下载文档原格式
海洋浮游生物的遥感监测与预测研究海洋是地球上最广阔的生态系统之一，海洋浮游生物是海洋食物链的基础，对于海洋生态平衡以及人类食品安全至关重要。
然而，海洋浮游生物的数量和分布却受到着海洋环境的变化和人类活动的干扰，为了更好地保护海洋生态系统，需要对海洋浮游生物进行有效的监测与预测。
而遥感技术作为一种先进的监测手段，被越来越广泛地用于海洋浮游生物的研究。
遥感技术是通过测量地物反射、辐射、散射等物理量，获取地物信息的一种手段。
在海洋环境中，遥感技术能够获取海水颜色、海水温度等海洋物理和化学参数，以及浮游植物叶绿素、浮游动物生物量等海洋生物学参数。
这些参数对于海洋生态环境的监测和预测具有重要的意义。
浮游植物和浮游动物是海洋生态系统中的两个重要组成部分。
浮游植物叶绿素是浮游植物的主要生理指标，可以用于浮游植物生物量、生产力、物种结构等的监测与预测。
而浮游动物也是海洋食物链中不可或缺的环节，监测其生物量、分布等变化可以为鱼类等高等动物的可持续发展提供重要的参考。
这些监测和预测可以通过遥感技术来实现。
有关海洋浮游生物遥感监测与预测的研究已经得到了长足的发展。
通过遥感技术获取海水颜色等参数，并结合分子生物学、环境生物学等学科方法，对海洋浮游生物的种类、生物量分布进行实时监测。
同时，利用海洋浮游生物的时空变化规律，可以预测海洋生态系统的变化趋势，对于海洋生态环境的保护和营养盐污染控制具有重要的意义。
然而，海洋浮游生物的遥感监测和预测仍然存在着很多难题。
首先，海洋是一个复杂的生态系统，浮游生物的多样性和复杂性使得海洋浮游生物的遥感监测和预测具有很大的挑战性。
其次，由于海洋环境的变化和人类活动的干扰，海洋浮游生物的数量和分布还很难确定，因此需要进一步完善遥感技术的精度和分辨率。
最后，海洋遥感数据的获取和处理也需要耗费大量时间和资源。
为了解决这些问题，科学家们正在致力于开发更加先进的遥感监测技术，并且结合分子生物学、环境生物学等学科方法，对海洋浮游生物进行更全面、更精确的监测和预测。
海洋浮游生物群落结构研究技术的突破与发现海洋，这一占据了地球表面约 71%的广阔领域，充满了无数的奥秘和未知。
在海洋生态系统中，浮游生物群落结构的研究一直是科学家们关注的焦点。
它们虽然微小，但在海洋的物质循环、能量流动以及生态平衡中扮演着至关重要的角色。
过去，研究海洋浮游生物群落结构面临着诸多挑战。
传统的采样方法往往具有局限性，无法全面、准确地反映浮游生物的真实情况。
例如，使用网具进行采样可能会对浮游生物造成损伤，导致部分物种的遗漏或形态改变。
而且，由于海洋环境的复杂性和动态性，传统方法难以捕捉到浮游生物群落结构的瞬时变化。
然而，随着科技的不断进步，一系列新的研究技术应运而生，为我们打开了探索海洋浮游生物群落结构的新大门。
分子生物学技术的应用是其中一项重大突破。
通过 DNA 测序和基因分析，我们能够更精确地鉴定浮游生物的物种。
过去，仅仅依靠形态学特征来鉴定物种，可能会因为物种之间的相似性或者个体发育阶段的差异而产生误判。
而现在，基于基因序列的分析，可以从分子水平上揭示物种之间的差异，大大提高了物种鉴定的准确性。
比如，宏基因组学技术的出现，使我们能够一次性获取大量浮游生物的基因信息。
研究人员不再需要逐个鉴定物种，而是通过对环境中所有 DNA 片段的测序和分析，快速了解浮游生物群落的组成和多样性。
这种技术就像是给海洋生态系统做了一次全面的“基因普查”，让我们能够看到那些以往难以发现的微小生物。
此外，流式细胞术也为浮游生物群落结构的研究带来了新的视角。
这种技术可以根据细胞的大小、形状、内部结构以及荧光标记等特征，对浮游生物进行快速分类和计数。
通过使用不同的荧光染料，可以标记不同类型的浮游生物，从而实现对它们的精确区分。
而且，高分辨率成像技术的发展也让我们能够更清晰地观察浮游生物的形态和结构。
电子显微镜、共聚焦显微镜等先进设备，能够捕捉到浮游生物的细微特征，为物种鉴定和生态研究提供了更详细的图像资料。
