安阳矿区煤与瓦斯突出预测模型的建立与应用

利用灰色关联分析法确定控制矿井煤与瓦斯突出的主导因素,根据人工神经网络建立煤与瓦斯突出危险性预测的系统结构,在此基础上,选用突出矿井的15个煤与瓦斯突出实例作为学习样本对网络进行训练,最后运用3个煤与瓦斯突出实例作为预测样本对所建模型进行验证。结果表明利用灰色理论—神经网络方法建立的预测模型能够满足煤与瓦斯突出预测的要求。通过分析和计算安阳矿区煤层的开采深度、地质构造(尤其是断层)与突出危险程度关系密切,在煤与瓦斯突出的预测、防治工作中可以作为首选指标来考虑。     

南海深海鱼类一新记录种——鞭尾鱼

2016年11月至2020年7月在南海海域采集管眼鱼6尾,经形态特征鉴定为月鱼目、鞭尾鱼科、鞭尾鱼属(Stylephorus)、鞭尾鱼(Stylephorus chordates)。鞭尾鱼主要鉴别特征为：体长,侧扁。眼大,呈望远镜状,朝前或朝上。吻小,管状,口有特别大的伸缩能力。背鳍从颈背部延伸至尾鳍基部。尾鳍分明显的上叶和下叶,下叶2鳍条极度延长。鞭尾鱼在南海海域的发现是该科、该属、该种鱼类在中国海域的首次纪录。     

长江三角洲碳排放与植被覆盖耦合协调时空格局及影响因素分析

通过构建评价指标体系和分析框架,利用综合指数法、耦合协调度模型和灰色关联度模型分析2005―2017年长江三角洲（长三角）碳排放与植被固碳耦合协调时空变化特征及驱动因素,并模拟政府决策优先级对耦合协调度趋势的影响。结果表明：长三角碳排放空间集聚特征显著,基本形成了以长江沿线和长三角东南沿海区域为核心的沿江沿海高排放带;长三角碳排放与植被固碳耦合协调度具有明显的空间分异特征,呈现出南京-上海沿线一般失调区域为核心的圈层结构特征;植被覆盖综合评价值高于碳排放综合评价值的地区耦合协调度普遍较高,人口的集聚和变化、城市建设和能源消耗对耦合协调度影响最大;同时,政府决策的优先级会显著影响耦合协调趋势。     

基于RTK-GPS技术的干热河谷冲沟沟头形态特征

采用高精度实时动态差分GPS(以下简称RTK-GPS)技术对干热河谷冲沟进行野外调查,获取36个不同活跃度类型沟头的形态参数,研究不同活跃度类型之间沟头的形态特征差异,并分析集水区、沟床植被盖度与形态特征之间的关系。结果表明:1.沟头不同活跃度类型之间,其跌坎高差、沟床比降差异最为显著,可作为沟头活跃度类型野外判别的主要参考指标;沟壁坡度、宽-深比等的差异较为显著,亦可在一定程度上表征沟头活跃程度。2.沟床植被盖度与各形态特征参数的相关性显著,表明沟床植被盖度可作为形态参数的综合替代性指标。同一活跃度类型的沟头,其跌坎高差、沟床比降等与沟床植被盖度呈极显著负相关关系,说明随着沟床植被盖度的增加(或减小),跌坎高差、沟床比降均呈减小(或增加)趋势。3.集水区植被盖度与各形态特征参数的关系不显著,表明干热河谷集水区植被盖度对沟头发育的贡献有限。     

Effects of Nitrogen Addition on Plant Functional Traits in Freshwater Wetland of Sanjiang Plain,Northeast China

