沙坡头没蒿和柠条叶片δ13C 和 N 含量的季节变化特征

通过对腾格里沙漠东南缘沙坡头人工固沙区油蒿和柠条叶片稳定碳同位素分辨率（△）和N 含量的测定，研究了不同种植方式下油蒿和柠条叶片△ 和 N 含量的季节变化及其关系。结果表明：在不同种植方式下，两种植物的△ 与 N 含量在不同月份之间均存在显著差异。油蒿叶片 △ 极显著高于柠条的：在不同种植方式下，油蒿单种下 △ 显著高于混种，柠条则反之。 油蒿叶片 N 含量极显著低于柠条的：不同种植方式下柠条叶片 N 含量无显著差异，而单种油蒿叶片 N 含量则显著低于混种。在 △ 与 N 含量的关系中，柠条叶片 △ 与 N 在两种生境、单种和混种下均极显著正相关，雨明柠条叶片 N 含量可以作为其 △ 与 N 含量的季节变化及其关系在不同微生境有所差异。     

空间运动对象与时空数据类型研究

当前时空数据模型多以描述空间实体的离散变化为主。该文中对空间运动对象在抽象层次的无限连续空间、离散层次的有限离散空间上的数据类型进行分析和定义，将其分别划分为时间类型、空间类型和时态类型来研究，并提出支持空间运动对象的表示方法和操作方式。该方法既能表示空间实体的连续运动，也能表示其离散变化，为空间运动对象时空数据模型的建立奠定了基础。     

基于高通量测序的表层水体纤毛虫多样性评估方法比较与优化

基于扩增子的高通量测序技术广泛应用于微型生物多样性的研究, 不同的测序手段和数据分析流程, 影响着微型生物多样性与群落结构的分析结果。本研究以易于形态鉴定的砂壳纤毛虫作为研究对象, 比较DNA测序、RNA测序和形态学方法检获的多样性和物种组成等, 探究序列分析流程中关键步骤: 嵌合体处理、可操作分类单元分析方法选择、合并相似分类单元以及去除稀有类群等对多样性结果的影响。研究结果显示无论基于DNA还是RNA的分子手段与形态学方法检获的主要物种基本一致, 与DNA测序相比, RNA测序检获的物种数少, 但差异不显著。基于97%以上相似度聚类和单核苷酸变异所得群落结构相似, 无显著差异; 且所有分析方法都能在一定程度上反映出自然界中不同类群的相对丰度。相较于单核苷酸变异和其他相似度阈值, 99%相似度下聚类所得多样性更为接近形态学结果。去除嵌合体和稀有类群(去除阈值: DNA测序0.05%; RNA测序0.07%), 可明显改善分子多样性虚高的问题。本研究为纤毛虫等真核微生物的分子多样性研究提供了科学的数据分析流程, 对未来真核微生物多样性研究具有指导意义。     

基于多模态感知的水下目标检测应用构想

水下目标检测在海洋生物研究、考古探索、军事防御等多领域广泛应用,随着人工智能快速发展,水下目标检测也朝着无人化、智能化发展。深度学习采用神经网络挖掘信息特征,在速度和精度上均表现出优异的性能,成为了计算机视觉技术的主流算法,然而水下环境复杂,将其应用于水下图像目标检测仍存在较大的挑战。水下目标各模态信息互补,特征丰富,有利于目标检测识别,因此结合应用场景调研现有技术,然后设计基于深度学习的多模态水下目标检测系统,同时对比分析了现有关键技术的优缺点,最后对多模态目标检测系统未来发展进行总结与展望,具有重要意义。     

基于YOLO算法的海洋中尺度涡三维结构构建

海洋中尺度涡是一种常见的中尺度海洋现象,研究海洋中尺度涡的分布及运动特性对航运、气候、军事等具有重要作用,海洋中尺度涡的识别是海洋学和计算机科学领域的一个热门研究课题。运用深度学习的方法和框架,对中尺度涡的二维识别和三维结构构建展开研究分析。首先,获取全球海洋再分析数据并进行流线可视化,构建涡旋流线数据集;其次,利用YOLO v5s卷积神经网络对涡旋流线数据集进行训练,并对南海区域中尺度涡进行有效检测。实验结果表明,YOLO v5s训练后得到最优模型经过测试,平均检测精度均值达到了86.10%;最后,根据涡旋检测结果,对检测出的同时刻不同深度的涡旋判断是否属于同一涡旋,确定后进行该涡旋的三维结构构建。     

