海洋红藻多管藻内生真菌EN-22 的化学成分研究

对采自广西涠州岛近海多管藻(Poiysiphonia urceolata)分离到的一株内生真菌EN-22的次生代谢产物的化学成分进行了研究.利用正相硅胶柱层析、葡聚糖凝胶Sephadex LH-20柱层析、制备薄层层析(PTLC)以及重结晶等分离手段从该菌发酵液中分离得到15个化合物,通过一维、二维核磁共振技术、质谱技术等鉴定了所有化合物的结构,分别为:4-(4-喹啉)-4-羟基-2-丁酮(1),3-羟基-3-(2-氧丙基)吲哚-2-酮(2),3-吲哚乙醇(3),3-吲哚甲酸(4),2-羟基-3-吲哚丙酸(5),2-酮-3-吲哚乙醇(6),3,3-二吲哚-2-羟基-丙醇(7),β-咔啉(8),尿嘧啶(9),环-(S-脯氨酸-S-异亮氨酸)(10),(22E,24R)-3β,5α,9α-三羟基麦角甾-7,22-二烯-6-酮(11),(22E,24R)-5α,6α-环氧麦角甾-8,22-二烯-3β,7α-二醇(12),5α,6α-环氧-24(R)-甲基胆甾-7,22-二烯-3β-醇(13),胡萝卜苷(14),过氧化麦角甾醇(15);其中化合物1和2为新天然产物,并首次报道化合物1的碳谱数据.     

平面特征保持的城市三维点云高精度分类方法

针对基于单一尺度点簇的分类算法无法满足大范围城市三维点云高精度分类的问题，该文提出了一种平面特征保持的多尺度点簇城市场景三维点云分割分类方法。该方法首先以超体素为基元进行动态区域生长，将具有平面特征的超体素逐步合并，生成平面特征保持的多尺度点簇，然后基于多尺度点簇进行特征计算并使用随机森林分类器进行分类。为验证该方法的有效性，分别采用机载LiDAR点云和影像密集匹配点云进行实验，并与基于不同分类基元的分类方法进行对比。实验结果表明，与原始区域生长方法相比本文提出的分割方法得到的点簇更加准确，分割准确度达到97%,并且分割效率提升了一倍以上，同时分类准确度也优于其他方法，达到94.1%、87.5%。     

温度、pH和氮、磷含量对铜绿微囊藻(Microcystis aeruginosa)生长的影响

以南太湖水华蓝藻铜绿微囊藻为材料,研究了温度、pH和氮、磷浓度对铜绿微囊藻生长的影响,为阐述微囊藻水华形成的机制提供科学依据。研究结果表明,铜绿微囊藻对温度的适应范围较广,15—40℃温度范围内铜绿微囊藻均可生长,25—30℃为铜绿微囊藻的最适生长温度,当温度达到45℃时,铜绿微囊藻停止生长并逐渐死亡。在pH6.5—9.5范围内,铜绿微囊藻均有较高的生长量,最适pH为8.0—9.0,pH值高于9.0时,铜绿微囊藻的最终生长量略有下降。BG-11培养基中添加高浓度的氮(1g/LNH4Cl)后,铜绿微囊藻的生长被显著抑制(P0.01),但同时添加不同浓度的磷(0.36—10mg/LKH2PO4)后,显著地提高了铜绿微囊藻的生长(P0.01),不同磷浓度处理之间无极显著差异,氮磷平衡是影响铜绿微囊藻生长的重要因素。     

多指软珊瑚Sinularia numerosa中的倍半萜类化学成分

利用硅胶柱层析和葡聚糖凝胶柱层析等技术对多指软珊瑚(Sinularia numerosa)的丙酮提取物进行分离纯化,得到7个倍半萜类化合物,根据现代波谱技术(NMR、MS等)以及与文献对比,它们分别被鉴定为10α-hydroxy-⊿9(15)-africanene(1),⊿9(15)-africanene(2),(9R)-africanane-9,15-diol(3),(9S)-africanane-9,15-diol(4),eudesm-4(15)-ene-1β,6α-diol(5),octahydro-4-hydroxy-3α-methyl-7-methylene-α-(1-methylethyl)-1H-indene-1-methanol(6)和guaianediol(7)。这些化合物均为首次从多指软珊瑚中分离得到。     

结合深度学习与规则特征的立面窗户检测方法

针对现有通过检测窗户角点实现窗户检测方法中存在窗户误检的问题，该文在窗角点分组阶段，以建筑物立面窗户的分布规律及其自身的几何结构特征为依据，提出一种参数自适应的窗角点分组方法。该方法是在使用深度学习方法获取窗户4个角点坐标的基础上，结合窗户角点及其连线的空间位置关系、平行垂直关系，建立窗角点分组判别依据，实现对窗角点检测结果的准确划分，进而得到有效窗户检测结果。为验证该方法的有效性，选用4个公开数据集进行窗户检测实验，结果表明：该方法可有效支持多类图像数据、实现全自动化运行，且与现有方法相比，具有更高的检测精度。     

基于Faster R-CNN的卫星SAR图像南海海洋内波自动检测

海洋内波广泛存在于世界各大洋和边缘海中,在海洋能量串级中扮演着重要角色,在海洋资源开发、海洋工程建设和海洋军事活动等方面均具有重要学术价值与实际意义。海洋内波在合成孔径雷达SAR (Synthetic Aperture Radar)图像上呈现出亮暗相间的条纹状特征。本文利用2001年—2020年南海海域包含不同微波波段(C、L、X)、不同极化方式、不同空间分辨率的631幅星载SAR图像,构建了5480个SAR图像南海海洋内波样本,结合Faster R-CNN框架,利用迁移学习的方法,实现SAR图像上的海洋内波自动检测。模型识别准确率达到95.7%,召回率为92.3%,在准确率较高的同时还能保持较低的虚警率。该算法的建立使得基于海量卫星SAR数据检出海洋内波成为可能,从而为针对性地开展内波动力参数反演和过程研究提供了技术和数据基础。