PlantScreen
一、植物表型组学与PlantScreen 植物表型成像分析技术
自 20 世纪 90 年代初以来，生命科学领域出现了最为引人注目的“组学”新概念和新学科，如基因组学（genomics ）、转录组学（transcriptomics ）、蛋白质组学（proteomics ）和代谢组学（metabolomics ）等。伴随各种组学的不断兴起和发展，90年代末，人们提出了表型组（phenome ）和表型组学（phenomics ）的概念。2013年Monya Baker 在《Nature 》发表文章“THE ‘OMES PUZZLE ”将表型组学称为“前景光明（Aspiring ）”的组学研究项目[1]。
表型组定义为：在细胞、组织、器官、生物体或
种属水平上表现出的所有表型的组合。表型组学可定
义为一门在基因组水平上系统研究某一生物或细胞
在各种不同环境条件下所有表型的学科[2]
DNA 芯片技术的进一步完善，为植物功能基因
组学研究提供契机[3]。而之前植物表型组学一直缺乏
合适的研究仪器，研究者不得不使用传统方法来获取
表型组学的海量数据。随着近几年FluorCam 叶绿素
荧光成像技术、RGB 彩色成像分析技术乃至集合了
多种最先进表型成像分析技术和植物自动培养技术
的PlantScreen 植物表型成像分析技术逐渐成熟，直
接促进了植物表型组学的发展，同时为基因组、蛋白
组、代谢组及表型组数据进一步整合起来研究提供了
新的挑战和可行性。关于FluorCam 叶绿素荧光成像
技术与RGB 彩色成像分析技术在表型组学中的应用，
请见：
植物表型组学研究技术（一）——FluorCam 叶
绿素荧光成像技术
植物表型组学研究技术（二）——叶绿素荧光成
像与 RGB 彩色成像分析系统
PSI 公司在功能强大的FluorCam 叶绿素荧光成像技术基础上，结合LED 植物智能培养、自动化控制系统、植物热成像分析、植物近红外成像分析、植物高光谱分析、自动条码识别管理、RGB 真彩 3D 成像、自动称重与浇灌系统等多项先进植物表型技术，开发出了PlantScreen 植物表型成像分析系统。这一大型系统切合国际最新的植物表型组学研究，以最优化的方式实现了拟南芥、小麦、水稻、玉米乃至 目前各种热门与不热门的组学项目，表型组(phenome)被认为是“前景极为光明的”[1]
各种其它植物的全方位生理生态与形态结构高通量自动成像分析，用于高通量植物表型成像分析测量、植物胁迫响应成像分析测量、植物生长分析测量、生态毒理学研究、性状识别及植物生理生态分析研究等。
表型组学借助这些高通量的表型分析技术和平台与基因组学、转录组学、蛋白质组学、代谢组学结合在一起，已成为系统生物学的主要技术平台，应用于复杂的生命系统的研究。目前已经装备PlantScreen 植物表型成像分析系统的大学、科研单位与大型跨国育种公司有：
&
巴斯夫公司CropDesign
目前，植物生理学研究已经发展到了在全基因组测序的基础上，对特定基因型进行高通量的定量表型研究。通过对表型和基因型的对照研究鉴定并预测可遗传的性状。现代技术的发展也为科学家达到这一目标提供了支持。但是现在的挑战是：1.如何将这些技术整合起来，建立用于不同植物物种的表型平台；2.缩小实验室与野外研究的差距。
澳大利亚国立大学、澳大利亚联邦科学与工业研究组织（CSIRO）植物表型组学中心和PSI公司合作建设了高通量表型（High throughput phenotyping，HTP）研究平台[4]。将HTP与全基因组关联研究（genome wide association studies，GWAS）整合起来，有可能会革命性地提高性状的发现率和表型的预测。这一表型平台即为PlantScreen植物表型成像分析系统。
图1.（a）多波段LED提高不同的光质与光强；（b）量化叶绿素荧光和绿色像素表型；（c）GWAS分析；（d）PSI提供的PlantScreen植物表型成像分析系统[4]
这一套PlantScreen植物表型成像分析系统能进行环境条件可控的植物培养，并实时进行可见光谱（RGB）成像、热成像和叶绿素荧光成像分析（也可以增加其他成像分析功能如近红外成像、高光谱成像）。实时分析增加了实验分辨率，例如，成像分析设定可以最优化改善遗传相关性。此外，在关键时间点的成像数据可以进一步探索遗传相关性，多余的数据可以删除掉从而提高通量（图1）。
植物结构功能模型（Functional structural plant models，FSPMs，图2）传统上用于模拟环境条件驱动
的植物生理过程是如何控制影响植物反应与生长的。
量大量的表型数据。这些植物生长的表型数据与环境数据才能使FSPMs实现参数化。这在进行大田条件研究之前是极为重要的测试阶段。
图2.（a）植物功能模型，包含环境因素；（b）结构模型，包含植物株型；两者用于根据环境与遗传变量预测植物表
型[4]
澳大利亚国立大学的科学家希望以后这套系统可以发展成模块化、可扩展的设计方式，从而用于表型组学研究设施、小型实验室和野外实验站。现在，PSI公司已经可以根据用户需求，灵活提供多种型号的表型分析系统，满足不同条件下的研究工作。这在植物表型组学研究技术（一）——FluorCam叶绿素荧光成像技术与植物表型组学研究技术（二）——叶绿素荧光成像与RGB 彩色成像分析系统中都有详细介绍。
三、PlantScreen用于植物逆境表型研究
2013年，帕拉茨基大学即装备了两套PlantScreen植物表型成像分析系统（图3）。
一套为可同时培养1200个拟南芥标准盆的PlantScreen XYZ三维移动成像版植物表型成像分析系统。它的叶绿素荧光成像单元、可见光谱（RGB）成像单元和VIS-NIR高光谱成像单元安装在机械臂上，可自动移动到要测量的植物上方进行测量。另一套为PlantScreen植物自动传送版表型成像分析系统，可对640株拟南芥、谷物或其他作物进行表型分析。培养的植物可以经过传送带运输到成像室进行叶绿素荧光成像、可见光谱（RGB）成像单元、热成像和SWIR高光谱成像分析，同时具备自动称重与浇灌功能[5]。
图3. 帕拉茨基大学的PlantScreen XYZ三维移动成像版与植物自动传送版表型成像分析系统[5]
PlantScreen使用的表型成像技术的一大优势就是可以对植物进行生长与生理学的无损分析。这些技术主要包括叶绿素荧光成像、可见光谱（RGB）成像、热成像、VIS-NIR和SWIR高光谱成像技术等。使用自动化植物表型分析方法的最重要应用就是研究植物对各种环境胁迫的响应（图4）。随着基础研究和应用研究的深入，自动表型成像技术逐渐成为了植物生长、发育、环境响应以及分子育种基因型筛选的重要工具[6]。
