中国科学院南京地理与湖泊研究所()

中国科学院南京地理与湖泊研究所,
  在考研之前,几乎每个人都是比较努力的,毕竟谁都不想二次再战,一次成功是一件皆大欢喜的事情,而在复习的过程中,部分同学可能就会发现,自己已经很用心的在学习了,但是成绩并没有得到提升,可以说不仅浪费了学习的时间,还没有看到任何效果,而出现这种情况的原因基本就是自己没有掌握对学习的方式,如果是这类学生的话,我个人还是建议选择考研报班的方式来提升自己学习的。  那么考研培训班面授和视频哪个更好呢?要看以下两点,首先是看自己的时间够不够灵活,如果你有充足的时间,最好是选择考研培训班面授,因为这样会让你更加的专注和认真。而对于一些时间比较碎片化的同学来讲,可以选择考研视频来进行学习。其次是看自己的学习效率,不管考研培训班面授还是视频,都是为了让我们更好的理解和接受知识,所以我们要结合自己的学习情况和学习习惯来进行选择。如果你是那种在松散情况下学的反而更认真的人,那么可以选择视频学习,如果是需要有约束力的学生,则可以选择考研培训班面授。

来源:【中国科学院】

在气候变暖和人类活动双重作用的影响下,藻类水华频发且呈现全球加剧态势,严重威胁经济社会可持续发展和人类健康。由于藻类水华生消过程快,实时精准的监测是藻类水华预测、预警和有效管控的关键。目前藻类水华监测主要包括现场观测、水下自动监测和卫星遥感反演等三种方式。现场观测费时费力,且无法在时间和空间上连续监测;水下自动监测探头易受到水中物质侵蚀,且维护费用高昂;卫星遥感的时间分辨率低且受大气影响较大。

对此,中国科学院南京地理与湖泊研究所研究员张运林团队等基于水色遥感原理,研发了一款陆基高光谱遥感监测仪及原位高频在线监测系统,实现了藻类水华连续、精准、实时监测,有效弥补了现有方法的不足。

该系统主要由高光谱测量仪器、数据处理平台和远程访问控制、显示和存储平台等三部分组成(图1)。高光谱测量仪测定的水体光谱反射率信号,通过嵌入AI芯片处理器(数据处理平台)的反演算法,转化为叶绿素a信息。光谱反射率和叶绿素a数据通过无线传输设备进行远程访问控制、显示和存储。研究人员通过系统评估近几十年来应用最广泛的三种叶绿素a遥感反演的经验算法、半分析算法以及机器学习算法等,遴选了建模和验证精度最高的反演模型作为陆基遥感系统叶绿素a提取的主要模型(图2)。

架设在太湖的陆基高光谱遥感监测系统清晰捕捉到2021年8月发生的两次藻类水华形成过程(图3)。除了藻类水华以外,陆基遥感系统亦可同步监测水体透明度、悬浮物、总氮、总磷、高锰酸盐指数、营养状态指数、藻密度等多个水生态环境参数,可为藻类水华发生机理研究提供精细化观测和科学证据。该观测系统主要有以下优势:低成本、环保的方式实时、连续地提供藻类水华的高频数据;水体信号不受大气影响,不需要进行复杂的大气校正;适用于中小型河流、湖泊的藻类水华动态监测;嵌入的AI芯片支持算法快速替换和升级以及远程控制和数据访问。目前该系统已广泛应用于广东、四川、江苏、浙江、北京等数十个重要水体的水质监测。

相关研究成果发表在Journal of Hazardous Materials上。研究工作得到国家自然科学基金优秀青年基金、中科院科学仪器研发项目、南京地理所青年科学家小组等项目的联合资助。

论文链接

图1 陆基遥感系统的原理和结构示意图

图2 陆基高光谱遥感监测系统机器学习算法检验与校正精度结果

图3 陆基遥感系统捕捉到的两次浮游植物水华和对应的现场照片

本文来自【中国科学院】,仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID:jrtt

中国科学院南京地理与湖泊研究所()