摘要：作为一种典型的生理水分参数,茎干水分与活立木内部水分平衡的维持、光合固碳及细胞代谢等的正常运转有紧密联系,对不同环境参数协同作用下的茎干水分较准确预测是必不可少的。为实现对生长季茎干水分变化特征及其影响因素进行解析,并构建茎干水分预测模型,该研究以常见绿化树种五角枫(Acer pictum ***)为研究对象,搭建五角枫物联网生态信息监测系统,实现五角枫茎干水分和各环境参数的实时采集与在线显示,其中茎干水分变化情况由自主设计的基于驻波率原理的茎干水分传感器实时且无损获取。在此基础上,提出麻雀搜索算法(sparrow search algorithm,SSA)优化反向传播(back propagation,BP)神经网络即SSA-BP茎干水分预测模型,计算模型的决定系数(coefficient of determination,R^(2))、均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute Error,MAE)以评估其预测性能,与传统的BP模型及遗传算法(genetic algorithm,GA)优化BP即GA-BP模型的预测性能进行对比。结果表明:1)搭建的物联网生态信息监测系统可有效获取茎干水分及各环境参数;萌芽期和落叶期,茎干水分呈“昼升夜降”的变化趋势,生长期,茎干水分呈“昼降夜升”的变化趋势;2)SSA-BP模型的预测性能要优于GA-BP模型和BP模型,SSA-BP模型的R2为0.896~0.987,RMSE为0.314~12.971 mV,MAE为0.232~5.030 mV。该研究提出一种可行的茎干水分采集和预测方法,可为揭示植物茎干内部水分运移规律及其环境适应机制提供借鉴。

摘要：1引言2006年,美国密歇根州立大学的密舒拉和科勒教授正式提出了整合技术的学科教学法知识(TPACK)。构成TPACK的三个核心要素分别是学科内容知识(CK)、教学法知识(PK)和技术知识(TK);三个核心要素相互作用,从而形成四个复合要素,即学科教学知识(PCK)、整合技术的学科内容知识(TCK)、整合技术的教学法知识(TPK)、整合技术的学科教学知识(TPACK)。