图4.运用RGB、高光谱（计算NDVI）和叶绿素荧光成像（计算Φpo）技术，同时分析受到盐胁迫的拟南芥与对照组的差异[6]
帕拉茨基大学的
低温胁迫的表型变化[7]。
他们使用RGB成像测量了7个时间点的总绿色面积、归一化绿色面积和生长速率的变化（图5），发现TER的生长速度要显著高于END。到第21天，TER的总绿色面积增加了3.5倍，而END只增长了2.5倍。
图5.TER植株在21天低温适应中的正面RGB成像图[7]
通过对叶绿素荧光的测量，发现低温对TER的Φpo影响不大，但是显著降低了END的Φpo（图6）。这也直接说明了END对低温胁迫更加敏感。
图6. 21天低温适应后的TER（实心）与END（空心）的Φpo
图7.传统荧光仪与PlantScreen荧光成像单元分别测量A）第二片和B）第三片叶片的Φpo；C）通过PlantScreen荧光成像单元获得的Fv，Fm和Φpo彩色荧光成像图
Humplík还比较了传统荧光仪与PlantScreen荧光成像单元（使用FluorCam荧光成像技术）分别测量的数据（图7）。实验结果表明这两者测量的数据没有差异，但是荧光成像技术既可以自动计算整株植物的荧光参数，也可以自由选取感兴趣的区域进行计算；同时获得的彩色荧光成像图能够直观地反映植物不同部位荧光的差异，以及区分肉眼不能识别的受害组织与健康组织。而且FluorCam叶绿素荧光成像技术以其高灵敏度，甚至可以单独分析豌豆的细小卷须。因此比起传统的荧光仪，更加适用于表型研究，尤其是高通量表型研究。
帕拉茨基大学的研究者在这次实验里实现了对16棵植株一小时一次的植物地上部生长（通过RGB 成像）和光合效率（通过叶绿素荧光成像）的监测，从而发现了这两个豌豆品种在PSII开放中心数量、最大量子产额等对低温胁迫应对策略的不同。通过对叶绿素成像技术的验证实验，这些科学家确信这一技术完全可以为其他植物种类的研究提供更为便捷、有效的工具。
参考文献：
1.Monya Baker, THE ‘OMES PUZZLE, Nature, 2013, 494: 416-419
2.玉光惠，方宣钧，表型组学的概念及植物表型组学的发展，分子植物育种，2009，7（4）：639-645
3. A Aharoni, O V orst, 2002, DNA microarrays for functional plant genomics, Plant Mol. Biol., 48(1-2):
99-118
4.Tim Brown, et.al, TraitCapture: genomic and environment modelling of plant phenomic data, Current
Opinion in Plant Biology, 2014, 18: 73-79
5.Jan Humplík, et.al, High-throughput plant phenntyping facility in Palacky University in Olomouc,
International Symposium on Auxins and Cytokinins in Plant Development, 2014
6.Jan Humplík, et.al, Automated phenotyping of plant shoots using imaging methods for analysis of plant
stress responses – a review, Plant Methods, 2015, 11: 29
7.Jan Humplík, et.al, Automated integrative high-throughput phenotyping of plant shoots: a case study of the
cold-tolerance of pea (Pisum sativum L.), Plant Methods, 2015, 11: 20
大数据平台技术要求 1.技术构架需求 采用平台化策略，全面建立先进、安全、可靠、灵活、方便扩展、便于部署、操作简单、易于维护、互联互通、信息共享的软件。 技术构架的基本要求： ?采用多层体系结构，应用软件系统具有相对的独立性，不依赖任何特定的操作系统、特定的数据库系统、特定的中间件应用服务器和特定的硬 件环境，便于系统今后的在不同的系统平台、不同的硬件环境下安装、 部署、升级移植，保证系统具有一定的可伸缩性和可扩展性。 ?实现B（浏览器）/A（应用服务器）/D（数据库服务器）应用模式。 ?采用平台化和构件化技术，实现系统能够根据需要方便地进行扩展。2. 功能指标需求 2.1基础平台 本项目的基础平台包括：元数据管理平台、数据交换平台、应用支撑平台。按照SOA的体系架构，实现对我校数据资源中心的服务化、构件化、定制化管理。 2.1.1元数据管理平台 根据我校的业务需求，制定统一的技术元数据和业务元数据标准，覆盖多种来源统计数据采集、加工、清洗、加载、多维生成、分析利用、发布、归档等各个环节，建立相应的管理维护机制，梳理并加载各种元数据。 具体实施内容包括： ●根据业务特点，制定元数据标准，要满足元数据在口径、分类等方面的 历史变化。 ●支持对元数据的管理，包括：定义、添加、删除、查询和修改等操作，
支持对派生元数据的管理，如派生指标、代码重新组合等，对元数据管 理实行权限控制。 ●通过元数据，实现对各类业务数据的统一管理和利用，包括： ?基础数据管理：建立各类业务数据与元数据的映射关系，实现统一的 数据查询、处理、报表管理。 ?ETL：通过元数据获取ETL规则的描述信息，包括字段映射、数据转 换、数据转换、数据清洗、数据加载规则以及错误处理等。 ?数据仓库：利用元数据实现对数据仓库结构的描述，包括仓库模式、 视图、维、层次结构维度描述、多维查询的描述、立方体（CUBE）的 结构等。 ●元数据版本控制及追溯、操作日志管理。 2.1.2数据交换平台 结合元数据管理模块并完成二次开发，构建统一的数据交换平台。实现统计数据从一套表采集平台，通过数据抽取、清洗和转换等操作，最终加载到数据仓库中，完成整个数据交换过程的配置、管理和监控功能。 具体要求包括： ●支持多种数据格式的数据交换，如关系型数据库：MS-SQLServer、MYSQL、 Oracle、DB2等；文件格式：DBF、Excel、Txt、Cvs等。 ●支持数据交换规则的描述，包括字段映射、数据转换、数据转换、数据 清洗、数据加载规则以及错误处理等。 ●支持数据交换任务的发布与执行监控，如任务的执行计划制定、定期执 行、人工执行、结果反馈、异常监控。 ●支持增量抽取的处理方式，增量加载的处理方式； ●支持元数据的管理，能提供动态的影响分析，能与前端报表系统结合， 分析报表到业务系统的血缘分析关系； ●具有灵活的可编程性、模块化的设计能力，数据处理流程，客户自定义 脚本和函数等具备可重用性； ●支持断点续传及异常数据审核、回滚等交换机制。
