莱州湾大型底栖动物群落结构及其动态变化特征

本文以莱州湾2009年夏季(8月)、秋季(10月)及2010年春季(5月)、夏季(8月)4个季节大型底栖动物资料为基础,对莱州湾大型底栖动物的种类组成、丰度、生物量、优势种进行了研究,同时与历史资料进行对比,探讨了莱州湾大型底栖动物的群落结构特征及动态变化。4个航次中共鉴定出大型底栖动物272种,其中包括环节动物多毛类122种,软体动物46种,甲壳动物64种,棘皮动物18种,鱼类9种,其他类13种。调查海域平均丰度为(1102.56 ± 216.32) ind./m2, 多毛类在丰度上占绝对优势;平均生物量为(28.16 ± 8.45) g/m2,软体动物占据优势。丰度和生物量空间分布规律具有很强的相似性,低值区位于莱州湾西部黄河口邻近海域,高值区位于渤海中部海域。丰度和生物量季节变化明显,夏季最高,秋季其次,春季最低。多毛类不倒翁虫(Sternaspis sculata)、寡鳃齿吻沙蚕(Nephthys oligobranchia)、紫壳阿文蛤(Alvenius ojianus)等是莱州湾调查海域的优势种。通过与历史资料的对比发现,莱州湾大型底栖动物种类组成及优势种类出现小型化的趋势。     

2012-2016年调水调沙对黄河口海域大型底栖动物群落结构的影响

为了明确黄河调水调沙对河口海域大型底栖动物群落结构的影响,本研究于2012至2016年调水调沙后进行了大型底栖动物样品的采集工作。整个研究时期共鉴定出大型底栖动物7门138种,生物量和丰度2012年显著高于2016年,生物量年间无显著差异;研究时期内优势种以小型多毛类为主,鲜见软体动物、节肢动物和棘皮动物,其中2016年优势种全部为小个体多毛类;MDS显示,随时间的推移距河口不同距离梯度的大型底栖动物逐渐演变为相同的群落结构,且Shannon-Wiener多样性指数和Margalef丰富度指数呈下降趋势;CCA显示研究海域主要底栖动物种类的生态需求为高中值粒径、低溶解氧、pH、黏土和硫化物含量。本研究推测调水调沙工程一定程度上影响了底层生物群落结构,特别是研究海域的A断面。     

獐子岛岩相潮间带大型海藻有机碳含量及δ13C值的季节变化特征

为研究岩相潮间带大型海藻有机碳含量及δ~(13)C值的季节变化特征,分别于2016年11月(秋)和2017年2月(冬)、5月(春)、8月(夏)对獐子岛岩相潮间带(39°01′E,122°43′N)的大型海藻进行调查,并对其有机碳含量和δ~(13)C值进行分析。结果表明:共鉴定出大型海藻3门49种,其中红藻门24种,占总数的48.98%;褐藻门17种,占总数的34.69%;绿藻门8种,占总数的16.33%。大型海藻种类数为春季(35种)冬季(24种)=夏季(24种)秋季(23种)。不同种类海藻体内的有机碳含量为15.54%～35.03%,δ~(13)C值在–33.42‰～–7.43‰之间变动。不同季节海藻体内有机碳含量为冬季春季夏季秋季,δ~(13)C值为夏季春季冬季秋季。     

论渔业法之未取得或违反船网工具指标造船违法行为的法律责任

船舶是渔业生产、水上运输的重要工具,我国对渔业船舶借助船网工具控制指标管理模式达到对渔船数量和功率数控制的“双控”管理,但实践中碍于很多因素还存在未取得或违反船网工具指标造船的现象,这一行为对水域交通安全、渔业生产安全、渔业资源保护3个方面都存在安全隐患。文章主要梳理现行法律法规对这一行为的规定并简要分析其法律责任,建议在处罚幅度中增加处罚下限。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

渤海大型底栖动物次级生产力的初步研究

1998年 9月和 1999年 4月分别对渤海 2 0个站进行了大型底栖动物两个航次的调查取样。整个研究海域大型底栖动物年次级生产力平均值为 6 .4 9g(AFDW) /(m2 · a) ,其中渤海海峡以东海域较高 ,为 12 .5 9g(AFDW) /(m2· a) ;渤海中部为 4 .4 6 g(AFDW) /(m2· a) ,渤海大型底栖动物年平均 P/B为 0 .82     

达山岛、平岛、车牛山岛邻近海域大型底栖生物分布特征

在海洋底栖生态系中,大型底栖生物在有机碎屑的分解利用、调节泥水界面的物质交换、促进水体的自净化中起着重要的作用,自身又是其他经济动物的食物,其生产量与渔业产量密切相关,因而底栖生物资源量分布常是衡量海区渔业资源状况的最基本要素.为了解苏、鲁交界海域的底栖生物资源量现状,于2002年6月对达山岛、平岛、车牛山岛(以下简称前三岛)邻近海域的大型底栖生物进行了调查,调查区位于海洲湾外侧,最近点距山东省岚山港和江苏省连云港约10～20km,调查范围为35°08 263'～34°59 598'N,119°14 686'～120°21 160'E.     

长江口及其邻近海域大型底栖动物生物量、丰度和次级生产力的初步研究

为了解长江口及邻近海域大型底栖动物生物量、丰度和次级生产力的分布情况于2004年2月、5月、8月和11月共4个航次分别在长江口40个观测站采集大型底栖动物定量样品并利用Brey的经验公式对大型底栖动物栖息丰度、生物量、次级生产力和P/B值进行了研究计算.该调查海域共采到大型底栖动物202种,其中多毛类102种,软体动物51种,甲壳类27种,棘皮动物7种,其它动物15种.大型底栖动物年平均丰度为394.7 ind/m2;年平均生物量以去灰分干重计,为2.58 g(AFDW)/m2;年平均次级生产力以去灰分干重计,为3.52 g(AFDW)/(m2*a);P/B值平均为1.53.结果表明,长江口大型底栖动物次级生产力自长江入海口向东呈递增趋势.本文分析了长江口及其邻近海域大型底栖动物优势种的组成,主要生态类群的分布特征和次级生产力分布格局与生态环境的关系.通过比较,发现长江口大型底栖动物优势种发生了较大的变化;次级生产力高于东海而低于渤海和胶州湾;P/B值高于南黄海、胶州湾和渤海,也说明了长江口大型底栖动物群落中个体小、生活史短,代谢快的种类所占的比例高于以上海域.     

中国科学院典型培养物保藏委员会海藻种质库

海藻种质库的历史和现状 海藻种质库成立于1996年,隶属于中国科学院典型培养物保藏委员会,坐落在位于青岛的中国科学院海洋研究所水族培育楼。海藻种质库从当初单一海洋单细胞海藻种质库扩大到现在包括海洋单细胞和大型海藻种质保存的全面海藻种质库,承担着全面收集、培养和提供海藻种质材料和技术支持的社会责任。目前的种质库占地300平方米,设备先进,拥有海藻种质分离培养、长期保存以及大规模繁殖的技术和条件,长期承接国家重要科研项目,为我国海水养殖、水产科研和国家重大技术攻关项目提供重要的生物材料和创新知识支撑。