积网络(relation graph convolutional networks,RGCN)模型提高了1.5 个百分点,在事件情节链(event story line,ESL)数据集句内方面的F1 分数相比RGCN模型提高了 2.4 个百分点,跨句、总体方面的F1 分数相比事件关系图变换器模型分别提高了 2.1、3.0 个百分点.该研究证实了EHDM能有效应用于事件因果关系识别领域.