乔木 落叶乔木 1.银杏：3月下旬至4月上旬展叶，4月上旬至中旬开花，9月下旬至10月上旬种子成熟，10月下旬至11月落叶。胸径可达4米，树干光洁，不生病虫害、耐寒能力强、生长期不产生垃圾、抗烟尘、抗火灾、抗有毒气体，树体高大，树干通直，姿态优美，春夏翠绿，深秋金黄。可用于园林绿化、行道、公路、田间林网、防风林带。被列为中国四大长寿观赏树种（松、柏、槐、银杏）。300以上 2.毛白杨：花期3月（掉毛毛虫），果期4月，高达30m，树皮灰绿色或灰白色。不耐过度干旱薄，稍耐碱,。耐烟尘，抗污染，应用于城乡绿化及工矿区、防护林、行道河渠绿化、行道树、园路树、庭荫树、建筑周围、草坪、广场、在街道、公路、学校运动场、工厂、牧场周围。 3.毛泡桐:花期5-6月，果期8-9月,高达20m，树皮褐灰色；有白色斑点。生性耐寒耐旱，耐盐碱，耐风沙，抗性很强能吸附大量烟尘及有毒气体，是城镇绿化及营造防护林的优良树种。 4.梧桐：又名青桐，高达12m，树皮青绿色，平滑，花期6～7月，果熟期10～11月。喜光，喜温暖气候，不耐寒，喜碱，不耐水渍，对有毒气体都有较强抗性，怕病毒病，怕大袋蛾，怕强风。宜植于村边、宅旁、山坡、石灰岩山坡等处。
5.法桐：（带毛刺的种子满街飞舞）高达30m，花期5月，果期9～10月。喜光，喜湿润温暖气候，较耐寒，抗逆性强，，抗烟尘，耐移植，具有超强的吸收有害气体、抵抗烟尘、隔离噪音能力，耐干旱、生长迅速。 6.绒毛白蜡：5月开花，9-10月果实成熟，高可达10米，树皮暗灰色光滑，耐寒，耐干旱，耐水湿，耐盐碱。少病虫害，抗风，抗烟尘，可营造防护林，可供沙荒、盐碱地造林。 7.臭椿：叶片有臭味，树高可达30米，胸径1米以上，耐寒，耐旱及盐碱，不耐水湿，病虫害较少。对有毒气体的抗性较强，可作城市、工矿区和农村绿化树种。 8.栾树：花期6~8月，果期9~10月，高达20米，树皮灰褐色，细纵裂，耐干旱和瘠薄，对环境的适应性强，喜欢生长于石灰质土壤中，耐盐渍及短期水涝，有较强抗烟尘能力。可作为行道树、庭荫树。
大数据分析平台的需求报告 提供统一的数据导入工具，数据可视化工具、数据校验工具、数据导出工具和公共的数据查询接口服务管理工具是建立大数据分析平台的方向。 一、项目范围的界定 没有明确项目边界的项目是一个不可控的项目。基于大数据分析平台的需求，需要考虑的问题主要包括下面几个方面： （1）业务边界：有哪些业务系统的数据需要接入到大数据分析平台。 （2）数据边界：有哪些业务数据需要接入大数据分析平台，具体的包括哪些表，表结构如何，表间关系如何（区别于传统模式）。 （3）功能边界：提供哪些功能，不提供哪些功能，必须明确界定，该部分详见需求分析； 二、关键业务流程分析 业务流程主要考虑包括系统间数据交互的流程、传输模式和针对大数据平台本身涉及相关数据处理的流程两大部分。系统间的数据交互流程和模式，决定了大数据平台的架构和设计，因此必须进行专项分析。大数据平台本身需要考虑的问题包括以下几个方面： 2.1 历史数据导入流程 2.2 增量数据导入流程 2.3 数据完整性校验流程
2.4 数据批量导出流程 2.5 数据批量查询流程 三、功能性需求分析 3.1.历史数据导入3.1.1 XX系统数据3.1.1.1 数据清单 (3) 3.1.1.2 关联规则 (3) 3.1.1.3 界面 (3) 3.1.1.4 输入输出 (3) 3.1.1.5 处理逻辑 (3) 3.1.1.6 异常处理 (3) 3.2 增量数据导入3.3 数据校验 3.4 数据导出 3.5 数据查询 四、非功能性需求 4.1 性能
4.2 安全性 4.3 可用性 … 五、接口需求 5.1 数据查询接口 5.2 批量任务管理接口 5.3 数据导出接口 六、集群需求 大数据平台的技术特点，决定项目的实施必须考虑单独的开发环境和生产环境，否则在后续的项目实施过程中，必将面临测试不充分和性能无法测试的窘境，因此前期需求分析阶段，必须根据数据规模和性能需求，构建单独的开发环境和生产环境。 6.1开发环境 6.1.1 查询服务器 6.1.2 命名服务器 6.1.3 数据服务器 6.2 生产环境 6.2.1 查询服务器
工程大数据分析平台 随着大数据时代来临、无人驾驶和车联网的快速发展，汽车研发部门需要处理的数据量激增、数据类型不断扩展。相关数据涵盖车内高频CAN 数据和车外ADAS 视频非结构化数据、位置地理空间数据、车辆运营数据、用户CRM 数据、WEB 数据、APP 数据、和MES 数据等。 在此背景下，整车厂研发部门关心的是：如何将企业内部的研发、实验、测试、生产数据，社会用户的用车数据，互联网第三方数据等结合起来，将异构数据和同构数据整合到一起，并在此基础上，实现业务系统、分析系统和服务系统的一体化；怎样利用深度的驾驶员行为感知、智能的车辆预防性维护、与实时的环境状态交互，通过大数据与机器学习技术，建立面向业务服务与产品持续优化的车联网智能分析；最终利用数据来为产品研发、生产、销售、售后提供精准的智能决策支撑。这些都是整车厂在大数据时代下亟待解决的问题。 针对这一需求，恒润科技探索出以EXCEEDDATA 大数据分析平台为核心的汽车工程大数据整体解决方案。借助EXCEEDDATA 大数据分析平台，企业可以集成、处理、分析、以及可视化海量级别的数据，可实现对原始数据的高效利用，并将原始数据转化成产品所需的智能，从而改进业务流程、实现智慧决策的产业升级。 产品介绍: ●先进的技术架构 EXCEEDDATA 采用分布式架构、包含集成处理（ETL）与分析挖掘两大产品功能体系，共支持超过20 多个企业常见传统数据库和大数据源系统，超过50 多个分析处理算法、以及超过丰富的可视化智能展现库。用户可以自主的、灵活的将各种来源的原始数据与分析处
理串联应用，建立科学的数据模型，得出预测结果并配以互动的可视化智能，快速高效的将大数据智能实现至业务应用中。 平台包括分布式大数据分析引擎、智能终端展示、以及API。大数据分析引擎为MPP 架构，建立在开源的Apache Hadoop 与Apache Spark 之上，可简易的scale-out 扩展。在分析引擎的基础上包含数据源库、数据转换匹配器、数据处理操作库、机器学习算法库、可视化图形库等子模块。智能终端展示为行业通用的B/S 架构，用户通过支持跨操作系统和浏览器的HTML5/JS 界面与API 来与平台互动。
