三疣梭子蟹肌肉乳化病的病原及其致病性研究

为进一步搞清养殖梭子蟹肌肉乳化病的病原及其致病机理,找到有效的防治方法,2002-2004年在浙江省宁波、舟山等地养殖场,从濒死的梭子蟹体内分离出1205-11和1205-21两株菌。通过菌体形态、培养特性和生理生化反应,鉴定这2株菌分别为溶藻弧菌(Vibrio alginolyticus)和葡萄牙假丝酵母(Candida lusitaniae)。人工感染试验证实,这2株菌是梭子蟹肌肉乳化病的病原菌,葡萄牙假丝酵母为继发性感染病原,蟹体外部的损伤及蟹之间相互残伤可能是传染的主要途径。     

海底双相随机介质声反射的SVM神经网络分类识别研究

考虑海底沉积介质为双相介质,为了更好地模拟实际海底底质的不均匀性,将随机介质理论引入双相介质理论。首先,通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量,最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力,对正演得到的海底底质反射波信号分别加入10%、30%、50%的高斯白噪音之后再进行分类,支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证,提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程,这将有利于开展海底沉积物反射特征的进一步研究。     

骨旁脂肪瘤的影像学特征及诊断价值

目的:分析骨旁脂肪瘤的影像学表现特征,提高对该病的认识及术前影像诊断水平。方法:回顾性分析经病理证实的我院2例骨旁脂肪瘤的临床及影像学表现。结果:2例骨旁脂肪瘤,男女各1例,分别位于右侧股骨上段、左侧胫骨中下段骨旁软组织内。X线表现为骨旁软组织内的透光肿块;CT、MRI表现为骨旁脂肪密度或脂肪信号、有包膜的椭圆形分叶状肿块,边界清楚;邻近骨皮质形成突向肿瘤内部的珊瑚礁状或树枝状骨性突起。结论:骨旁椭圆形脂肪性肿块,伴有骨皮质突向肿块内的珊瑚礁状、树枝状骨性突起为骨旁脂肪瘤的影像学特征,具有重要的诊断价值。     

几种统计预测方法对1998年南京降水的跨季节预测试验及分析

对1998年南京降水分别设计并开展了求和自回归滑动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型预测、经验模态分解（Empirical Mode Decomposition,EMD）预测和基于Hilbert变换（HilbertTransformation,HT）的幅频分离预测等3种跨季节统计预测试验。结果表明：ARIMA模型预测结果存在明显的系统性误差且对夏季的降水突变现象预测困难;EMD分解预测的结果虽在降水演变趋势上有明显提高,但仍未能预测出夏季的强降水突变现象,究其原因可能是对高频分量预测效果不好所致;而基于Hilbert变换的幅频分离预测方法能够对各模态分量的瞬时频率和瞬时振幅实施隔离预测,消除两者的相互影响,显著改善高频模态的预测效果,使得最终预测结果最为理想,不仅具有最高的趋势相关性和最小的偏差,而且还较好地预测出了夏季两次强降水过程。不仅如此,在对2003年的降水预测验证中,基于Hilbert变换的幅频分离预测方法同样具有最好的预测效果,表明该方法预测效果较为稳定,为改进跨季节短期气候统计预测技术提供了一个新思路。     

基于第二代测序技术的条斑紫菜(Pyropia yezoensis)贝壳丝状体附生菌群研究

条斑紫菜(Pyropia yezoensis)贝壳丝状体黄斑病给育苗产业造成危害,但目前对健康状态下的菌群结构及其发病后变化仍缺乏认识。本研究基于第二代测序技术和16S r RNA序列分析,对健康和患病丝状体的细菌组成与变化进行比较。测序共产生1.6Gb配对末端序列,获得了第一个高通量的条斑紫菜贝壳丝状体细菌群落数据集。通过数据分析共识别出7,833种可操作分类单元(operational taxonomic units,OTUs),比对确定为18个细菌门。相对于健康样本,黄斑病丝状体样本的微生物多样性显著增加。主坐标分析和非加权组平均法(unweighted pair group method using arithmetic average,UPGMA)聚类均将健康和黄斑病丝状体分成不同的组,且健康组样本间的距离明显小于黄斑病组。上述结果说明,健康贝壳丝状体保持着相似的微生物群落结构,而患病后的丝状体则发生了不同的变化;健康样本和黄斑病样本组间差异显著的细菌属有39个,其中29个在健康样本中的相对丰度明显高于病患组样本。本研究从菌群生态角度分析了健康贝壳丝状体微生物菌群结构、发病后菌群的变化及其对丝状体生长的潜在作用,为丝状体病害的检测和预防提供有价值的信息。     

