摘要：极地考察破冰船航线穿越太平洋、印度洋、南大洋和北冰洋在内的多个大洋,具有长期性和固定性,对于海洋调查研究及许多重大科学问题的研究具有重要意义。海水表层多要素的连续实时观测是海洋调查研究的基础,因此在“雪龙”号表层海水走航观测系统应用的基础上,“雪龙2”号结合国际前沿热点问题,从提高数据准确性、增强系统集成性、提高系统自动化程度等方面着手,设计了一套适合我国现代化极地科学考察的表层海水多要素实时采集系统。经数次极地考察实地检验,系统能较好地满足我国极地考察需求,且运行状态稳定、观测数据准确、维护成本较低。该系统的成功应用,对极区海洋现场观测调查具有重要意义,也对后续科学考察船的走航连续观测系统建设具有一定借鉴意义。

摘要：对目前国内外污水和污泥回收磷技术进行了总结。污水处理过程中,可以从污泥脱水清液、消化后浓缩污泥和污泥焚烧飞灰中进行磷回收,回收率最高可以达到90%以上。磷回收的产品主要有磷酸铵镁、磷酸钙、磷酸等,可以进一步加工成化肥或者用作磷化工原料。对上海市污水处理厂的研究表明,典型进水中磷含量在5.0~6.0 mg/L,有污泥消化工艺污水处理厂的污泥脱水清液中磷含量在89.5~112.7 mg/L,无污泥消化工艺污水处理厂的污泥脱水清液中磷含量在5.5~27.5 mg/L。污泥焚烧飞灰中磷元素含量(以P_(2)O_(5)计)在11.8%~21.4%,同样经消化后污泥的焚烧飞灰中磷含量最高。结合上海市污水和污泥的现状和规划,论述了磷回收的应用前景。

摘要：背景从2011年4月起,家庭医生制度建设成为上海市医药卫生体制改革五大基础性工程之一,家庭医生是落实该制度的“主力军”,持续了解其执业信心水平对于推动我国家庭医生事业高质量发展至关重要。目的了解2020年上海市浦东新区家庭医生信心指数及其未来3年的执业信心水平,分析2014—2020年上海市浦东新区家庭医生信心指数变化情况,旨在为家庭医生制度建设的深入推进提供一定的参考。方法于2020年12月,以2014年参与上海市浦东新区家庭医生信心指数调查的9家社区卫生服务中心为样本来源地,选取在职并且正在从事家庭医生相关工作的全科医生作为研究对象,通过“问卷星”对其进行线上问卷调查。问卷由研究者根据目前上海市浦东新区的实际情况,结合原《中国医学论坛报·全科医学周刊》2017年6月22日第E2~E3版内容和顾湲家庭医生工作室明确的家庭医生信心指数调查内容自行设计。比较不同特征家庭医生2020年信心指数及其未来3年的执业信心水平差异,分析全体及不同特征家庭医生未来3年执业信心变化趋势,探讨2014—2020年家庭医生信心指数的变化情况。结果共发放问卷350份,回收有效问卷347份,有效问卷回收率为99.1%。2020年家庭医生平均信心指数为(51.96±28.42),2023年家庭医生平均信心指数预测值为(54.03±26.56),两者比较,差异无统计学意义(P>0.05)。与单位所在地为城镇/城郊结合地区、通过住院医师规范培训或职称考试成为全科医生、受教育程度为本科/硕士研究生及以上、未同时担任院内行政职务或从事院内行政工作者相比,单位所在地为郊区、通过转岗培训成为全科医生、受教育程度为大专及以下、同时担任院内行政职务或从事院内行政工作者2020年信心指数更高,差异有统计学意义(P5年、受教育程度为本科、拥有中级职称、未同时担任院内行政职务或从事院内行政工作者2023年信心指数预测值高于2020年信心指数,差异有统计学意义(P<0.05)。2020年家庭医生信心指数高于2014年(24.65±22.75)及2017年(48.20±23.10),差异有统计学意义(P<0.05)。结论上海市浦东新区家庭医生2020年信心指数较2014、2017年明显升高,处于中立水平;2023年家庭医生信心指数预测值仍处于中立水平。不同特征家庭医生当下和未来3年的执业信心水平存在差异。家庭医生对行业及自身的发展充满信心,需要持续的政策和社会支持。

摘要：初中新生群体受其身心特点以及学校、家庭等因素影响,容易产生焦虑情绪,如果情绪得不到有效纾解,则可能演变为焦虑情绪高风险,进而成为焦虑情绪障碍。因此,对焦虑情绪高风险的预防性干预可以有效改善青少年焦虑情绪,降低焦虑障碍发生。该研究立足学校实践,以初中新生群体为研究对象,通过表达性艺术团体辅导和认知行为团体辅导对初中新生进行干预,力图探索出基于学校、操作性强的优化干预方案,旨在降低初中新生群体的焦虑情绪高风险,促进其身心健康发展。

摘要：针对中等尺度薄膜型LNG运输船的结构关键节点形式、结构优化,以及抗疲劳节点特点,以研发的某型LNG运输船为例,分析设计细节,探讨船舶建造中相应的控制要点和处理方法,讨论气囊管装置的工作原理及设计理念,分析该装置能使船舶满足IGC要求,提高装载率的原因。

