XiaoMi-AI文件搜索系统
World File Search System深度分布
使用铯 - 3 7 作为 XA04N1922 侵蚀和... 的示踪剂
第四章 用铯-137数据估算侵蚀速率 4.1 介绍 4.1.1 经验关系的使用 4.1.2 理论模型和核算程序 4.2 铯-137沉积和再分布的模拟 4.2.1 耕地剖面模型概述 4.3 铯-137的沉降输入 4.3.1 “旧”和“新”铯-137的区分 4.4 沟内和沟间侵蚀 4.4.1 侵蚀过程的粒度选择性 4.5 “旧”铯-137的损失 4.6 “新”铯-137的损失 4.6.1 铯-137的初始深度分布 4.6.2 “新”铯-137的损失沟间侵蚀造成的新铯-137 损失 4.7 侵蚀剖面铯-137 含量的变化 4.8 侵蚀土壤中铯-137 的含量 4.9 加积剖面的模拟 4.9.1 加积剖面铯-137 含量的变化 4.10 耕作混合的模拟 4.1 0.1 侵蚀剖面 4.10.2 加积剖面 4.11 耕作位移的影响 4.1 1.1 模拟沟间侵蚀的影响 4.11.2 模拟耕作加积的影响 4.12 校准曲线的制定 4.13 灵敏度分析 4.14 概述 4.15 参考文献 4.16软件清单 4.16.1 配置文件模型：FORTRAN-77 程序 4.16.2 数据文件示例：Wile' 4.16.3 大气沉降物数据文件：'mod.dat'
离子散射技术
本章讨论了三种用于确定单晶材料成分和几何结构的离子散射方法。这三种方法分别是卢瑟福背散射光谱法 (RBS)，通常使用高能 He 或 H 离子（能量通常为 1-3.4 MeV），中能离子散射 (MEIS)（离子能量为 50 keV 至 400 kev）和低能离子散射（100 eV 至 5 kev），后者通常称为离子散射光谱法 (ISS)。第四种技术是弹性反冲光谱法 (ERS)，它是这些方法的辅助技术，用于专门检测氢。所有这些技术都是在真空中进行的。这三种离子散射技术的信息内容有所不同，这是由于所涉及的离子能量状态不同，加上仪器的一些差异。对于最广泛使用的 RBS 方法，高能离子可以很好地穿透样品（氦离子高达 2 pn；氢离子高达 20 pm）。在进入样品的过程中，单个离子会通过一系列电子散射事件以连续的方式损失能量。有时，离子会与样品材料中的原子核发生类似弹球的碰撞，并发生背散射，产生离散的大量能量损失，其值是被撞击原子的特征（动量转移）。由于这种主要能量损失是原子特有的，而小的连续能量损失取决于行进的深度，因此出现的背散射离子的总能谱可以非破坏性地揭示这些元素的元素组成和深度分布。由于散射物理学在定量上得到了很好的理解
JCAP01(2024)022
摘要：已知，测量的超高能宇宙射线的能量谱和簇射最大深度分布的组合拟合可以约束具有均匀源分布的天体物理模型的参数。对宇宙射线到达方向分布的研究表明，与一部分通量是非各向同性的并与附近的射电星系半人马座 A 或星暴星系等目录相关的模型有更好的一致性。在这里，我们通过同时拟合到达方向、能量谱和在皮埃尔·奥格天文台测量的成分数据，提出了两种分析的新组合。该模型考虑了刚度相关的磁场模糊和由传播过程中的相互作用形成的目录贡献的能量相关演变。我们发现，包含星暴星系目录的通量贡献约为 20%（40 EeV），磁场模糊约为 20 ◦（10 EV 刚度）的模型可以同时描述所有三个可观测量。星暴星系模型具有 4 的显著性优势。与仅具有均匀分布背景源的参考模型相比，显著性为 5 σ（考虑实验系统效应）。通过研究以半人马座 A 作为单一源并结合均匀背景的场景，我们确认该天空区域对观测到的各向异性信号具有主导贡献。然而，包含喷流活动星系核目录的模型（其通量与 γ 射线发射成比例）不受欢迎，因为它们无法充分描述测量到的到达方向。
使用实验室（HAXPE）和飞行次级离子质谱（TOF-SIMS）
如今，“更多的摩尔”和“超过摩尔”设备体系结构已大大提高了新型材料的重要性，从而需要提供适当的表征和计量，以实现可靠的过程控制。 例如，在多通道场效应设备或升高来源中使用的SIGE或SIP化合物的引入导致需要确定所得膜的精确组成。 在这项工作中，已经使用主要无损haxpes和TOF-SIMS研究了二进制材料（例如SIP和SIGE）的定量。 的确，虽然使用RB的主要障碍是薄膜的表征，但具有适当定量功能（例如Atom探针断层扫描和传输电子显微镜）的技术既耗时又耗时，并且由于其高度局部的分析量而缺乏灵敏度。 对于定量表征，常规的X射线光电子光谱（XPS）是一个强大的工具。 