海产动物选择育种的研究进展

随着养殖业的不断发展,优良品种的选育已日趋重要.本文对国外海产动物选择育种的进展情况作初步介绍和评价,以便大家对当前国际上在这方面的研究进展有所了解,同时也希望对国内这方面工作的开展起到一定的促进作用.     

二维非线性浅水波的数值模拟

研究工作的目的在于建立一个能够模拟二维潮流、洪水波(长波)和浅水波浪(短波)的综合数学模型.基本模型建立在非线性的Boussinesq方程基础之上.本文主要讨论浅水波浪即短波的数值模拟.模型可以考虑必要的外力项,如柯氏力、风应力、大气压力和底摩阻力等.针对Boussinesq方程提出了一个全隐的二维差分格式,讨论了人工开边界的处理方法.模型被用来计算了突然扩张渠槽中的环流和单突堤后的水波绕射,取得了满意的结果.     

常见水产药物对海洋弧菌的杀灭作用

当前市场上的水产药物种类多、销量大，但究其药效及质量则参差不齐。本文从水产药物对养殖水体中细菌含量的影响，及水产药物对致病海洋弧菌的药物敏感性两个方面，评价了１５种常见的水产药物的药效。ｌ材料与方法１．１药物来源１５种实验药物均由生产厂家提供。１．２实验菌株副溶血弧菌、溶藻胶弧菌购自北京微生物研究所，坎贝氏弧菌由青岛海洋大学生物系提供。１．３培养基细菌培养基为蛋白胨５ｇ，酵母膏１ｇ，磷酸高铁０．１ｇ，琼脂２０ｇ，陈海水１０００ｍｌ（ｐＨ７．６，１０５ｋｐａ灭菌２０ｍｉｎ）。弧菌培养基购自上海生物…     

大叶藻的生态学特征及其与环境的关系

大叶藻是近海生态系统中重要的初级生产者。本文从5个方面论述了大叶藻的生态学特征及其与环境的关系:1)大叶藻对海洋沉水生活的适应;2)大叶藻在资源分配上的繁殖策略;3)大叶藻的营养盐代谢;4)大叶藻对近海生态的贡献;5)大叶藻衰退的原因。     

对虾池塘浮游植物与主要水质因子的关系

浮游植物是池塘生态系统中一个重要组成部分,对维持系统的正常功能,稳定池塘环境起着重要的作用。 1 实验方法和条件 1992年7月和8月,在山东省牟平县宁海虾场,对5个对虾池塘的浮游植物优势种、溶解氧、pH、氨氮做了     

一九八八年山东大白菜病害的气象条件分析

1988年山东大白菜病害严重流行,其主要征状表现为“孤丁病”与“软腐病“。全省大白菜发病面积占总种植面积的70%左右,总产减少1/3,市场供应不足,给人民生活带来了许多困难。一般而言病害的发生取决于3个条件:一是有大量菌源存在;二是大白菜处在最易染病的生育阶段;三是有适宜病菌生长,繁殖的气侯条件。本文将着重分析1988年气象条件与三者关系,以及对大白菜生长的影响,探讨病害大流行的原因,以便找到这种气候年型下减少损失的合理对策。     

塔里木北缘震旦纪—寒武纪转折期碳同位素漂移事件及成因机制

震旦纪—寒武纪转折期是地球演化的关键节点,这一时期的碳-氧同位素记录在塔里木保留完整却关注较少。选取苏盖特布拉克露头震旦系与寒武系交界地层实测采样,并开展了古生物、镜下鉴定、碳同位素漂移事件的综合分析,探讨了N1(BACE)、P1(ZHUCE)等碳同位素漂移事件的成因机制。样品的δ¹³C_carb和δ¹⁸O_carb相关系数(R²=0.05)、δ¹⁸O_carb和Mn/Sr相关系数(R²=0.09)及岩石学特征表明,后期成岩改造并未导致碳-氧同位素的显著分馏,原始碳同位素特征得以基本保留。由下至上,在该剖面识别出P-1事件(δ¹³C_carb峰值1.9‰2.4‰)、N1事件(-6.8‰-10.3‰)、P1事件(1.4‰4.1‰)、N2a-c事件(-0.4‰-2.8‰)、P2a-c事件(0.2‰0.6‰)和N3事件(-3.4‰)。综合碳同位素演化特征与古生物、年代学数据,确认了玉尔吐斯组底部硅质页岩与奇格布拉克组顶部藻云岩的分界面为塔里木震旦系与寒武系的分界线,并实现了该露头与老林、肖滩、三峡、西伯利亚、阿曼和摩洛哥剖面的地层对比。分析认为,塔里木北缘震旦纪—寒武纪转折期的碳漂移事件,更多受控于古海洋氧气含量变化引起的固碳率f_org的波动。玉尔吐斯组早期海侵背景下的大规模缺氧事件导致的初级生产力和固碳率降低,是N1负漂移事件(BACE)的主因;随后海退中氧气含量的增加引起生产力重建和固碳率增加,形成了P1正漂移事件(ZHUCE)。这一成果性认识有助于塔里木盆地寒武纪古环境研究与深层超深层油气远景资源评价。     

海蜇苗种培育技术的研究

论述了海蜇(RhopilemaesculentaKishinouye)苗种培育技术的操作要求 ,海蜇的繁殖经过有性繁殖和无性繁殖两个阶段 ,海蜇苗种培育时间长达9～11个月 ,着重强调了螅状幼体的越冬保存、大规格苗种培育的技术要求 ,阐述了碟状幼体变态发育到幼蜇的特征。在3年研究过程中 ,共成功越冬保存螅状幼体3×106 万个 ,培育伞径10mm幼体3300万尾 ,20mm幼体1000万尾 ,30～50mm大规格海蜇幼体200万尾。     

基于机器学习的日冕仪图像分类方法研究

日冕物质抛射(Coronal Mass Ejection, CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提. 通过Visual Geometry Group (VGG) 16卷积神经网络方法对日冕仪图像进行自动分类. 基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的白光日冕仪图像, 根据是否观测到CME对图像进行标记. 将标记分类的数据集用于VGG模型的训练, 该模型在测试集分类的准确率达到92.5%. 根据检测得到的标签结果, 结合时空连续性规则, 消除了误判区域, 有效分类出CME图像序列. 与Coordinated Data Analysis Workshops (CDAW)人工事件库比较, 分类出的CME图像序列能够较完整地包含CME事件, 且对弱CME结构有较高的检测灵敏度. 未来先进天基太阳天文台(Advanced Space-based Solar Observatory, ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager, SCI), 使用此分类方法将该仪器产生的日冕图像按有无CME分类. 含CME标签的图像将推送给中国的各空间天气预报中心, 对CME进行预警.