夏季长江口缺氧区、低氧区和正常溶解氧海区浮游动物群落特征比较研究

夏季,长江口底层极易发生大面积低氧甚至缺氧.比较2016和2017年夏季长江口缺氧区(DO<2 mg/L)、低氧区(2 mg/L3 mg/L)浮游动物群落(>160μm)特征发现:2016年群落丰度和生物量均表现为缺氧区明显高于低氧区和正常海区;中小型桡足类、胶质浮游动物丰度表现...     

约束Delaunay三角剖分的“岛屿”类图斑符号填充

针对传统方法对“岛屿”类图斑进行符号填充会造成敏感区域符号布局不合理或符号空间冲突的问题,本文提出了一种约束Delaunay三角剖分的“岛屿”类图斑符号填充方法。首先,对“岛屿”类图斑对应的离散点群进行规则网格化和不规则三角剖分,用于计算等值点;然后,依据附加准则增加“凸”形和“凹”形附加点,顺次连接等值点和附加点作为Delaunay三角剖分的约束边界;最后,构建均匀变化的约束Delaunay三角网,在三角网内进行图元积分,填充“岛屿”类图斑符号。利用电子海图中岛屿边界点数据进行试验分析,与传统方法相比,本文方法填充的“岛屿”类图斑符号变化均匀,交互性较强,便于用户修改和切换,进行二次填充。试验结果表明,本文方法适用于“岛屿”类图斑的符号填充。     

乐清湾海域浮游动物群落分布的季节变化特征及其环境影响因子

2006年10月、2007年1月、4月及7月对乐清湾海域浮游动物群落的种类组成、优势种、生态类群、水平分布的季节性变化特征进行了调查,分析了浮游动物群落分布与环境因子的关系。结果表明,在调查海域共鉴定出浮游动物82种(包括浮游幼体11种),隶属于15大类,其中秋季为46种、夏季为42种、春季为25种和冬季为16种。乐清湾浮游动物可分为近岸低盐类群、暖水性近海类群、暖温带近海类群和暖水性广布类群4个生态类群,其中近岸低盐类群在全年均占优势,其它类群则呈现明显的季节变化。中华哲水蚤Calanus sinicus、真刺唇角水蚤Labidocera euchaeta、针刺拟哲水蚤Paracalanus aculeatus和背针胸刺水蚤Centropages dorsispinatus为调查海域主要优势种。浮游动物生物量年平均值为82.7mg/m3,其大小依序为:夏季(121.1mg/m3)>秋季(119.2mg/m3)>春季(48.5mg/m3)>冬季(42.2mg/m3);丰度年平均值为82.1个/m3,其大小依序为:夏季(193.4个/m3)>秋季(73.7个/m3)>春季(53.4个/m3)>冬季(9.8个/m3)。相同季节浮游动物生物量和丰度的平面分布趋势类似,季节间则存在明显差异。相关性分析结果表明,浮游动物物种数与水温、盐度、叶绿素a质量浓度和浮游植物细胞密度均呈极显著相关;丰度与水温、叶绿素a质量浓度和浮游植物细胞密度呈极显著相关;生物量与水温、叶绿素a质量浓度呈极显著相关。与历史资料相比,近30a来浮游动物数量呈下降趋势,但群落结构和组成没有发生明显改变。     

氮磷比对浙江近岸浮游植物群落结构影响的实验研究

通过室内受控实验方法研究不同氮磷比(N/P)(1:1,4:1,8:1,16:1,32:1,64:1,128:1和256:1)对浙江近岸秋季浮游植物群落结构的影响。结果表明,不同N/P对浮游植物群落的多样性指数、物种组成及演替过程均有显著影响。实验前期(6~12 d),低N/P组(1:1)H',Ma,J和D_r值均偏小,实验结束时(30 d)8:1和16:1组H',J和D_r值小于其他各组。实验初期(6 d),高N/P组(128:1和256:1)对硅藻生长有明显促进作用,实验结束时8:1和16:1组更适合硅藻生长。此外,各组中浮游植物群落都呈硅藻→甲藻的基本演替规律,外界环境条件的改变较之群落初始物种组成对浮游植物群落的演替顺序更具决定性作用。     

