“厄尔尼诺”现象对世界气候的影响

据气象学界统计，在太平洋形成的“厄尔尼诺”可能成为本世纪最具破坏性的一种天气系统。最严重的一次“厄尔尼诺”（此词源自西班牙语，意谐“基督的孩子”）发生在1982～1983年，对全世界的牲口和谷场所造成的损失高达136亿美元。其形成过程为：一、贸易风通常把太平洋表面的温海水从南美洲海岸推向澳洲和菲律宾；二、西太平洋海水温度为此升高若干度，同时海面比东太平洋高出lm；三、赫姆堡尔茨（HUmb。ldt）海流使海面冷水上涌，替换了表面海水。在较冷海水里的硝酸盐和磷酸盐及营养物质促使浮游生物生长快，由此使得鱼类繁殖加速；南…     

高含沙泥浆模型试验及其糙率纠正

国内许多年久失修的地下设施在废弃时面临巨大的安全隐患,而利用高含沙泥浆进行填充是有效而经济的方法。在进行填充前,对管道填充的可行性需要建立模型进行试验研究。在模型试验研究时遇到的模型不相似问题是影响模型试验准确性的重要因素,因此要对试验所得数据进行修正。在本次研究中我们通过对于试验所得流速数据进行糙率纠正解决了糙率不相似的问题。     

海洋微藻的体外抗肿瘤活性初筛

采用小鼠乳腺癌细胞株tsFT210的细胞周期抑制、细胞凋亡诱导、细胞坏死以及对卤虫的毒性为活性指标,对48种海洋微藻的甲醇提取物的抗肿瘤活性进行了筛选。结果表明,以卤虫毒性为活性指标时,9种海洋微藻显示了不同程度的抗肿瘤活性,以tsFT210为筛选模型时,也有9种具有抗肿瘤活性,其中3种为明显的细胞凋亡诱导活性、2种为细胞坏死性活性、1种为G2/M期抑制活性,因此有必要进行开拓海洋微藻药用新资源的研究。     

一种针对MWISP项目分子云团块的3D CNN证认方法

分子云团块是恒星的诞生地. 分子团块的普查和其性质的全面研究将有助于了解恒星的形成乃至星系和宇宙的演化过程. 随着银河画卷计划(MWISP)项目的深入进行, 这类研究方案变得切实可行. 但是项目产生的分子云观测数据是海量的, 因此迫切需要一种能够自动识别和证认分子团块的方法. 目前应用广泛的3维分子云数据处理方法有很多, 典型的包括GaussClumps、ClumpFind、FellWalker、Reinhold等, 但都需要输入多个参数来控制它们的性能, 并且进行反复的参数优化和目测才能得到比较满意的结果. 对于大规模的观测数据, 利用现有方法进行分子团块的证认将是一项耗时耗力的任务. 为了克服传统分子云团块检测算法的局限性, 人工智能(AI)的方法将提供一个很好的解决方案. 提出了一种3D CNN (Convolutional Neural Network)方法, 它可以自动处理3D分子谱线数据, 整个过程分为检出和验证两个步骤. 首先, 通过设置较低阈值使用ClumpFind以检出候选对象, 然后通过训练好的3D CNN模型进行验证. 利用仿真数据所做的一系列的实验结果表明, 该方法的综合表现优于4种传统方法. 将该方法应用于实际的MWISP数据表明, 3D CNN方法的性能也令人满意.     

基于SIFT特征检测和密度峰值聚类的太阳活动区自动检测算法研究

太阳活动区是太阳大气中产生各种活动现象的区域,精确地检测和识别太阳活动区对理解太阳磁场的形成机制具有极为重要的科学意义.根据太阳活动区结构较为复杂的特点,基于尺度不变特征变换(ScaleInvariant Feature Transform, SIFT)和密度峰值聚类(Clustering by Fast Search and Find of Density Peaks,DPC)算法的优越性,提出了一种太阳活动区的自动检测和识别方法.首先,对太阳动力学天文台(Solar Dynamics Observatory, SDO)日震和磁场成像仪(Helioseismic and Magnetic Imager, HMI)的纵向磁图进行对比度增强;然后采用SIFT方法提取出全日面磁图中的特征点;最后利用DPC算法将特征点进行聚类,从而自动检测和识别出太阳活动区.研究结果表明, SIFT和DPC算法相结合的方法可以在不需要人工交互的情况下准确地自动检测出太阳活动区.