大黄鱼病原弧菌拮抗放线菌的筛选与人工诱变

从厦门集美海滩底泥分离得到38株放线菌，用琼脂块法测定它们对大黄鱼病原弧菌-溶藻弧菌和副溶血弧菌的拮抗效果，选择两株拮抗效果较好的放线菌进行诱变，测定诱变后各菌株的抗菌效果，并选择抗菌效果较好的菌株进行第二次诱变，如此反复诱变3次，共得到97株放线菌，结果表明；38株放线菌中的22株对两株病原菌有一定的拮抗作用；用紫外线照射可以获得少量对两株病原菌拮抗作用加强的菌株。     

东海沉积物中轻矿物的研究

本文对东海大陆架、冲绳海槽及长江表层沉积物中的轻矿物进行了研究。调查区范围为121°-129°E,32°-26°30′N。长江采样区段为芜湖——长江口。共分析了124个样品,其中长江样品11个,东海大陆架样品100个,冲绳海槽样品13个。使用的样品粒级为0.1-0.25毫米。     

氮浓度对四株海洋绿藻总脂含量和脂肪酸组成的影响

本文用NaNO3作为氮源,分别作了氮浓度的五个水平对2属(小球藻属、裂丝藻属)的四株绿藻的生长率、总脂含量及主要脂肪酸组成的影响。C19、C97和C102的脂肪含量随N浓度的改变而有较大变化,其中C102在1.6m mol/L时脂肪含量达到最大值(24.8%)。C95的脂肪含量随氮浓度变化不大。同时,由氮浓度引起的平均生长率μ与总脂含量之间无明显相关关系。四株绿藻的EPA(20∶5n-3)和PUFAs(polyunsaturated fatty acids)含量随培养基中氮浓度的改变有较大变化但因种而异。C95和C97均在中等氮浓度时EPA含量达到最大值,分别为23.8%和27.4%。C19和C102在高氮浓度(40mmol/L)获得EPA的最大值,分别为25.7%和26.6%。     

时间剖面上小断层的计算机自动检测

煤田地震勘探一直探寻着对小断层的自动检测方法，因受各种因素的影响，至今尚无良策。本文介绍了多元地震参数的模式识别方法，并通过模型及实测资料成功地检测到１０ｍ以下小断层。     

三维任意形体高密度电阻率法数值模拟方法

为研究高密度电阻率法对各种三维地电体的反映规律，本文介绍了正演程序编制的方法并给出了计算实例。     

胀水成像对胰胆道系统病变诊断价值

目的评价MR水成像在胆道系统病变中的临床诊断价值。方法采用重T2加权MR水成像技术对66例患者行MRCP检查，图像经三维最大信号强度投影及三维表面遮蔽显示技术后处理。结果水成像定位诊断率达100％，定位诊断率为86．6％，此技术可清楚显示胰胆管的形态，显示各种胆道疾病的异常改变，诊断正确性高。结论MRCP对胆石症、恶性胆管梗阻及先天性胆总管囊肿等胆系疾病的诊断价值高于其他影像检查。     

O2-O2云反演算法及其在TROPOMI上的应用

利用遥感技术对大气环境污染进行监测时，云是影响痕量气体反演精度的重要因素，因此在痕量气体反演中需要对云的影响进行校正，通常使用的云参数主要是有效云量和云压。本文基于O₂-O₂ 477 nm吸收波段构建了O₂-O₂云反演算法：首先，根据有效云量和云高与连续反射率和O₂-O₂斜柱浓度之间的对应关系，结合假定的云模型利用VLIDORT辐射传输模型建立关于有效云量和云压的查找表；然后，通过差分吸收光谱技术拟合卫星载荷观测的大气层顶辐射，获得O₂-O₂斜柱浓度并计算连续反射率；最后，结合辅助数据，根据查找表进行插值反演获得有效云量和云压。通过将算法应用到OMI观测数据，将反演结果与OMCLDO2产品进行对比验证，有效云量和云压空间分布一致，相关系数R均超过0.97；并还将该算法应用于下一代大气成分监测仪器TROPOMI，与FRESCO+产品对比，有效云量和云压空间分布基本一致，当地表类型为海洋时，有效云量相关系数R大于0.97，云压相关系数R大于0.94，云压反演结果存在一定的区别；通过将O₂-O₂云反演算法和FRESCO+云压反演结果与CALIOP Cloud Layer产品进行对比，结果表明，在低云情况下，O₂-O₂云反演算法线性回归方程斜率为0.782，截距为198.0 hPa，相关系数R为0.850，算法表现优于FRESCO+。而在高云情况下，FRESCO+反演结果更接近CALIOP云压结果。在OMI和TROPOMI上的应用表明O₂-O₂云反演算法在大气云反演中具有较高的准确性和可行性，可以为大气痕量气体反演的校正提供云参数，并为中国同类型卫星载荷的云反演算法提供算法参考。     

