外军地面无人装备发展现状与趋势研究

随着通信、计算机、人工智能和传感器等技术的飞速发展与广泛应用，地面无人装备日趋活跃在作战、搜救和消防等多种军民用任务场景中。对于军事领域而言，地面无人装备是陆军和其他地面作战部队迈向无人化、智能化战场的核心装备，将在未来陆战场各类作战任务中发挥不可替代的作用。通过对外军各类典型地面无人装备发展现状进行深入分析，总结出该装备领域的发展特点与趋势，对地面无人装备发展有一定的借鉴意义。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

基于移动窗口法的城市遥感生态质量评价研究

为进一步提高城市生态监测的精确度，在前人开展的城市生态遥感监测研究的基础上引入“区域尺度”的概念，充分考虑小区域范围内不同地物间的交互作用，并利用移动窗口模型(Moving Window-Remote Sensing Ecology Index, MW-RSEI)对沈阳市浑南区的遥感影像进行逐像元分析。实验结果表明，MW-RSEI模型和生态遥感监测模型（Remote Sensing Ecology Index, RSEI)在整体生态评价趋势上表现出一致性。但MW-RSEI模型对城市生态中的细节区域表征更明显。考虑到建筑及裸地周围植被的影响，其较差生态区域的占比仅为6%，生态评价为优的区域占比为11%。研究区生态评价结果表现得较为连续，并未出现明显的断层现象。该结果具有现实意义且与实际生态分布更为符合。MW-RSEI模型在城市生态监测中更为适用，可为相关部门提供一定的技术参考。     

气候变化背景下滇中引水工程水源区与受水区 降水丰枯遭遇分析

基于历史实测降水数据与全球气候模型预估数据，使用 Morlet 小波方法分析滇中引水工程水源区与受水区 降水序列的周期变化和未来的降水趋势。同时，采用 Copula 函数计算历史时期（1960—2021 年）与未来时期 （2022—2100 年）水源区与受水区降水丰枯异步或丰枯同步的概率。结果表明：1960—2021 年降水序列存在 26~39?a、18~25?a、4~7?a 的 3 类时间尺度的周期变化，2022—2100 年降水序列存在 38~55?a、18~30?a、5~12?a 的 3 类时间尺度的周期变化，降水量呈现“多—少—多”的循环交替，预计未来 10~20?a 将持续处于降水较多的时期； 过去 62?a，水源区和受水区降水丰枯异步频率 36.4%，同期丰水年频率为 25.3%，同期枯水年频率小于 30%，水源区 和受水区具有水量互补的引水条件，两区域之间存在着水量补偿特征；与历史丰枯遭遇对比，未来降水量丰枯同 步频率均呈现减小的趋势，丰枯异步呈现增加的趋势，同枯和源枯受丰的频率减少，未来有利于调水的降水丰枯 组合概率平均增加 3.75%；在近、中、远期预估中，从 SSP1-2.6 情景过渡到 SSP5-8.5 情景，SSP5-8.5 情景下降水量 丰枯异步频率比 SSP1-2.6 情景大，说明水源区与受水区的降水区域差异变大，降水时空差异更加显著。通过对滇 中引水工程水源区与受水区降水量丰枯遭遇的综合分析、定量评估和模拟预测，为滇中引水工程水资源调度协同 一体化提供数据支撑及参考依据。     

Phenolic profiling reveals the metabolite basis of flesh colour and fresh-cut browning in apple fruit

Flesh colour, which is affected by cultivars and browning, can largely impact consumer acceptance in fresh-cut apples. The study profiled phenolic metabolites from apple flesh of twenty-three cultivars by widely targeted metabolomics. Comparison among white- and yellow-fleshed cultivars showed fifteen phenolics, mainly quercetin 3-O-glucoside, hyperoside, hesperetin 5-O-glucoside and cymaroside, in white-fleshed apples were significantly higher than those in yellow-fleshed apples. It may indicate a metabolite basis of yellow and white flesh colour, and better potential nutrition in white-fleshed apples. In addition, ten phenolic metabolites including five cyanidin glycosides showed significant differences between the highest and the lowest browning groups, indicating them may be crucial in browning of fresh-cut apple. This work elucidates the differences of phenolic profiles among apple cultivars with different flesh colour and provides useful data to evaluate the suitability of apple for fresh-cut processing.