Ecological consequences of variation in standard metabolism and dominance among salmon parr

Abstract – Standard metabolic rate (SMR, closely related to basal and resting metabolism) varies by up to threefold among juvenile Atlantic salmon, Salmo salar L., of similar size at common temperature. Here, consequences of this variation are predicted by combining empirically derived relationships between SMR, specific dynamic action, energy budgets, water velocity, food level in the environment and food availability to fish. The range of velocities across which growth is predicted to occur is inversely related to a fish’s SMR. Growth is positively related to SMR at high but negatively related to it at low‐food levels. The relationship between food level and the range of velocities over which lower SMR fish can grow but higher SMR fish cannot is asymmetrically bi‐phasic and peaked. It is predicted that maternal manipulation of offspring SMR would generate fitness benefits through bet‐hedging against unpredictability in food level and increases in the overall range of velocities that the family of offspring can occupy and thrive in.     

多功能复式作业机的设计与应用

针对我国北方农村的气候和农艺特点，设计制造出一种多功能复式作业机。详细说明该机的总体结构设计。分析该机作业技术特点，介绍整机主要技术参数和各部装结构形式。并通过进行机组耕整作业试验来验证该复式作业机的作业效果，结果证实该机具设计科学合理，技术性能良好，结构简单，操作方便，性价比合理。     

动机对外语学习的影响及相关的措施

研究表明动机是影响外语学习成功与否的一个重要因素。因此,英语教师应通过培养大学生学习兴趣,为大学生创造成功的机会,及时表扬,利用工具型动机,正确对待考试等措施激发大学生学习英语的动机,提高外语学习的成效。     

无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势，果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging，LiDAR）检测和测量每棵果树的树冠面积和树冠直径，并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model，CHM）；使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation，MCWS）对果树进行单木树冠检测与提取，通过与参考数据的比较，评估了该方法的精度，并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明，该方法有效地实现果树单木树冠检测与信息提取，代表果树检测精度的F1得分为94.86%，树冠轮廓提取准确率为86.39%，树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%，树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%，树冠面积和直径不同程度地被高估。此外，冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高，可以有效检测果树单木树冠及提取树冠轮廓，从而准确提取果树单木树冠信息。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业，该研究提出了基于点云配准的自然光照环境下的果树三维重构方法，并针对传统最近点迭代（Iterative Closest Point，ICP）算法对待配准点云的空间位置要求苛刻的问题，提出了改进的点云配准算法。首先，使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像，并通过信息融合实现相应角度下的点云获取。其次，对点云进行背景去除和滤波处理，基于直方图设定分割阈值，提取单株枣树点云，并将放置在树根附近的标靶球作为标记，使用人工标记法进行两站点云初配准。最后，在初配准基础上计算点云的曲面法向量和曲率，由曲率相近的点构成配对点对，使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point，kd-tree-ICP）算法完成精配准，对点云使用Alpha-shape算法面片化，实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明，通过引入初配准，有效提高了点云配准的准确性和稳定性，配准误差均控制在1.0 cm以内，平均配准误差为0.78 cm；重构模型真实感较强，在外观上更加接近真实树，枝干相对误差控制在7%以内。该研究重构模型精度较高，可为枣树智能修剪提供可视化研究基础和技术支持。     

光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

为了进一步提高种子含水率的高光谱估算精度，该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值，分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系，构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型，并对模型进行了验证；再结合一元线性回归（SLR，Single Linear Regression）、逐步多元线性回归（SMLR，Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR，Partial Least Squares Regression）模型与BP神经网络（BPNN，BP Neural Network）模型进行比较。结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1 410、1 900、1990 nm，一阶微分光谱特征波长位于1 150、1 950、2 080 nm；2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优，在能够满足水分估算精度的情况下，是最优的选择方法。3）将优选的特征参数作为输入，实测含水率值作为输出，构建BP神经网络模型，其建模与验模R2分别为0.978和0.973，RMSE分别为0.22%和0.242%，而RPD值分别为6.478和5.889，与其他模型相比，BP神经网络模型的建模及预测精度均最高，是估算油用牡丹种子含水率的最优模型，其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力，是估算油用牡丹种子含水率的有效方法。     

