夏季滇池和入滇河流氮、磷污染特征

为探讨滇池入湖河流水体营养盐空间分布特征及其对滇池水体富营养化的影响,2014年7月采集了入滇4类典型河流(城市纳污型河流、城乡结合型河流、农田型河流、村镇型河流)及滇池水样,分析其氮、磷浓度.结果表明:4条入湖河流总氮(TN)、总磷(TP)、硝态氮和氨氮污染均较严重;河流水体中TN、TP平均浓度大小为:农田型河流(大河)村镇型河流(柴河)城乡结合型河流(宝象河)城市纳污型河流(盘龙江),其中农田型河流(大河)水体TN、TP污染最为严重;在夏季,4条入湖河流水体中TN、TP浓度从上游向下游增加趋势比较明显,表明氮、磷沿河流不断富集;氮磷比分析表明,夏季河流输入氮、磷营养盐有利于藻类的生长,并且滇池浮游植物生长主要受TN浓度限制;夏季滇池南部入湖河流水体的TN、TP浓度高于北部入湖河流,该特征与滇池水体中TN、TP污染分布状况相反,推测滇池北部富营养化的主要影响因素是内源释放.因此,在今后的滇池水体富营养化研究中,应对滇池内源释放进行深入研究.     

广西廉州湾和三娘湾表层水体中多环芳烃的时空分布与来源解析

以16种优控多环芳烃（PAHs）为研究对象,分别于2017年夏季（8月）和冬季（12月）采集广西廉州湾和三娘湾的河口和海岸带14个站位的表层海水样品,利用固相萃取、气相色谱-质谱联用仪对其进行分析,探讨其时空分布、组成和来源,并评价其生态风险。结果表明：廉州湾和三娘湾河口及海岸带水体中多环芳烃单体的平均质量浓度总体上与其溶解度和极性呈正相关关系,即以2~3环芳烃为主,4~6环芳烃检出率和质量浓度均较低。PAHs总质量浓度（∑16PAHs）在夏季河口水体（72.71 ng/L）明显高于海岸带水体（56.28 ng/L）（t检验,p＜0.01）,冬季河口（106.67 ng/L）与海岸带（92.43 ng/L）差异不显著（t检验,p＞0.05）。冬季河口和海岸带PAHs质量浓度均明显高于夏季。大风江和南流江PAHs的入海通量达525.3 kg/a,夏秋季占85%以上,反映了雨季河流对海岸带具有明显的影响。南流江PAHs入海通量占2条河流总量的87%以上,对廉州湾和三娘湾的影响最大。运用同分异构体比值和主成分分析方法对海水中PAHs进行来源解析,结果表明：夏季主要为燃烧源和石油源的混合来源,冬季主要为燃烧源。与其他国家或地区相比,廉州湾和三娘湾海水中PAHs质量浓度处于较低水平。生态风险评价结果显示廉州湾和三娘湾表层海水中的PAH风险较小。     

氢氧化锂制备工艺研究进展

简要介绍了氢氧化锂的性质、应用以及锂资源现状,重点论述了氢氧化锂的生产工艺及其研究进展,分析了各种制备工艺的优劣及应用特点,指出了氢氧化锂制备工艺未来发展趋势。     

广西涠洲岛黄廯蜂巢珊瑚、肉质扁脑珊瑚的胚胎和幼虫的早期发育

研究造礁石珊瑚的有性繁殖来探索珊瑚礁的生态修复是近年来的热点。本文于2018年5月采集广西涠洲岛自然海域中的黄廯蜂巢珊瑚(Favia favus)和肉质扁脑珊瑚(Platygyra carnosus)至室内养殖,收集受精卵,观察和记录其胚胎和幼虫的早期发育过程。结果显示,黄廯蜂巢珊瑚和肉质扁脑珊瑚都是雌雄同体,体外受精,在月圆后5~8 d产卵;发育过程都经历卵裂期、囊胚期、原肠胚期以及浮浪幼虫期;两者的卵母细胞都不含虫黄藻。本研究记录了涠洲岛造礁石珊瑚的有性繁殖行为,为进一步利用有性繁殖来进行珊瑚礁的生态修复提供了理论基础。     