校园植物的识别与分类 一、目的与要求 1、通过对校园植物的调查研究，使学生熟悉观察、研究区域植物及其分类的基本方法。 2、了解校园植物种和科的识别特征。 3、编制校园植物检索表，并对植物进行归纳。 二、材料与器具 放大镜、镊子、铅笔、笔记本、检索表及相关工具书 三、常见庭院植物的物种识别与分类 现在的大学校园绿化比较好，栽培及自然生长的植物种类很多。在积累了被子植物的系统分类的基础理论知识后，可以充分利用校园的绿化优势，通过调查研究校园内植物的种类，熟悉观察、研究区域植物及其分类的基本方法，为其后的野外实习做准备。为保证实验的质量和效果，实验前指导教师可以根据学校的实际情况把学校分成不同的区域，学生可分成多个小组对不同校园区域的植物（包括栽培及自然生长的植物）进行调查研究。 （一）基础性实验——校园植物形态特征的观察与科学描述 对植物的形态特征进行科学的描述是进行物种识别与分类的基础，学生在野外实习之前一定要学会植物形态特征的科学描述方法。 植物种类的识别、鉴定必须在严谨、细致的观察研究后进行。在对植物进行观察研究时，首先要观察清楚每一种植物的生长环境，然后再观察植物具体的形态结构特征。植物形态特征的观察应起始于根（或茎的基部），结束于花、果实或种子。先用眼睛进行整体观察，细微、重要部分须借助放大镜观察，并能按以下特征进行观察和科学描述。 1、植物的性状——乔木；灌木亚灌木；草木（包括一、二年生或多年生），茎的形状、颜色、被毛或滑；直立；平卧，匍伏；攀援；缠绕或其他。 2、叶——单叶或复叶；叶形，有无叶柄？对生或互生，或轮生。叶面及叶背颜色如何？被毛或其它，网状脉或平行脉有托叶或无托叶？ 3、花序——总状类花序（如穗状、总状、园锥、伞形等花序）或聚伞类花序（如轮伞、聚伞花序）或花单生等。 4、花的各部分：观察、研究要极为细致、全面，从花柄开始，通过花萼、花冠、雄蕊，最后到雌蕊。必要时要对花进行解剖，分别作横切和纵切，观察花各部分的排列情况、子房位置、组成雌蕊的心皮数目、子房室数及胎座类型等。 （1）苞片——形状、颜色、数目、被毛或其他。 （2）花萼——萼片形状、颜色、数目、离生或合生、被毛或无毛。 （3）花冠——花瓣形态、颜色、数目、离生或合生、被毛或无毛。 （4）雄蕊——数目、花丝离生或合生，雄蕊与花瓣，萼片对生或互生。花药的着生情况和开裂方式。 （5）雌蕊——花柱数目、柱头分裂数或不裂或浅裂。 ①子房上位、下位或半下位； ②子房室的数目； ③胎座式（如中轴胎座、特立中央胎座、侧膜胎座等）； ④胚珠数目——少数或多数或定数。 （6）果实——属于何种果实？开裂或不开裂，果实的形状大小和颜色。
1、悬铃木 【科属分类】悬铃木科悬铃木属 【中文别名】法国梧桐 【拉丁学名】Platanus ×acerifolia（二球悬铃木）英国梧桐 Platanus occidentalis（一球悬铃木）美国梧桐 Platanus orientalis（三球悬铃木）法国梧桐 【生态习性】喜光。喜湿润温暖气候，较耐寒。适生于微酸性或中性、排水良好的土壤，微碱性土壤虽能生长，但易发生黄化。根系分布较浅，台风时易受害而倒斜。抗空气污染能力较强，叶片具吸收有毒气体和滞积灰尘的作用。本种树干高大，枝叶茂盛，生长迅速，易成活，耐修剪，所以广泛栽植作行道绿化树种，也为速生材用树种；对二氧化琉、氯气等有毒气体有较强的抗性。 【形态特征】落叶大乔木，高可达35米。 【园林用途】行道、庭荫 【产地分布】上海、杭州、南京、徐州、青岛、九江、武汉、郑州、西安等城市栽培的数量较多 【市树荣耀】郑州市 2、樟树 【科属分类】樟科樟属
【中文别名】香樟、木樟、乌樟、芳樟、番樟、香蕊、樟木子、桴树等 【拉丁学名】Cinnamomum camphora (L.) Presl 【生态习性】樟树喜光，稍耐荫；喜温暖湿润气候，耐寒性不强，对土壤要求不严，较耐水湿，但当移植时要注意保持土壤湿度，水涝容易导致烂根缺氧而死，但不耐干旱、瘠薄和盐碱土。主根发达，深根性，能抗风。萌芽力强，耐修剪。生长速度中等，树形巨大如伞，能遮阴避凉。存活期长，可以生长为成百上千年的参天古木，有很强的吸烟滞尘、涵养水源、固土防沙和美化环境的能力。此外抗海潮风及耐烟尘和抗有毒气体能力，并能吸收多种有毒气体，较能适应城市环境。 【形态特征】常绿大乔木，高可达50米。 【园林用途】行道、庭荫、园林 【产地分布】台湾、福建、江西、广东、广西、湖南、湖北、云南等省区 【市树荣耀】杭州市、宁波市、金华市、无锡市、南昌市、上饶市、景德镇市、樟树市、马鞍山市、安庆市、长沙市、鄂州市、绵阳市、自贡市、贵阳市 3、栾树 【科属分类】无患子科栾树属 【中文别名】大夫树、灯笼树等 【拉丁学名】Koelreuteria paniculata 【生态习性】栾树是一种喜光，稍耐半荫的植物；耐寒；耐干旱和瘠薄，喜欢生长于石灰质土壤中。适应性强，喜生于石灰质土壤，耐盐渍及短期水涝。深根性，萌蘖力强，生长速度中等，幼树生长较慢，以后渐快，有较强抗烟尘能力。栾树
蔬菜种子的识别 目的要求 通过实践学会根据种子的形态特征识别各种蔬菜种子，通过对种子的形态鉴别，掌握主要蔬菜种子的特征和识别的基本方法。 材料和用具 各种蔬菜的干种子 典型蔬菜的新鲜种子（豆角、茼蒿、奶白菜、香菜、菜心、葱） 蔬菜种子的概念 蔬菜栽培学上对“种子”的定义与植物学不同。植物学上的“种籽”是指由胚珠经过受精后发育成具有胚、胚乳和种皮等结构的幼小生命体。 蔬菜生产所用的种子，泛指所有的播种材料。从植物学的角度可以分为三类。 一是植物学上真正的种子，仅由胚珠形成，如豆科（大豆、花生、蚕豆、豌豆）、瓜类（黄瓜、南瓜、苦瓜、节瓜、丝瓜、瓠瓜）、茄果类（番茄、辣椒、茄子）、白菜类等蔬菜种子二是植物学上的果实，由胚珠与子房构成，如菊科（莴苣、茼蒿）、伞形科（胡萝卜、芹菜、香菜、茴香）、藜科（菠菜、叶甜菜）等蔬菜种子。 三是属于营养器官，有鳞茎（百合、洋葱）、球茎（芋头、荸荠）、根状茎（红薯）、块茎（土豆）等。 果实的概念 果实是被子植物独有的繁殖器官，一般是由受精后雌蕊的子房发育形成的特殊结构包括果皮和种子两部分。由子房发育成的果实称真果。如桃、柑桔、杏、柿等。有些植物除子房外，花的其他部分如花被、花柱及花序轴等也参与果实的形成，这种果实称假果。如梨、山碴、无花果、风梨等。 种子和果实的形成
种子的结构 种孔是由胚珠上的珠孔发育而形成的，为种子萌发时吸收水分和胚根伸出的部位。珠孔是种子植物的胚珠顶端由于珠被不愈合而形成的一个小开孔或小缝隙，又名卵孔。 种脐是种子成熟后从种柄或胎座上脱落后留下的疤痕。其形状、大小、颜色和位置常随植物种类而有不同。向种子输送营养的唯一通道。 种脊是种脐到合点之间隆起的脊棱线，内含维管束。由倒生胚珠的珠柄发育而来。
