西太平洋马里亚纳海沟附近海山的金相柳珊瑚属(珊瑚虫纲:软珊瑚目:金柳珊瑚科)二新记录种

为探究热带西太平洋海山生物多样性,2016年利用"发现"号遥控无人潜水器(ROV)对西太平洋马里亚纳海沟附近的M2海山进行了采样调查,其中获得了3个深水金相柳珊瑚样本。通过光学显微镜和扫描电镜观察,鉴定其为黑发金相柳珊瑚Metallogorgia melanotrichos(WrightStuder,1889)和长刺金相柳珊瑚Metallogorgia macrospina Kükenthal,1919。这两种金相柳珊瑚均为该区域的新记录种,对其作了详细的形态描述,并依据特征性状对该属所有物种作了分类检索。     

中国碱蓬属Suaeda植物研究中的分类学错误

以纠正碱蓬属Suaeda盐生植物研究中广泛存在的分类错误为目的,针对碱蓬属研究中因缺乏正确的种属鉴定与使用错误种名等导致无法确定研究对象是何植物,使研究结果丧失确定性和科学价值的问题,通过对相关错误文献的梳理,对包括《中国高等植物图鉴》在内的有关碱蓬属植物研究文献进行了初步分析,指出了有关碱蓬属植物研究中的同物异名、同名异物以及中文名与拉丁名错乱等问题并予以纠正。对提高碱蓬属植物研究的科学性与可靠性具有重要参考价值。     

基于云模型的海岸脆弱性评估 ——以厦门岛为例

脆弱性评估很大程度上存在着模糊性和随机性,为有效解决评估过程中定性概念与评估指标按隶属函数定量描述这一不确定转换问题,本文基于云理论本文选取海岸地貌、海岸高程、海岸坡度、海岸缓冲能力、有效波高、道路价值和建筑价值为指标,构建了厦门岛海岸脆弱性评估指标体系,运用云模型评估手段定量测度了厦门岛海岸脆弱性空间分异特征。评估结果与客观情况比较吻合,检验了指标体系的合理性和评估模型的适用性。本文提出了海岸脆弱性综合评估模型,实用有效,可以推广到与厦门岛类似的区域,为海岸管理及规划提供科学指导。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

海洋生态系统净生产力研究进展

海洋生态系统净生产力 （net ecosystem production,NEP） 表示总初级生产力 （gross primary production,GPP） 和呼吸作用 （respiration,R） 过程之间的差异,它对碳收支平衡、海洋生态系统营养状态乃至气候变化等研究具有十分重要的指示意义。影响海洋 NEP 的因素有细菌、浮游生物、温度、太阳辐射、海冰融化、水团迁移、富营养有机质排放以及海水酸化等。目前计算 NEP 的方法可分为实验培养测定及数据模型计算两种。溶解氧培养法及同位素标记法等是经典的培养测定方法,但存在误差较大且重现性较差等问题。数据模型计算即借助养分质量平衡、响应面模型、O2/Ar 示踪等方法,通过将现场实测数据和生物地球化学模型结合,进行高时间分辨率的连续性观测,这也是目前测算 NEP 的主流应用手段。然而,相较于发达国家,我国在 NEP 的研究设备、技术、测定方法等方面仍存在一定差距。今后的研究重点将是建立 NEP 指标与表征海洋环境、气候变化之间的耦合关系以及 NEP 测定方法的改进,这将有助于深入理解和探索全球变化背景下海洋生态系统响应机制及变化趋势。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。     

基于国产高分遥感的人工种植红树林种间分类方法研究——以广西茅尾海红树林为例

红树林的种间结构组成对红树林生态系统的健康和发展至关重要,而红树林种间分类问题一直以来都是基于遥感手段的红树林监测中的难点。针对该问题,以人工种植为特点的广西茅尾海红树林遥感种间分类为例,基于面向对象的分类思想,提出了一种现场样本与分割对象相结合的红树林种间分类方法。利用GF-2 PMS1高分辨率卫星遥感影像数据,开展了广西茅尾海红树林湿地典型植被精细分类和空间分布研究,并将分类结果与基于像素和传统面向对象SVM分类方法进行了对比。结果显示:总体上,面向对象分类方法更适合用于茅尾海红树林湿地典型植被分类;对于局部混生明显的区域使用基于像素SVM分类方法效果会更好;传统面向对象分类方法中将整个影像分割对象单元作为训练样本可能会在某种程度上造成负面影响。因此,使用文中提出的样本选择新方法进行面向对象分类精度最高,总体精度达到了93.13%,Kappa为0.89。     

总体最小二乘法在浮游植物色素吸收系数模型估算中的应用

采用常规最小二乘法(LS)和总体最小二乘法(TLS)对浮游植物色素吸收系数与叶绿素a浓度之间的关系进行了研究。利用2003-2012年6个航次243组实测数据,建立了LS和TLS模型,应用模型估算典型波段的色素吸收系数值,并对两种模型进行了验证。采用平均绝对百分误差和均方根误差两种方法进行模型效果评估,结果显示,两种评估方法均能很好地说明,在400～700 nm光谱范围内,TLS拟合结果优于LS拟合结果。总体最小二乘法在综合考虑了参数误差和测量误差的情况下,拟合结果精度更高,更符合实际情况,估算结果的准确性要优于常规最小二乘法。     

长江口外潮汐精细化模型研究与精度分析

长江口外海上测量除受风浪影响较大外,最重要的问题是潮位控制非常困难。文中简要阐述了开展长江口外潮汐精细化模型研究的方法,介绍了利用潮汐精细化模型对长江口外航路任意点进行潮汐预报的方法,并通过实测数据进行了精度分析,提出了建议。     

基于对象及隶属规则的海岸水边线提取方法

以在分辨率、光谱成像能力等方面具有优势的Sentinel 2A为数据源,突破传统以像元为研究单元提取海岸水边线的思路,构建以像元聚类形成的语义单元为对象,获取决策分类规则后,基于隶属度及模糊函数获取海岸水边线位置的方法。结果表明,本文方法解决了传统分类方法在下垫面地物类型复杂条件下不易于采用传统分类方法提取海岸水边线的限制条件。基于面积法的距离准则线段匹配法和断面线距离分析方法应用于海岸水边线精度评价的结果显示,本文方法提取的海岸水边线位置与传统目视解译方法得到的海岸水边线位置在约85%的区域具有一致性,误差的集中区域表现在近岸和近海地物波谱相似处,如受水质水深、悬浮泥沙等影响的淤泥质潮滩处以及受人工海岸开发影响的近岸地区等,建议在这些地区结合目视解译的方法进行海岸水边线的位置修正,进而快速、准确地获取海岸线的真实位置信息,为海岸带生态环境保护、海岸带开发的合理规划和建设,以及经济与环境的科学协同发展提供技术支持。