摘要：在气候变化背景下,极端天气和水位事件频发。为了分析长江口极端潮位的长周期特征,研究基于极值理论相关方法,采用近33 a实测资料对长江口极值潮位趋势性和重现期进行分析,结果表明:长江口徐六泾站年极值水位呈轻微下降趋势,直接原因是大通流量减少导致当地年均海面的下降;区分组模型结果显示,台风“温妮”期间长江口造成的风暴潮位为100 a一遇,而POT模型计算结果仅为60 a一遇,100 a一遇重现期潮位约7.0 m;潮位重现期的计算本质是一种用频率代替概率、从样本推求整体的过程,具有一定不确定性。其意义在于以可获取的数据为基础,计算事件发生的风险率,旨在为工程设计或风险管理提供依据。

摘要：在分析上海生态清洁小流域建设重点的基础上,以都市宜居型清洁小流域为研究对象,分析企业园区面临的水环境问题。以三峡上海院临新路园区为案例,从问题导向出发,引入低影响开发设施,精细化组织地面排水,将水环境和水景观相结合,探究切实可行的生态提升方案。通过低影响开发设施系统、户外视觉展示系统和企业科普参观游线三大提升措施,满足都市宜居型清洁小流域将水环境质量与水景观品质作为建设重点的需求,达到从源头污染控制和景观品质提升的角度建设都市宜居型清洁小流域的目的。

摘要：目的海洋涡旋精准检测是揭示海洋涡旋演变规律及其与其他海洋现象相互作用的基础。然而,海洋涡旋在其活跃海域呈现小尺度目标、密集分布的特点,导致显著的检测精度低问题。传统方法受限于人工设计参数缺乏泛化能力,而深度学习模型的高采样率在检测小目标过程中底层细节和轮廓等信息损失严重,使得目标检测轮廓与目标真实轮廓相差甚远。针对海洋涡旋小目标特点导致检测精度低,高采样率深度模型检测轮廓不精确的问题,提出一种改进的U-Net网络。方法该模型基于渐进式采样结构,为获取上下文信息提升不同极性海洋涡旋目标的检测精度,增加上下文特征融合模块;为增加该模块对海洋涡旋小目标的关注,在特征融合前对最底层特征嵌入残差注意力模块,使模型可以更多关注海洋涡旋的轮廓信息。最后引入数据扩充方法缓解模型存在的过拟合问题。结果本文以南大西洋的卫星海表面高度数据集开展实验,结果表明,本文模型检测准确率达到了93.24%,同时在海洋涡旋的检测数量上与真实结果更加接近,验证了模型在小目标检测方面的性能更加优秀。结论本文提出的海洋涡旋小目标检测模型,在检测海洋涡旋的性能与海洋涡旋目标轮廓精准度方面均显著优于全卷积神经网络(fully convolutional network,FCN)等深度学习模型。

摘要：目的海洋中尺度涡自动检测是了解其演变规律,研究其在海洋物质运输和能量传递中的作用的基础。针对海洋中尺度涡形态不规则、结构复杂多变、长宽比不确定,以及涡群海域中尺度涡分布密集导致的检测精度低的问题,提出一种基于深度学习多尺度旋转锚机制的海洋中尺度涡自动旋转检测方法。方法首先对卫星遥感海平面高度异常数据进行可视化预处理,并采用图像处理策略对数据集进行扩充构建训练集;其次构建了一种基于深度学习多尺度旋转锚机制的中尺度涡自动检测模型,考虑到中尺度涡尺度变化大和其所处海洋环境复杂多变的特点,主干网络采用RetinaNet提取中尺度涡特征,同时采用特征金字塔结构融合中尺度涡的低层与高层特征,设计多尺度、多长宽比以及多旋转角度锚点机制实现多尺度旋转检测锚的生成;最后集成分类与回归两个子网络,实现海洋中尺度涡的自动旋转检测。结果实验结果表明,提出的中尺度涡自动检测方法极大改进了水平检测框存在显著的大纵横比导致检测精度低和检测框嵌套和重叠现象。本文方法最优检测精度为90.22%,与水平检测方法相比,精度提升了8%。在印度洋、太平洋、大西洋和赤道海域进行了海洋中尺度涡的旋转检测实证分析,验证了模型具有很好的泛化能力。结论本文通过设计多尺度、多长宽比和多旋转角度实现多尺度旋转锚的生成机制,达到中尺度涡目标旋转检测,有效克服了水平检测框区域冗余和检测框重叠、嵌套现象,显著提升了中尺度涡检测精度。

摘要：有效波高(Significant wave heights,SWH)是描述海浪的重要属性,SWH的预测对于保障近岸工程设计以及海上作业安全具有重要意义。近年来,深度学习方法被用来对SWH进行预测,但是目前存在的方法无法有效捕捉SWH的长时间相关性,同时忽略了海洋多要素之间的局部关联。为此,提出一种结合海洋多要素局部和全局特征的SWH预测模型(Multi-elements local and global correlation for wave height prediction,MLG-SWH)。以有效波高、风速、周期等多要素作为输入,设计了局部-全局编码(Local-global embedding,LGE)模块,提取海洋多要素的局部关联以及时间信息。采用编-解码器作为基础网络结构,提取多要素海浪序列特征。在编-解码器中,设计了空洞因果卷积自注意力模块来有效捕捉海洋多要素序列的全局长时间相关性,并在解码器中利用生成推理方式避免单步迭代预测产生的误差累积。选取北大西洋海浪有效波高变化特点不同的两个站点数据进行实验。相较于经典时间序列预测模型以及主流深度学习方法,研究所用的MLG-SWH模型在24和48 h预测的均方根误差以及平均绝对误差均为最低,并在长时序预测方面具有较大的优势。