科学研究论文发表的文章

摘要：为保护自己度过寒冬，到了秋冬季节，不少植物的叶子纷纷凋落。这些落叶人们是怎么处理的？经我们调查，了解到现有落叶大部分是随着生活垃圾一起被填埋，然后在自然界中慢慢腐烂分解。有没有更好的处理这些落叶的方法？怎样处理？在老师的帮助下，我们进行了一些实验，利用微生物（主要是腐生细菌），在实验室创设条件把梧桐叶进行降解转化成有机肥，从而提出自己的一些设想：对于树叶、菜场废弃的菜叶等等有机垃圾，能否采取集中快速转化处理法，让它们变废为宝，成为农田、草坪、花卉等专用肥料。 我们走访了几个垃圾处理中转站，在那儿，我们了解到南京市政府早就规定禁止焚烧落叶，这些落叶都将随着生活垃圾被运到南京最大的有机垃圾处理场被填埋。我们又随着垃圾车来到江宁水阁有机垃圾处理场，在那儿，我们看到一车一车的垃圾都被运到这儿，其中，有生活垃圾，也有建筑垃圾，还有树叶。许多拾荒者把其中能卖钱的垃圾捡出来，也把人们扔掉的剩饭剩菜捡出来回家喂猪，而树叶和其它垃圾混在一起被推土机压在一起被填埋，成为垃圾山，处理厂利用这些被填埋垃圾在慢慢腐烂过程中产生的沼气进行发电，但发电量不大，效益还远远不够发电机组的成本。能否更有效地利用落叶？ “碾作尘土，化作泥”。这是土壤中的腐生细菌在起作用，但在大自然中这需要很长时间，至少是3—6个月。我们是否可以在比较短时间内完成这种转化？树叶可以有效地转化成有机肥吗？我们请教了南师有关专家，在他们的指导下，我们进行了落叶快速转化为有机肥的探究性实验。二、研究过程与方法1、收集了4斤梧桐树叶，把树叶分成两组，一组粗的（把树叶加工成1至2平方厘米）一组细的（把树叶加工成粉末状）。2、分别让它们吸足水分，加入菌种（每千克泡水后的树叶加入11克菌种左右），同时适当加入少量麦麸、鱼粉（每千克树叶加入7克+3克）作为营养源，加入石灰粉调节酸碱度，装入塑料袋中，套上无菌培养容器封口膜以保持通气。3、 放入30摄氏度左右的温箱中，进行观察。三、实验现象及结果日期细的（加鱼粉和麦麸）粗的（加鱼粉和麦麸）细的（不加鱼粉和麦麸）粗的（不加鱼粉和麦麸）12、14粉末状，浅土黄色（因为吸了水分的缘故）树叶气味浓。1—2平方厘米，浅土黄色，树叶气味浓。 粉末状，土黄色，树叶气味浓。1—2平方厘米，浅土黄色，树叶气味浓。 12、20粉末状，仍为土黄色，但底部有一点点白色斑点。树叶气味变淡了，有些腐烂的气味。树叶气味变淡了些，有腐烂的气味。其余的没变。还能闻出树叶气味，其余的没变。还能闻出树叶气味，其余的没变。 12、30粉末状，深土黄色，靠近袋子底部有一圈像棉花一样的白色绒毛状物体，是菌体。已闻不出明显的树叶气味。有点土腥味。深土黄色，里面有一些白色的点点，闻起来有点土腥味。其余未变。 粉末状，土黄色。无明显的树叶气味。极少的白色点点（菌体），树叶气味极淡。 1、10粉末状，深褐色，有许多白色绒毛状的菌体，有土腥味。 颜色有变化，为深褐色，有不少白色绒毛状的菌体，有土腥味。在显微镜下面看到的菌体是这样的: 粉末状，土黄色，有一些白色点点（菌体）。 土黄色，有少量的白色点点（菌体） 1、25粉末状，像土一样的黑灰色，土腥味变淡。用手捏叶片，不太容易把它捏碎。深褐色，叶片上有许多白色的菌体，手轻轻一捏叶片，就很容易变成粉末。没有气味了。老师说，这就是叶片已明显地降解了。 粉末状，土黄色，白色菌体更多些，土腥味重。用手捏叶片，很不容易把它捏碎。 有一些白色的点点，气味有变化，土腥味重。用手捏叶片，很不容易把它捏碎。 四、结论与收获从表格中可以看出，加工成粗的并加入麦麸和鱼粉的梧桐树叶经过一个多月的时间发生了很大的变化：颜色由土黄色变成了深褐色，菌体也大量产生，树叶原有的香味也慢慢消失，手轻轻一捏叶片，就很容易变成粉末，已明显地降解了。而其他三种（加工成细的不加入麦麸和鱼粉的梧桐树叶，加工成细的加入麦麸和鱼粉的梧桐树叶，加工成粗些的并加入麦麸和鱼粉的梧桐树叶）转化需要的时间稍长些。一个多月下来，有一些变化，但还没有能大量降解。另外，同时埋在学校操场边上花坛土中的同样的树叶几乎没什么变化。我们分析，其中原因，主要是因为腐生细菌喜欢生活在温暖、湿润、富含有机物的环境中，在这样的环境中，它能以很快的速度繁殖并生长，而粗的加营养源的树叶恰恰给腐生细菌创造了这样一个良好的生存环境：温箱提供适宜的温度，加麦麸、鱼粉提供一定的营养，粗的树叶能吸取水分，但又不是太多，保持湿润。因此，降解速度能加快。而其它的由于没有能满足腐生细菌生长的所有条件，降解速度要慢一些。由此，我们想到，如果我们保洁人员在收集垃圾时把树叶、菜叶等有机垃圾与其它垃圾分开收集，由中转站统一送到一指定地点，也创设像实验中那样利于腐生细菌生长的环境，如造一个人工降解池，把这些有机物堆放在一起，接入合适的菌种，并搭大棚利用太阳能提供一定的温度，那么，一方面这些垃圾可以被迅速处理掉，缩短周期，节约场地，有利于改善环境；另一方面，转化成的有机肥又可以被利用，如给城市中的花施肥、给草坪施肥。这次活动，给我们上了一节生动的环保课，我们学到了许多书本上没有的知识，大开了眼界，真正体会到“垃圾是放错了地方的资源”，我们要充分利用这些资源，让它们变废为宝。在活动过程中，我们不知不觉成了小小宣传员，向同学、向我们的爸爸妈妈、亲戚朋友宣传垃圾分类处理的重要性。另外，在江宁水阁垃圾场，我们看到了拾荒者抢捡垃圾的场面，也看到了他们分捡垃圾的场面，正是他们的劳动，把一些还可以利用的资源进行回收，节约了资源，但同时，我们也看到了一些问题：他们用分捡出来的菜叶等喂养出来的垃圾猪是否符合卫生标准？他们分捡出来的可回收的塑料袋再加工程序是否符合卫生标准？怎样规范他们的这些行为？最后，特别感谢南师大生物系菌肥实验室的老师们，在我们的活动过程中，他们给我们提供了很多的帮助！ 注： 我是五(4)中队的龚昌昌，平时我就喜欢科学研究，特别喜欢动手做各种各样的小实验。深秋到了．法国梧桐树叶在风中纷纷露下，飘向大街小巷，这样给我们的环卫工作带来了很大的麻烦，也给市容整洁带来了不好的影响，于是，我们进行了“法国梧桐叶转化为有机肥”科学实验，使废物变为宝。这项科学活动让我认识到科学就在我们身边。关注日常生活小事，能够学到课本上所没有的知识．使我们对生活中的事物从感觉上的认识上升到理论上的认识，扩大了视野，开阔了眼界。我真是喜欢这样的科学活动。