双物源条件下水槽沉积模拟实验结果的三维重构

水槽沉积模拟实验为研究砂体的形成、分布及演变规律提供了一种直观有效的手段。通常对模拟结果进行二维切片,通过若干二维切片研究砂体在三维空间的展布。为了直接在三维空间研究砂体的分布规律,在双物源条件下水槽沉积模拟结果二维切片的基础上,提出了一种砂体三维重构的方法。具体做法是:首先以高精度的方式对水槽模拟砂体进行解剖,利用商业化建模软件对获取的二维剖面图像进行坐标配准;然后对识别出的砂体进行数字化;利用数字化的结果作为条件数据,采用建模算法进行砂体的三维重构。结果表明,三维重构后的模型更好地再现了不同物源方向砂体在三维空间的形态和分布特点,为地下储层砂体分布的预测提供了参考。     

联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(四):声速剖面应用

在深远海海域开展多波束水深测量时,受海上苛刻作业条件等多种影响,获取全深度声速剖面往往比较困难。首先联合WOA2018温盐模型和多个站位CTD、XCTD实测温盐剖面资料开展了全深度声速剖面重构,进而使用三组来源不同的全深度声速剖面开展了多波束测深声速改正对比分析。从试验结果看,这几组声速剖面对多波束测深精度的影响基本一致。特别是当假定CTD站位采用XCTD设备并由此推算深度大于1099m的温盐及声速剖面时,多波束测深的声速改正结果也能满足海底地形成果的质量要求。     

Denitrification potential evaluation of a newly indigenous aerobic denitrifier isolated from largemouth bass Micropterus salmoides culture pond

This work evaluates the application potential of a new indigenous aerobic denitrifi er, strain Pseudomonas CW-2, isolated from a largemouth bass culture pond. The rate of ammonium-N removal by strain CW-2 was approximately 97% at a DO concentration of 5.2 mg/L. Furthermore, when nitrate and ammonia coexisted, the strain gave priority to assimilating ammonia, and thereafter to denitrifi cation. Under optimal cultivation conditions, citrate and acetate were the carbon resources, C/N was 8, dissolved oxygen was 5.2 mg/L, and pH was 7; the removal rate of ammonium reached nearly 90%. The changing patterns of different bacteria in strain CW-2-treated and the control pond water were also compared. Lower levels of ammonia, nitrite, and phosphates were observed in the treated water as compared with the controls. Meanwhile, phylum-level distributions of the bacterial OTUs revealed that P roteobacteria, Bacteroidetes, Planctomycetes, and N itrospirae continuously changed their relative abundances in relation to carbon and the addition of strain CW-2; this finding implies that the conventional denitrifi cation process was weakened under the ef fects of carbon or the presence of strain CW-2. We propose that strain CW-2 is a promising organism for the removal of ammonium in intensive fish culture systems, according to our evaluations of its denitrifi cation performance.     

基于WebGIS的精细化格点预报可视化设计与实现

为了满足天气预报服务和人们日益增长的需求,精细化格点预报成为天气预报数字化的发展趋势。采用B/S结构,借助WebGIS的可视化技术,基于ArcGIS API for JavaScript轻量级方法构建了精细化格点预报可视化系统。本文分析了气象格点数据的特征及格点数据的可视化表达方式,侧重于多种气象要素格点数据的可视化显示、格点交互编辑订正和基于格点位置的中期天气预报查询,为格点预报可视化提供更好的服务。     

联合空-谱信息的高光谱影像深度三维卷积网络分类

针对高光谱影像分类高维和小样本的特点,提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先,该方法直接以高光谱数据立方体为输入,利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后,利用残差学习构建深层网络,提取更高层次的特征表达,以提高分类精度。最后,采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证,结果表明,与支持向量机和现有的基于深度学习的高光谱影像分类方法相比,该方法能有效提高高光谱影像的地物分类精度。     

级联卷积神经网络的遥感影像飞机目标检测

传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法。首先根据全卷积神经网络能够支持输入任意大小图像的特点,采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索,快速获取疑似飞机目标作为兴趣区域,然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位。为提高卷积神经网络对地物目标的辨识能力,在卷积层中引入多层感知器,并在训练过程中采取多任务学习与离线难分样本挖掘的策略;在测试阶段,建立影像金字塔进行多级搜索,并结合非极大值抑制消除冗余窗口,从而实现由粗到精的飞机目标检测与识别。对多个数据集下多种复杂场景的遥感影像进行测试,结果表明,本文方法具有较高的准确性和较强的稳健性,可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案。