【摘 要】
：
为客观跟踪洞庭湖水生态环境质量,掌握洞庭湖水生生物完整性状况和变化趋势,支撑长江流域水生态考核工作的开展,基于洞庭湖30多年（1988—2021）的大型底栖动物群落特征数据,构建洞庭湖大型底栖动物完整性指数（BIBI）。基于完整性评价结果,采用多元逐步回归分析识别30多年间影响洞庭湖B-IBI的主要环境因素和贡献率。以低压力期（1988—1994年）底栖动物特征确定参照状态,构建的B-IBI由总分
【基金项目】
：
国家重点研发计划（2021YFC3200104）； 湖南省岳阳市长江水生态环境保护研究项目（2022-LHYJ-02-0507-02）联合资助；
论文部分内容阅读
为客观跟踪洞庭湖水生态环境质量,掌握洞庭湖水生生物完整性状况和变化趋势,支撑长江流域水生态考核工作的开展,基于洞庭湖30多年（1988—2021）的大型底栖动物群落特征数据,构建洞庭湖大型底栖动物完整性指数（BIBI）。基于完整性评价结果,采用多元逐步回归分析识别30多年间影响洞庭湖B-IBI的主要环境因素和贡献率。以低压力期（1988—1994年）底栖动物特征确定参照状态,构建的B-IBI由总分类单元数、甲壳类和软体类分类单元数、H指数、总密度和BI指数5项核心参数构成;同时确定出5项参数的期望值,并建立起B-IBI评价的标准:B-IBI≥6.34,优秀;4.75≤B-IBI＜6.34,良好;3.17≤B-IBI＜4.75,中等;1.58≤B-IBI＜3.17,较差;B-IBI＜1.58,很差。经B-IBI在低、高压力组的箱线图分析,进一步验证了该指数的辨别力和适用性。根据研制的B-IBI评价标准,得到洞庭湖B-IBI从1988年的6.99（优）下降到2021年的2.97（较差）,表明洞庭湖底栖动物完整性呈现显著的下降趋势。相关环境因素的分析显示,同期洞庭湖的综合营养状态指数、总氮和叶绿素a均呈现显著上升态势。对B-IBI和环境因子的响应关系分析表明,B-IBI与总氮和叶绿素a呈显著负相关,多元逐步回归分析表明总氮解释了大型底栖动物完整性变异的56.1%,和叶绿素a共同解释了变异的61.3%。营养盐增加对洞庭湖大型底栖动物完整性的变化起到较大程度的驱动作用。构建的B-IBI评价标准在洞庭湖具有较好的适用性,可为长期跟踪湖体完整性变化及分析水生态状况变化提供有价值的科学依据。建议在长江流域重要水体的保护中,在持续控磷的同时,加大对氮污染影响的关注,增加对总氮的管控力度,并将总氮纳入国家和地方水生态环境监管体系。
其他文献
近年来,“沉浸式”逐渐走入人们的视野,在游戏、生活、学习等多个方面均有涉猎,例如沉浸式戏剧、沉浸式学习、沉浸式阅读等。新课改要求语文教学要继承和弘扬中华传统文化,古诗词是传统文化的精髓,在小学语文教学中占有不可忽视的地位。当前,古诗词教学仍存在应试教育的痕迹,忽视学生的学习体验。沉浸理论注重在教学过程中调动学生的主观能动性,让学生在亲身体验中产生情感和思想共鸣,主动参与学习。本研究试图通过引入沉浸
先进制造业位于制造业价值链的最高端,已经成为世界各国关注的重点。中国先进制造业的发展受供应链协同的制约,在重大关键技术方面仍落后于世界先进水平,企业上下游之间的合作创新力度还需加强。由于先进制造产品科技附加值相对较低,其无法满足国内对产品的需要,从而其产品需求仍较小。虽然先进制造业能够利用数字经济链接供应链合作伙伴并实现适度规模定制,以先进的经营管理方式实现个性化的生产,但这种经济效益比重较小。因
小样本学习旨在模拟人类基于少数样例快速学习新事物的能力,对解决样本匮乏情境下的深度学习任务具有重要意义.但是,在诸多计算资源有限的现实任务中,模型规模仍可能限制小样本学习的广泛应用.这对面向小样本学习的轻量化任务提出了现实的需求.知识蒸馏作为深度学习领域广泛使用的辅助策略,通过额外的监督信息实现模型间知识迁移,在提升模型精度和压缩模型规模方面都有实际应用.首先验证知识蒸馏策略在小样本学习模型轻量化
[目的]探讨术中颈椎曲度调节对颈椎前路椎间盘切除减压融合术（anterior cervical discectomy and fusion, ACDF）术后颈椎曲度及临床疗效的影响。[方法] 2020年1月—2021年3月，对36例行ACDF手术的患者术中采用自主研制的可调式电动颈椎前路手术体位固定装置进行颈椎曲度调节，观察术后临床与影像指标。[结果]所有患者均顺利完成手术，无严重并发症。患者术后
＜正＞习近平总书记在庆祝中国共产党成立100周年大会上的讲话和《中共中央关于党的百年奋斗重大成就和历史经验的决议》中，都提出了“坚持把马克思主义基本原理同中国具体实际相结合、同中华优秀传统文化相结合”的创新思想。这是党百年历史的一个重要理论收获，是对长期讲的“坚持把马克思主义基本原理同中国具体实际相结合”即“一个结合”的丰富和发展。
为了解决孪生神经网络因使用图像级特征度量，存在对位置、复杂背景及类内差异比较敏感的问题，提出了一种双重度量孪生神经网络（DM-SiameseNet）。具体来说，DM-SiameseNet使用图像级的特征和局部特征（局部描述符）共同表示每幅图像，然后根据两种不同级别的相似度度量学习特征映射，最后使用自适应融合策略，自适应整合两种不同级别特征表示的度量结果。实验结果表明，改进后模型的准确率分别提高了5
实体关系抽取作为文本挖掘和信息抽取的核心任务，是知识图谱构建过程中的关键一环。然而人工建立大规模有标签的数据耗时耗力。使用小样本学习来进行关系抽取，仅仅需要少量样本实例就能使模型学会区分不同关系类型的能力，从而缓解大量无标签数据带来的标注压力。本文对中文关系抽取数据集FinRE进行了重构使之适用于少样本学习，并引入了语义关系网络HowNet对实体进行更为精确的语义划分，并在此基础上使用双重注意力机