有害赤潮对浮游动物摄食的影响

藻华是指水体中藻类大量繁殖的一种现象,有时这种浮游植物的爆发性增殖会造成海洋生物死亡,生态环境恶化,通过藻毒素污染海洋产品,从而对人类健康甚至生命构成威胁,国际科技界目前称这类藻华（赤潮）为有害藻华（harmful algal blooms HABs）,也称有害赤潮。近年来,有害赤潮爆发的频率和规模都在逐渐增加,造成的危害越来越大,赤潮现象有在全球蔓延的趋势。赤潮对海洋生态系统造成的影响越来越受到关注,世界各国也相应展开了研究。     

近40a甘南高原日照时数变化趋势及影响因子

利用甘南高原8个气象站1971~2010年的日照时数地面观测资料,对其近40 a日照时数的时空变化特征进行了分析。发现:甘南高原年日照时数的空间分布特征呈西多东少;月际变化表现出明显的3峰3谷的特征;20世纪70~80年代是甘南高原日照时数最少的时期,而20世纪90年代日照时数明显增加,进入21世纪后,高原西部日照时数出现了减少的趋势,而东部仍以偏多为主。突变分析表明,甘南高原日照时数的变化可分为3种类型:第1类为出现增大突变,并且仍持续上升的,主要有卓尼、迭部;第2类为出现增大突变,但目前开始减少,主要有夏河、玛曲、舟曲;第3类为未出现突变的,有合作、碌曲、临潭。日照时数的变化与气温、水汽压、云量、降水和风速的变化密切相关,造成甘南高原西部与东部日照时数不同变化趋势的主要原因是降水量和风速的不同变化。     

甘南高原秋季连阴雨的气候特征及主要环流形势

利用甘南州8个气象站1981～2010年的地面气象观测资料,对甘南高原秋季连阴雨的气候特征进行了分析,发现甘南秋季连阴雨在9月各旬均可出现,10月只在上、中旬出现,地理分布上秋季连阴雨出现次数自西向东减少,玛曲、碌曲最多,卓尼、临潭最少。过程降水量在15.0～50.0 mm之间的连阴雨出现次数最多,约占总次数的78.0%;持续时间出现最多的是5～10 d,约占总次数的84.4%。近30 a甘南高原秋季连阴雨出现站次呈"V"形分布,1980年代秋季连阴雨次数较多,1990年代秋季连阴雨出现站次最少,进入21世纪后连阴雨次数开始增多,秋季连阴雨次数的多少对秋季降水量有直接影响。1990年代甘南高原秋季连阴雨次数与秋季降水量的减少是由于全球变暖背景下大气环流的调整所导致的,与气候变化密切相关。个例分析表明,在副高边缘型连阴雨过程中,副高偏强,有利于副高西侧西南气流把孟加拉湾水汽经过高原输送到甘南,对连阴雨天气的形成有重要作用;巴尔喀什湖槽稳定维持,同时高原上不断有低值系统形成东移对纬向环流型连阴雨的形成有重要作用;物理量分析表明二者在水汽输送和辐合、上升运动区的位置也有明显不同。     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。     

基于EEMD-CES的单站地面气温资料质量控制方法研究

为了去除或减少我国地面气温观测资料中含有的噪声成分,提高观测资料质量,提出了一种新的单站质量控制算法。该算法融合了集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)和三次指数平滑法(Cubic Exponential Smooth,CES)。利用EEMD方法将气温观测资料分解为一系列相对平稳的本征模分量,并基于能量密度和相关性准则从中分析筛选出目标分量,以完成资料重构;利用CES方法对重构资料建立单站质量控制模型,形成了一种基于EEMD-CES的地面观测资料质量控制算法。为检验该方法的可行性与适用性,选取2008年全国9个观测站地面逐时气温观测资料进行质量控制,并对比传统的单站质量控制法、经验模态分解法和三次指数平滑法的质量控制效果。试验结果表明,基于EEMD-CES的质量控制方法能有效地标记出数据的可疑值,相比传统方法,具有更高的检错率和更强的适应性。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。