除了上述技术手段，传感器技术的进步也为海洋浮游生物的研究提供了持续监测的可能。
浮游生物图像识别与计数算法研究浮游生物是海洋中一类重要的生物组成部分，它们对海洋生态系统的演变和各种生物的生存具有重要影响。
因此，了解浮游生物的分布和数量变化对海洋生态系统的研究具有重要意义。
图像识别与计数算法的研究为准确快速地获取大规模海洋浮游生物数据提供了一种有效的方法。
浮游生物的图像识别与计数是一个复杂的问题，其中涉及到图像预处理、特征提取和分类等多个步骤。
首先，图像预处理是为了减少图像中的噪声和增强浮游生物的特征。
在预处理步骤中，可以使用滤波器来平滑图像，并使用阈值处理算法分离浮游生物和背景。
接下来，特征提取是为了从图像中提取出判别浮游生物的特征。
常用的特征包括颜色、纹理和形状等。
通过使用特征提取算法，可以将图像中的浮游生物与其他物体进行区分。
最后，分类算法是为了将浮游生物分为不同的类别。
常用的分类算法包括支持向量机、卷积神经网络等。
这些算法可以通过训练样本进行学习，并在测试样本中进行分类。
在浮游生物图像识别与计数算法的研究中，数据集的质量对算法性能具有重要影响。
因此，采集高质量的浮游生物图像是研究的关键。
拍摄图像时，应注意光照条件、摄像机参数和视野的选择。
同时，图像采集设备的分辨率和灵敏度也需要考虑，以便更好地捕捉浮游生物的特征。
此外，由于浮游生物的种类繁多，其形态和大小差异较大，对于不同类型的浮游生物，需要采取不同的识别与计数算法。
一种常用的方法是根据浮游生物的形态特征进行分类和计数。
例如，浮游生物可以根据其形状区分为球形、椭圆形和异形等。
通过提取图像中浮游生物的形状特征，可以辅助分类和计数。
此外，对于某些特定类型的浮游生物，如类藻植物和浮游动物等，可以通过颜色和纹理特征进行识别。
例如，类藻植物通常具有绿色或棕色的颜色，而浮游动物则往往具有不同的形状和颜色。
因此，通过这些特征可以帮助我们进行浮游生物的识别与计数。
除了形态特征和颜色纹理特征外，近年来，卷积神经网络在浮游生物图像识别与计数中的应用也取得了很大的进展。
浮游动物生态学研究进展一、本文概述浮游动物生态学，作为生态学的一个重要分支，主要研究浮游动物（如浮游虾、浮游鱼、浮游甲壳动物、浮游软体动物以及浮游无脊椎动物等）在水生生态系统中的分布、数量、种类、生命活动及其与环境因子之间的相互关系。
这些微小的生物虽然个体小，但在水生生态系统中的生物量、能量流动和物质循环中扮演着至关重要的角色。
随着全球气候变化、水体污染等环境问题的日益严重，浮游动物生态学的研究显得尤为重要。
本文旨在全面综述近年来浮游动物生态学的研究进展，包括浮游动物的种群动态、群落结构、生物地球化学循环、生态系统服务功能、以及人类活动对浮游动物生态的影响等方面。
通过对国内外相关文献的梳理和评价，本文旨在为浮游动物生态学的研究提供新的视角和思考，以期推动该领域的深入研究和发展。
二、浮游动物生态学的基本理论浮游动物生态学是生物学的一个重要分支，专门研究浮游动物（主要包括浮游无脊椎动物和浮游植物）与其所处环境之间的相互作用。
浮游动物在海洋、湖泊、河流等水域生态系统中占据关键位置，既是食物链的重要组成部分，也是生态系统物质循环和能量流动的关键环节。
浮游动物生态学的基本理论主要包括生态位理论、食物链与食物网理论、种群动态理论以及群落演替理论等。
生态位理论强调了浮游动物在生态系统中的位置和角色，它们通过特定的生态位来适应和利用环境资源。
食物链与食物网理论则揭示了浮游动物在食物网中的位置和作用，以及它们与其他生物之间的相互关系。
种群动态理论关注浮游动物种群数量的变化及其影响因素，包括出生率、死亡率、迁入率、迁出率等。
而群落演替理论则描述了浮游动物群落随时间变化的过程，包括群落的演替阶段、演替速度和演替方向等。
近年来，随着生态学研究的深入，浮游动物生态学的基本理论也在不断发展和完善。
研究者们开始关注浮游动物对环境变化的响应和适应性，以及它们在全球气候变化、水体富营养化等环境问题中的作用。
