基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法,对于轮廓与特征点的提取最常用的方法是手动描绘与标定,利用计算机视觉进行轮廓与特征点的提取,不仅可以降低手动提取带来的误差、提高准确性,而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点,首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理,然后利用Canny算法提取角质颚轮廓,最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示,利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的,当标准差σ取值为0.1时角质颚轮廓图效果最佳,在得到的轮廓图上进行特征点的标定,通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为,将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性,同时也为后续的研究提供了新的实验思路和方法。     

不同流速和苗种规格对缢蛏平面流中间培育效果的影响

为了优化蛏苗集约化平面流中间培育技术,研究了不同进水流速和苗种规格对缢蛏中间培育效果的影响,并分析了集约化平面流中间培育系统的水质状况。结果显示,不同进水流速对缢蛏稚贝生长影响显著,稚贝生长速率随进水流速增加而增加,但成活率下降。通过流速与成活率和体质量日增生长量的线性回归分析,估算0.163L/s为适宜的进水流速。在适宜流速和相同放苗重量下,大规格苗种(8万粒/kg)生长速度显著高于小规格苗种(18万粒/kg),但因为小规格组放苗数量多,小规格组单位面积质量较其高出23.72%。除低流速组以外,平面流中间培育过程对叶绿素a和铵态氮有良好的去除效果,去除率分别达到36.99%和3.88%以上,这表明平面流集约化中间培育在利用海水池塘水体进行苗种中间培育的同时,也起到了池塘养殖水体的净化作用。综合认为,在养殖密度0.5kg/m^2、流速0.163 L/s的培育条件下,可以保证水体自污染程度较低,缢蛏苗种生长较快,成活率在73.12%以上。     

海底表层土导热系数变化规律的试验研究

基于热探针法原理,测试了在杭州湾以东陆架区取得的28个海底表层柱状样0.2、1.0和1.8 m处的导热系数,结合激光粒度分析结果,比较了研究区6种土导热系数的大小,发现含砂量大于10%的粗粒土拥有较大的导热系数。土质类型相同时,含水量和干密度对其导热系数影响显著。杭州湾沉积区、混合沉积区,陆架砂质沉积区表层土导热系数的平均值分别是:1.25、1.45 和1.46 W·m^-1·K^-1,呈现出由近岸向外海增大的趋势。而土样导热系数在垂向的变化表明:水深、埋深等空间分布因素对海洋土的热物性没有直接影响。     

联体线虫科(线虫动物门)系统分类研究进展

联体线虫科是自由生活海洋线虫中种类多样性较高的一个科,广泛分布于潮间带、浅海甚至超过6 000 m的深渊海底。联体线虫科目前已记录有19个属239个有效种(另有4个属由于原始描述较简单,被认为是疑似属),是当前海洋线虫分类学研究最为活跃的一个科。本文简述了联体线虫科的系统分类研究历史,回顾了这一类群的国内外系统分类学研究进展,对3个亚科的分类进一步做了梳理,并列出了各个属的种类检索表。     

我国生物海岸修复现状及展望

介绍了我国生物海岸的分布现状,总结出以柽柳为代表的灌木群落、以芦苇为代表的草本群落、以红树林为代表的常绿灌木与乔木群落以及珊瑚礁是我国海岸带四类典型生物群落。生物海岸的生态、旅游、渔牧和科研价值极高,但从20世纪50年代起,由于对生物海岸的价值认识不足,我国生物海岸被大量破坏,主要破坏原因可归纳为:1)土地功能转换式开发引起的红树林和草本岸线破坏;2)过度采挖及环境恶化引起的珊瑚礁破坏;3)土壤盐碱化引起的柽柳群落退化。从20世纪80年代至今,一系列海岸带保护与生态修复的举措陆续实施,减缓了我国海岸带生态加速破坏的态势,较好地保护和修复了我国生物海岸,其中最重要的举措包括:1)设立生物海岸湿地公园和自然保护区;2)建立健全生物海岸保护相关法律体系;3)开展典型生物海岸相关研究与修复技术探索;4)推进并实施"十三五"海洋规划中三大海洋重点工程。为了解我国海岸带生态修复的现状,于2017-2018年期间,分别在山东日照、潍坊,上海,广东汕头、汕尾以及徐闻进行了实地调研和测量,调研结果表明:在政策支持下,调研地区的生物海岸得到了很好的保护和修复,推进我国海岸带生态修复步入快速发展阶段。基于调研成果,指出我国在海岸带生态修复中应特别重视的一些问题。     