大数据平台技术要求 1. 技术构架需求 采用平台化策略，全面建立先进、安全、可靠、灵活、方便扩展、便于部署、操作简单、易于维护、互联互通、信息共享的软件。 技术构架的基本要求： 采用多层体系结构，应用软件系统具有相对的独立性，不依赖任何特定的操作系统、特定的数据库系统、特定的中间件应用服务器和特定的硬 件环境，便于系统今后的在不同的系统平台、不同的硬件环境下安装、 部署、升级移植，保证系统具有一定的可伸缩性和可扩展性。 实现B（浏览器）/A（应用服务器）/D（数据库服务器）应用模式。 采用平台化和构件化技术，实现系统能够根据需要方便地进行扩展。2. 功能指标需求 2.1基础平台 本项目的基础平台包括：元数据管理平台、数据交换平台、应用支撑平台。按照SOA的体系架构，实现对我校数据资源中心的服务化、构件化、定制化管理。 2.1.1元数据管理平台 根据我校的业务需求，制定统一的技术元数据和业务元数据标准，覆盖多种来源统计数据采集、加工、清洗、加载、多维生成、分析利用、发布、归档等各个环节，建立相应的管理维护机制，梳理并加载各种元数据。 具体实施内容包括： ●根据业务特点，制定元数据标准，要满足元数据在口径、分类等方面的 历史变化。 ●支持对元数据的管理，包括：定义、添加、删除、查询和修改等操作，
支持对派生元数据的管理，如派生指标、代码重新组合等，对元数据管 理实行权限控制。 ●通过元数据，实现对各类业务数据的统一管理和利用，包括： ?基础数据管理：建立各类业务数据与元数据的映射关系，实现统一 的数据查询、处理、报表管理。 ?ETL：通过元数据获取ETL规则的描述信息，包括字段映射、数据转 换、数据转换、数据清洗、数据加载规则以及错误处理等。 ?数据仓库：利用元数据实现对数据仓库结构的描述，包括仓库模式、 视图、维、层次结构维度描述、多维查询的描述、立方体（CUBE） 的结构等。 ●元数据版本控制及追溯、操作日志管理。 2.1.2数据交换平台 结合元数据管理模块并完成二次开发，构建统一的数据交换平台。实现统计数据从一套表采集平台，通过数据抽取、清洗和转换等操作，最终加载到数据仓库中，完成整个数据交换过程的配置、管理和监控功能。 具体要求包括： ●支持多种数据格式的数据交换，如关系型数据库：MS-SQLServer、MYSQL、 Oracle、DB2等；文件格式：DBF、Excel、Txt、Cvs等。 ●支持数据交换规则的描述，包括字段映射、数据转换、数据转换、数据 清洗、数据加载规则以及错误处理等。 ●支持数据交换任务的发布与执行监控，如任务的执行计划制定、定期执 行、人工执行、结果反馈、异常监控。 ●支持增量抽取的处理方式，增量加载的处理方式； ●支持元数据的管理，能提供动态的影响分析，能与前端报表系统结合， 分析报表到业务系统的血缘分析关系； ●具有灵活的可编程性、模块化的设计能力，数据处理流程，客户自定义 脚本和函数等具备可重用性； ●支持断点续传及异常数据审核、回滚等交换机制。
又称水王荪，水鳖科，黑藻属，多年生沉水草本。茎具分 枝；叶轮生，线形，质薄，无柄；雄花浮于水面，雌花伸 出水面；果线形，平滑或具瘤点，种子长圆形；花、果期 8-10月。 多分布于泥沙质或含多量腐质的泥沙中，常见于各池沼 中。耐碱性，喜温而耐热，冬季不能生长，初春萌发。营养体分支能力很强，茎秆任何高度茎节上均能产生分枝和不定根。耐污，净化能力中等。适宜浅水绿化，水下植被的良好材料，常作为中景、背景使用，是良好的沉水观赏植物。 轮叶黑藻 是黑藻的主要类型，水鳖科，黑藻属，属多年生沉水植物。茎细长呈圆柱形，表面具纵向细棱纹，质较脆，叶呈螺旋状紧密排列，为略显透明的淡黄绿色，狭披针形，通常4-8枚轮生，边缘锯齿明显，无叶柄。 既耐寒又耐热，在15～30℃的温度范围内生长良好。自然界常见于水塘中，适应各种水质。生长快速，能迅速吸收水中大量的肥料，净水能力强。 苦草 苦草，水鳖科，苦草属，多年生无茎沉水草本，匍匐枝 纤细；叶长条形，随水深浅而长短不一，质薄，全缘或 先端具细锯齿；花浮于水面；果线形；花期8-9月，果期 9-10月。 较耐热、耐碱性，有较强的适应风浪能力。生物量密布 水底，呈莲座式生长，生长点在泥面之下，由泥中叶腋内的腋芽长出分枝。光补偿点很低，能够较好的适应弱光照条件。 苦草植株叶长、翠绿、丛生，是植物园水景、风景区水景、庭院水池的良好水下绿化材料。 金鱼藻 金鱼藻科，金鱼藻属，多年生草本的沉水性水生植物， 别名细草、软草、鱼草。全株暗绿色。茎细柔，有分枝。 叶轮生，每轮6-8叶;无柄;叶片2歧或细裂，裂片线状， 具刺状小齿。花小，单性，雌雄同株或异株，腋生，无 花被;总苞片8-12，钻状;雄花具多数雄蕊;雌花具雌蕊1 枚，子房长卵形，上位，1室;花柱呈钻形。小坚果，卵 圆形，光滑。花柱宿存，基部具刺。花期6-7月，果期8-10月。 金鱼藻多年生长于小湖泊静水处，曾经于池塘、水沟等处常见，金鱼藻无根，全株沉于水中，因而生长与光照关系密切，当水过于浑浊，水中透入光线较少，金鱼藻生长不好，但当水清透入阳光后仍可恢复生长。在2%～3%的光强下，生长较慢。5%～10%的光强下，生长迅速，但强烈光照会使金鱼藻死亡。金鱼藻在pH值7.1～9.2的水中均可正常生长，但以pH值7.6～8.8最为适。金鱼藻对水温要求较宽，但对结冰较为敏感，在冰中几天内冻死。金鱼藻是喜氮植物，水中无机氮含量高生长较好。金鱼藻适宜水深在1米范围之内。
常见种子植物108科的野外识别要点 1．松科：木本；叶针形或线形，螺旋状排列，单生或簇生；球果种鳞与苞鳞离生。 2．杉科：乔木；叶披针形、钻形、条形或鳞形；种鳞除水杉为交互对生外均为螺旋状排列；种鳞与苞鳞半合生或合生。 3．柏科：木本；叶鳞形，叶与种鳞均为交互对生或轮生；种鳞与苞鳞合生。 4．罗汉松科：常绿木本；叶线形、披针形或阔叶状圆形、针状或鳞片状，互生，稀对生；种子核果状或坚果状，为肉质假种皮所包被着生于种托上。 5．三尖杉科：常绿木本，小枝对生；叶线形，对生，基部扭曲而成二列状排列；种子核果状，为由珠托发育而成的肉质假种皮所包被。 6．红豆杉科：常绿木本，小枝对生；叶线形或针形，互生或对生，常二列；种子核果状或坚果状，为由珠托发育而成的肉质假种皮所全包或半包。 7．木兰科：木本；单叶互生，托叶包被芽、早落、并在节上留有环痕；雄蕊和雌蕊多数、离生、螺旋状排列；蓇葖果或稀带翅坚果。 8．八角科：常绿木本；单叶互生，无托叶，具香气；心皮离生，轮状排列；蓇葖果。 9．五味子科：藤本；单叶互生，无托叶；花单性；聚合果呈球果状或散生于极延长的花托上；种子藏于肉质果肉内。 10．樟科：木本；单叶互生，具樟脑味；花药瓣裂，第三轮雄蕊外向；核果。 11．毛茛科：草本；裂叶或复叶；花两性，各部离生，雄蕊和雌蕊螺列于膨大的花托上；聚合瘦果。 12．睡莲科：水生草本；具根状茎；叶盾状或心形；花大，单生；坚果埋于海绵质的花托内或为浆果状。 13．小檗科：花单生或总状花序，花瓣常变为蜜腺，雄蕊与花瓣同数且与其对生，花药活板状开裂；浆果或蒴果。 14．木通科：藤本；常掌状复叶互生；花单性，单生或总状花序，花部3基数，花药外向纵裂；肉质的蓇葖果或浆果。 15．防己科：藤本；单叶互生，常为掌状叶脉；花单性异株，心皮离生；核果。 16．马兜铃科：草本或藤本；叶常心形；花两性，常具腐肉气，花被通常单层、合生、3裂，子房下位或半下位；蒴果。 17．胡椒科：叶具离基三出脉，常有辛辣味；花小，裸花；核果。 18．罂粟科：植物体有白或黄色汁液；无托叶；萼早落，雄蕊多数，离生；侧膜胎座；蒴果。
