山东日照和福建厦门沿海花鲈(Lateolabrax japonicus)遗传多样性的RAPD研究

采用RAPD技术 ,分析了日照、厦门沿海花鲈两群体的遗传多样性水平。结果表明 ,31条随机引物共扩增出两地花鲈 45 5条RAPD标记带 ,其中日照群体占 2 63条 ,厦门群体为1 92条 ;45 5条中有 1 84条带为两群体共有。日照群体内遗传相似度I为 0 892 8(差异度为0 1 0 72 ) ,厦门群体I为 0 92 2 5 (差异度为 0 0 775 ) ,而两者群体间的遗传相似度I为 0 8338(遗传距离D =0 1 662 )。两地花鲈在基因组DNA水平上存在较大的遗传差异。利用随机引物S1 1、S42、S45、S5 2和S2 0 3,在花鲈两群体间扩增出 8条稳定、明显的群体间特异性标记带     

基于线粒体D-loop区分析黄颡鱼(Pelteobagrus fulvidraco)五个淡水湖泊群体的遗传多样性

采用线粒体D-loop区测序技术,对巢湖、滆湖、洪泽湖、鄱阳湖和太湖5个地理群体的黄颡鱼(Pelteobagrus fulvidraco)遗传多样性及种群遗传结构进行了研究。结果表明,890个位点中变异位点有151个,简约信息位点24个。143个个体共检测到72个单倍型,平均单倍型多样性指数为0.951±0.011,核苷酸多样性为指数为0.00614±0.00087。鄱阳湖群体和其它4个湖泊群体的遗传距离相对比较大,滆湖和巢湖的遗传距离最小,总体遗传分化指数Fst为0.0896(P<0.01)。群体间基因流系数Nm=2.22,表明5个黄颡鱼种群间存在着一定的基因流动。     

东山湾表层沉积物5种重金属元素含量分布及其与主要环境因子的关系

根据2011年8月福建东山湾12个站位表层沉积物中5种重金属含量调查,探讨了它们的分布趋势、相互关系、影响因素,并运用潜在生态风险指数法对重金属污染进行风险评价.结果表明,该海域表层沉积物中重金属Cu含量变化范围在5.53～22.40 mg/kg之间,平均值为15.10 mg/kg;Pb含量变化范围在28.9～42.6 mg/kg之间,平均值为35.0 mg/kg;Zn含量变化范围在34.8～133.9 mg/kg之间,平均值为95.9 mg/kg;Cd含量变化范围在0.031～0.078 mg/kg之间,平均值为0.059 mg/kg;Cr含量变化范围在19.2～91.8 mg/kg之间,平均值为62.5 mg/kg.重金属含量的分布呈现湾顶（3、11号站）高、湾外（7号站）低的格局;沉积物中有机质对重金属含量的分布起着重要作用;重金属Cu、Zn和Cr的含量随着沉积物粗颗粒组分（63～2 000μm）含量的增大而降低,成负相关关系（p〈0.05）;Cr的含量随着粘土组分（〈1μm）含量的增大而增大,成正相关关系（p〈0.05）.除了湾顶3号站Cr（含量为91.8 mg/kg）以外,其他重金属元素含量均符合《海洋沉积物质量》一类标准;各元素潜在生态危害系数Ei r大小顺序为Cd〉Pb〉Cu〉Cr〉Zn,所有站位重金属潜在生态危害指数RI均远小于90,属低度生态风险,表明东山湾沉积环境基本良好.     

干露条件下喷施2种植物生长调节剂对坛紫菜叶状体生长的影响

实验培养条件下,分析比较了干露后喷施植物生长调节剂吲哚乙酸(IAA)和萘乙酸(NAA)对野生型坛紫菜(Pyropia haitanensis)叶状体生长的影响.IAA处理结果显示:与对照组相比,2.0、1.0mg/dm~3IAA处理都明显促进坛紫菜叶状体生长(p0.05),且2.0 mg/dm~3处理效果优于1.0mg/dm~3,而10.0 mg/dm~3处理组抑制生长明显(p0.05).培养25 d时,2.0 mg/dm~3IAA处理组叶状体平均长度增加了35.4%,叶绿素a、藻红蛋白和藻蓝蛋白含量分别增加了12.2%、39.9%、29.1%.NAA处理结果显示:1.5、1.0 mg/dm~3NAA处理组对坛紫菜叶状体生长都有明显促进作用(p0.05),且1.5 mg/dm~3处理效果优于1.0 mg/dm~3,而4.0、8.0 mg/dm~3处理组出现抑制效应,其中8.0 mg/dm~3处理组抑制生长较明显(p0.05).培养25 d时,1.5 mg/dm~3处理组叶状体平均长度增加了35.2%.与对照组相比,虽然低含量组(0.5、1.0、1.5、2.0 mg/dm~3)的叶绿素a含量无显著差异(p0.05),但是藻红蛋白和藻蓝蛋白含量均明显增加,以1.5 mg/dm~3处理组含量最高,分别增加了42.6%和43.9%.而高浓度处理组(4.0、8.0 mg/dm~3)叶绿素a含量显著降低(p0.05),且8.0 mg/dm~3处理组的藻红蛋白和藻蓝蛋白含量明显低于对照组(p0.05).因此,连续干露条件下喷施适宜浓度的IAA(2.0 mg/dm~3)和NAA(1.5 mg/dm~3)均可有效地促进野生型坛紫菜叶状体的生长.     

