XiaoMi-AI文件搜索系统
World File Search System碳层
产品碳足迹核算及林草碳汇碳中和技术规程
GWP EF AD E ············································ （1） 式中： E —— 每功能单位或单元过程的温室气体排放量，以二氧化碳当量（CO 2 e）表示； AD —— 温室气体活动数据，单位根据具体排放源确定； EF —— 温室气体排放因子，单位与活动数据的单位相匹配； GWP —— 全球变暖潜势，以政府间气候变化专门委员会（IPCC）最新发布数据为准。
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
草地碳汇监测与核算技术规程
涡度相关法直接测定的是净生态系统碳交换（Net Ecosystem Exchange, NEE）。监测样地的碳汇 为一定时期净生态系统碳交换（NEE）累加值的负值，即净生态系统生产力（NEP）。当NEP为正值时， 表示监测区域为碳汇；当NEP为负值时，表示监测区域为碳源。
草地固碳增汇技术评价规范
1) 计算权重在软件中可选择熵值法、层次分析法等计算方法； 2) 也可对定性指标进行权重计算。 d) 综合评价 — TOPSIS 分析。 根据软件运行结果，选择评价对象与最优方案接近程度最大的值，该值越大说明越接近最优方案 （系统会根据值的大小自动排序）。
基于合成生物学改造蓝细菌的光合碳固定
[4] Gibson B, Wilson DJ, Feil E 等人。野生环境中细菌倍增时间的分布。Proc Biol Sci, 2018, 285: 20180789 [5] Yu J, Liberton M, Cliften PF 等人。Synechococcus elongatus UTEX 2973，一种利用光和二氧化碳进行生物合成的快速生长蓝藻底盘。Sci Rep, 2015, 5: 8132 [6] Paddon CJ, Westfall PJ, Pitera DJ 等人。强效抗疟药青蒿素的高水平半合成生产。Nature, 2013, 496: 528-32 [7] Lin MT, Occhialini A, Andralojc PJ 等人。一种更快的 Rubisco，具有提高作物光合作用的潜力。 Nature, 2014, 513: 547-50 [8] Bailey-Serres J, Parker JE, Ainsworth EA 等. 提高作物产量的遗传策略。Nature, 2019, 575: 109-18 [9] Gleizer S, Ben-Nissan R, Bar-On YM 等. 转化大肠杆菌从二氧化碳生成所有生物质碳。Cell, 2019, 179: 1255-63 [10] Chen FYH, Jung HW, Tsuei CY 等. 将大肠杆菌转化为仅靠甲醇生长的合成甲基营养菌。Cell, 2020, 182: 933-46 [11] Kaneko T, Sato S, Kotani H 等.单细胞蓝藻Synechocystis sp. 菌株 PCC6803 的基因组序列分析。II. 整个基因组的序列测定和潜在蛋白质编码区的分配。DNA Res，1996，3：109 [12] van Alphen P、Najafabadi HA、dos Santos FB 等人。通过确定其培养的局限性来提高 Synechocystis sp. PCC 6803 的光自养生长率。Biotechnol J，2018，13：e1700764 [13] Sheng J、Kim HW、Badalamenti JP 等人。温度变化对台式光生物反应器中 Synechocystis sp PCC6803 的生长率和脂质特性的影响。 Bioresour Technol, 2011, 102: 11218-25 [14] 张胜山, 郑胜南, 孙建华, 等. 通过便捷引入 AtpA-C252F 突变快速提高蓝藻细胞工厂的高光和高温耐受性。Front Microbiol, 2021, 12: 647164 [15] Ungerer J, Lin PC, Chen HY, 等. 调整光系统化学计量和电子转移蛋白是蓝藻 Synechococcus elongatus UTEX 2973 快速生长的关键。Mbio, 2018, 9: e02327-17 [16] Wlodarczyk A, Selao TT, Norling B, 等. 新发现的 Synechococcus sp. PCC 11901 是一种可高产生物量的强健蓝藻菌株。Commun Biol, 2020, 3: 215 [17] Jaiswal D, Sengupta A, Sohoni S 等人。从印度分离的一种强健、快速生长且可自然转化的蓝藻 Synechococcus elongatus PCC 11801 的基因组特征和生化特性。Sci Rep, 2018, 8: 16632 [18] Jaiswal D, Sengupta A, Sengupta S 等人。一种新型蓝藻 Synechococcus elongatus PCC 11802 与其邻居 PCC 11801 相比具有不同的基因组和代谢组学特征。Sci Rep, 2020, 10:
拓扑层结构中的光学双稳态及其在光神经网络中的应用*
材料Sio 2。在拓扑模式下，电场高度局部位于分层结构的反转中心（也称为界面），并成倍地衰减到批量上。因此，当从战略上引入非线性介电常数时，出现了非线性现象，例如Biscable状态。有限元数值模拟表明，当层周期为5时，最佳双态状态出现，阈值左右左右。受益于拓扑特征，当将随机扰动引入层厚度和折射率时，这种双重状态仍然存在。最后，我们将双态状态应用于光子神经网络。双态函数在各种学习任务中显示出类似于经典激活函数relu和Sigmoid的预测精度。这些结果提供了一种新的方法，可以将拓扑分层结构从拓扑分层结构中插入光子神经网络中。
活性污泥生物碳制备及其锂氧电池性能研究
n，通过直接碳化制备具有介孔结构的杂种掺杂的活性污泥生物炭，然后通过腌制修改将其应用于非含锂氧气电池的正极电极。其在阴极中的应用可以以200 mA/g的电流密度提供7888 mAh/g的特定容量。锂氧电池的放电过程将产生
火力电厂净零转型为碳捕存电厂发展无碳电力凭证以支持全球
‧‧‧jx Nippon石油和天然气勘探公公全球最大规模燃煤电厂营运的，2017年〜2021年累计捕捉380万吨co 2，皆用于eor