然而，其低分析深度仍然是研究掩埋界面的主要限制因素，尤其是在本研究中，因为所获得的基于SI的层在环境条件下被氧化（或者应该受到一些纳米计的金属层保护）。 ，由于电子在二元材料表面的化学组成和SIO 2在层中的深入分布，因此使用了一种基于实验室的硬X射线源（HAXPE），这既要归功于层次的SIO 2的深度分布，这要归功于电子的非弹性平均自由路径随光子能量增加的增加（铬Kα，Hν= 5414.7 ev）[1] [1]。如今，“更多的摩尔”和“超过摩尔”设备体系结构已大大提高了新型材料的重要性，从而需要提供适当的表征和计量，以实现可靠的过程控制。例如，在多通道场效应设备或升高来源中使用的SIGE或SIP化合物的引入导致需要确定所得膜的精确组成。在这项工作中，已经使用主要无损haxpes和TOF-SIMS研究了二进制材料（例如SIP和SIGE）的定量。的确，虽然使用RB的主要障碍是薄膜的表征，但具有适当定量功能（例如Atom探针断层扫描和传输电子显微镜）的技术既耗时又耗时，并且由于其高度局部的分析量而缺乏灵敏度。对于定量表征，常规的X射线光电子光谱（XPS）是一个强大的工具。然而，其低分析深度仍然是研究掩埋界面的主要限制因素，尤其是在本研究中，因为所获得的基于SI的层在环境条件下被氧化（或者应该受到一些纳米计的金属层保护）。，由于电子在二元材料表面的化学组成和SIO 2在层中的深入分布，因此使用了一种基于实验室的硬X射线源（HAXPE），这既要归功于层次的SIO 2的深度分布，这要归功于电子的非弹性平均自由路径随光子能量增加的增加（铬Kα，Hν= 5414.7 ev）[1] [1]。确认通过HAXPES测量获得的感兴趣材料的组成并计算出适当的相对灵敏因子（RSF），相同的膜以TOF-SIMS为特征。但是，例如Haxpes，SIP/SIGE层的次级离子质谱法（SIMS）表征通常由于p/ge含量的电离产量的非线性变化而受到基质效应。通过分析参考样本，遵循MCS 2+辅助离子或使用完整的光谱协议[2]，可以通过分析参考样品来超越此限制。最后，计算了次级离子束的P和GE（Si）组成，并将其与X射线衍射确定的参考组成进行比较。还研究了测量值的可重复性和层氧化的影响。得出结论，通过将haxpes结果与TOF-SIM耦合，准确评估了层的深入组成和表面氧化物的厚度。
传感器 - ScienceOpen
摘要：本研究提出了一种新方法，利用无人机 (UAV) 成像联合评估积雪深度和冬季叶面积指数 (LAI)，后者是植被的结构特性，影响积雪和融雪。在冬季，评估了在捷克共和国舒马瓦国家公园 (Šumava NP) 内部分健康或受昆虫影响的挪威云杉林和草地覆盖区拍摄的一组多时间高分辨率数字表面模型 (DSM)（无雪和积雪条件），以评估积雪深度。无人机得出的 DSM 的分辨率为 0.73–1.98 cm/pix。通过减去 DSM，确定了积雪深度，并与在地面控制点 (GCP) 位置进行的手动雪深测量进行比较，均方根误差 (RMSE) 在 0.08 m 到 0.15 m 之间。将基于无人机的积雪深度与更密集的手动积雪深度测量网络进行比较分析，得出的 RMSE 在 0.16 m 到 0.32 m 之间。LAI 评估对于正确解释森林地区的积雪深度分布至关重要，它基于在森林状况下拍摄的俯视无人机图像。为了从俯视无人机图像中识别冠层特征，使用雪背景代替天空部分。参考了两种有效的冬季 LAI 检索常规方法，即 LAI-2200 植物冠层分析仪和数字半球摄影 (DHP)。与实地调查相比，冠层密度和地面特性对基于无人机成像的 DSM 评估准确性的影响显而易见。基于无人机的 LAI 值提供的估计值与 LAI-2200 植物冠层分析仪和 DHP 得出的值相当。与常规调查的比较表明，使用无人机摄影测量方法高估了春季积雪深度，低估了春季 LAI。由于积雪深度和 LAI 参数对于积雪研究至关重要，因此这种组合方法在未来将具有重要价值，可以简化雪深和雪动力学的 LAI 评估。
语义增强图像-文本预训练模型的零样本三维模型分类