在谷歌学术搜索中，存有高达4亿篇论文的数据库。论文被引用的数据可以作为证明文章影响力的依据。即使这个方法有局限性，但在更大程度上，反映了当今社会的进展和科学的进步。

1《亚当：一种随机优化方法 》 Adam: A Method for Stochastic Optimization。文章发布于2015年，引用数为47774。

截止2020年为止，这篇文章达到了，人类可知的引用最高数。一篇涉及人工智能的文章获得最高引用，证实了科学界对人工智能的注重。不仅是科学界对人工智能领域有巨大的兴趣，而且欧美国家也正在把人工智能作为未来的主要发展对象。美国把对人工智能的投资提高了一倍，欧盟也把投资提高了百分之70。《亚当：一种随机优化方法 》能够获得最高引用，正说明在未来人工智能上，将展开激烈竞争。无独有偶，跟着这篇文章后面，引用最多的文章多是涉及人工智能。

2《图像识别的深度残差学习》 Deep Residual Learning for Image Recognition 文章发布于2016年，引用数为25256。

深度残差学习的概念出自何凯明等4名中国学生。何凯明来自清华大学物理系，现是脸书人工智能的科学家。从文章的引用数量来看，足以显示，他提出的这个方法对该行业的影响。

3《让R-CNN更快: 朝着带有区域建议网络 的实时目标检测》 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks发表于2015，引用数为19507。

4《深度学习》 Deep Learning, 文章发布于2015年，引用数为16750。

5 《带着缠绕走得更深》 Going deeper with Convolutions， 文章发布于2015年，引用数为14424。

这篇文章已经成为计算机图像处理必读论文之一。

6《通过深层强化学习的人类层面的控制》 Human-Level control through deep reinforcement learning 文章发布于2015年，引用数为10394。

7 《语义分割的完全常规网络》 Fully Conventinal Networks for Semantic segmentation 文章发布于2015年，引用数为10153。

9 《 脓毒症与脓毒症休克第三版国际共识 》 The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3) 文章发布于2016年，引用数为8576。

10《RNA测序和微阵列研究中 Limma 强化差异表达分析》 Limma porwers defferential expression analyses for RNA-sequencing and microarray studies 文章发布于2015年，引用数为8328。

第9和第10篇是前十名论文中，和计算机没有关系的两篇医学论文。这是否意味着，未来对人类社会影响最大的，除了人工智能就是医学了呢？

最后要提到的这篇文章，虽然没有进入第10，但值得一提。 《以深度神经网络和树搜索掌握围棋战略》 Mastering the game of Go with deep neural networks and tree search发布于2016年，引用数为8209。

这篇文章涉及的是伦敦大学学院的教授David Silver, 他领导的AlphaGo团队击败了围棋九段棋手柯洁。人工智能击败了最强大脑，没有什么能比这更能说明人工智能的前途，同时也可能是一个细思极恐的大事件。在机器击败人的时代，人怎么办？

Science一般登刊的是具有历史性意义的文章，一般都是一些非常有成就的科学家发布的文章，对于哪项科学研究有突破性成就的。