同时，新技术和新方法的出现也为浮游动物生态学的研究提供了新的视角和手段。
海洋生物学中的海洋浮游生物调查技术海洋浮游生物调查技术是海洋生物学中的重要分支之一，它涉及海洋生态系统的各个方面，包括海洋的营养物质循环、能量流动以及生物多样性的维持等。
本文将从多个方面介绍海洋浮游生物调查技术的原理、方法和应用。
一、海洋浮游生物的分类海洋浮游生物是指在海水中漂浮的微小生物群体，通常包括浮游植物（如藻类）、浮游动物（如浮游动物门、桡足类、甲壳类等）以及微生物（如细菌、病毒等）。
它们生活在开放海洋、沿海水域和深海等各种环境中，是海洋生态系统中不可或缺的组成部分。
浮游生物通常被分为多个类群，如浮游植物、浮游动物和细菌等，具有多样的形态和特征。
根据它们的生长环境和特征，可以进一步将其分类为浮游植物门、浮游动物门、细菌门等。
二、浮游生物的调查方法1. 网采网采是最常用的浮游生物调查方法之一，其原理是利用各种网类捕捉海水中的浮游生物。
通常使用的是水平拖网或竖直拖网，不同网的特点在于网的大小、网孔大小和网的类型不同。
对于不同种类的浮游生物，通常选择不同的网来捕捉。
网采的主要优点在于操作简单，能够捕捉到多种类型的浮游生物。
但是，它也有缺点，如会捕捉到大量的非目标物种，以及可能导致捕捉到的生物受到破坏。
2. 漂流器漂流器是一种针对浮游生物调查的被动样品收集方法。
漂流器通常会随着海流、气流或风流进行漂流，因此它可以收集到具有广泛分布的、来自各个方向的浮游生物。
漂流器的主要优点在于样本不会被破坏，并且可以收集到散布在广阔水域中的生物群体。
但是漂流器只能在表层水域进行采集，不能获取深水区域的样本。
3. 过滤器过滤器是一种主动样品收集方法，其原理是将水样经过一个过滤器，在过滤器上收集被过滤物质中的生物。
通常使用的过滤器有滤膜、滤管和凝胶等。
过滤器的主要优点在于它能够采集到很小的生物体，而且可以过滤掉许多非浮游生物，但它在样品的收集量有局限。
过滤器可以采集到深层水样，但需要注意采样层数。
4. 浮标/浮球浮标/浮球是一种在海面上悬浮的浮游生物调查方法。
浮游生物群落的监测与分析近年来，随着环境污染的日益严重和海洋生态环境的恶化，对浮游生物群落的监测与分析变得越来越重要。
浮游生物群落是指在海洋中漂浮的细小生物，如浮游植物、浮游动物和浮游细菌等。
它们是海洋生态系统中重要的组成部分，对海洋生态环境的稳定和生物多样性维护起着重要作用。
因此，及时监测和分析浮游生物群落的变化，具有非常重要的意义。
一、浮游生物群落监测方法目前，常用的浮游生物群落监测方法包括采用水下显微镜、细胞计数、分子生物学、机器学习等技术。
水下显微镜可以直接观察到微小的浮游生物，如藻类、浮游动物等。
细胞计数则通过在海水中采集一定量的样本，通过显微镜观察和计数细胞数量来获得浮游生物数量和种类的信息。
分子生物学技术则可以通过分析浮游生物DNA序列和蛋白质结构，来了解它们所代表的种类和浓度等信息。
机器学习技术则可以根据浮游生物群落的特征，预测出未来的变化趋势。
二、浮游生物群落分析方法除了监测方法之外，对浮游生物群落的分析方法也十分重要。
分析方法主要包括多样性和功能分析。
多样性分析可以通过浮游生物样本的DNA或RNA序列分析来了解样本中存在哪些种类和数量。
功能分析则可以通过分析浮游生物的代谢物组合来评估它们对环境的响应和功能。
三、应用前景目前，浮游生物群落的监测和分析在海洋环境监测、生态环境保护、生态系统恢复等领域得到了广泛的应用。
例如，在海洋环境监测方面，通过对浮游生物群落的监测和分析，可以及时发现和预测污染事件对海洋生态环境的影响。
在生态系统恢复方面，可以通过引入一些浮游生物种类来改善海洋生态系统的生态环境，促进海洋生物的生长和繁殖，增加生物多样性。
此外，浮游生物群落监测和分析还可以用于科学研究和教育培训等领域，为生态保护和可持续发展提供更加精细化的数据和理论支持。
