基于转录组测序对两种氮素营养条件下多形微眼藻氮代谢途径的解析

探究微藻的氮代谢通路对了解其对不同氮源利用的分子机制具有重要意义。本研究利用Illumina高通量测序技术对两种氮素营养条件下(硝酸氮和尿素)多形微眼藻的转录组进行分析,通过基因功能注释及数字基因表达谱分析,研究了多形微眼藻细胞内氮代谢的调控机制。结果检测出15种参与氮代谢的酶,对应76个编码基因,构建了多形微眼藻的氮代谢通路图。其中10个酶编码基因在两种不同氮素营养条件下存在差异表达,最显著的是谷氨酸合成酶、谷氨酸脱氢酶和谷氨酰胺合成酶相关基因。有机氮源(尿素)实验组中,多形微眼藻细胞内的硝酸盐还原酶、亚硝酸盐还原酶等基因的差异表达明显高于无机氮源(硝酸钠)实验组,表明当环境中的氮源为尿素时,会对多形微眼藻细胞内硝酸盐的转化和利用有一定影响。本研究初步阐述了硝酸盐、尿素的吸收转运对多形微眼藻细胞内氮代谢的影响机制,可为硅藻在不同氮素营养条件下的吸收利用机制及氮代谢响应研究提供依据。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

一种变形监测中中长基线的单历元模糊度解算算法

针对已有单历元模糊度解算算法只适用于短基线的情形,根据误差传播率确定模糊度精度,依据误差确定模糊度搜索空间,提出一种利用GPS双频观测信息实现中长基线下单历元模糊度固定的算法。首先,利用电离层约束法得到双差模糊度之间的线性约束条件;其次,利用变形监测中监测站点坐标近似已知的条件进行约束,反算获得近似模糊度;最后,根据监测站点已有的观测数据精度给出搜索空间,搜索固定模糊度。结果表明,该方法可以实现中长基线下单历元的模糊度固定,对实时变形监测有一定的参考价值。     

测量系统差对大地水准面精度影响分析

从边值理论出发,推导了顾及Stokes核函数改化的观测值系统误差传播公式,基于超高阶重力场模型设计了仿真试验,以定量分析顾及核函数改化的重力异常系统差对大地水准面计算精度影响。仿真试验结果表明,重力异常系统差对大地水准面的影响表现为系统性特征,顾及核函数改化的Stokes积分公式能显著改进大地水准面计算精度,即使重力异常系统误差达3 mGal,大地水准面精度也优于1 cm,这些成果将为大地水准面精化工程的方案优化和质量评估提供有益参考。     

声速剖面EOF表示的第一模态解析

为实现对声速剖面EOF表示后第一模态时间系数和空间函数变化规律的解析,提出了一种简化的声速剖面变化模型,即"拐点"深度值和声速值的变化;声速梯度的变化和表层海水温度周期性变化所引起的海水声速变化,通过将4种因素所引起的第一模态空间函数的变化规律与实际声速剖面簇第一模态空间函数的变化规律对比,分析引起实测声速剖面变化的主要因素,最后,分别用深海和浅海实测声速剖面数据对其进行验证。     

GPS高程拟合法比较以及精度分析

利用GPS测量高程代替水准高程时,选取合适的GPS高程拟合方法是必不可少的。本文利用某测区94个已知点作为实验数据,其中65个作为建模点,29个作为检验点,利用不同的函数模型法和不同的统计模型法建立实验区的GPS高程拟合模型,并通过MATLAB语言设计实现GPS高程拟合模型的建立以及精度分析。通过对比分析实验证明:移动曲面拟合法是本文列举函数模型法中拟合效果最好的;基于二次曲面的Shepard拟合法是本文列举统计模型法中效果更好。     

利用多面函数拟合和欧拉矢量法建立福建省GPS速度场模型

通过处理福建省卫星导航定位基准服务系统(FJCORS)2013-2015年观测资料,获得GPS站实测运动速度值,在此基础上,分别利用多面函数拟合法和欧拉矢量法构建了福建省及周边区域GPS速度场模型.内符合精度方面,多面函数拟合的速度精度南北分量为1.06 mm/a、东西分量为2.00 mm/a;欧拉矢量法得到的速度精度南北分量为1.36 mm/a、东西分量为1.22 mm/a.外符合精度方面,两种方法模拟得到的检核点速度值与实测速度值的较差均在±2.28 mm/a以内.在福建省陆域内,两种方法得到的速度场具有高度的一致性,运动速度均为35 mm/a左右,运动方向为SE-E向.     

过江隧道江底的变形监测

采用无人船进行过江隧道江底变形监测,能够在较短的时间测量水下地形,并绘制江底地形地貌、地状参数图等,提高了过江隧道监测的效率,减少了人员安全隐患。本文以杭州地铁8号线一期工程为背景,介绍了无人船在过江隧道江底变形监测中的研究和应用,建立了完整的技术流程,提出了江底地形监测的关键技术,得到了符合精度要求的钱塘江江底变形监测成果数据。整体效率优于传统测绘方式,可为无人船在水下地形地貌测绘、水下地质勘探、航道测量等领域应用提供理论和实践参考。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。