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。     

高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

适宜浓度的维生素E促进半滑舌鳎生长激素基因的表达

本实验旨在探究维生素E对半滑舌鳎垂体组织中生长激素基因表达的影响。作者在每千克等氮等能的基础饲料中分别添加0、400和1 600mg的DL-α-生育酚乙酸酯(维生素E)投喂半滑舌鳎(Cynoglossus semilaevis)成鱼(464±2.6) g,进行为期8周的养殖实验;另外,在L-15培养基中添加0、18和54μmol/L的维生素E,对半滑舌鳎成鱼(464±2.6) g的垂体细胞进行为期3 d的体外原代培养实验。分别取垂体组织和原代细胞,通过荧光实时定量PCR分析其gh mRNA的相对表达量。实验结果表明:垂体组织中gh mRNA的相对表达量随着饲料中维生素E含量的增加而呈现先升高后下降的变化趋势,在400 mg/kg组时显著高于其他各组(P0.05);随着细胞培养液中维生素E浓度的升高, gh mRNA的相对表达量显著增加(P0.05)。由此可见,适宜浓度的维生素E能够促进半滑舌鳎垂体组织中生长激素基因的表达。     

不同养殖方式对皱纹盘鲍养殖效果及养殖水质的影响

在天津地区对2.2 cm左右规格的皱纹盘鲍(Haliotis discus hannai)进行试养殖,比较了两种养殖模式(笼养与砖养)、两种养殖密度下鲍的存活与生长情况,以及不同换水频率和不同饲料形状对鲍的生理状态和养殖水质的影响。结果表明:试养殖1个月后,笼养下的鲍存活率(74.4%)低于砖养(84.0%),且低密度养殖下鲍的存活率更高;随着换水频率的增加,鲍的摄食量逐渐增加,养殖水体中氨氮、亚硝酸氮、硝酸氮、化学需氧量的含量均呈减少的趋势;投喂不同形状饲料的组别间养殖水体氨氮、亚硝酸氮含量差异显著。因此,砖养模式更适合于作为天津地区鲍养殖的模式,并且降低密度、提高换水频率有助于改善水质,改良鲍的摄食、存活状况。     

牡蛎对浮游植物群落下行控制作用的围隔实验研究

牡蛎的滤食作用不但能控制浮游植物丰度,还能通过摄食选择性影响群落结构。通过在较高营养水体的围隔实验表明,牡蛎养殖在持续磷限制条件下,促使浮游植物群落由甲藻向小型硅藻优势转变。实验结束时对照组中浮游植物群落由扁压原甲藻主导,占总丰度的77%;而牡蛎养殖组新月柱鞘藻丰度占比达到93%。牡蛎养殖组中,甲藻去除速率随养殖密度增长,但是硅藻最终丰度在高密度牡蛎组最高。研究结果说明大量的贝类养殖能够提升小型链状硅藻的优势度,增加此类赤潮发生风险。     

全水深多波束测深系统Seabeam3012在西太平洋马里亚纳海山区地形测量中的应用

中国科学院海洋研究所在开展西太平洋马里亚纳海山区多学科综合科学考察的过程中,利用“科学”轮船载的全水深多波束测深系统Seabeam3012对多个海山进行了地形测量工作。针对作业过程中遇到的恶劣海况导致采集数据质量差、多波束系统易检测错误海底信息、测线布设难度大等问题,提出了基于船体姿态对数据质量影响分析的多波束测线方向优化、基于地形变化并参考浅地层剖面资料的作业参数优化和基于实时采集情况的多波束采集测线布设优化等一系列措施,有效地提高了海山区多波束数据采集质量,并提高了作业效率。获得的高品质地形数据,为多学科协同研究奠定了基础,为ROV等设备的现场作业提供了安全保障。     

基于信息扩散理论的水产养殖灾害风险评价

以基于信息扩散理论的模糊数学模型的灾害评价方法,利用防城港市近十多年水产养殖的气象灾害资料,对其进行灾害风险分析,通过分析,揭示水产养殖业气象灾害的特点、发生规律等。     

区域可持续发展能力的能值与(火用)耦合分析模型构建

可持续发展能力评价方法是识别人地协同规律、支撑科学决策的重要工具和热点需求。通过文献回顾与理论分析框架构建,耦合能值及?方法,提出自组织能力指数（SO）、生态压力指数（EP）、可持续发展能力指数（SC）构成的,基于热力学理论的可持续发展能力分析模型,利用文献荟萃法筛选17个典型发达国家1985年状态值计算SO与EP阈值,划分了4个阶段。利用中美两国1985-2015年特征对比验证,结果显示：① 2005年以前中国属“低自组织能力、低生态压力”阶段,之后进入“低自组织能力、高生态压力”阶段,存在低生态效率、规模扩张驱动特征;美国一直属“高自组织能力、高生态压力”阶段,存在高生态效率驱动、经济与生态脱钩特征,与全球生态足迹网络和世界自然基金会等的研究结果一致,模型具有较好适应性和可靠性。② 模型利用“获得?量/输入能值量”表达经济社会生态效率、“经济社会?损耗量/生态系统年产?量”表达生态压力,连接了经济社会对生态基底的熵化路径,可识别区域所处可持续发展阶段、分析水平变化和驱动因素。③ 模型以人类与生态并重的视角,从深度上反映经济社会的生态效率、从广度上评价生态空间被占用比例,具有宏观规模与微观效率分析相结合的优势,是对经典方法的补充。