总之，浮游生物群落的监测和分析是维护海洋生态系统稳定和生物多样性的重要手段。
在未来，我们需要运用现代科技手段以及多学科、全方位的视角来深入研究、分析和应用浮游生物群落监测和分析技术，推动海洋生态保护和可持续发展。
海洋浮游动物生物质利用的反应器技术研究进展海洋浮游动物是海洋生态系统中的重要组成部分，其生物质潜力巨大。
利用海洋浮游动物进行生物质利用，不仅可以提供可再生的生物资源，还有助于解决环境问题和发展可持续的能源。
为了更好地利用海洋浮游动物的生物质，近年来，研究人员在反应器技术方面做出了重要的突破和进展。
本文将对海洋浮游动物生物质利用的反应器技术研究进展进行综述。
一、生物质的提取技术海洋浮游动物生物质主要包括藻类和浮游动物，它们的生物质中富含蛋白质、多糖、脂肪酸等有机物质。
提取这些成分需要高效的技术。
传统的提取方法包括溶剂提取、酶解提取等，但这些方法存在着一定的问题，如提取过程中有机溶剂的使用会带来环境污染、酶解产物的回收困难等。
因此，研究人员开始探索新的提取技术。
超声波辅助提取技术是近年来被广泛应用于海洋浮游动物生物质提取的一种方法。
利用超声波的机械效应和热效应，可以加速细胞壁的破碎，使得细胞中的有用成分迅速释放。
此外，超声波还可以提高提取速度和提取率，减少能源和溶剂的使用。
因此，超声波辅助提取技术已被用于从海洋浮游动物中提取蛋白质、多糖等生物质。
二、生物质的利用技术海洋浮游动物的生物质在能源、食品、医药等领域具有广泛的应用前景。
以下将分别介绍利用海洋浮游动物生物质的三个主要领域的研究进展。
1.能源利用海洋浮游动物藻类是重要的生物质能源来源，其油脂含量较高，可以被用作生物柴油的原料。
研究人员通过光合作用培养藻类并提取其中的油脂，然后通过转化和精炼技术，将藻类油转化为生物柴油。
此外，藻类还可以被用来生产生物气体，如甲烷和氢气，这些气体是潜在的清洁能源。
2.食品利用海洋浮游动物中的蛋白质和多糖是优质的食品成分。
蛋白质是人体所需的重要营养成分，而多糖具有一定的保健功效。
研究人员通过生物质提取技术从海洋浮游动物中提取蛋白质和多糖，并对其进行纯化和功能改性，使其更适合食品加工。
此外，海洋浮游动物还可以被用来制作食品添加剂，如胶原蛋白和抗氧化剂等。
研究浮游植物常用的方法浮游植物是水中的微型植物群体，主要包括藻类和悬浮植物等。
它们在水生生态系统中起着非常重要的作用，不仅是水中有机物的重要来源，还能够维持水质平衡，并为其他生物提供生活所需的氧气。
因此，研究浮游植物的分布、生态特征及其与环境因素之间的关系，对于理解水生生态系统的结构和功能具有重要意义。
以下是研究浮游植物常用的方法：1. 采样分析法：这是最常见的研究浮游植物的方法之一。
在湖泊、河流或海洋中采集水样，然后通过显微镜观察和计数水中的浮游植物。
这种方法可以获得浮游植物的种类组成和数量分布等信息。
2. 长时间监测法：利用自动水质监测仪器，连续监测水体中的浮游植物。
这种方法可以获得时间序列的数据，揭示浮游植物的季节变化规律，并与环境因素进行关联分析。
3. 光合作用测定法：通过测定浮游植物的光合作用速率和光合色素含量等参数，评估其生长和活性状态。
这种方法可以评估浮游植物对光照强度和营养物质的响应能力，揭示浮游植物的生态适应性。
4. 分子生物学方法：利用分子生物学技术，如PCR和DNA测序，对浮游植物的种类和亲缘关系进行分析。
通过提取和分析浮游植物的DNA，可以鉴定浮游植物的种类，甚至对未知种进行分类鉴定。
5. 滨浅法：该方法是在滨浅区域布置采样设备，如固定附着式采枝器、正接触落水手法、藻类拉网法等。
通过长时间的滨浅观察和采样，可以评估浮游植物的垂直分布和生态特征。
6. 光合与呼吸测定法：该方法基于浮游植物在光合和呼吸过程中产生的氧气和二氧化碳的浓度变化。
通过测量水样中氧气和二氧化碳的浓度变化，可以推导浮游植物的光合速率和呼吸速率，进而评估其生态功能。
总结起来，研究浮游植物的常见方法包括采样分析法、长时间监测法、光合作用测定法、分子生物学方法、滨浅法和光合与呼吸测定法等。