基于神经网络的黄东海春季二类水体三要素浓度反演方法

介绍了一种基于人工神经网络的二类水体海域的三要素浓度反演方法。根据2003年春季黄东海试验中获得的高质量现场数据,建立了由现场测量遥感反射率分别反演三要素浓度的神经网络模型。反演的平均相对误差分别叶绿素32．5％,黄色物质8．9％,总悬浮物24．2％。同时分析了神经网络模型在水色反演模式应用中的稳定性。     

南大洋混合层的时空变化特征

过去对南大洋的研究受限于长期观测的缺乏,而现在地转海洋学实时观测阵(Arrayfor Real-timeGeostrophicOceanography,Argo)项目自开始以来持续提供了高质量的温度盐度观测,使系统地研究南大洋海洋上层结构成为可能。本研究使用2000—2018年的Argo浮标观测数据,分析了南大洋混合层深度(Mixed Layer Depth, MLD)的时空分布特征。结果表明:南大洋混合层存在明显的季节变化,冬春两季MLD在副南极锋面北侧达到最高值并呈带状分布,夏秋两季由于海表加热导致混合层变浅,季节变化幅度达到400m以上;在年际尺度上,MLD受南半球环状模(Southern HemisphereAnnularMode,SAM)调制,呈现纬向不对称空间分布特征,这与前人结果一致;本文指出在所研究时段,南大洋混合层在90°E以东,180°以西有加深趋势,而在60°W以西,180°以东有变浅趋势,显示出偶极子分布特征,并且这种趋势特征主要是风场的作用。     

考洲洋海域水质季节变化及评价方法初步研究

文章于2018年1月（冬季）、4月（春季）、7月（夏季）、10月（秋季）对我国考洲洋海域海水中的溶解氧（DO）、化学需氧量（COD）、无机氮（DIN）、活性磷酸盐（DIP）4个主要海水水质因子进行了综合调查。结果表明,4个水质因子DIP、DIN、COD、DO的平均浓度由高到低的季节变化分别为：冬季（0.058 mg/L）、春季（0.046 mg/L）、夏季（0.009 mg/L）、秋季（0.006 mg/L）;冬季（0.465 mg/L）、春季（0.171 mg/L）、夏季（0.064 mg/L）、秋季（0.040 mg/L）;夏季（1.57 mg/L）、冬季（1.26 mg/L）、秋季（1.22 mg/L）、春季（0.89 mg/L）;冬季（11.70 mg/L）、夏季（7.41 mg/L）、秋季（7.36 mg/L）、春季（7.18 mg/L）。评价结果显示,春季和冬季主要超标因子为DIP和DIN,夏季超标因子为DIP,秋季水质因子均满足要求。同时,本研究利用单因子标准指数法、富营养化指数法和有机污染评价指数法对考洲洋地区水质状况进行评价并对其进行初步比较和分析,结果表明,3种方法在季节性变化上的评价结果基本一致（由高到低均为:冬季、春季、夏季、秋季）,然而,同一季节不同评价方法的超标站位比例不同（单因子指数法:冬季占100%,春季占80%,夏季占10%,秋季则无;富营养化指数法:冬季占90%,春季占70%,夏季和秋季均为无;有机污染指数评价法:冬季和春季均占80%,夏季和秋季均为无）,比较分析表明,3种评价方法具有不同的评价作用和适用性。     

斜带髭鲷(Hapalogenys nitens)血细胞发生及外周血细胞化学染色观察

通过Wright-Giemsa染色对斜带髭鲷[Hapalogenys nitens (Richardson)]的头肾、体肾、脾脏、肝脏四组织涂片、印片的观察,发现其头肾、体肾、脾脏是其主要的造血器官。头肾能发育生成各类型血细胞,体肾能生成红细胞和粒细胞,脾脏能生成淋巴细胞和红细胞。肝脏中未发现幼稚型血细胞。血细胞发生大致经过原始、幼稚和成熟三个阶段。细胞化学染色显示:外周血细胞中,除淋巴细胞外,均有糖原;嗜中性粒细胞含有ACP、ALP、NACE、αNAE和POX;嗜酸性粒细胞含有ACP、NACE和POX;单核细胞含有ACP、αNAE和POX;小淋巴细胞有ACP。研究发现斜带髭鲷是一种抗病能力较强的鱼类。血细胞组织化学染色可作为斜带髭鲷疾病诊断的辅助手段。     

一种基于GPU和内存映射文件的高分辨率遥感图像快速处理方法

高分辨率遥感图像处理经常面临程序执行时间过长和内存空间不足的问题,虽然并行计算技术可以提高遥感图像的处理速度,但是无法降低算法占用的巨大内存空间。为了解决这一问题,本文提出了一种利用CUDA和内存映射文件的高分辨率遥感图像快速处理方法,并以K-Means算法为例进行了实现。其中,CUDA技术可以有效利用GPU强大的并行计算能力,而内存映射文件技术降低了磁盘I/O速度较慢对算法性能的影响。实验结果表明,本文方法比传统K-Means聚类算法计算速度提高了30倍左右,内存使用量降低了90%以上。