A minimalistic approach for evapotranspiration estimation using the Prophet model

ABSTRACT

This study aimed to evaluate the potential of the recently introduced Prophet model for estimating reference evapotranspiration (ETo). A comparative study was conducted for benchmarking the model results with support vector regression (SVR) and temperature-based empirical models (Thornthwaite and Hargreaves) in southern Japan. The performance of the Prophet, SVR and temperature-based empirical models was evaluated by Nash–Sutcliffe efficiency (NSE) and coefficient of determination (R²). The results indicate that temperature-based Prophet and SVR models have greater accuracy than the empirical models. The Prophet model with sole input of relative humidity, sunshine hours or windspeed showed acceptable accuracy (NSE > 0.80; R² > 0.80), while SVR models with similar inputs showed greater errors. Accuracy improved with increasing number of input parameters, giving excellent performance (NSE > 0.95; R² > 0.95) with all input parameters. Hence, the Prophet model is a new promising approach for modelling ETo with limited input variables.     

X线侧位片与高分辨率CT对鼻骨骨折的对比研究

目的　通过86例鼻骨骨折的鼻骨X线侧位片与高分辨率CT(HRCT）对比研究，确定HRCT检查对鼻骨骨折的诊断价值。材料与方祛　86例鼻外伤或/和He、面外伤的患者均进行了鼻骨X线侧位摄影、HRCT扫描检查，经集体讨论，由有经验的放射医师对全部影像资料进行分析并进行统计学处理。结果HRCT显示所有的86例鼻骨骨折，但在此86例骨折中X线平片只显示了35例阳性，包括15例鼻骨汇合部骨折，7例双侧鼻骨骨折，3例复合骨折(鼻骨汇合部及双侧鼻骨骨折)，l0例鼻区骨折。X线平片显示5l例为阴性。结论　对鼻骨骨折的诊断，HRCT明显优于鼻骨X线侧位片，HRCT扫描检查可提高X线隐性鼻骨骨折的诊断，并可明确鼻骨骨折的类型、范围和程度，为临床诊断和治疗提供可靠的依据。     

面向地震应急的山区人口百米格网分布——以麟游县为例

破坏性地震发生后,山区易发生滑坡、泥石流等地质灾害。精细化人口空间分布数据能够有效提升灾情评判精度,为应急救援决策提供参考依据。本文以陕西省麟游县为例,利用"天地图"高分辨率遥感影像解译大比例尺居民地数据,结合人口、行政区划等数据,利用GIS（地理信息系统）技术制作100 m×100 m格网人口分布数据。通过与陕西省地震局现有人口空间数据进行对比,发现百米格网人口分布数据可明显提升山区次生灾害影响人口计算结果的可靠性。     

Site characterization model using least‐square support vector machine and relevance vector machine based on corrected SPT data (Nc)

Statistical learning algorithms provide a viable framework for geotechnical engineering modeling. This paper describes two statistical learning algorithms applied for site characterization modeling based on standard penetration test (SPT) data. More than 2700 field SPT values (N) have been collected from 766 boreholes spread over an area of 220 sqkm area in Bangalore. To get N corrected value (N_c), N values have been corrected (N_c) for different parameters such as overburden stress, size of borehole, type of sampler, length of connecting rod, etc. In three‐dimensional site characterization model, the function N_c=N_c (X, Y, Z), where X, Y and Z are the coordinates of a point corresponding to N_c value, is to be approximated in which N_c value at any half‐space point in Bangalore can be determined. The first algorithm uses least‐square support vector machine (LSSVM), which is related to a ridge regression type of support vector machine. The second algorithm uses relevance vector machine (RVM), which combines the strengths of kernel‐based methods and Bayesian theory to establish the relationships between a set of input vectors and a desired output. The paper also presents the comparative study between the developed LSSVM and RVM model for site characterization. Copyright © 2009 John Wiley & Sons, Ltd.