这些方法可以从不同角度了解浮游植物的分布、生态特征和生理过程，为水生生态系统的保护和管理提供科学依据。
淡水浮游生物研究方法近年来，淡水生物学研究领域备受关注，其中淡水浮游生物的研究更是备受重视。
章宗涉和黄祥飞等学者在淡水浮游生物研究方面做出了重要贡献，他们提出了许多独特的研究方法。
本文将从全面的角度对淡水浮游生物研究方法展开探讨。
一、现有的淡水浮游生物研究方法关于淡水浮游生物研究方法，目前主要有定量采样、样品处理和物种鉴定等一系列研究方法。
在定量采样方面，章宗涉和黄祥飞等学者提出了一种新颖的采样网装置，能够有效地捕集淡水中的浮游生物，并且不会造成生物样本的破损。
而在样品处理方面，他们提出了一种快速高效的样品处理方法，可以有效地提取样品中的浮游生物，并且减少了实验中的污染。
在物种鉴定方面，他们还运用了一种先进的分子生物学技术，能够对浮游生物的物种进行快速准确的鉴定。
二、淡水浮游生物研究的深度和广度淡水浮游生物研究的深度和广度是一个非常重要的问题。
从深度上来看，淡水浮游生物的研究涉及到了许多高深的生物学和生态学理论，比如生态环境因子对浮游生物丰度和群落结构的影响、浮游生物与水体富营养化的关系等。
而从广度上来看，淡水浮游生物的研究还涉及到了很多交叉学科的内容，比如物理学、化学、地质学等，因为淡水浮游生物的生存和分布与水体的物理化学性质密切相关。
三、总结与展望通过本文对章宗涉和黄祥飞等学者关于淡水浮游生物研究方法的探讨，我们可以得出一个结论：他们提出的研究方法在淡水浮游生物研究领域具有重要的意义。
在未来的研究中，我们应该更加注重淡水浮游生物研究的深度和广度，同时不断拓展研究方法，以期能够更加全面地认识淡水浮游生物，为淡水生物学领域的发展做出更大的贡献。
本人认为，淡水浮游生物研究方法的重要性不言而喻，只有通过深入广泛的研究方法，我们才能更好地认识和保护淡水生态系统。
希望未来有更多的学者关注这个领域，为淡水生物学的发展做出更大的贡献。
在本文中，我们探讨了章宗涉和黄祥飞等学者关于淡水浮游生物研究方法的贡献，从深度和广度的角度全面评估了这一研究领域。
浮游动物研究新技术和方法摘要浮游动物是海洋生态系统中非常重要的类群，是海洋生物生产过程的核心之一，是海洋食物网的基础和关键组成部分，对其种类的定性识别、鉴定和生物量分析是海洋科学研究中最为关键的科学问题之一。
从早期的Utermöhl法、数字图像处理技术，到现在的化学计量学研究、图像观测技术等创新方法，都极大地促进了海洋浮游动物的研究。
本文重点讲述几种传统技术与创新技术的定义、应用以及对比分析，以更好地分析浮游动物研究方法房展需求和方向。
关键词：浮游动物；研究方法；对比分析一、概况浮游动物是一类经常在水中浮游，本身不能制造有机物的异养型无脊椎动物和脊索动物幼体的总称，在水中营浮游性生活的动物类群。
它是经济水产动物，是中上层水域中鱼类和其他经济动物的重要饵料，对渔业的发展具有重要意义。
国际上许多重大研究计划，如全球海洋生物普查计划（Census of Marine Life，CoML）、海洋生物地球化学与生态系统整合研究（Integrated Marine Biogeochemistry and Ecosystem Research，IMBER）和全球海洋生态系统动力学研究（Global Ocean Ecosystem Dynamics，GLOBEC）等，均将浮游动物作为重要观测内容[1]。
浮游动物观测的最终目的是对目标生物的分布、丰度、大小或生物量进行准确估计。
二、传统的研究技术方法（一）Utermöhl方法浮游生物定量生物学的研究最早是从德国Kiel大学的生物学家Victor Hensen开始的，他于1883年利用鱼卵网(Hensen′s Eiernetz)对浮游生物进行了调查研究，这是一款从Johannes Mǜller的蝴蝶型网改进而来的网具。
