基于3DMax技术的胡杨茎生长模拟

植物生长模拟研究,是利用计算机技术以可视化的形式描述植物的生长状态。本研究在综合国内外相关研究成果的基础上,以南疆胡杨茎为研究对象,通过对胡杨茎的生长因子及结构形态的研究,提出一种基于三维结构的胡杨茎生长模型,并运用3DMax技术建模,实现胡杨茎的生长形态的可视化。本研究能促进人们对胡杨生长过程的理解和感知,为分析胡杨结构功能关系、调控生长模式等提供重要参考。     

别里库姆沙漠胡杨沙堆回涡沙丘形态特征与空间格局

以别里库姆沙漠为研究区域,应用无人机倾斜摄影对胡杨沙堆回涡沙丘进行航拍,采用Agisoft处理航拍影像并获取DOM,利用Arc GIS10.2和SPSS19.0软件分析提取6个样区共60个回涡沙丘的形态特征,并进行其空间格局研究。结果表明:胡杨沙堆回涡沙丘的整体形态与新月形沙丘相似,迎风坡长而缓、背风坡短而陡。形态参数间存在明显的空间差异,不对称特性明显。胡杨沙堆回涡沙丘及胡杨沙堆形态参数间相关性良好,部分形态参数间存在函数关系。胡杨沙堆回涡沙丘总体上呈片状稀疏分布。各样区沙丘服从聚集分布和随机分布,且聚集程度随距离尺度的增加而增强。分布密度南部大于北部、东部大于西部。聚集度北部高于南部、东部高于西部。     

胡杨精神融入应用型本科院校课堂教学的路径——以过程流体机械课程为例

新疆理工学院是由新疆维吾尔自治区人民政府举办的全日制本科高校,学校为应用型本科院校,全方位贯彻党的教育方针,大力培养爱国爱疆、甘于奉献为新疆社会稳定及长治久安作出重大贡献的新青年。基于此,文章分析了该学院的教学现状及问题,通过梳理课程知识培养学生自主学习、翻转课堂师生共同进步、践行胡杨精神、考核体系改革等方式将胡杨精神融入过程流体机械课程中进行了研究和实践,努力培养出具有艰苦奋斗、自强不息、扎根边疆、甘于奉献精神的社会主义合格接班人。     

生命的图腾-胡杨

一种神奇的基因，赋予你柳的温柔，杨的倔强。不服输的魂，撑起大漠烽烟里，绿色的畅想。披着几十万年的星月，追随塔里木河流的脚步，你姗姗走来，走出一副铁马金戈戎装。黄沙劲舞，旋起你脚下多少层热涌，驼铃清脆，敲碎古道多少清寂时光。你在这得天独厚的舞台上苦练，修成一个——铮铮铁骨儿郎!没有哪种生命能与你匹敌，没有哪种生命会活得比你久长。     

红柳深处是我“家”

TP7加强班位于塔里木盆地北缘的胡杨、红柳最深处,是中国石化西北油田分公司塔河油田采油二厂条件最艰苦、最偏远的一个生产班组。三年多来,有29名单身汉长期工作生活在这里,他们每天跑井、计量、装油……担负着11口油井的安全生产任务。年初至今,已累计生产原油4.13万吨。     

胡杨

<正>沙漠、戈壁中特有的乔木,茂盛而耐干旱,以它古老原始的树种,龙盘虬曲的雄姿,变化无常的叶形,居傲风沙盐碱的特性,享有"活化石"之美誉。传说它:生,千年长青不死;     

实时荧光定量PCR检测miR169g在脱水与高盐胁迫下胡杨叶中的表达

microRNAs是一类具有重要功能的约由22个核苷酸组成的小分子非编码RNAs,一些miRNAs在植物非生物胁迫中发挥着重要的作用。本文采用stem-loopSYBR Green实时RT-PCR方法检测miR169g在脱水与高盐处理下胡杨叶中的表达情况,结果表明,miR169g脱水与高盐胁迫下胡杨叶中均表达上调。此方法灵敏简便,结果稳定可靠,适用于检测短序列miRNAs成熟体的表达。     

发扬胡杨精神文化 加强教师人才队伍建设

文化是任何一个国家建设和社会发展的根本和基础,文化软实力是国家民族精神的体现和象征,更是教师从事的教育事业不可或缺的精神食粮。从胡杨文化精神的历史演变与内涵、胡杨精神文化与加强教师人才队伍建设两个方面阐述发扬胡杨精神文化对加强教师人才队伍建设的重要性。     

集成U-Net方法的无人机影像胡杨树冠提取和计数

塔里木河流域的胡杨林是该荒漠区域典型的森林资源,胡杨树冠大小和株数信息对塔里木河流域森林资源监测、生态保护和恢复具有重要意义。由于该流域乔灌草植物群落分布的复杂性,传统方法很难实现胡杨树冠的精准分割和大范围的株数提取。以塔里木河中游胡杨林为研究区,选取几块典型胡杨林区域,提出集成深度学习和分水岭分割的处理方法,对密集胡杨树冠的精准分割和单株胡杨的提取进行了深入探讨。首先,将无人机影像（空间分辨率0.16 m）无缝拼接生成正射影像;采用U-Net卷积神经网络对胡杨树冠覆盖区域进行精准分割;在U-Net模型分割的基础上使用标记分水岭方法对密集胡杨树冠进行自动再分割和单株计数,计算出所选研究区的胡杨株数并精准定位。结果表明U-Net卷积神经网络对胡杨的所有树冠区域提取的平均精度可达94.1%,在胡杨树冠覆盖区域识别分割的基础上,用标记分水岭分割方法对胡杨单木计算总体精度为93.3%。研究认为,结合深度学习和标记分水岭方法为自动化大范围森林资源监测提供了新思路和借鉴经验。