3 常用木本园林植物性状表 序号 中文名 （学名） 科 名 生态习性 生物学特性及观赏 特性 园林用途图片对照 常绿针叶树 1 苏铁 Cycas revoluta 苏 铁 科 中性，喜暖热湿润气 候及酸性土 花黄褐色7~8月， 姿态优美 景园树 2异叶南洋杉 Araucaria heterophylla 南 洋 杉 科 阳性，喜暖热气候， 不耐寒，喜肥，生长 快 树冠塔形 风景树、 行道树 3 马尾松 Pinus massoniana 松 科 强阳性，喜温暖湿润 气候，宜酸性土，忌 水涝和盐碱，耐瘠薄， 深根性，生长快 针叶细软 风景林、 用材林 4 雪松 Cedrus deodara 松 科 弱阳性，喜温和凉润 气候，耐寒性不强， 抗污染力弱，不耐水 湿，浅根性， 树冠幼年圆锥形， 姿态优美，树干挺 直，老枝铺散，小 枝梢下垂 庭荫树、 风景林 5 柳杉 Cryptomeria fortunei 杉 科 中性，喜温湿气候及 酸性土，浅根性，侧 根发达，生长快 树冠圆锥形，树姿 优美，绿叶婆娑 庭荫树 6 侧柏 Platycladus orientalis 柏 科 阳性，耐寒，耐干旱 瘠薄，抗污染能力强， 耐修剪 幼时树冠圆锥形 庭荫树、 防护林、 绿篱
7 千头柏 Platycladus orientalis cv. Sieboldii 柏 科 阳性，耐寒，耐干旱 瘠薄，抗污染能力强， 耐修剪 树冠紧密，近球形 庭院观 赏、绿篱 8圆柏（桧柏） Sabina chinensis 柏 科 阳性，幼树稍耐阴， 耐干旱瘠薄，耐寒， 稍耐湿，耐修剪，防 尘隔音效果好 幼年树冠狭圆锥形 庭荫树、 防护林、 行道树、 绿篱 9 龙柏 Sabina chinensis cv. Kaizuca 柏 科 阳性，耐寒性不强， 抗有害气体，滞尘能 力强，耐修剪 树冠圆柱形似龙 体，侧枝稍有螺旋 体 庭荫树、 园景树 1 0 塔柏 Sabina chinensis cv. Pyramidalis 柏 科 阳性，耐寒，耐修剪， 通常全为刺叶 树冠圆柱状窄塔形 行道树、 园景树 1 1 铺地柏 Sabina procumbens 柏 科 阳性，耐寒，耐干旱， 生长较慢 匍匐灌木 地被、岩 石园、盆 景 1 2 罗汉松 Podocarpus macrophyllus 罗 汉 松 科 半阴性，喜温暖湿润 气候，不耐寒 树形优美，种子卵 圆形，熟时紫红色， 观果观叶 庭荫树、 绿篱 落叶针叶树 1 3 水杉 Metasequoia glyptostroboide s 杉 科 阳性，喜温暖，较耐 寒，耐水湿 树冠狭圆锥形，秋 叶红褐色 庭荫树、 防护林、 水边绿化
1.2 识别植物种类的方法 一、运用植物的分类原则和演化趋向的理论来提高识别各个植物类群的能力 裸子植物是介于蕨类植物和被子植物之间的、能产生种子（不形成果实）的一群维管束植物；被子植物的最显著特征就是种子外包有子房壁（形成果实），是一群演化水平最高、结构与机能最复杂、种类最多、经济用途最大、分布最广的最高级的维管束植物。 植物在长期的演化过程中，在自然条件下不断地选择和影响下，它们的外部形态和内部解剖构造等特征，与其亲缘关系和进化的程度，一般来讲是相适应的、是统一的。因此，植物的特征，特别是形态特征，便成为人们容易辩论和掌握的植物系统演化上的重要标志。系统分类既然必须以进化原则为依据，则植物的形态学特征便成为分类的主要标准之一，特别是花和果实的形态特征作为分类的标准最为普遍，因为这些特征的变异要比营养器官小，相对来讲是比较稳定的。 在被子植物的分类中，一般以子叶的数目、叶脉的类型、中柱的类型、花部排列的状况、数目、离生或合生，两性或单性，以及果实、胚乳的有无等作为纲、目、科的特征；而各部器官的形状、大小、颜色、有毛与否等性状，则常用作属、种的分类依据。习惯上把现存分类群中也为祖先所具有的性状看作是原始的性状，而把那些多少显得特化的性状看作是进化的性状。如能掌握这些分类原则和演化趋向的理论，就可以帮助我们判断每个植物类群在整个植物系统演化中的位置，也就是说，这个植物类群在系统演化中是属于原始的类群，还是比较进步或是最高级的植物类群。 二、注意从植物与环境的辩证关系中提高识别植物种类的能力 任何植物的生长发育，和周围的环境是密不可分的。也就是说，每一种植物在通常的情况下，只能在对它适宜的环境条件下生长发育。植物的这种特性，正是在植物长期对环境条件的适应过程中所形成的。因此，在不同的环境条件下，就会有不同的植物种类。如水稻可以生长于水田，而玉米、小麦只能种在旱地，柑桔生长于我国亚热带，而苹果则分布在温带。植物的生长发育规律又能反映环境的各种特点，如常绿林植物反映出该地区全年温度较高，雨量丰富；落叶植物是冬季低温的反映。而植物的生长发育对环境也必然会产生一定的影响。由此可见，植物与环境有着极为密切的辩证关系。植物能改造环境，同时又是一定环境条件下的产物。 环境是各个生态因子的总和，它包括光、温度、水、空气和土壤等，这些因