KK型管节点应力集中系数几何敏感性分析

KK型管节点是自升式平台桁架式桩腿中的一种管节点,其应力集中系数是影响桩腿疲劳寿命的重要参数。应力集中系数与管节点的几何形式密切相关,为分析KK型管节点应力集中系数对几何参数的敏感性,利用ANSYS软件对某KK型管节点进行几何参数化建模,利用有限元数值模拟方法对各工况下的热点应力进行分析,并分别计算各相应工况下的名义应力,然后将热点应力与名义应力相比得到不同几何参数下的热点应力集中系数。对计算结果进行整理分析,得到了KK型管节点应力集中系数对无量纲几何参数的敏感性规律。结果表明,应力集中系数与撑杆受力状态、管节点结构形式有关,在满足结构布置、建造工艺和其他安全性指标的前提下,分析结果能够为KK型管节点的结构设计和疲劳分析提供技术支撑。     

东川式铜矿的成矿作用及后期叠加改造:来自硫化物原位硫同位素的制约

沉积岩型层状铜矿床(SSC型)的成因争论聚焦在成矿作用主要集中在沉积成岩期并可能叠加有后期成矿作用,还是形成于成岩后盆地闭合过程和造山作用有关.产于扬子板块西缘的东川式铜矿是中国SSC型矿床的典型代表,这些矿床赋存在晚古元古界东川群岩石中,主要呈层状矿体产出,但也存在少量脉状矿体.文章选择东川铜矿田内因民、汤丹和滥泥坪...     

海洋自然资本评估中生物能值转换率的研究

自然资本评估是研究生态系统服务与社会经济发展的重要方式。由于海洋具有特殊性和复杂性、开放性、流动性和多层次耦合性等特点,海洋自然资本评估方法的研究进展缓慢。能值分析理论通过能值转换率将生态系统内流动和储存的各种不同类别的能量和物质转换为同一标准的能值,可衡量和比较不同等级的能量价值,系统完整地反映自然资本价值,这一特点是其他评估方法所缺乏的。为精确量化海洋生物资本价值,本研究引入海洋食物网信息能流图和生态系统能量传递规律,提出了生物能值转换率的经验公式,即Tn=T1·E^1-nL(T1为初级生产者的太阳能值转换率,n为营养级,EL为林德曼效率)。为验证经验公式的可行性,选用相关案例进行了研究,得到海洋食物网中不同食性生物所处营养级及其相应的能值转换率。经验公式有一定误差,具体应用时应通过调研文献和相关数据,确定关键参数的取值范围以提高准确性。本研究得出的经验公式简化了海洋生物能值转换率的计算方法,促进了能值分析理论在海洋自然资本评估中的进一步应用。     

福建长乐西施舌资源现状及保护成效研究

2018年4月在“福建省长乐海蚌资源增殖保护区”及其邻近海域布设31个站位进行底拖网调查取样,共鉴定渔获物45种,其中甲壳类21种、贝类14种、鱼类10种。西施舌（Mactra antiquata）的站位出现率为38.71%。站位的质量密度平均为975.68 kg/km²（0～23 384.53 kg/km²）,个数密度平均为2.983×10⁴个/km²（0～59.607×10⁴个/km²）。西施舌种群在渔获物中的IRI值高达 1 556.5 \[仅次于截形白樱蛤(Psammacoma gubernaculum)],为优势种,表明西施舌在保护区生物资源组成中占有重要的地位;保护区内西施舌的站位出现率及质量密度明显高于区外,表明西施舌资源主要集中分布于保护区范围内;西施舌种群的年龄组分布较广,年龄结构较为合理。大部分西施舌均达到性成熟年龄和大小,表明资源具有可持续发展的潜力。与2006年和2012年的调查结果相比,保护区2018年西施舌资源比2012年有显著提高,分布范围亦有明显扩大,但尚未恢复到2006年的总体水平。综上可以看出,西施舌资源保护区范围总体界定合理,西施舌资源保护显见成效;“福建省长乐海蚌资源增殖保护区”范围内不同区块实行不同程度的禁捕、限捕管控,2011年以来累计放流西施舌种苗253.07万粒,对于西施舌资源恢复和养护管理是有效的举措。     

基于Stacking集成学习的恒星/星系分类研究

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.