任氏华鲮的寄生多基虫一新种

作者于1986年5月在四川省渠县渠江(属嘉陵江水系)采得小形蠕虫一种。运用Gussev氏的标准及林慕恩氏修订方法分类的研究表明,寄生于任氏华鲮鳃上的这种小形蠕虫系单殖类指环科多基虫属一新种,定名为华鲮多基虫Dogielius sinilabe sp. nov.。模式标本保存于重庆师范学院生物学系。     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

直墙前破波波浪力──对修正过的Gota方法的探讨

对被重新修正后的Goat在墙波压力计算方法进行了分析，主要是对其无因次波浪力随基床肩宽和相对波高的变化进行分析，结果发现，Goat法计算的无因次波浪力随基床肩宽的变化，有一最不利肩宽，此不利肩宽与相对波高无关；在同一水深条件下，Goat法计算的无因次波浪力随相对波高的增大而增大。此两点与试验数据不符。     

不同生长期坛紫菜多糖中组分含量的变化

于１９９０－１９９１年，运用＾１３Ｃ－ＮＭＲ和化学分析方法研究南方产和移植北方养殖的不同生长发育阶段坛紫菜多糖的组分变化，结果表明，随着藻体生长发育，坛紫菜琼胶中３，６－内醚－Ｌ－半乳糖和６－ＯＣＨ３－Ｄ－半乳糖的含量逐渐增加，而硫酸基的含量呈现先增加后减少的规律；北移坛紫菜琼胶中３，６－内醚－Ｌ－半乳糖的含量高于南方坛紫菜，而硫酸基和６－ＯＣＨ３－Ｄ－半乳糖的含量低于南方坛紫菜。     

单体褶牡蛎(Crassostrea sp.)的研究

采用肾上腺素(EPI)和去甲肾上腺素(NE)诱导、颗粒固着基和先固着后脱基三种方法,对褶牡蛎的眼点幼虫进行处理,产生单体蛎苗。EPI和NE诱导的最适浓度为10~(-4)M,最适处理时间为3h,幼虫的不固着变态率分别达47.7％和46.6％。处理时间延长,变态率增加不明显。EPI和NE的诱导效果差别不明显,其诱导作用对稚贝的生长无明显副作用。颗粒固着基以贝壳粉为佳,最适颗粒的规格为幼虫的壳长。幼虫先固着后脱基而形成单体蛎苗,以可弯曲的灰色塑料板效果最好,固着的小贝可通过来回弯曲塑料板而从上面脱落下来,小贝长至1～2cm大小时,脱基最容易。     

细基江蓠脂肪酸组成研究

研究表明,南海细基江蓠Gracilaria tenuistipitata中主要含有C_9—C_(30)一元饱和脂肪酸,其中n-十六酸含量占脂肪酸组分的40％以上。单烯和二烯酸的含量较低,缺乏多烯酸及前列腺素类化合物。此外,还含有少量二元酸类、4-及5-羰基羧酸,其中后两者是首次在红藻中发现。南海细基江蓠的脂肪酸组成特征与南海海域水质较清、光照充足及水温较高等环境因素有关。     

有机锡对海洋微藻的生理效应 Ⅲ.三苯基锡和三丁基锡对金藻和扁藻呼吸作用的影响

研究了不同浓度（０．２、０．４、０．６、０．８、１．０μｇ／ｄｍ３）的三苯基氯化锡（ＴＰＴＣ）和三丁基氯化锡（ＴＢＴＣ）在不同温度（１８、２０、２２、２６、２８℃）下，培养不同时间（１２、２４ｈ）对扁藻（Ｐｌａｔｙｍｏｎａｓｓｐ．）和湛江叉鞭金藻（Ｄｉｃｒａｔｅｒｉａｚｈａｎｊｉａｎｇｅｎｓｉｓ）呼吸作用的影响，指出温度越高，２种有机锡的毒性越大；培养时间不同，２种藻呼吸速率发生不同的变化；扁藻对有机锡的耐受力大于金藻。     

山东省大中型水库水化学性状研究──几种主要水化因子的变化及其在评价水库鱼产力中的作用

本文通过对山东省３８座代表性大、中型水库总氮（ＴＮ）、总磷（ＴＰ）、化学耗氧量、硬度及电导率（λ）五种主要水化因子连续两年（１９８９～１９９０）的调查与研究，探讨了水化因子与水库鱼产力的关系。用反映鲢、鳙生长状况的综合生长指数（ＧＩ）作为水库鱼产力的指标。它与水化因子相关分析表明，总磷是山东省３８座水库鱼产力的主要影响因子。提出ＧＩ与总磷、总氮及电导率等水化因子的逐步回归方程关系非常显著。证明利用水化因子作为水库鱼产力的评价指标是可行的。并指出：同一水库的相同水化因子存在年间差异，其主要原因在于降雨量和水库进水量的不同，鉴于此．同一水库鱼产力也存在年间差异。     

成都地区大气平均温度建模及其在GPS/PWV计算中的应用研究

地基GPS气象学的关键技术是在于通过垂直方向上GPS信号的湿分量延迟值来确定大气可降水量-PWV,而这两个物理量间进行转换时需要用到一个关键性的参数——大气加权平均温度。本文首先讨论了估算加权平均温度的几种方法,然后利用成都地区2005年全年的大气探空数据,采用回归分析方法,建立了适合成都地区的大气加权平均温度模型,精度为±2.21K。最后将该公式应用到成都地区PWV的计算中,得到了非常理想的效果。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。