中沙大环礁四种大型海藻的光生理特征比较及其对升温的响应

生活于珊瑚礁区的大型海藻可以与珊瑚一起为礁栖生物提供食物和栖息地, 它们在维护珊瑚礁生态系统生物多样性中起着极为重要的作用。本论文比较研究了生活于我国南海中沙大环礁区4种优势海藻的生化组分、光合特征及其对海水升温的生理响应,其中厚膜藻(Grateloupia ellipitica)和粉枝藻(Liagora samaensis)为红藻, 钙扇藻(Udotea flabellum)和仙掌藻(Halimeda discoidea)为绿藻。结果显示, 与绿藻相比, 红藻藻体叶绿素(Chl a)和类胡萝卜素含量更低且含有藻胆素, 红藻的光补偿点(E_C)和呼吸速率(R_d)均显著低于绿藻。海水升温提高了4种海藻的光能利用效率(α)、E_C、R_d和日净光合固碳量; 同时, 升温还降低红藻的饱和光强(E_K)、提高绿藻的最大光合放氧速率(P_max)。结果还显示, 海水升温在光强较低时提高红藻的光合放氧速率, 光强较高时则降低其放氧速率; 升温也提高绿藻的光合放氧速率, 但光强变化对升温效应的影响不显著。基于4种海藻的光生理特征以及升温效应的种间差异性可见, 短时间升温(~4℃)有利于中沙大环礁区海藻的光合作用; 与绿藻相比, 该升温效应更有利于红藻。     

近165年来中沙环礁中北暗沙滨珊瑚生长率及其对海温变化的响应

海水温度是控制珊瑚生长的关键环境因素之一,随着全球气候变暖,海温持续升高已成为珊瑚生长面临的全球性威胁。文章对采自中沙环礁中北暗沙水深约16m的澄黄滨珊瑚岩心样品开展了生长率分析,揭示出中沙环礁滨珊瑚近165年来的生长历史及变化规律;并通过与西沙群岛永兴岛滨珊瑚生长率的对比,探讨了南海中部滨珊瑚生长的区域差异及其对海温升高的响应关系。过去100多年来中北暗沙和永兴岛海区的平均海温分别为(27.4±0.37)℃和(27.09±0.36)℃,两个海区的海温均呈线性升高趋势,升温速率一致,约为0.43℃·ha^–1。过去100多年间中北暗沙和永兴岛滨珊瑚的平均生长率分别为(0.70±0.16)cm·a^–1和(1.19±0.16)cm·a^–1,但中北暗沙滨珊瑚生长率呈线性下降趋势,下降速率约为9.4%·ha^–1;而永兴岛滨珊瑚生长率呈线性上升趋势,增长速率约为10.9%·ha^–1。过去100多年间两个礁区的滨珊瑚生长率均存在年代际波动,大致与海温的年代际波动对应。两个礁区滨珊瑚生长率与海...     

基于模糊聚类的海水水质监测技术研究

海水水质监测数据纷繁复杂,为了在海量的数据中提取有效数据进行分析,采用模糊聚类实现对监测数据的分析处 理。对监测数据分析结构做了简要说明,接着分析模糊聚类C 聚类均值算法（FCM） 不足之处,提出了基于不完整数据样本 的FCM 算法,最后采用海水赤潮数据不完整样本进行实例仿真,实验证明,该算法在处理不完整样本数据时有一定的优势。     

基于模糊C均值聚类的云图样本修正与云类自动识别

基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差。针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲。改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性。基于该判据的分类结果,可较为准确地分辨出陆地、水体、低云、中云、卷云、对流云和积雨云,分割判另9结果符合客观实际。     

