又称为植物冠层分析仪。只要手持本仪器在植物冠层下穿行或行走，即可获取叶面积指数、丛生指数、间隙率、光合有效辐射、光合有效辐射分量等植物冠层的参数。是联合国粮农组织推荐的叶面积指数检测仪器，并用于对LAI2000的修正或取代。 TRAC-II叶面积指数检测仪是在加拿大皇家院士陈先生的叶面积指数检测理论与算法的基础上研发的。相对第一代TRAC，主要改进有：增加了手机现场处理功能，存储容量增大了256倍，采用了无线网络通信，提高了检测精度，减轻了传感器重量，升级并完善了处理软件到TRACWin 5.9.0版。 TRAC（Tracing Radiation and Architecture of Canopies即植物冠层分析仪的缩写）是检测叶面积指数及植被吸收光合有效辐射的光学仪器。TRAC通过间隙大小分布及间隙率来检测叶面积指数，可用于森林、植冠等叶面积指数的检测，从而为森林碳汇与林业碳汇、作物长势等的研究提供依据。TRAC-II由手机及智能传感器两部分构成，检测光合有效辐射，采用无线传感器网络交换数据，通过手机或计算机处理软件计算出结果。企业合作项目。

本发明公开了一种控制砒砂岩小流域沟道泥沙输移的植物治理方法，首次通过采用共生的灌草搭配模式并以特定形式的种植方式解决了一般植物谷坊无法拦截细沙且使用年限较短的缺陷，提高了固土固沙蓄水能力；本发明方法施工方便，成本低廉，且能极大提高植被的存活率，且不会对当地已形成的脆弱生态环境造成威胁，适宜大面积推广应用；本方法可以显著减少沟道内的水土流失和泥沙向下游的进一步输移，同时减缓了水流冲刷，储存了水分，改善了土壤，对沟道内防止泥沙输移、提高植物覆盖率具有重要意义。

本发明公开了一种控制砒砂岩小流域沟道泥沙输移的植物治理方法，首次通过采用共生的灌草搭配模式并以特定形式的种植方式解决了一般植物谷坊无法拦截细沙且使用年限较短的缺陷，提高了固土固沙蓄水能力；本发明方法施工方便，成本低廉，且能极大提高植被的存活率，且不会对当地已形成的脆弱生态环境造成威胁，适宜大面积推广应用；本方法可以显著减少沟道内的水土流失和泥沙向下游的进一步输移，同时减缓了水流冲刷，储存了水分，改善了土壤，对沟道内防止泥沙输移、提高植物覆盖率具有重要意义。

项目成果/简介:本发明公开了一种监测植物花芽分化或开花过程中温度变化的活体成像方法。本发明提供的方法，包括如下步骤：1)用红外线非接触式热像仪采集活体待测植物的花芽或花部器官图像；2)根据步骤1)得到的采集图像，得到所述活体待测植物的花芽或花部器官的不同位点的温度，从而实现植物花芽分化或者开花的生热效应的监测。本发明的实验证明，本发明的方法具有以下优点：1)操作简单，快速：省略了植物观测中取样、分离等前

水生植物修复技术是一种成本少、耗能低、效果好的生物－生态新技术，即利用植物的吸收、吸附作用，富集导致水体富营养化的氮、磷，降解、富集其它有毒有害污染物，同时由于水生植物生长对藻类的抑制作用，使水体中藻类数量降低，提高水体透明度，达到化害为利、净化水质的目的，实现水域资源的可持续发展和利用。针对不同生态环境污染，从现场环境中筛选和构建具有高效污染修复的水生植物- 微生物群落体系，更具有针对性强、适应性强、效率高、成本低和对原有生态环境没有威胁等优点。

经济管理学院孙自愿教授的研究团队在企业策略性应对行为研究领域取得研究进展，形成论文《竞争还是普惠？——激励政策选择与创新迎合倾向政策约束》，在《会计研究》2021年第7期上发表，这是经济管理学院在会计科研领域的重要突破。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

中山大学黄立南教授课题组利用大规模宏基因组数据，探究酸性矿山废水（acid mine drainage, AMD）底泥环境中病毒物种和功能的生物地理分布及其对原核微生物群落、理化因子、气候条件以及地理距离的响应，促进了对于自然环境中病毒-宿主-环境三者间相互作用关系的理解。

针对高缺陷炭负极电化学储钾容量与稳定性难以兼顾的问题，报道一种原位缺陷选择性调变与导电骨架搭建策略，通过热力学与动力学双重调控，提高缺陷炭负极电化学储钾综合性能。