三种壳色硬壳蛤(Mercenaria mercenaria)的生长性状差异及通径分析

壳色是影响商品贝类经济价值的重要性状。本研究以不同壳色的硬壳蛤（Mercenaria mercenaria）群体为繁殖亲贝，采用个体间随机交配的方法，成功选育了白、红和杂3种壳色的子代群体，并在池塘培育至360日时测量了其壳长（X₁）、壳高（X₂）、壳宽（X₃）及活体质量（Y），并使用相关性分析、主成分分析和通径分析等方法，探究了不同壳色硬壳蛤在幼虫期和稚贝期的生长性状差异及壳形态性状（壳长、壳高、壳宽）对活体质量的影响。研究结果表明：在幼虫期，与白色和红色群体相比，杂色群体生长速度更快、变态率更高，但存活率低（P<0.05）；在稚贝期，白色群体表现出显著的生长优势（P<0.05）。相关性分析结果显示，3种壳色硬壳蛤的壳形态性状（X₁、X₂、X₃）与活体质量（Y）的相关系数均达极显著水平（P<0.01）。主成分分析和通径分析结果表明，硬壳蛤的壳长（X₁）是影响其活体质量（Y）的主要因素。本研究结果能够为不同壳色硬壳蛤良种选育提供重要理论依据和基础数据。     

2011年秋季（9—11月）山东天气评述

利用2011年9—11月山东省气温、降水资料以及500hPa月平均位势高度场、距平场等资料,结合逐日高空环流形势,分析了山东省2011年秋季天气特点、环流特征和主要天气过程,对季内的主要天气及其影响进行了评述。     

机器学习的原理及其在气候预测中的潜在应用

经历了两次“人工智能寒冬”之后,机器学习于近十年再次进入大众视野,且有腾飞发展之势,已在图像识别和语音识别系统等实际应用方面取得了巨大成功。从已知数据集中总结关键信息和主要特征,从而对新数据做出准确的识别和预测,分别是机器学习的主要任务和主要目标之一。从这个角度看,将机器学习整合到气候预测的思路切实可行。本文,首先以线性拟合参数(即斜率和截距)调整为例,介绍了机器学习通过梯度下降算法优化参数并最终得到线性拟合函数的过程。其次,本文介绍了神经网络的构建思路以及如何应用神经网络拟合非线性函数的过程。最后,阐述了深度学习之卷积神经网络的框架原理,并将卷积神经网络应用到东亚冬季逐月气温的回报试验,并与气候动力模式的回报结果相比较。本文将有助于理解机器学习的基本原理,为机器学习应用于气候预测提供一定的参考思路。     

潮间带盐沼植物黏附悬浮颗粒物的差异性研究

为了研究潮间带盐沼植物黏附悬浮颗粒物的差异性,在长江口选择了三种盐沼植物群落对它们黏附的颗粒物质量进行测定,结果表明:(1)植物群落距潮沟或光滩越近,生长位置的滩面高程越低,则黏附颗粒物越多,而在盐沼前缘单位滩地面积上植物黏附颗粒物的质量以1%~3%/m(单位水平距离)的速率从水体悬浮颗粒物含量相对较高的盐沼外缘光滩或潮沟向盐沼内部减小;(2)植物黏附的颗粒物量在垂向上从上到下急剧增大,通常在靠近滩面5~10 cm的部分植物的黏附量占植物黏附总量的三分之一以上;(3)相邻群落单位滩地面积的互花米草[(220.6±172.7)g/m2]的总黏附量明显多于芦苇[(64.9±38.1)g/m2]和海三棱藨草[(45.2±31.7)g/m2],而按单位生物量来说单位滩地面积上三种盐沼植物黏附的颗粒物以海三棱藨草最多[(150.5±134.8)g/kg],芦苇最少[(28.8±22.8)g/kg],互花米草介于两者之间[(57.5±32.9)g/kg];(4)海三棱藨草的黏附量在季节上差异性明显,秋初(9月)是春末(5月)的6倍,在冬季该植物消失,其黏附颗粒物的功能也消失。造成盐沼植物黏附悬浮颗粒物差异的根本原因是生物量、悬浮颗粒物含量和淹没条件(淹没的深度、时间、频率)的不同。