To clarify the responses of plant functional traits to nitrogen（N） enrichment, we investigated the whole-plant traits（plant height and aboveground biomass）, leaf morphological（specific leaf area（SLA） and leaf dry mass content（LDMC）） and chemical traits（leaf N concentration（LNC） and leaf phosphorus（P） concentration（LPC）） of Deyeuxia angustifolia and Glyceria spiculosa following seven consecutive years of N addition at four rates（0 g N/（m^2·yr）, 6 g N/（m^2·yr）, 12 g N/（m^2·yr） and 24 g N/（m^2·yr）） in a freshwater marsh in the Sanjiang Plain, Northeast China. The results showed that, for both D. angustifolia and G. spiculosa, N addition generally increased plant height, leaf, stem and total aboveground biomass, but did not cause changes in SLA and LDMC. Moreover, increased N availability caused an increase in LNC, and did not affect LPC. Thus, N addition decreased leaf C∶N ratio, but caused an increase in leaf N∶P ratio, and did not affect leaf C∶P ratio. Our results suggest that, in the mid-term, elevated N loading does not alter leaf morphological traits, but causes substantial changes in whole-plant traits and leaf chemical traits in temperate freshwater wetlands. These may help to better understand the effects of N enrichment on plant functional traits and thus ecosystem structure and functioning in freshwater wetlands.     

雷州马尾藻Sargassum leizhouense(Fucales,Phaeophyta)形态结构及分类研究

本研究通过对产于雷州半岛的雷州马尾藻(Sargassum leizhouense)形态结构进行研究,结合形态解剖、分类学特征等观察,比较了与同类组中其他3种马尾藻的特征差异,澄清了其分类地位,并修改了雷州马尾藻的检索表。结果表明,雷州马尾藻属于马尾藻属、真马尾藻亚属、叶托混生组、拟叶托混生亚组;尽管雷州马尾藻与该组的瓦氏马尾藻(S.vachellianum)、鳞茎马尾藻(S.bulbiferum)及滑托组的亨氏马尾藻(S.henslowianum)形态有许多相似之处,但其与上述3种马尾藻的主要差异在于球芽及分裂叶的有无。本研究不仅修改了雷州马尾藻分类地位,也为将来开展该马尾藻的人工繁育及养殖、加工提供帮助。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

山东荣成天鹅湖大叶藻形态和生长的季节性变化研究

2012年8月至2013年7月,作者逐月对天鹅湖大叶藻(Zostera marina L.)的形态特征、植株密度、生物量和生产力进行了监测。结果表明,大叶藻周年株高最高值和最低值分别出现在7月和1月;叶鞘高度、叶鞘宽度和叶宽的最高值均出现在7月,叶鞘高度最低值出现在1月,叶鞘宽度和叶宽最低值均出现在2月;大叶藻顶枝、侧枝和花枝的周年密度最大值分别出现在6月、4月和5月,最小值分别出现在1月、8月和7月;单株生物量和地上部分生物量最大值均出现在7月,地下部分出现在10月,而单株生物量和地上部分生物量最小值均出现在1月,地下部分生物量最小值出现在3月;单株地上和地下生产力最大值均出现在6月,最小值则分别出现在1月和2月。分析显示,大叶藻在冬季由于水温较低导致生长缓慢,且植株较小,在春季随水温上升,生长开始加快。水温在夏初达到大叶藻的最适生长水温,大叶藻的生物量和初级生产力达到最高值,而夏末和初秋由于水温过高导致大叶藻个体生物量、密度和初级生产力开始降低。这种季节性变化与水温的季节性变化密切相关。     

枣庄市十里泉电厂第三水源地地下水位年变幅灰色预测

该文依据往年地下水位监测数据,通过灰色系统理论的预测模型,对枣庄十里泉电厂地下水位年变幅做出预测,分析了岩溶塌陷发展趋势,为由水动力因素引起的岩溶塌陷地质灾害提供防治依据。     

淮北矿区煤层气资源勘查潜力评价

淮北矿区地处华东腹地,煤层气资源丰富,具备大规模开发的前景。选用层次分析法与灰色聚类法评价方法,通过构建层次结构模型、计算指标权重、制定参数分类评价标准、运用灰色聚类法判别灰类、计算综合优度值,对矿区16个评价单元的山西组和下石盒子组煤层气资源潜力进行了评价,结果显示,淮北矿区山西组煤层气勘查潜力中等,下石盒子组勘查潜力较好。