黄渤海带鱼(Trichiurus lepturus)渔业生物学参考点估计研究

It is important to find a reliable method to estimate maximum sustainable yield(MSY) or total allowable catch(TAC) for fishery management, especially when the data availability is limited which is a case in China. A recently developed method(CMSY) is a data-poor method, which requires only catch data, resilience and exploitation history at the first and final years of the catch data. CMSY was used in this study to estimate the biological reference points for Largehead hairtail(Trichiurus lepturus, Temminck and Schlegel) in the Yellow Sea and Bohai Sea, based on the fishery data from China Fishery Statistical Year Books during 1986 to 2012. Additionally,Bayesian state-space Schaefer surplus production model(BSM) and the classical surplus production models(Schaefer and Fox) performed by software CEDA and ASPIC, were also projected in this study to compare with the performance of CMSY. The estimated MSYs from all models are about 19.7×104–27.0×104 t, while CMSY and BSM yielded more reasonable population parameter estimates(the intrinsic population growth rate and the carrying capacity). The biological reference points of B/BMSY smaller than 1.0, while F/FMSY higher than 1.0 revealed an over-exploitation of the fishery, indicating that more conservative management strategies are required for Largehead hairtail fishery.     

基于云模型的海岸脆弱性评估 ——以厦门岛为例

脆弱性评估很大程度上存在着模糊性和随机性,为有效解决评估过程中定性概念与评估指标按隶属函数定量描述这一不确定转换问题,本文基于云理论本文选取海岸地貌、海岸高程、海岸坡度、海岸缓冲能力、有效波高、道路价值和建筑价值为指标,构建了厦门岛海岸脆弱性评估指标体系,运用云模型评估手段定量测度了厦门岛海岸脆弱性空间分异特征。评估结果与客观情况比较吻合,检验了指标体系的合理性和评估模型的适用性。本文提出了海岸脆弱性综合评估模型,实用有效,可以推广到与厦门岛类似的区域,为海岸管理及规划提供科学指导。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

海洋生态系统净生产力研究进展

海洋生态系统净生产力 （net ecosystem production,NEP） 表示总初级生产力 （gross primary production,GPP） 和呼吸作用 （respiration,R） 过程之间的差异,它对碳收支平衡、海洋生态系统营养状态乃至气候变化等研究具有十分重要的指示意义。影响海洋 NEP 的因素有细菌、浮游生物、温度、太阳辐射、海冰融化、水团迁移、富营养有机质排放以及海水酸化等。目前计算 NEP 的方法可分为实验培养测定及数据模型计算两种。溶解氧培养法及同位素标记法等是经典的培养测定方法,但存在误差较大且重现性较差等问题。数据模型计算即借助养分质量平衡、响应面模型、O2/Ar 示踪等方法,通过将现场实测数据和生物地球化学模型结合,进行高时间分辨率的连续性观测,这也是目前测算 NEP 的主流应用手段。然而,相较于发达国家,我国在 NEP 的研究设备、技术、测定方法等方面仍存在一定差距。今后的研究重点将是建立 NEP 指标与表征海洋环境、气候变化之间的耦合关系以及 NEP 测定方法的改进,这将有助于深入理解和探索全球变化背景下海洋生态系统响应机制及变化趋势。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。     

总体最小二乘法在浮游植物色素吸收系数模型估算中的应用

采用常规最小二乘法(LS)和总体最小二乘法(TLS)对浮游植物色素吸收系数与叶绿素a浓度之间的关系进行了研究。利用2003-2012年6个航次243组实测数据,建立了LS和TLS模型,应用模型估算典型波段的色素吸收系数值,并对两种模型进行了验证。采用平均绝对百分误差和均方根误差两种方法进行模型效果评估,结果显示,两种评估方法均能很好地说明,在400～700 nm光谱范围内,TLS拟合结果优于LS拟合结果。总体最小二乘法在综合考虑了参数误差和测量误差的情况下,拟合结果精度更高,更符合实际情况,估算结果的准确性要优于常规最小二乘法。     

长江口外潮汐精细化模型研究与精度分析

长江口外海上测量除受风浪影响较大外,最重要的问题是潮位控制非常困难。文中简要阐述了开展长江口外潮汐精细化模型研究的方法,介绍了利用潮汐精细化模型对长江口外航路任意点进行潮汐预报的方法,并通过实测数据进行了精度分析,提出了建议。     

海上风电升压站平台高程确定标准的合理性研究

为保证海上风电升压电站建设的经济合理与安全可靠,合理确定海上风电升压电站平台高程十分必要。文中从波浪与潮位的遭遇组合、最大波高取值与现行相关标准的比较、最大波峰高度计算的合理性等方面,全面分析了确定海上风电升压站平台高程各组成项取值标准的合理性,研究认为现行标准明显偏高。建议海上升压站平台底部高程按"100年一遇极端高水位+重现期50年波列累积频率1%的最大波峰高度+安全超高"确定。结合工程实例计算分析,按本文建议可使海上升压站平台高程明显降低,从而节省工程造价,还可减轻升压站工程对周边风机的遮蔽影响,以达到多发电量的效果。     

耐压柱壳参数化设计与灵敏度分析

为提高耐压柱壳设计效率,设计了耐压柱壳参数化分析流程。研究了有限元分析所涉及的材料属性、载荷施加、边界条件设置等内容,确定了采用弧长法分析耐压柱壳稳定性。利用Python语言对于ABAQUS软件进行了二次开发,利用Isight软件实现了ABAQUS的集成,实现了耐压柱壳有限元分析模型的网格自动划分、自动分析计算等。选择样本点进行参数化分析,利用响应面模型对于样本点进行了拟合,得到了具有较高拟合精度、满足工程需要的近似模型,进行了设计变量的灵敏度分析。研究结果表明:参数化分析流程可实现耐压柱壳的自动分析、近似模型及灵敏度分析,可降低耐压柱壳分析难度,均可提高耐压柱壳设计效率。