样本数量不平衡下的建筑群模式识别方法研究

通过综合空间关系、几何、语义等多种特征对建筑群模式进行智能识别,在地图多尺度表达和数字化制图等领域有着重要的意义。将图卷积神经网络用于建筑群模式智能识别能够克服传统方法依赖人工经验设置参数、制定的规则过于严格等缺点。但是该方法往往存在样本比例失衡的问题,容易导致样本数量较少的类别无法正确识别。本文首先以建筑物质心作为样本进行聚类获得建筑群组。其次,将同一群组内的建筑物质心作为样本进行Delaunay三角剖分来构建建筑群的图结构,其中图节点特征选取能够描述建筑群几何特征的面积、大小、方向等相关指标。再次,通过图结构过采样的方式对样本数量较少的建筑群图结构进行增强,然后将样本数量较少的建筑群图结构增强前后的数据分别输入图卷积神经网络模型进行训练,并结合ROC曲线等多个评价指标对模型的性能进行了评测。实验结果表明,对样本数量较少的建筑群图结构增强之后,模型对于样本数量较少的建筑群识别准确率有了明显的提高。     

2015年春、秋季瓯江口鱼卵和仔稚鱼生态分布

为了解瓯江口海域鱼卵和仔稚鱼的生态分布现状,分别于2015年4月和10月在该海域开展生态调查。春、秋两季共采集到鱼卵42粒,仔稚鱼295尾;共鉴定出鱼卵和仔稚鱼16种,分别隶属于8目14科15属,其中鲈形目种类最多。春季鱼卵、仔稚鱼物种数和丰度均远高于秋季。春季鱼卵优势种为斑鰶Konosirus punctatus,秋季为舌鳎属未定种Cynoglossus sp.;春季仔稚鱼优势种为鮻Liza haematocheila、花鲈Lateolabrax japonicus和矛尾鰕虎鱼Chaeturichthys stigmatias,秋季为侧带小公鱼属未定种Stolephorus sp.。瓯江口海域春季鱼卵和仔稚鱼的丰度高值区均位于大门岛周围,该海域应在海洋生态红线划定时予以考虑,秋季则相对分散在较外侧海域。春季仔稚鱼数量分布与盐度和营养盐有极显著相关性。与20世纪90年代初相比,该海域的鱼卵、仔稚鱼物种及数量均在发生变化,数量略呈下降趋势。与浙江近岸其他海域相比,瓯江口海域的鱼卵、仔稚鱼数量偏低。     

青藏高原北麓河地区近地层能量输送与微气象特征

利用青藏高原北麓河冻土综合试验站自动气象站2002年5月30日～6月24日观测资料,计算分析了该地区近地层的地表能量平衡、地表加热场、感热、潜热、地表反照率、动量和热量总体输送系数等特征量场的变化特征,首次得到高原北麓河地区近地层能量输送和微气象特征。     

图残差神经网络支持下的建筑物群组模式分类

建筑物作为城市中的重要地物,分析其群组模式对地图综合、导航定位、市政规划等具有重要作用。建筑物群组模式分析目前主要有基于规则的方法和基于机器学习的方法两种。基于规则的方法和基于传统机器学习分类器的方法均需要大量的人工处理过程。近年来兴起的深度学习特别是图卷积神经网络前期无需人工处理,因此提高了建筑物群组模式分析的自动化程度。传统的图卷积神经网络模型在训练深层网络时易出现退化问题,提取深层特征困难。为解决此问题,本文引入了图残差神经网络模型用于建筑物群组的模式分类。首先使用道路和河流等作为约束条件,利用K-means方法对建筑物进行聚类;然后根据Bertin视觉变量计算对应的建筑物特征指标,在每个建筑物群组中以建筑物质心为节点,连接节点的最小生成树作为边,构建建筑物群组图结构;最后将得到的图结构数据输入图残差神经网络进行训练,得到规则和不规则两种建筑物群组模式。试验结果表明,该模型较好地解决了传统图卷积神经网络模型的退化问题,并取得了更高的精度。