Hensen在其论文[2]中首次定义了“浮游生物”一词，并提出使用网采手段加上严格的数学计算作为浮游生物定量生物学研究的方法。
Utermöhl于1931年发明了一种计数框计数方法[3]，它结合了V olk的静置沉淀法和Kolkwitz计数框，最低程度地降低了样品的损失。
直到Utermöhl在1958年对计数框观测面积进行了的标准化，Utermöhl方法才被确认和推广开来。
Utermöhl方法的一般分析过程为:对采来的水样摇匀后注入Utermöhl计数框中→在沉降柱上盖好沉降柱盖玻片→静置沉降24 h以上→将上清液移除入废液框中→盖好底座盖玻片→于倒置显微镜或光学显微镜上进行鉴定和计数。
Utermöhl方法应用的主要工具是计数框，Utermöhl计数框有100,50,25,10,5 mL5种类型，其中最重要的部件是载玻片和沉降柱。
沉降柱和透明塑料板之间要求没有缝隙，同时又要确保整个计数框的体积十分精确。
载玻片要越薄越好，所以一般用直径26mm或更大的薄玻片进行加工。
另一种常用的方法就是就是使用变型的Utermöhl计数框进行计数，此方法的有点是把去除上清液的步骤省去了，使准备样品工作更加简单，但受到倒置显微镜载物台高度的限制，最多只能检测25 mL的样品[4]。
（二）数字图像处理技术数字图像处理技术是以平移、旋转和尺度变换不变特性的数学形态学特征和Gabor纹理特征共同组成特征集，采用支持向量机(SVM)和主成分分析特征降维相结合的浮游生物图像在线分析方法。
1.图像处理与特征提取首先对采集的原始图像进行预处理，采用7×7邻域的中值滤波器方法去除大部分的图像噪声[5]，然后采用`UnSharp'算子增强目标与背景之间的对比度，同时去除由于浮游动物运动所产生的拖影，以增强图像的结构特征。
图像经预处理之后，采用Canny算子检测轮廓边缘。
Canny算子有两个重要参数`thresh-old'和`sigma'[6]，当这两个参数指定到恰当的数值，即可得到连续的目标轮廓边缘。
目标及其边界确定之后，即可从轮廓特征和目标区域中计算出特征描绘子。
2.支持向量机(SVM)支持向量机的基本思想是在特征空间或样本空间，构造出最优超平面，达到与不同类样本集之间的最大距离，从而达到最大的泛化能力[7]。
支持向量机结构相对简单，并且具有全局最优性和较好的泛化能力，能有效解决函数估计和模式识别问题。
在许多应用领域中都表现出它优于已有方法的性能[8]。
SVM方法在小样本情况下能够最大限度地提高预报可靠性，即从有限的训练集样本中得到的小的误差，对独立的测试集保持小的误差仍能够保证，另外在解决高维模式识别及非线性问题中也表现出许多特有的优势。
三、创新研究技术及方法（一）化学计量学研究生态化学计量学可以简单定义为: 从分子到生物圈的元素生物学。
它是根据三大守恒定律( 质量守恒、能量守恒和电荷守恒定律) 、分子生物学中心理论和自然选择法则[9]，结合生物学、物理学、生态学和化学计量学的基本原理，研究生物系统能量的平衡和多种化学元素( 通常是C、N、P、O、S)平衡的科学。
其跨越了环境以及分子、个体、种群、群落和生态系统等各个层次，是构建从分子到生态系统统一化理论的新思路[10]。
随着科学理论和技术的发展，更加细化的化学计量学研究是生态科学发展的必然趋势。
生化物质是限制元素对浮游动物影响的主要媒介，特定的生化物质在生物体内具有特定功能，研究元素化学计量与生化物质之间的关系对于提高人们对物种生活历史和不同物种间的相互作用认识有着重要意义[11]。
元素比率的不同会反映出生物体个体发育过程中大分子的组成及其化学计量的变化，如幼体一般比成体具有更高的生长率，反映在幼体的化学计量上具有更高的P 含量和更低的N：P 值。
不同身体部位和组织的元素组成也有差异，如生殖腺含有更多的P。
不同生活史阶段和季节，其化学计量也会有变化，如高纬度的海洋桡足类，其快速生长的幼体和储存脂肪的成体(夏季和秋季)最适宜食物的计量特征有很大差异[12]。
不同生境的生物，其化学计量也会有不同。
