为重建晚更新世以来鲍威尔海盆的古海洋环境演变历史,本文对南极半岛鲍威尔海盆D3-5柱样的硅藻进行了分析,D3-5柱样的156个样品中共鉴定出硅藻54个种和变种,以海水种和冷水种为主。通过硅藻分析,将晚更新世以来鲍威尔海盆的海洋环境变...为重建晚更新世以来鲍威尔海盆的古海洋环境演变历史,本文对南极半岛鲍威尔海盆D3-5柱样的硅藻进行了分析,D3-5柱样的156个样品中共鉴定出硅藻54个种和变种,以海水种和冷水种为主。通过硅藻分析,将晚更新世以来鲍威尔海盆的海洋环境变化划分如下:58.6~72.5 ka BP期间,硅藻以冷水种和海冰种为主,并出现沿岸种,推测因南极冰盖增长,鲍威尔海盆受极地冷水团控制,气候出现明显冷-暖交替,而且海平面较低,站位水深较浅;40.7~58.6 ka BP期间,出现明显气候冷-暖转变,海洋环境受气候变化影响较大,变得不稳定,由于海冰融化、温盐循环加强和冰筏碎屑事件的频发导致硅藻种类、丰度骤减;26.2~40.7 ka BP期间,硅藻种类明显增加,出现海冰种,冷水种增加,推测处于末次冰盛期的冰盖增长前期,中纬度暖水团在南极海区的影响范围向南扩大,冷、暖水团强烈混合,驱动温盐循环;26.2 ka BP至今,硅藻丰度增加,极地冷、暖水团混合的指示种Fragilariopsis oceanica指示研究区的表层与底层水体混合增强,海冰覆盖面积持续增大,威德尔环流势力增强,中纬度暖水势力减弱。总体来说,自晚更新世以来鲍威尔海盆经历了冷期(南极冰盖发育)-暖期-冷期(末次冰盛期)的阶段转变,而在深海氧同位素3阶段(marine isotope stages 3,MIS 3)中存在一段较长时间的冰筏碎屑事件时期。展开更多
针对野生动物数据集样本量小、目标尺度多变所导致的野生动物检测困难以及检测精度低等问题,提出一种基于多尺度上下文提取的小样本野生动物检测(MS-FSWD)算法。首先,通过多尺度上下文提取模块增强模型对不同尺度的野生动物的感知能力,...针对野生动物数据集样本量小、目标尺度多变所导致的野生动物检测困难以及检测精度低等问题,提出一种基于多尺度上下文提取的小样本野生动物检测(MS-FSWD)算法。首先,通过多尺度上下文提取模块增强模型对不同尺度的野生动物的感知能力,提高检测性能;其次,引入Res2Net作为原型校准模块的强分类网络对分类器输出的分类分数进行校正;然后,在RPN中加入置换注意力机制,增强目标区域的特征图,弱化背景信息;最后,将平衡L1损失作为定位损失函数,提升目标定位性能。实验结果表明,相比DeFRCN算法,MS-FSWD在小样本野生动物数据集FSWA上,1-shot和3-shot检测任务中新类AP50分别提升了9.9%和6.6%;在公共数据集PASCAL VOC上,MS-FSWD最高提升了12.6%。与VFA算法相比,在PASCAL VOC数据集Novel Set 3的10-shot任务中,新类AP50提升了3.3%。展开更多
文摘为重建晚更新世以来鲍威尔海盆的古海洋环境演变历史,本文对南极半岛鲍威尔海盆D3-5柱样的硅藻进行了分析,D3-5柱样的156个样品中共鉴定出硅藻54个种和变种,以海水种和冷水种为主。通过硅藻分析,将晚更新世以来鲍威尔海盆的海洋环境变化划分如下:58.6~72.5 ka BP期间,硅藻以冷水种和海冰种为主,并出现沿岸种,推测因南极冰盖增长,鲍威尔海盆受极地冷水团控制,气候出现明显冷-暖交替,而且海平面较低,站位水深较浅;40.7~58.6 ka BP期间,出现明显气候冷-暖转变,海洋环境受气候变化影响较大,变得不稳定,由于海冰融化、温盐循环加强和冰筏碎屑事件的频发导致硅藻种类、丰度骤减;26.2~40.7 ka BP期间,硅藻种类明显增加,出现海冰种,冷水种增加,推测处于末次冰盛期的冰盖增长前期,中纬度暖水团在南极海区的影响范围向南扩大,冷、暖水团强烈混合,驱动温盐循环;26.2 ka BP至今,硅藻丰度增加,极地冷、暖水团混合的指示种Fragilariopsis oceanica指示研究区的表层与底层水体混合增强,海冰覆盖面积持续增大,威德尔环流势力增强,中纬度暖水势力减弱。总体来说,自晚更新世以来鲍威尔海盆经历了冷期(南极冰盖发育)-暖期-冷期(末次冰盛期)的阶段转变,而在深海氧同位素3阶段(marine isotope stages 3,MIS 3)中存在一段较长时间的冰筏碎屑事件时期。
文摘针对野生动物数据集样本量小、目标尺度多变所导致的野生动物检测困难以及检测精度低等问题,提出一种基于多尺度上下文提取的小样本野生动物检测(MS-FSWD)算法。首先,通过多尺度上下文提取模块增强模型对不同尺度的野生动物的感知能力,提高检测性能;其次,引入Res2Net作为原型校准模块的强分类网络对分类器输出的分类分数进行校正;然后,在RPN中加入置换注意力机制,增强目标区域的特征图,弱化背景信息;最后,将平衡L1损失作为定位损失函数,提升目标定位性能。实验结果表明,相比DeFRCN算法,MS-FSWD在小样本野生动物数据集FSWA上,1-shot和3-shot检测任务中新类AP50分别提升了9.9%和6.6%;在公共数据集PASCAL VOC上,MS-FSWD最高提升了12.6%。与VFA算法相比,在PASCAL VOC数据集Novel Set 3的10-shot任务中,新类AP50提升了3.3%。