采用泵喷补偿技术的近底拖体水压场数值模拟研究

采用标准 k-ε 模型,结合 Fluent 软件,对采用泵喷补偿技术的拖体水下被拖行运动所产生的压力场变化进行了数值模拟实验。结果表明：采用泵喷补偿技术对拖体水压场的“马鞍形”分布特性影响较小, 但随着喷水速度的增加,拖体首端压力负值略有增加,而中段的负峰幅值显著增加,当喷水速度达到一定值后,拖体的压力特性曲线已经较为接近期望值,证明泵喷补偿技术具有一定的可行性。     

长江漫滩区深大异形基坑施工对紧邻特大型桥梁影响及变形控制研究

随着地下空间资源的开发利用,越来越多深基坑呈现出开挖深、规模大、形状不规则等特点,其支护结构设计复杂,施工难度大,具有明显的空间效应。本文以南京地铁某基坑工程为例,分析基坑施工对邻近桥梁的影响。其场区位于长江下游漫滩相二元结构地层分布地段,上部软土层厚度大,下部承压含水层地下水位高、水量丰富,地质条件复杂,该基坑为典型的深大异形基坑,距离某大桥的双曲拱引桥仅为7. 2 m,由于之前桥梁已遭受其他地下工程施工产生的较大变形,所以后续工程对其影响变形控制要求极高。为此,该车站基坑支护结构设计基于地下空间实际功能采用设置分隔墙分区开挖及MJS超深工法墙综合变形控制方案。本文通过有限元数值模拟计算,开展复杂环境下基坑开挖引起的围护结构及桥梁桩基的变形预测分析,计算结果显示,该深大狭长异形基坑开挖对邻近桥梁沉降变形影响显著,通过设置分隔墙分区开挖及MJS工法墙进行变形控制,能够较好地控制基坑的空间效应,减少“长边效应”、“异形效应”等对桥梁沉降变形的影响。通过现场基坑开挖过程实际监测结果,验证这一综合变形控制方案的可行性。该研究成果对于类似复杂地质条件下深大狭长异形基坑的支护及施工设计具有很好的借鉴意义。     

山东诸城地区下白垩统一新类型鸟类足迹

1931年,Mehl报道的来自Dakota Group的Ignotornis mcconnelli是第一个被广泛接受的中生代鸟类足迹。目前,亚洲、北美洲、欧洲、非洲和南美洲都有白垩纪鸟类足迹的报道,尤其以东亚地区最为丰富。山东诸城张祝河湾恐龙足迹点保存了一枚完整的鸟类足迹,本文对该鸟类足迹进行了详细描述与对比。研究认为,该鸟类足迹区别于以往发现的鸟类足迹,根据其形态建立了新种：玲珑诸城鸟足迹Zhuchengornipes exquisitus。玲珑诸城鸟足迹造迹者可能为滨鸟类,形成于干旱气候下的滨浅湖环境。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

微陆块属性厘定的依据——以中亚造山带南缘中段为例

造山带中残存有许多前寒武纪地质体,其中一些被当作前寒武纪基底用于探讨所在微陆块的大地构造属性。由于微陆块属性对于造山带结构和演化具有重要意义,以及所讨论的前寒武纪地质体蕴含地球早期历史演化信息,对微陆块属性的厘定成为造山带研究的重点和难点问题之一。笔者等以中亚造山带南缘中段的微陆块为例,总结梳理了微陆块厘定的相关依据：岩石组合和变质变形特征,碎屑锆石谱峰显示的源区时代特征,地质事件序列,前寒武纪地壳演化信息,继承锆石、捕获锆石和古生代侵入体同位素显示的深源地壳信息,以及地球物理等方面的特征。由于不同学者采用的厘定依据不同,对微陆块属性认识争论不断,即使相同依据也有一定的差异,从而影响对造山带结构和演化的认识。基于以上原因,笔者等认为前寒武纪基底的亲缘性探讨不仅要注重岩石组合和形成时代,还要在精细野外解剖和高精度年代学工作基础上,注意其变质—变形特征、接触关系、源区时代特征、岩石成因和构造环境、地壳增生信息和深源地壳信息等的综合对比分析,以得到较全面依据,探讨其构造属性。当获得一组前寒武纪地质体信息时,可先进行同构造单元内对比,再与其他构造单元对比。当特征相异时则需进行构造单元拆分或考虑构造就位的可能（包括但不限于推覆体、走滑外来体、俯冲刮削的构造岩片）;当特征相似时,可能指示了相同微陆块的裂解或破坏或者不同的微陆块共同经历了相似的前寒武纪演化历程。