Ventura研究发现，淡水和海洋浮游动物的主要生化物质种类保持稳定，其元素组成的差异主要来自于生化物质的不同比例，认为淡水物种N库中蛋白质含量最高，其次为核酸；而海洋物种N库中蛋白质最高，其次为氨基酸。
淡水物种P库中核酸含量最高，而海水物种P库中磷脂含量最高。
海洋生态化学计量学对海洋生物体在不同情形下的元素含量已经有了一定程度的研究，但缺乏更深入的对元素吸收及利用的机理研究（二）图像观测技术浮游生物成像系统能够在水平和垂直的精细尺度上产生浮游生物的分布数据，相比于传统浮游生物样品处理过程能够节约大量时间。
为此，许多研究组织正在开发有效的方法，从浮游生物图像中提取有用信息。
浮游生物成像系统根据不同的应用目的可分为两大类，即实验室成像系统和野外原位成像系统。
对于已经采集并使用固定剂保存的浮游生物样品，可以在实验室直接进行成像和数字化。
这种方法逐渐成为一种普遍的样品保存方式。
浮游生物扫描仪(ZooScan)的出现是浮游生物图像领域一个重要的发展，能为已经保存的浮游生物样品创造高精度的数字记录[13]。
结合扫描传感器、光学系统和防水扫描室，可以将浮游动物样品置入其中，在高分辨率下数字化，并且毫无损伤地回收样品。
所产生的图像能够通过专门的软件进行识别、计数和测定。
这种方法已在一些海域得到很好应用，如地中海、加利福尼亚沿海等[14]，并取得了一系列的研究成果。
ZooScan技术有效地推动了浮游动物样品的分析效率，为大尺度、长时间序列的浮游生物生态学和功能类群的研究提供了一种快速、标准化的手段。
在野外原位成像系统的研究中，目前应用较好的有水下视频剖面仪(Underwater Video Profiler，UVP)，浮游生物视频记录器二代(Video Plankton RecorderⅡ，VPR Ⅱ)等[15]。
二者的工作方式不同，UVP多用于浮游动物垂直剖面的定量观测，最新型号的UVP5可以与温盐深探测仪CTD(Salinity Temperature Depth)整合，也可与浮标结合，实时获取图像与环境信息。
VPR主要用于水平拖曳，记录0.2~20.0mm粒级浮游生物的水平分布格局。
在此基础上，小型和微型浮游生物的原位观测研究也取得进展，如流式影像术(Flow-CAM)主要用来进行微型浮游动物和浮游植物的成像与自动分析，工作粒径范围降低到5~1000μm[1]。
四、讨论相对于浮游动物研究传统方法，化学计量学研究、图像观测技术等新技术具有精确度高、辨识率强、方便快捷等优势，但受到仪器仪表、技术领域的限制，应用物种及范围仍受到限制。
例如对于许多物种，2D图像难以满足分类学上的需求，必须有高精度可旋转的3D 图像或者标本的线断层扫描图像才能达到原位实时观测的目的。
要解决与生物多样性有关的科学问题，需要针对大的水体进行物种丰度和形态变化的分析。
对于这些研究，需要有物种分类学的详细信息，因此需要有高精度的图像来支持。
随着生物科技的进一步发展，对浮游动物快速分类、计数和生物量估算成为可能，对于海洋浮游生物功能群的研究、生物生产过程以及生态模拟研究将提供有力的技术支撑。
五、参考文献[1] 孙晓霞, 孙松. 海洋浮游生物图像观测技术及其应用［J］. 地球科学进展, 2014,29(6):74 8-755.[2] Hensen V.ǜber die Bestimmung desPlanktonsoder des imMeere treibendenMaterials an Pflanzen und Thieren.Kommission zurwissenschaftlichen Untersuchung der deutschen Meere in Kiel,1882-1886[R].V Bericht Jahrgang 12-16,1887:1-107.