改进的模糊C均值聚类算法及其在海底热液硫化物组分分析中的应用

在聚类分析中,模糊C均值(FCM)聚类算法有着广泛的应用。在实际应用中,该算法存在着很多缺陷,如最优聚类数目的确定完全依赖于数据的数目,算法易收敛到局部极值点以及收敛速度慢等。本文针对这些缺陷提出了2点改进方法:首先,利用减法聚类确定聚类数目的范围,提出一个新的聚类有效性指标函数,实现最优聚类数目的自适应确定。在此基础上,提出了基于粒子群(PSO)的模糊C均值混合聚类算法,以解决已有原始FCM聚类算法容易陷入局部极小点和收敛速度慢的问题。仿真测试结果表明:改进后的FCM聚类算法能够有效减少迭代次数,并以较快的收敛速度获得更加准确的聚类结果。最后,将改进的FCM聚类算法应用到冲绳海槽热液硫化物矿物组分分析中,准确地反映出了其矿物化学组分中主要金属元素的分布特征及矿石分类状况。     

多核模糊聚类算法的研究

针对多类样本数据,提出1种多核模糊聚类算法。通过选取子核函数及其参数构造多核函数,使得输入空间的样本经多核函数映射后,增大不同类别样本间的差别,提高核函数的学习能力和泛化能力。聚类实验表明,多核函数模糊聚类对于多类样本数据具有比单核更好的聚类效果。     

聚类算法结果的可视化分析方法

聚类结果的可视化是发现数据规律的有效手段。本文给出的过程法PC(Process Clustergram)通过记录聚类过程中各数据簇的数量变化、拆分和重组的情况,可以显式的看出数据集在聚类过程中数据簇的变化过程以及数据簇之间的数量变化。结果表明,相较于目前的可视化方法,本方法可以发现聚类结果的稳定性与数据集的某个维度的关系,这极大地提高了数据分析的效率。     

我国区域循环经济发展的综合评价

文章利用解释结构模型方法,综合社会经济系统和资源环境系统建立了我国区域循环经济评价指标体系。以社会经济因子和环境资源因子为聚类指标,运用K均值聚类分析法对我国30个省市(其中不包括我国的西藏、台湾、香港和澳门等地区)的循环经济发展状况进行聚类,研究结果客观、真实地反映了区域循环经济的发展特点及差异,为各省市的循环经济发展的战略决策提供科学依据。     

我国区域循环经济发展的综合评价

利用解释结构模型法,综合社会经济系统和资源环境系统,建立我国区域循环经济评价指标体系。以社会经济因子和环境资源因子为聚类指标,运用K均值聚类分析法对我国部分省市循环经济发展状况进行聚类,反映了区域循环经济的发展特点及差异,为各省市的循环经济发展的战略决策提供科学依据。     

基于模糊C均值聚类-支持向量机的海底沉积物分类识别

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。     

基于密度峰值聚类的中尺度涡轨迹自动追踪方法

中尺度涡信息的提取包括涡旋的识别和轨迹追踪,其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值,存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题,论文从聚类的角度出发,提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪,并以南海中尺度涡追踪为例,将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法,可实现对海洋中尺度涡的自动追踪,该算法涡旋追踪准确率优于传统相似度算法;（2）该涡旋追踪算法对资料的完整性依赖度较低,特别是对于存在部分缺损数据的情况仍能较准确追踪;（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题,自适应性更强。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

西北太平洋台风路径的聚类分析

重点研究了1983—2002年的西北太平洋台风最佳路径数据资料集,运用Python编程语言,编写聚类分析程序,对台风数据进行聚类分析。通过资料中包含的台风强度、中心位置坐标的台风路径特征参数,利用K均值聚类法对西北太平洋台风路径进行客观地分类,分类数选定为6类。比较各类台风路径类型的生成位置、强度、气候趋势等特征,为台风路径的气候预测提供有用的信息。结果主要表明:6类台风包含4类转向路径台风和两类西北偏西的直行路径台风;直行路径台风几乎全部影响我国,转向路径中只有1类台风主要影响我国;从各类台风发生的频数来看,两类直行路径台风均呈下降趋势,有3类转向路径台风呈上升趋势。     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。     

