序言

目前,我国大规模海水养殖主要集中在滩涂和近岸浅水海域的狭小空间范围内,这带来了病害风险、质量安全、产业冲突、生态损失等一系列问题。海水养殖向深远海拓展、走绿色创新之路是产业科学发展的必然选择。中国海洋大学在淡水养殖、海水养殖、渔业工程方面有着深厚学术积淀,同时有物理海洋、海洋地质、海洋工程、海洋化学、食品科学与工程以及经济与管理等学科的有力支撑。基于上述学科基础,经几年酝酿,水产学院“黄海冷水团冷水性鱼类养殖科技攻关团队”于2012年初正式提出了在黄海冷水团养殖鲑鳟鱼类的计划。经与多家养殖企业商讨,最终在2014年10月,中国海洋大学水产学院开始与日照市万泽丰渔业有限公司协作,在我国率先实施了基于现代海洋装备的深远海鱼类养殖项目。     

卢永屹运用花类药治疗黄褐斑经验

介绍卢永屹主任医师运用花类药治疗黄褐斑的经验。卢师认为黄褐斑的主要病机为肝郁、脾虚、肾亏,瘀血是其重要致病因素,临床上喜用花类药治疗,调畅气机、活血化瘀、安神助眠。     

椭球谐和球谐系数之间一个简单的转换关系

本文推导的椭球谐系数和球谐系数相互之间转换关系的核心思想是在ε~2量级下利用Legendre函数的正交性,从球谐系数求解的积分表示出发,将积分中的椭球坐标变量与球坐标变量相互转换,从而得出椭球谐系数与球谐系数之间的转换关系。本文导出的转换关系有以下优点:①对于第二类Legendre函数的计算采用Laurent级数表示,使计算第二类Legendre函数更为简单;②保留了ε~2量级下,导出的转换关系相比文献[2]的形式更简单,满足物理大地测量边值问题线性化的要求;③顾及了余纬和归化余纬的区别。     

模糊聚类定权法对SLR定轨精度的影响

针对卫星激光测距(satellite laser ranging,SLR)精密定轨过程中存在的测站观测数据合理定权问题,将一种改进的模糊聚类算法引入到SLR观测数据定权中。基于国际激光测距服务(International Laser Ranging Service,ILRS)提供的全球SLR测站性能报告,对测站进行近实时滑动分类定权,改变SLR数据处理中权重的经验或者随意性选取模式。经过LAGEOS1卫星2014年1月至2016年12月3年全球SLR实测数据处理的测试。结果表明,当考虑LAGEOS标准点总数、LAGEOS标准点RMS值以及LAGEOS标准点合格率这3项测站质量控制因素确定的测站权值能最大限度地提高卫星定轨精度和观测数据的使用效率,对参与计算的365个3d弧段数据,91.46%弧段精度得到提高,平均提高约3.7mm,且每个测站的定轨残差RMS也得到了降低。这对于正在迈向毫米级测量精度的SLR技术至关重要。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足,进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论,通过计算对象之间的模糊隶属度改进基于密度的聚类算法,用以提取点群的聚集模式;在此基础上,将模糊隶属度作为对象间的影响程度,采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验,结果表明,提出的方法既能有效区分空间点的类型（噪声点与非噪声点）,又能生成连续平滑的热点边界,总体效果优于对比方法。     

基于物候差和多时相影像的耕地种植结构遥感调查——以唐山玉田为例

为减少利用遥感光谱特征解译农作物过程中样本选取的主观性误差,同时克服现场调研样本数据不充分的不足。该文基于玉田县物候特征,选择研究所需4个遥感时相,进而结合4时相中耕地地表覆盖状态(绿地和裸地)以及4时相叠置后绿地、裸地的地类组合特征,建立农作物解译标志,从而提取主要的农作物种植结构信息。根据该方法提取的研究区主要作物冬小麦、夏玉米和大白菜的面积与统计数据的相对误差分别为4.01%、3.25%和4.16%,且空间分布符合与实际情况;提取结果总体精度和Kappa系数分别为86.19%和0.83。     

一种基于极大曲率的机载LiDAR数据 地形特征提取方法

对于庞大的点云数据来说,从中直接提取多种数据特征是相当困难的。考虑到基于数字化等高线数据和数字地面模型提取地形特征受内插误差影响,提出一种基于极大曲率的地形特征提取方法。对初始地面点云进行极大曲率估计;结合欧氏聚类方法进行地形特征点粗提取;对粗提取特征点进行粗糙度分析,得到精确特征点。顾及离散曲率的特征,即曲率越大越接近特征线,得到可靠的地形特征分割结果。该方法不需要人工干预,直接基于机载LiDAR点云数据进行处理。试验表明采用基于极大曲率分割的方法能从点云中自动提取比较完整并且准确的地形特征点。     

多维密度聚类的精细化道路交通运行状况检测

现有的路况检测方法以整条路段为单位进行检测,存在精度不高的问题,且DBSCAN算法用于出租车GPS数据聚类仍存在脱离线性参照系统、假噪声和簇内速度差异大等问题。在线性参照系统中定位GPS点,以两点间的测量值距离作为空间距离,同时增加速度距离约束,提出一种基于DBSCAN算法的多维密度聚类算法,使其适用于精细化路况检测;在此基础上构建路况事件表,并利用动态分段技术对路况事件进行管理和可视化,满足实际应用中对路况检测精度的要求。以上海市出租车GPS数据和路网数据为例进行实验分析,结果表明,提出的方法能够实现较为精细的路况检测。