[3] Utermöhl H.Neue Wege in der quantitativen Erfassung desPlankton(mitbesonderer Berǜcksichtigung desUltraplankton)[J].Mitt int Ver theor angewLimnol,1931,5(2):567-596.[4] 孙军,刘东艳,钱树本. 一种海洋浮游植物定量研究分析方法---Utermöhl方法的介绍及其改进[J].黄渤海海洋,2002(6):105-112.[5] Canny J putational approach to edge detection[J].IEEE Transactions on Pattern Analysis and Ma-chine Intelligence,1986,8:679-698.[6] Jaffries H P,Berman M S,Poularikas A D,et al. Automated sizing and counting and identification ofzooplankton by pattern recognition[J].Marine Biolo-gy,1984,78:329-334.[7] 张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42.[8] Cherkassky V,Mulier F.Learning from data:con-cepts,theory and methods[M].New York:John Vi-ley&Sons,1997.[9] Hong J-T(洪江涛),Wu J-B(吴建波),Wang X-D(王小丹),Effects of global climate change on the C,N and P stoichiometry of terrestrial plants. Chinese Journal of Applied Ecology(应用生态学报), 2013,24(9):2658-2665(in Chinese).[10] He J-S(贺金生), Han X-G(韩兴国). Ecological stoichiometry: Searching for unifying principles from individuals to ecosystems. Chinese Journal of Plant Ecology(植物生态学报),2010,34(1):2-6(in Chinese).[11] 陈蕾,李超伦海洋浮游生物的生态化学计量学研究进展[J].应用生态学报,2014,25(10):3047-3055.[12] Aubert A, Svensen C, Hessen D, et al. CNP stoichiometry of a lipid-synthesizing zoo -plankton, Calanus finmarchicus, from winter to spring bloom in a sun-Arctic sound. Journ -al of Marine Systems, 2013, 111/112:19-28.[13] Benfield M C, Grosjean P, Culverhouse P F, et al. RAPID research on automatrd pla -nkton identification[J]. Oceanoaraphy, 2007,20(2):172-187.[14] Gorsky G, Ohman M D, Picheral M, et al. Digital zooplankton image analysis using the ZooScan integrated system[J]. Journal of Plankton Research, 2010,32(3):285-303. [15] 任琳琳. 流式影像术在黄东海浮游植物群落结构研究中的应用[D]. 北京:中国科学院大学,2013.。
