宁夏生态移民村空间剥夺测度及影响因素

生态移民村是一种具有扶贫脱贫与生态保护双重意义的特殊乡村类型,是乡村振兴不可或缺的重要对象。在空间重构过程中形成的空间剥夺现象,是当前生态移民村全面振兴面临的一个新问题。为探究生态移民村空间剥夺规律,以宁夏70个生态移民村2017年相关数据为基础,构建了以收入就业、教育培训、社会生活、居住环境及公共服务可达性为主要内容的空间剥夺指标体系并进行水平测度,进而运用地理加权回归和地理探测器对其影响因子进行探测。结果显示：① 宁夏生态移民村空间剥夺整体水平较低,但总指数均值相对于非生态移民村显著高出0.023;② 宁夏生态移民村空间剥夺时空分异特征明显,总指数均值在时间上呈现“先较低—后上升—再下降”趋势,在空间上呈现“北部低—中部高—南部次高”分布;③ 民族构成、地形地貌、移民时段、依托资源和经济区带是影响生态移民村空间剥夺的重要因子,前3项对空间剥夺总指数的解释力分别达到了22.4%、10.6%和14.0%。空间剥夺水平测度为生态移民生产生活评价和政策调整完善提供新的客观依据,相关部门可据此优化调节生态移民村空间资源配置,增加其获取资源的能力和机会,推动生态移民村全面振兴。     

基于卫星遥感数据的森林病虫害监测与评价

森林病虫害由于在森林资源中造成的重大破坏而被人们称为“不冒烟的火灾”,其对生态系统的研究具有重要意义。现有基于遥感数据的病虫害研究多集中在森林病虫害的监测、爆发原因以及发病区域内生产力的变化情况,而对于森林病虫害发生后森林中植被指数与叶面积指数之间的相关性的变化情况还相对较少,处于需要持续性深入探讨的阶段。以加拿大不列颠哥伦比亚地区2002—2012年森林病虫害数据为基础,分析不同严重程度的病虫害对叶面积指数（LAI）与归一化植被指数（NDVI）和增强型植被指数（EVI）的影响。结果表明：① 受病虫害感染的像元在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别中,NDVI与LAI之间的相关性由弱变强,又由强变弱;② EVI与LAI之间的相关性,在轻度（Light）、中度（Moderate）和重度（Severe）三个严重级别的像元中则依次变强。这一研究将为今后利用遥感数据识别病虫害、评价生态系统影响提供基础。     

一种潜艇装备作战能力比较研究方法

对潜艇装备作战能力评估问题进行了研究，发现运用定量评估方法的过程中存在指标评价所需数据无法完全获取的问题。结合美弗吉尼亚潜艇改进情况，分析了影响潜艇作战能力的一些关键因素，重点基于潜艇武器装载能力，对国外典型潜艇进行了作战能力比较分析，最后对分析结果进行了评价，并讨论了未来潜艇作战能力评估方法的发展方向。     

栉孔扇贝foxl2基因在卵子发生中的必要性

采用RNAi技术研究了栉孔扇贝(Chlamysfarreri)foxl2基因在卵子发生和卵巢功能维持中的作用。使用体外合成的栉孔扇贝foxl2双链RNA(dsRNA),以每只50μg/次的剂量注射进闭壳肌中,连续注射2次(第一次注射后7天,再进行第二次注射);以注射相同体积PBS(相同注射方法)的扇贝作为阴性对照组,以不注射扇贝作为空白对照组。qRT-PCR检测干扰组扇贝卵巢中的foxl2 mRNA表达量较空白对照组下降了62%, Western blotting检测该蛋白在卵巢中的含量也明显下降,显示靶基因的表达水平被有效地敲降。组织学观察发现,栉孔扇贝foxl2干扰后的卵巢中卵母细胞形态异常、细胞核固缩,卵子发生明显受阻。表明该基因在栉孔扇贝卵子发生中起重要作用。     

广盐性鱼类渗透压适应性与生理可塑性机制研究

拥有强大的渗透压调节能力对广盐性鱼类的生存至关重要。目前,关于鱼类渗透压调节机制已有不少研究,但均存在较大的局限性。本文从广盐性鱼类渗透压信号转导机制、渗透胁迫的细胞调控机制、渗透调控的内分泌调节机制和无机离子通道和转运蛋白介导的渗透调控等方面对广盐性鱼类的渗透压适应性和生理可塑性机制进行分析,以期从分子、细胞、通路和生理等层次初步探索广盐性鱼类盐度胁迫后的可塑性表型变化和不同盐度条件下的应答机制,为广盐性鱼类的渗透压调节机制的深入研究奠定基础。对广盐性鱼类渗透压适应性与生理可塑性机制研究,有助于研究其环境适应机理,促进野生鱼种的人工化养殖以及新品种的育种从而提高经济效益、社会效益和生态效益,对促进水产养殖学进步以及养殖业的发展具有重要意义,同时,为研究广盐性鱼类的渗透压调节机制开辟新的研究方向。     