Simulation of site-scale water fluxes in desert and natural oasis ecosystems of the arid region in Northwest China

The study of water fluxes is important to better understand hydrological cycles in arid regions. Data-driven machine learning models have been recently applied to water flux simulation. Previous studies have built site-scale simulation models of water fluxes for individual sites separately, requiring a large amount of data from each site and significant computation time. For arid areas, there is no consensus as to the optimal model and variable selection method to simulate water fluxes. Using data from seven flux observation sites in the arid region of Northwest China, this study compared the performance of random forest (RF), support vector machine (SVM), back propagation neural network (BPNN), and multiple linear regression (MLR) models in simulating water fluxes. Additionally, the study investigated inter-annual and seasonal variation in water fluxes and the dominant drivers of this variation at different sites. A universal simulation model for water flux was built using the RF approach and key variables as determined by MLR, incorporating data from all sites. Model performance of the SVM algorithm (R² = 0.25–0.90) was slightly worse than that of the RF algorithm (R² = 0.41–0.91); the BPNN algorithm performed poorly in most cases (R² = 0.15–0.88). Similarly, the MLR results were limited and unreliable (R² = 0.00–0.66). Using the universal RF model, annual water fluxes were found to be much higher than the precipitation received at each site, and natural oases showed higher fluxes than desert ecosystems. Water fluxes were highest during the growing season (May–September) and lowest during the non-growing season (October–April). Furthermore, the dominant drivers of water flux variation were various among different sites, but the normalized difference vegetation index (NDVI), soil moisture and soil temperature were important at most sites. This study provides useful insights for simulating water fluxes in desert and oasis ecosystems, understanding patterns of variation and the underlying mechanisms. Besides, these results can make a contribution as the decision-making basis to the water management in desert and oasis ecosystems.     

多元时间序列分析的滑坡演化阶段划分

滑坡的时间-位移曲线一般具有3个阶段特征,即初始变形阶段、等速变形阶段和加速变形阶段,不同演化阶段加速度具有不同的变化特点.目前往往是依据对加速度曲线特征的分析来人为划分演化阶段,缺少相应的理论支持和定量计算.针对上述问题,选取月降雨量、月库水位高程变化量对滑坡的累计位移建立多因素的时间序列预测模型.然后利用Chow分割点检验理论,以所建模型中F和LR统计量最大值点作为分割点对滑坡演化阶段进行划分.以新滩滑坡和三峡库区白水河滑坡为例,利用累计位移、降雨及库水位变化数据进行计算验证.结果表明,对多元时间序列模型进行Chow分割点检验可对滑坡的演化阶段进行准确划分,为滑坡的临滑预警预报提供重要判据.      

容县压实花岗岩残积土的力学性质与微结构特性研究

选取广西容县花岗岩残积土为研究对象,取击实曲线上3个不同含水率对应的压实样（最佳含水率及干侧、湿侧,后两者对应的干密度相同）分别进行了直剪试验、扫描电镜观测（SEM）和压汞试验（MIP）,并从微观特征解释其力学性能的差异。结果表明:（1）花岗岩残积土在3种压实状态下具有相同应力-应变曲线形状,无明显峰值,抗剪强度在最佳状态时的最高,湿侧状态抗剪强度与干侧状态相近,3种状态下内摩擦角值差别较小,但黏聚力在最佳状态时最大,干侧和湿侧状态较最佳状态分别下降66.4%和43.1%;（2）花岗岩残积土在湿侧状态下普遍形成团聚体,团聚体之间呈架空结构,累积孔隙体积最大,为明显的双峰分布孔隙特征;在最佳状态下组构最密,高岭石片定向性排列;在干侧状态下高岭石片呈片架结构,累积孔隙体积最小;随着含水率的降低,土样双峰孔隙特征逐渐变得不明显;（3）花岗岩残积土在不同状态时的微观特性较好地解释其力学性质的差异。