任何一款游戏运营，都是以UED、数据分析为导向，如何开发、运营好一款成功的全球社交游戏，是每个社交游戏产品经理头等大事。用数据说话，是一个简单明快的操作方式，但社交游戏的数据如何分类？海内外关注点有何区别？相信作为每个社交游戏产品经理是非常关心的话题，那么我们就从基础知识入手，逐步梳理出符合运营需求的核心数据环节，抛弃冗长复杂的多类数据，为自己的成功打下扎实的基础。 付费率=付费用户÷活跃用户x100 活跃率=登陆人次÷平均在线人数 ARPU值=收入÷付费用户 用户流失率=游戏当前活跃用户规模÷历史注册总量 同时在线峰值=24小时内同时在线最高达到人数 平均在线=24小时每小时同时在线相加总和÷24小时 中国大陆运营游戏平均同时在线用户=ACU 【有称ACCU】 采用道具收费模式游戏活跃付费用户=APC 活跃付费账户=APA 付费用户平均贡献收入=ARPU 当日登录账号数=UV 用户平均在线时长=TS 最高同时在线人数=PCU 【有称PCCU】 同时在线人数=CCU 付费人数一般是在线人数2～4倍。 活跃用户（玩家）：是指通过你的推广代码注册，不属于小号或作弊情况、正常进行游戏一个月以上未被官方删除的用户视为活跃用户。 您推广的两个用户目前还没有通过至少1个月的审查时间，您可以在您的推广纪录中查看您推广用户的注册时间。且这两个用户需要满足上述对活跃玩家的定义才能称为活跃玩家！ 活跃付费账户=APA。 每个活跃付费用户平均贡献收入=ARPU。 【活跃天数计算定义】 活跃天指用户当天登陆游戏一定时间、认定用户当天为活跃、活跃天数加1天。 当天0：00-23：59登陆游戏时间2小时以上用户当天为活跃天、活跃天数累积1天。 当天0：00-23：59登陆游戏时间0.5小时至2小时、活跃天数累积0.5天。 当天0：00-23：59登陆游戏时间0.5小时以下、不为其累积活跃天数。 每日：
第一项：日常性数据（基础） 1.流量相关数据： 1.1IP 1.2PV 1.3在线时间 1.4跳出率 1.5新用户比例 2.订单相关数据： 2.1总订单 2.2有效订单 2.3订单有效率 2.4总销售额 2.5客单价 2.6毛利润 2.7毛利率 3.转化率相关数据： 3.1下单转化率 3.2付款转化率。 简要说明： 1.因为我们已经实现基础的WEB版数据分析系统（有些公司用进销存软件），所以常规性的销售额、利润、利润率，都是可以通过系统实现的。 2.因为直接与商城后台对接，库存管理都已经做进去了，分析数据时候，后台的原始数据都有，设定好各项公式，想要的结果都出来了，这样实现比用软件效率更好，且可以根据各自的需求灵活开发。 3.由于会出现用户今日下单，明日付款，所以订单有效率、销售额、转化率、客单价会动态变化，靠
EXCEL基本是做不来，所以灵活对接系统非常重要，如果没有，也可以参考这方面的需求去开发。第二项：每周数据分析（核心） 用户下单和付款不一定会在同一天完成，但一周的数据相对是精准的，所以我们把每周数据作为比对的参考对象，主要的用途在于，比对上周与上上周数据间的差别，运营做了某方面的工作，产品做出了某种调整，相对应的数据也会有一定的变化，如果没有提高，说明方法有问题或者本身的问题并在与此。 1.网站使用率：IP、PV、平均浏览页数、在线时间、跳出率、回访者比率、访问深度比率、访问时间比率。 这是最基本的，每项数据提高都不容易，这意味着要不断改进每一个发现问题的细节，不断去完善购物体验。 来说明下重要的数据指标： 1.1跳出率：跳出率高绝不是好事，但跳出的问题在哪里才是关键。我的经验，在一些推广活动或投放大媒体广告时，跳出率都会很高，跳出率高可能意味着人群不精准，或者广告诉求与访问内容有巨大的差别，或者本身的访问页面有问题。常规性的跳出率我注于登录、注册、订单流程1-3步、用户中心等基础页面，如果跳出率高于20%，我觉得就有不少的问题，也根据跳出率来改进购物流程和用户体验。 1.2回访者比率=一周内2次回访者/总来访者，意味着网站吸引力，以及会员忠诚度，如果在流量稳定的情况下，此数据相对高一些会比较高，太高则说明新用户开发的太少，太低则说明用户的忠诚度太差，复购率也不会高。 1.3访问深度比率=访问超过11页的用户／总的访问数，访问时间比率=访问时间在10分钟以上的用户数／总用户数，这两项指标代表网站内容吸引力，数据比率越高越好。 2.运营数据：总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率、下单转化率、付款转化率、退货率；每日数据汇总，每周的数据一定是稳定的，主要比对于上上周的数据，重点指导运营内部的工作，如产品引导、定价策略、促销策略、包邮策略等。
实验一蔬菜种子的形态识别与种子质量鉴别 一目的掌握从形态特征和解剖结构识别蔬菜种子所属种类，并观察种子结构的特点。识别种子的新、陈及其生活力；种子质量的鉴定方法。 二、材料各种蔬菜，包括种、变种、品种。几种有代表性蔬菜浸泡果的种子和新的及陈的种子。三方法 1. 形态观察仔细观察并记载新的及陈的种子在色泽、气味等方面的区别。用肉眼和放大镜观察各种蔬菜种子的外部形态，记载其特点如：形状、颜色、种皮形态等。 2. 结构观察观察浸泡果的蔬菜种子，用解剖刀片横剖及纵剖，用放大镜观察各部分结构，并绘图说明。 3. 种子的纯度测定根据种子大小，秤出种子2份，每份5-100克，仔细清除混杂物后再秤重。根据秤重结果计算种子样品的纯洁度。 4. 千粒重的测定将上述纯净的种子平铺桌面成四方形，按对角线取样，划对角线成为四个三角形，取出其中一半种子混合，再如此继续取样，直到只有种子千粒左右时，数出1000粒秤重。 5. 发芽率及发芽势的测定取上述纯净种子，每100粒1份，各2-3份。置于垫有湿润滤纸的培养皿中，喜凉菜置于20℃；喜温菜置于25℃恒温箱中催芽。2天后每天记载发芽粒数，直到发芽终止。根据测定结果计算发芽率和发芽势。四作业 1.根据实验结果，论述识别种子的内容及其重要性。识别种子的要点。 2. 根据所取种子样品的各项指标的测定结果，说明该种子的品质和使用价值。 1. 种子的类别： A 真正的种子：仅有胚珠形成。如葫芦科（瓜类）、豆科（豆类）、十字花科（白菜、甘蓝、芥菜部分根菜）、茄果类、苋菜等。 B 果实：有胚珠和子房构成。菊科、伞形科、黎科。 C 营养器官：鳞茎（洋葱、大蒜）、球茎（芋头、荸荠）、根状茎（生姜、莲藕）、块茎（马铃薯、菊芋、山药） D 菌丝组织：蘑菇、草菇、木耳。 2. 种子的形态与结构 wk_ad_begin({pid : 21});wk_ad_after(21, function(){$('.ad-hidden').hide();}, function(){$('.ad-hidden').show();}); A 种子的形态是判别蔬菜种类，判断种子品质，老、嫩、新、陈的重要依据。种子的形态特征：外形、光洁度、沟、棱、毛刺、网纹、蜡质、突起物等。 如茄果类种子为肾形，茄子种皮光洁，辣椒种皮厚薄不匀，番茄种皮形成银色毛刺。甘蓝和白菜种子大小、色泽相近，都是黄褐色球形。甘蓝种子球面有双沟，白菜种子球面有单沟。 成熟的种子色泽较深，具有蜡质；幼嫩的种子色泽浅，皱瘪。新种子色泽鲜艳光洁，具有香味；陈种子色泽灰暗，具有霉味。 B 蔬菜种子的结构包括种皮和胚，有些种子还含有胚乳。 种皮是把种子内部结构与外界隔离开来的保护结构。真种子的种皮是由珠被形成；属于果实的种子，种皮是由子房形成的果皮，而真正的种皮或成为薄膜如菠菜、芹菜等；或被挤压破碎，粘贴于果皮的内壁而混成一体，如莴苣种子。种皮上有“种脐”，种脐一段的小孔即“珠孔”（发芽孔）。
