优化环境人文社科图书学科分类

环境哲学类的图书大都按中图法分类号分到了X类,也就是环境科学类,环境科学一般归理科或自然科学借阅处,而文科学生很少会去理科借阅处。一、问题与现状从事环境哲学研究与教学的一位朋友向笔者谈起,学生反映说去图书馆时不太容易找到此类图书。笔     

龙眼SnRKs家族全基因组鉴定、进化特性及其在龙眼体胚发生早期的表达模式

植物蔗糖非发酵-1相关蛋白激酶（sucrose non-fermenting-1-related protein kinase,SnRK）在细胞代谢及响应渗透胁迫过程中起着关键作用.基于第三代基因组对龙眼SnRKs(DlSnRKs)家族进行全基因组鉴定及命名,对成员理化性质、亚细胞定位、系统发育进化树、蛋白互作、染色体定位、保守基序与基因结构、全基因组共线性及启动子顺式作用元件进行预测分析,并结合转录组数据分析DlSnRKs在龙眼体胚发育3个阶段[胚性愈伤组织（EC）、不完全胚性紧实结构（ICpEC）、球形胚（GE）]的表达模式.结果显示,DlSnRKs家族共28个成员.系统发育进化树分析发现DlSnRKs家族成员分布于3个亚组中.染色体定位分析发现28个成员定位在10条染色体中.蛋白互作预测分析发现DlSnRKs家族存在复杂的蛋白互作关系.蛋白保守基序分析发现各亚组成员motif分布相似性与保守性并存.对DlSnRKs家族成员的基因结构进行分析,发现其内含子数目在0-14之间.启动子顺式作用元件分析发现各成员启动子区包含光、激素、生长发育及胁迫等响应元件.全基因组共线性分析发现有8个...     

藜属植物叶绿体基因组结构与系统进化

高等植物的叶绿体基因组主要遗传自母本,具有基因组小、结构简单、序列高度保守等特点.利用系统的生物信息学方法,对4种藜属植物的叶绿体基因组进行编码基因组成、基因组结构、重复序列、变异位点在内的比较基因组学研究,以及基于叶绿体基因组序列的藜亚科植物的系统进化研究.结果表明,4种藜属植物叶绿体基因组平均大小为151936bp,平均GC含量为37.16%,具体基因的拷贝数和总的基因数目差异很小,非常保守.除灰绿藜以外,其余3种藜属植物叶绿体基因组的LSC、SSC和IR区域的边界几乎完全一致,没有表现出明显的扩张与收缩.基因组的重复序列中,相较于SSR,长重复序列片段的比例更高.相比较IR区域,4种藜属植物的LSC和SSC区域之间存在更大的核苷酸位点差异;52-59 kb的基因组区域为4种藜属植物间核苷酸位点变异最大的区段.基于全基因组和LSC+SSC序列,分别构建了包括4种藜属植物在内的藜亚科植物的系统进化树,进化关系完全一致.本研究结果揭示了藜属植物叶绿体基因组的进化特征,可为藜属植物系统进化研究提供优良的候选分子标记.（图4表4参28）     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据（大气能见度,相对湿度RH和NO₂质量浓度）,评估了算法的性能及其适用性.结果表明：对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

不同复配比例土壤的细菌群落结构和功能预测

砒砂岩与沙的颗粒组成具有一定的互补特性,通过砒砂岩改良沙土对于沙地的生态恢复和生物循环具有重要作用。文章将砒砂岩与沙按照1∶5(C1)、1∶2(C2)和1∶1(C3)的体积比进行混合成土,利用16S rRNA高通量测序技术研究复配土的细菌群落结构和功能预测,并对其进化程度进行分析。结果表明,C3处理的基因拷贝数最高,较C1和C2处理显著增加了46.75%和66.60%。C1和C2处理的OTU数目重叠度较高,为2 528,PCoA分析表明两者的空间布局交错分布,具有一定的相似性。多样性指数和均匀度指数在各处理间无显著差异,丰富度指数以C1处理的较大。复配土的优势细菌基本一致,均为放线菌门(Actinobacteria)、变形菌门(Proteobacteria)和绿弯菌门(Chloroflexi),优势属分别为Pseudarthrobacter、类诺卡氏菌(Nocardioides)、norank_c__Acidobacteria。氨基酸转运和代谢功能为主要的优势功能,以C2处理的丰度较大,其次为C1和C3处理。放线菌的进化水平与其他群落之间存在显著差异。     

进化蚁群算法及其在湖泊富营养化评价中的应用

蚁群算法是近年提出的一种新型的仿生算法,已在许多组合优化问题中得到成功应用,但是传统蚁群算法解决连续优化问题的能力较差.为提高其解决连续优化问题的能力,拓宽应用范围,引入带可变邻域搜索项的进化策略对其进行改进,进而提出进化蚁群算法.随后从2个方面对进化蚁群算法的性能进行测试:①采用多个经典测试函数测试进化蚁群算法用于解决连续优化问题的效果;②将进化蚁群算法应用于千岛湖的富营养化程度评价,以测试该方法解决实际问题的效果.函数测试结果表明,进化蚁群算法可以成功用于解决连续优化问题,并且优化过程所需初始个体的数量少,优化速度快;千岛湖富营养化程度评价实例的结果表明,进化蚁群算法应用于湖泊富营养化评价是可行的,可用于解决实际问题.      

安徽省新型城镇化与生态环境耦合测度研究

依据新时代新型城镇化发展背景,构建新型城镇化及生态环境子系统结构模式,并采用综合指数法测度安徽省各市新型城镇化与生态环境表征值;运用变异系数耦合模型、热点分析工具及协同进化模型探查安徽省各市新型城镇化与生态环境耦合发展度时空分异规律。研究结果表明,2007-2016年安徽省16个地级市,(1)皖江城市带各市新型城镇化水平及其年均增长率较高。皖南池州、黄山、宣城及皖西六安生态环境水平增长速度较快。城镇化水平热点区域集中分布在皖江城市带。生态环境热点区域集中在皖南山区及皖西大别山区。(2)皖北及皖中部分城市耦合发展度较低;而皖江城市带耦合发展度较高。各市耦合发展度逐年递增速度滁州、池州最快;皖北城市普遍较低。合肥、马鞍山、铜陵一直保持显著热点区域。皖江城市带均达到较高等级;其他城市目前均已进入中等等级。(3)新型城镇化与生态环境发展增殖系数整体以正值为主,表征各市正处于新型城镇化发展与生态环境优化阶段。新型城镇化与生态环境发展竞合关系主体关系矩阵以双赢为主,表明二者协同共进特征确切。     

中国人从哪里来

我们究竟来自何方？土生土长还是来自非洲？ 人类学界公认：人类最早的雏形出现在非洲。本地说认为,从非洲来的原始人到东亚后,由北京猿人一步步进化成现代中国人。而基因说则认为,北京猿人灭绝了,我们的祖先并不是生活在东亚的北京猿人,而是一直在非洲,从原始人进化成现代人后,第二次走出非洲迂徙到世界各地,取代了当地的原始人。     

计算智能主要算法研究

本文介绍了计算智能及其四种主要算法:人工神经网络、模糊算法、进化算法、蚁群算法.详细描述了每个算法的生物学基础、计算原理及其特点,以及基于每个算法的优化设计,并对它们已有的成果及在工程应用中所存在问题作简要的讨论.最后总结了四种算法的优势并预测了计算智能的发展趋势.     

基于智能优化算法的河流水质模型参数的优化

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。