基于遗传聚类算法的印度洋环境特征区划

利用全球海洋 Agro 观测计划提供的温、盐浮标资料,开展了印度洋海域水下环境特征提取与区划分析.在垂直方向运用Akima 方法对浮标剖面进行插值,提取一组表征跃层、声速场的特征指标,并针对常规模糊 C 均值聚类算法中初始聚类数难以客观选取和聚类结果易陷入局部最优等问题,利用遗传算法的全局搜索能力对聚类算法作了改进.通过在遗传进化过程中引入动态变化的聚类中心解决了聚类数难以客观确定的问题,并在该算法的生存策略中引入 Boltzmann 选择机制,提高算法的收敛速度.在对印度洋海域温、盐跃层、声速分布及层结稳定度分析的基础上,利用改进的遗传聚类方法对印度洋海域水下环境特征进行聚类区划,得到一个基本的特征分类构型,结合各类构型的典型特征,分析了对水下潜器活动、声纳探测和水声通信等的影响.     

基于色度平面的自适应颜色聚类

本文的目标是寻找具有更高灵活性和自适应性的颜色聚类方法。在分析了多种颜色聚类方法的基础上 ,提出了 2种无监督的二维色度平面颜色聚类方法 :基于密度的三角化方法和遗传算法优化方法 ,并通过实验对 2种方法进行了比对分析。结果表明 ,基于密度的三角化方法具有很好的边界拟合效果 ,而遗传算法优化对于复杂的数据集和解决干扰噪声有更好的效果。     

水系划分的剖面相似系数聚类法

提出一种基于温度剖面相似系数的水系划分方法。基本思想是:将各温度剖面视为独立样本,各深度数据为样本变量,先基于划分区域水文特征选取合理数量的水系中心剖面,再利用各样本与各中心剖面相似系数大小进行聚类,得到各水系划分数据集合;利用几何平均求得各水系集合新的中心剖面,重复剖面相似系数聚类过程,直至中心剖面不再变化为止。最后利用国家海洋信息中心发布的中国近海CTD温、盐产品对该方法进行试验,并对聚类得到的各类温度剖面展开讨论。结果较好的反应出各区域温度剖面特征,综合体现出东海各区域温度大小、海流、水团和水深特性。     

水系划分的剖面相似系数聚类法

提出一种基于温度剖面相似系数的水系划分方法。基本思想是:将各温度剖面视为独立样本,各深度数据为样本变量,先基于划分区域水文特征选取合理数量的水系中心剖面,再利用各样本与各中心剖面相似系数大小进行聚类,得到各水系划分数据集合;利用几何平均求得各水系集合新的中心剖面,重复剖面相似系数聚类过程,直至中心剖面不再变化为止。最后利用国家海洋信息中心发布的中国近海CTD温、盐产品对该方法进行试验,并对聚类得到的各类温度剖面展开讨论。结果较好的反应出各区域温度剖面特征,综合体现出东海各区域温度大小、海流、水团和水深特性。     

流形上的空间密度聚类算法研究

研究流形上的聚类分析，针对基于密度的空间聚类引入了流形概念，提出1种基于流形的密度聚类算法，该方法将流形的概念与聚类相结合，可以适用于样本为复杂分布的聚类。文中通过实例证明此算法的有效性。     

基于聚类过程的多比例尺GIS空间数据模型设计

在面向对象的数据模型的构造基础上,提出一种基于聚类过程的多比例尺空间数据模型,并得到尺度依赖的空间数据表达。以图斑数据为实例,通过空间分布与距离信息的聚类过程,建立了图斑数据的多比例尺分层分区的数据模型,从而由数据本身实现多尺度表达与综合的模型化,降低或消除了制图综合过程中的主观影响和不稳定性,改进和提高了多尺度表达与综合的效果和质量。