大数据处理平台及可视化架构设计说明书 版本：1.0 变更记录
目录 1 1. 文档介绍 (3) 1.1文档目的 (3) 1.2文档范围 (3) 1.3读者对象 (3) 1.4参考文献 (3) 1.5术语与缩写解释 (3) 2系统概述 (4) 3设计约束 (5) 4设计策略 (6) 5系统总体结构 (7) 5.1大数据集成分析平台系统架构设计 (7) 5.2可视化平台系统架构设计 (11) 6其它 (14) 6.1数据库设计 (14) 6.2系统管理 (14) 6.3日志管理 (14)
1 1. 文档介绍 1.1 文档目的 设计大数据集成分析平台，主要功能是多种数据库及文件数据；访问；采集；解析，清洗，ETL，同时可以编写模型支持后台统计分析算法。 设计数据可视化平台，应用于大数据的可视化和互动操作。 为此，根据“先进实用、稳定可靠”的原则设计本大数据处理平台及可视化平台。 1.2 文档范围 大数据的处理，包括ETL、分析、可视化、使用。 1.3 读者对象 管理人员、开发人员 1.4 参考文献 1.5 术语与缩写解释
2 系统概述 大数据集成分析平台,分为9个层次，主要功能是对多种数据库及网页等数据进行访采集、解析，清洗，整合、ETL，同时编写模型支持后台统计分析算法，提供可信的数据。 设计数据可视化平台 ,分为3个层次，在大数据集成分析平台的基础上实现大实现数据的可视化和互动操作。
3 设计约束 1.系统必须遵循国家软件开发的标准。 2.系统用java开发，采用开源的中间件。 3.系统必须稳定可靠，性能高，满足每天千万次的访问。 4.保证数据的成功抽取、转换、分析，实现高可信和高可用。
提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“分析”本身是每个人都具备的能力；比如根据股票的走势决定购买还是抛出，依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。 这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。 1.数据分析的战略思维 无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？ 数据分析的目标 对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。 数据分析的作用 我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。 通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。 数据分析进化论 我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。 阶段 1：观察数据当前发生了什么？ 首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎 A 的广告，想要
常用木本园林植物性状表3 科生物学特性及观赏序中文名园林用途图片对照生态习性 （学名）特性号名 常绿针叶树 苏中性，喜暖热湿润气花黄褐色7~8月，苏铁1铁景园树Cycas revoluta姿态优美候及酸性土科 南阳性，喜暖热气候，异叶南洋杉风景树、洋Araucaria 2不耐寒，喜肥，生长树冠塔形杉行道树heterophylla快科 强阳性，喜温暖湿润马尾松松风景林、气候，宜酸性土，忌Pinus 3 针叶细软 用材林水涝和盐碱，耐瘠薄，科massoniana深根性，生长快 弱阳性，喜温和凉润树冠幼年圆锥形，松姿态优美，树干挺气候，耐寒性不强，雪松庭荫树、4 Cedrus deodara风景林抗污染力弱，不耐水直，老枝铺散，小科 湿，浅根性，枝梢下垂
柳杉中性，喜温湿气候及杉树冠圆锥形，树姿Cryptomeria 5庭荫树酸性土，浅根性，侧 优美，绿叶婆娑科fortunei根发达，生长快 侧柏阳性，耐寒，耐干旱庭荫树、柏Platycladus 6 防护林、幼时树冠圆锥形抗污染能力强，瘠薄， 科orientalis绿篱耐修剪 续表科生物学特性及观赏中文名序园林用途图片对照生态习性 （学名）号特性名 千头阳性，耐寒，耐干Platycladus观7 瘠薄，抗污染能力强，树冠紧密，近球形cv. orientalis 赏、绿篱科耐修剪Sieboldii 庭荫树、阳性，幼树稍耐阴，圆柏（桧柏）柏防护林、耐干旱瘠薄，耐寒，Sabina 8幼年树冠狭圆锥形 行道树、稍耐湿，耐修剪，防科chinensis绿篱尘隔音效果好 龙柏阳性，耐寒性不强，树冠圆柱形似龙柏Sabina 庭荫树、9体，侧枝稍有螺旋抗有害气体，
运营平台需求说明 Form：产品部制作人：龚山艳日期：2011/11/28 TO：运营部 背景 目前的产品部缺少推出产品后对用户行为数据的收集分析，监测推向市场的产品（细分到二级功能栏目）用户使用状况及用户偏好。 运营BI平台需要实现的其中之一目标：满足产品经理对自己搭建的产品模块的各项流量数据指标进行对比，挖掘用户偏好，监控新推出的产品用户关注度等功能，以便于对产品细节进行改进。 目标 通过搭建运营BI平台进行用户行为数据统计，建立标准化模型，对产品进行按栏目分类、按时间、按PV、UV、用户停留时间等数据进行横纵向图表分析用户行为、数据挖掘，掌握产品推向市场的的总体表现，以及深度挖掘用户的喜好及用户的需求，分析产品的优势及不足之处，便于产品经理提出产品改进计划，不断推出更符合用户需求、具有竞争力的产品。需求说明 一、需求概述 条件索引：时间、指标、栏目 时间维度：时段、周、季度及日历表自定义，日统计是分时段，周/月/季是按日统计（汇总值与每日值）； 主要指标： 1）流量指标--独立访客(UV)、IP、停留时间，访问量（PV）、人均浏览次数、人均在线时长； 2）运算指标--跳转率、回访率、流失率、其他流量指标占比； 3）用户分类指标--总用户、新用户、活跃用户、流失用户； 4）用户信息指标--访问频率、首次访问时间、最近一次登陆时间、访问频率、平均停留时间、所用操作系统、分辨率、用户属哪类（分析师、基金经理、研究员、投资顾问）； 栏目分级：一级、二级（栏目、功能键）见附表。 四大模块：全局运营分析、流量指标分析、用户信息分析、用户体验分析； 功能要求：报表展示、灵活查询对比、导出外部文件、数据有连惯性有精度、排除干扰因素；