采用卷积神经网络构建西北太平洋柔鱼渔场预报模型

对远洋渔场资源和位置进行预报可以为远洋渔业生产及管理提供重要信息。该研究针对西北太平洋柔鱼渔场，利用海洋表面温度遥感信息和中国远洋渔船生产资料，基于深度学习原理，选取卷积神经网络构建西北太平洋柔鱼渔场预报模型。根据不同月份、不同通道构建了多种数据集，用于训练渔场预报模型。训练结果表明，4个通道组合的数据集的训练结果最优，渔汛早期（7-8月）、中期（9月）和后期（10-11月）测试样本的准确率分别为80.5%、81.5%和81.4%。以2015年的真实渔场数据对模型进行验证，模型的平均召回率为82.3%，平均精确率为66.6%，F1得分平均值为73.1%，预测的高产渔区与实际作业的高单位捕捞努力量渔获量区基本匹配。该研究构建的渔场预报模型可以获得较好的准确率，可为其他鱼种的渔场预报模型构建提供新的思路。     

采用全卷积神经网络与Stacking算法的湿地分类方法

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高和泛化能力弱等问题，提出了一种联合全卷积神经网路（fully convolutional neural network，FCN）与集成学习的湿地分类方法。首先利用全卷积神经网络（SegNet、UNet及RefineNet）对GF-6影像的语义特征进行提取与融合，然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明，联合全卷积神经网络与Stacking算法能有效提取湿地信息，总体分类精度为88.16%，Kappa系数为0.85。与联合全卷积神经网络与单一机器学习RF、SVM与kNN算法相比，该文提出的湿地分类方法在总体分类精度上分别提高了4.87%，5.31%和5.08%；与联合单一全卷积神经网络（RefineNet、SegNet、UNet）与Stacking算法下的湿地分类结果，该文提出的湿地分类方法在总体分类精度上分别提高了2.78%，4.48%与4.91%；该文方法一方面能通过卷积神经网络提取遥感影像深层的语义特征，另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组，从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。     

基于有效积温的中国水稻生长模型的构建

有效积温是指作物生长至某一生育阶段所需要积累的有效温度,是反映气象条件对作物生长影响的主要指标,研究有效积温对作物生长过程的影响对提高农业生产效率具有重要意义。该文以有效积温作为气象因子,收集中国气象数据网中的气象数据和已发表的学术论文中的水稻生长数据,建立了描述水稻生长过程的叶面积指数和干物质积累量的普适Logistic模型,并研究了水稻最大叶面积指数与最大干物质积累量、收获指数(作物经济产量与生物产量的比值)及降水量之间的关系。结果表明:有效积温为1000℃左右时,水稻叶面积指数最大,且此时干物质增长速率最大;水稻最大叶面积指数与最大干物质积累量之间表现为线性关系;最大叶面积指数和收获指数、降水量之间为二次抛物线关系,当降水量为670.5 mm时,最大叶面积指数为7.93,对应的水稻收获指数达到最大值0.50。该研究对于构建其他作物的生长模型具有一定的参考意义。     

转轮下环间隙对混流式水轮机内部流动特性的影响

水轮机转轮间隙内的泄漏涡、泄漏流等复杂的湍流易影响水轮机的性能与稳定性。为了分析下环间隙对混流式水轮机能量特性和内部流态的影响,该文基于N-S方程和SST湍流模型,考虑了0.6 Qd(Qd为设计流量工况)、0.8 Qd、Qd、1.2 Qd共4种流量工况,对5种下环间隙下的混流式水轮机模型机进行三维全流道数值计算。通过对比不同下环间隙方案对混流式水轮机效率与容积损失的影响,结合不同水轮机内部流场特征,分析下环间隙与水轮机性能的关系。计算结果表明:下环间隙由0.4 mm增大到1.3 mm,机组泄漏量增大,水轮机效率整体呈下降趋势。其中,当机组在小流量0.6 Qd工况运行时,间隙对水轮机能量特性影响最为明显,效率下降了4.1个百分点。当机组在小流量0.6 Qd与0.8 Qd工况运行时,下环间隙增大,间隙内部流场与尾水管内部流场呈现小幅度恶化;当机组在大流量1.2 Qd工况运行时,下环间隙增大,转轮叶片吸力面压力分布以及尾水管内部流场均得到改善。该研究可为混流式水轮机结构设计提供有效参考。