Extinction pattern of reef ecosystems in latest Permian

Studies of two Permian-Triassic boundary (PTB) sections on top of a Changhsingian reef in Ziyun, Guizhou Province, southwestern China indicate that the end-Permian mass extinction of reef ecosystems occurred in two steps. The first step is the extinction of all stenotropic organisms such as calcisponges and fusulinids in the latest Permian (in the Clarkina yini conodont zone). The biota after the first extinction is simple, comprising eurytropic organisms including microgastropods, ostracods, and some small burrowing organisms, or only algal mats. At the beginning of the Early Triassic (i.e. the beginning of the Hindeodus parvus zone), the environments became anoxic, and the microgastropod dominated biota or algal mats disappeared, which constituted the second episode of the mass extinction. The biota after the second extinction comprises small spherical microproblematica, some kinds of specialized organisms tolerant of anoxic or oxygen-poor conditions. As the environments became oxygenated, the specialized biota was replaced by a microgastropod-dominated simple biota. When the environmental conditions improved further, the simple biota was replaced by a diverse biota with normal-sized ammonoids, bivalves, and gastropods, representing restoration of normal oceanic condi- tions. Comparison with PTB sections in Dolomites, Italy and Meishan, Zhejiang Province shows that non-reef ecosystems had a similar first episode of mass extinction in the latest Permian. In the case that oceanic anoxia happened, non-reef ecosystems had a second extinction episode similar to that of reef ecosystems.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

珊瑚礁为何如此绚丽

清晨,在太平洋赤道附近的凤凰群岛上,燕鸥在天上盘旋着,发出阵阵刺耳的叫声,一朵朵白云在天空中缓缓飘过,在蓝天的映衬下显得格外洁净。此时,如果你在珊瑚礁中呆上足够长的时间,就会看见无数形状怪异的动物,如扇虫、海葵、裸鳃亚目动物、腕足动物、海星、海绵和海桃子,紧紧贴附     

南海北部珊瑚共生虫黄藻密度的种间与空间差异及其对珊瑚礁白化的影响

与造礁石珊瑚共生的虫黄藻(Zooxanthellae)的密度和色素变化是珊瑚礁白化的最主要特征.通过对海南三亚鹿回头、小东海和广东省大亚湾海区共12科21属39种石珊瑚的共生体虫黄藻密度分析,得出:(ⅰ)与珊瑚共生的虫黄藻平均密度变化于0.67×106~8.48×106cells/cm2之间,具有明显的种间差异性,其中枝状珊瑚的共生体虫黄藻密度相对较低(0.67×106~2.47×106cells/cm2),而块状珊瑚的共生体虫黄藻密度相对较高(1.00×106~8.48×106cells/cm2);(ⅱ)水深4m以内珊瑚共生虫黄藻密度普遍比水深7m左右接近海底的珊瑚的高;(ⅲ)相对高纬度的大亚湾(~22°N)与三亚(~18°N)相比,海温相同的环境下,与珊瑚共生的虫黄藻密度的纬度差异不明显;(ⅳ)局部白化的同一珊瑚个体,未白化部分的虫黄藻密度>半白化部分>完全白化部分.进一步分析认为:(ⅰ)块状珊瑚与枝状珊瑚虫黄藻密度的差异性可能是导致枝状珊瑚易于白化的主要原因,如低密度共生虫黄藻导致枝状的鹿角、杯形珊瑚等易于白化死亡;(ⅱ)珊瑚共生体虫黄藻密度受人为因素制约,如沉积物增加、潜水活动造成海水浑浊、海产品养殖活动引起的硝酸盐、磷酸盐增加等都可能导致共生虫黄藻密度降低.     

来自珊瑚礁的壮美

科幻作家叶永烈曾讲过这样一个故事:早在20世纪80年代初,北京电影制片厂编剧梁晓声曾将他的《小灵通漫游未来》改编成电影剧本,但剧本交到导演谢添手里后,谢导看着“飘行车”一节颇为发愁——按照当时中国电影的特技水平,是不可能拍出这种“飘行车”的。以至于后来叶先生在科幻电影《第五元素》中看到用电脑技术拍出的“飘行车”时还大发感慨。但是,即便是在当年特技简陋和资金匮乏的情况下,中国还是拍出了一部科幻电影,这就是根据童恩正同名科幻小说改编的《珊瑚岛上的死光》。《珊瑚岛上的死光》讲述了这样一个故事:在国外的华裔科学家赵…     

南海西北部珊瑚礁发育过程中的地壳活动信息

南海西北部珊瑚礁在其发育过程中不但记录了环境变化的信息，而且同时也记录了该区地壳活动的信息，与珊瑚礁发育相关的地壳活动主要有断裂活动、地震活动和火山活动等。断裂活动在南海西北部珊瑚礁区的高分辨率电火花浅层地震剖面有清晰记录，并表现为新生的断裂切割珊瑚礁体；珊瑚礁区内地震活动较强，尤其是1994年12月31日和1995年1月10日在雷州半岛西南部第四纪火山活跃，对珊瑚礁的发育具有明显的控制作用，部分火山构成珊瑚礁的基座，个别出露海面为珊瑚岛。     

与“南2蝇珊瑚礁红色与黑色沉积夹层”的成因及环境意义初探”商榷

“南永2井珊瑚礁‘红色与黑色沉积夹层’的成因及环境意义初探”一文[1]（以下简称“南文”）重点研究了南永2井珊瑚礁红色和黑色沉积夹层.通过对黑色沉积和红色沉积的古地磁特征（包括磁化率、剩余磁化强度）和地球化学特征（MnO和Fe2O3）的研究,“认为这一对特殊而典型的‘沉积夹层’与古气候的突变有关”.文章思路新颖,独创性强,所报道的红色和黑色沉积对于全球气候变化、事件沉积具有重要的研究意义.     

苏丹港地区珊瑚礁回填料的加固效果检测分析

以苏丹港新集装箱码头后方堆场地基处理工程作为依托,设立了珊瑚礁回填料地基加固试验区,通过现场检测地基加固前后的物理力学指标,分析振冲碾压和强夯两种加固方法对珊瑚礁回填料的加固效果.从现场试验情况可以得出,珊瑚礁作为堆场回填料,在采用振冲碾压和强夯两种方法时都能够使地基回弹模量值大幅提高,加固后回弹模量、CBR值、SPT击数,500kJ强夯法加固效果均略优于振动碾压.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于水下云边协同架构的珊瑚礁监测新机制

珊瑚礁是极具研究价值的海洋生态系统, 水声传感器网络(underwater acoustic sensor networks, UASNs)是监测与保护珊瑚礁系统的有效手段。然而, 随着水下传感设备的大规模应用, 感知数据的类型及数量大幅增加, 传统UASNs架构将原始数据直接上传至水面数据中心的集中处理方式给网络能耗和通信效率带来严峻挑战。本文构建了一种基于边缘计算的水下端边云系统架构, 并提出一种适用于该架构的两级协同珊瑚礁系统监测机制。该架构将复杂处理任务从远程云中心分散至边缘端, 减轻了云端处理负荷。该机制由两级监测环节组成, 同时包含了端侧图像处理和端边协同数据检测策略, 实现了机器学习任务的边缘侧执行和数据的原位处理。实验结果表明, 本文研究能够明显减少网络数据流量, 有效降低网络能耗及传输时延, 显著延长网络生命周期。