湛江湾及邻近海域重金属污染研究进展

通过综述湛江湾海水、沉积物及海洋生物体中重金属的研究进展，梳理了湛江湾重金属的含量水平、赋存形态、时空分布特征和潜在生态风险，为湛江湾及国内其他海湾的污染防治提供借鉴。研究表明，湛江湾水体重金属浓度普遍较低，整体上低于Ⅲ类海水质量标准，湾内环境质量整体较好；海水中的重金属呈现出从内湾向湾口下降、岸边高于深海的规律；除Hg之外，湛江湾海水中重金属产生的生态系统风险均较小。湛江湾表层沉积物中重金属的平均浓度均低于其他海湾；除Cd、Hg及Cr存在中强或较强的生态风险外，湛江湾表层沉积物中其他重金属污染水平均较低；表层沉积物中重金属的空间分布呈现出岸边高于深海、从湾内向湾外降低的整体趋势；表层沉积物中重金属的主要赋存形态为氧化态和残渣态。湛江湾水生生物体内重金属含量平均水平呈现出Zn>Cu>Pb>Ni>Cd>Cr，湛江湾生物体中各重金属的含量整体上低于“海洋生物污染评价标准”。综合以上研究，后期应对湛江湾污染较重及生态风险较高的重金属加强重点监测，同时加强重金属与其他污染物复合污染的监测。     

基于运动估计与时空结合的多帧融合去雨网络

降雨天气会导致视觉质量下降,从而影响目标识别和追踪等视觉任务的处理效果。为了减小雨的影响,完成对运动视频背景细节的有效恢复,近年来相关研究者在视频去雨方向提出了很多方法。其中基于卷积神经网络的视频去雨方法使用最为广泛,它们大多采用单帧增强后多帧融合去雨的方式。但由于直接单帧增强使相邻帧之间部分像素的移动无法完成时间维度上的对齐,不能有效实现端到端的训练,因此丢失了大量细节信息,使得最终得到的去雨效果不尽人意。为有效解决上述问题,文中提出了一个基于运动估计与时空结合的多帧融合去雨网络(ME-Derain)。首先通过光流估计算法将相邻帧对齐到当前帧来有效利用时间信息;然后引入基于残差连接的编码器-解码器结构,结合与时间相关的注意力增强机制一起构成多帧融合网络来有效融合多帧信息;最后利用空间相关的多尺度增强模块来进一步增强去雨效果和得到最终的去雨视频。在多个数据集上的大量实验结果表明,所提算法优于现阶段大部分视频去雨算法,能够获得更好的去雨效果。