自然资源一体化政务服务系统及数据融合建设——以南京为例

自然资源部制定的信息化建设总体方案中，要求构建“互联网+自然资源政务服务”应用体系，实现“服务事项标准统一、整体联动、业务协同，自然资源政务服务和共享开放能力全面提高”。一体化政务服务系统作为政务服务应用体系的重点建设内容，也是落实自然资源管理“两统一”职责的重要支撑，如何整合各类数据资源、发挥系统作用，成为亟待研究的问题。本文在分析自然资源业务管理需求后，提出了一体化政务服务系统及数据融合的建设思路。     

玉米素和水杨酸对雨生红球藻(Haematococcus pluvialis)生长及虾青素积累的影响

虾青素是一种具有强抗氧化活性的类胡萝卜素,而雨生红球藻是天然虾青素的主要来源。本文以雨生红球藻(Haematococcus pluvialis)为材料,研究了植物激素玉米素和水杨酸对雨生红球藻的生长、虾青素含量及相关基因表达的影响。分别添加5种浓度的玉米素或水杨酸,结果发现0.05mg/L玉米素或25mg/L水杨酸处理5d后雨生红球藻虾青素积累最多。该浓度玉米素或水杨酸可显著提高光胁迫下藻细胞密度,最高分别达到3.4×10~5cell/mL和3.0×10~5cell/mL;同时玉米素与水杨酸组中虾青素含量显著上升,分别为1.7%和1.6%,比对照组分别增加29.2%和25.6%。玉米素缓解了高光逆境条件下光合作用基因——Rubisco大亚基(rbcL)及其活化酶(rca)、碳酸酐酶(ca)的下调表达,但对虾青素合成途径β-胡萝卜素酮化酶基因(bkt)的表达量没有显著影响;而水杨酸则相反,在胁迫后期不能缓解光合作用相关基因的下调表达,但可使bkt基因显著上调,最高可达对照组的2.5倍。本研究首次比较了玉米素和水杨酸对雨生红球藻生长和虾青素积累的影响,发现玉米素比水杨酸具有更好的促进雨生红球藻中虾青素积累的效果。     

基于SODA资料的南海表层风能输入的空间分布与长期趋势研究

海面风不仅是驱动上层海洋运动的主要动力, 其能量也是维持海洋表层流动的主要机械能来源。为了分析南海表层流风能输入的变化, 用SODA(Simple Ocean Data Assimilation)(1901—2010)资料估算了风向南海表层流(表层地转流+表层非地转流)的能量输入。结果表明, 风向南海表层流、表层地转流和表层非地转流输入的能量总体均呈减少趋势, 110年间分别减小了约56%、65%和49%。导致风能输入减小的最主要因素是风应力的减弱(减小了35%)。由于南海受季风系统的控制, 风向表层流及其各成分输入的能量呈现出显著的季节性变化。冬季风能输入最强, 高值区位于南海西部及北部区域, 呈一个显著的“回力镖”状结构。这些结果对深入认识南海环流具有理论意义。     

2000—2015 年伊犁河谷植被覆盖时空变化特征

利用 2000—2015 年的 EOS／MODIS 数据，采用趋势分析、Hurst 指数、变异系数法对伊犁河 谷植被时空变化及未来趋势进行分析，结果显示：空间分布上，伊犁河谷植被覆盖度呈北部、南部、 东部偏高，西部、中部偏低的分布特征；时间变化上，2000—2015 年，伊犁河谷植被覆盖度波动减 小，减速为 6.25%·(10 a)^-1；区域分布上，伊犁河谷植被表现为低波动变化，波动程度中等以及下占 73.16%，波动程度高的区域占 26.84%。未来预测表明，伊犁河谷植被覆盖呈退化趋势，其中，持续 退化的面积占 57.55%，持续改善的面积占 13.51%。     

A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing

ABSTRACT

High performance computing is required for fast geoprocessing of geospatial big data. Using spatial domains to represent computational intensity (CIT) and domain decomposition for parallelism are prominent strategies when designing parallel geoprocessing applications. Traditional domain decomposition is limited in evaluating the computational intensity, which often results in load imbalance and poor parallel performance. From the data science perspective, machine learning from Artificial Intelligence (AI) shows promise for better CIT evaluation. This paper proposes a machine learning approach for predicting computational intensity, followed by an optimized domain decomposition, which divides the spatial domain into balanced subdivisions based on the predicted CIT to achieve better parallel performance. The approach provides a reference framework on how various machine learning methods including feature selection and model training can be used in predicting computational intensity and optimizing parallel geoprocessing against different cases. Some comparative experiments between the approach and traditional methods were performed using the two cases, DEM generation from point clouds and spatial intersection on vector data. The results not only demonstrate the advantage of the approach, but also provide hints on how traditional GIS computation can be improved by the AI machine learning.