Cheraghian 等人 [ 21 – 23 ] 在零样本 3 维模型分类方 面提出了 3 维点云的零样本学习方法、缓解 3 维零样 本学习中枢纽点问题的方法和基于直推式零样本学 习的 3 维点云分类方法，并将它们封装进一个全新 的零样本 3 维点云方法 [ 24 ] 中。以上方法均是利用已 知类样本的点云表征及其词向量对未知类别进行分 类，开创了零样本 3 维模型分类方法。近年来， CLIP 在零样本图像分类上取得了良好的效果，因此有研 究者将 CLIP 应用到零样本 3 维模型分类方法中， Zhang 等人 [ 25 ] 提出了基于 CLIP 的 3 维点云理解 (Point cloud understanding by CLIP, PointCLIP) 模型， PointCLIP 首先将 3 维点云投影成多个深度图，然 后利用 CLIP 的预训练图像编码器提取深度图特 征，同时将类别名称通过 CLIP 预先训练的文本编 码器提取文本特征。但是 PointCLIP 的性能受到深 度图和图像之间的域差异以及深度分布的多样性限 制。为了解决这一问题，基于图像 - 深度图预训练 CLIP 的点云分类方法 (transfer CLIP to Point cloud classification with image-depth pre-training, CLIP2Point) [ 26 ] 将跨模态学习与模态内学习相结合 训练了一个深度图编码器。在分类时，冻结 CLIP 的图像编码器，使用深度图编码器提取深度图特 征，该方法缓解了深度图和图像间的模型差异。用 于 3 维理解的图像 - 文本 - 点云一致性表征学习方法 (learning Unified representation of Language, Im- age and Point cloud for 3D understanding, ULIP) [ 27 ] 构建了一个图像、文本和点云 3 种模态的 统一嵌入空间，该方法利用大规模图像 - 文本对预 训练的视觉语言模型，并将 3 维点云编码器的特征 空间与预先对齐的视觉 - 文本特征空间对齐，大幅 提高了 3 维模型的识别能力。与之相似的是，基于 提示文本微调的 3 维识别方法 (CLIP Goes 3D, CG3D) [ 28 ] 同样使用 3 元组形式确保同一类别的 3 维模 型特征和图像特征之间以及 3 维模型特征和文本特 征之间存在相似性，从而使点云编码器获得零样本 识别的能力。另外， PointCLIP V2 [ 29 ] 在 Point- CLIP 的基础之上，通过利用更先进的投影算法和 更详细的 3 维模型描述，显着提高了零样本 3 维模型 分类准确率。本文采用语义增强 CLIP 解决图像和文 本的语义鸿沟问题，通过在语义层面为图像和文本 提供更多相似的语义信息，使图像和文本对齐更具有 一致性，从而有效提高 3 维模型的零样本分类性能。 2.2 提示工程
气相渗透工艺中的限制步骤 - NSF-PAR
解释无机成分深度分布以了解气相渗透过程中的限速步骤 Shuaib A. Balogun 1、Yi Ren 2、Ryan P. Lively 2 和 Mark D. Losego 1,* 1 佐治亚理工学院材料科学与工程学院，美国佐治亚州亚特兰大 2 佐治亚理工学院化学与生物分子工程学院，美国佐治亚州亚特兰大 *电子邮件：losego@gatech.edu 摘要 气相渗透 (VPI) 是一种聚合后改性技术，它将无机物注入聚合物中以创建具有新性能的有机-无机杂化材料。关于 VPI 工艺背后的化学动力学，我们仍有许多未解之谜。本研究的目的是更好地了解控制三甲基铝 (TMA) 和 TiCl 4 渗透到 PMMA 中形成无机-PMMA 杂化材料的工艺动力学。为了获得深刻见解，本文首先研究了根据最近提出的 VPI 反应扩散模型计算出的无机物时空浓度的预测结果。该模型深入了解了材料从聚合物转变为混合物时产生的 Damköhler 数（反应与扩散速率）和非 Fickian 扩散过程（阻碍）如何影响无机浓度深度剖面随时间的变化。随后，收集了 90 °C 和 135 °C 下 TMA 和 TiCl 4 渗透 PMMA 薄膜的实验性 XPS 深度剖面。将这些深度剖面在不同渗透时间下的功能行为与各种计算预测进行定性比较，并得出关于每个过程机制的结论。对于本文研究的薄膜厚度（200 nm），TMA 渗透到 PMMA 中似乎从低温（90 °C）下的扩散限制过程转变为高温（135 °C）下的反应限制过程。 TMA 似乎可以在几个小时内完全渗透这些 200 nm 的 PMMA 薄膜，但 TiCl 4 渗透到 PMMA 中的速度要慢得多，即使在前体暴露 2 天后也未完全饱和。90 °C 下的渗透速度非常慢，无法得出有关机理的明确结论；然而，在 135 °C 下，TiCl 4 渗透到 PMMA 中显然是一个反应限制过程，TiCl 4 仅需几分钟即可渗透整个厚度（低浓度），但无机负载在 2 天内以均匀的方式持续增加。近表面与反应限制过程预期的均匀负载的偏差也表明 TiCl 4 渗透到 PMMA 中的扩散阻碍很大。这些结果展示了一种新的非原位分析方法，用于研究气相渗透的限速过程机制。