Name: investigating the relationship between sea surface chlorophyll and major features of the south china sea with satellite information
Uploaded: 2020-06-13T13:30:00
Duration: 10 min 28 s
Description: Watch this Scientific Journal Video about Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information at JoVE.com

Поддержка Национальной программы ключевых исследований и разработок Китая (No 2016YFC1401601), Программы инноваций в области научных исследований и практики провинции Цзянсу (No. SJKY19_0415) при поддержке Фонда фундаментальных исследований для центральных университетов (No 2019B62814), Национального фонда естественных наук Китая (No 41890805, 41806026 и 41730536) и совместных передовых морских и экологических исследований в Бенгальском заливе и восточной экваториальной части Индийского океана были в значительной степени признаны. Авторы высоко оценивают предоставление данных из источников, включая Национальное управление по аэронавтике и исследованию космического пространства (НАСА), Европейский центр среднесрочных прогнозов погоды (ECMWF), Службу морского и экологического мониторинга Коперника (CMEMS) и Национальное управление океанических и атмосферных исследований (NOAA).

Авторов нечего раскрывать.

В этом исследовании основные особенности морских систем описаны с помощью спутниковых наблюдений. В качестве показательного фактора выбирается КХЛ, которая может использоваться для представления производства океана. Были исследованы факторы, связанные с изменчивостью КХЛ, с использованием среднемесячных тайм-рядов, например, SST, WS, WSC, FP и SLA. В этом исследовании описаны три важнейших шага: получение спутниковых данных по различным параметрам, описание их пространственной и временной изменчивости с помощью EOF и определение взаимосвязей между различными факторами путем расчета коэффициентов корреляции. Включается подробная процедура, показывающая идентификацию для ежедневного фронтального распределения, которая вытекает из наблюдений SST. Для обнаружения фронта SST разработаны два основных подхода: методградиента 10,38 и методгистограммы 39,40. Метод гистограммы основан на аналогичном диапазоне значений для SST, которые могут быть использованы для разделения водных масс на различные группы. Пиксели с значениями между различными группами, представляющими пиксель в переходной полосе, определяются как фронты. С другой стороны, метод градиента отделяет несколько относительно однородных водоемов как пиксели с большими значениями градиента. Сравнение исследование было проведено, и они обнаружили более низкие ложные ставки с помощью метода гистограммы и меньше пропущенных фронтов с использованием градиентногометода 41. В этом исследовании, градиент на основеметода 38 был принят после бывшихисследований 10,28. Алгоритм позволяет избежать переднего распада на несколько фрагментов края, позволяя величине уменьшиться до уровня ниже меньшего порога. В дополнение к набору данных, включенным здесь, аналогичный подход можно использовать и другие спутниковые наблюдения, такие, как индекс аэрозолей.
Большинство процедур может быть непосредственно применено в других регионах или наборах данных. Для изменения порога фронтального обнаружения может быть внесена модификация. Поскольку градиент SST в SCS сопоставим с Текущей системойвосточной границы 28,для текущего исследования были введены те же пороговые значения. Предыдущее исследование показало, что градиент SST из разных наборов данных может варьироватьсяв три раза 42, что делает метод как-то менее объективным. Существенные исследования исследовали фронтальную деятельность вокруг Мирового океана28,43. Наилучший подход к проверке фронтов заключается в том, чтобы сравнить их с наблюдениями на местах. Yao44 описал ежемесячное фронтальное распределение для SCS. Их результаты хорошо согласовылись с измерениями на месте. Общий градиент должен быть проверен и скорректирован, поскольку его значение может варьироваться в зависимости от пространственного разрешения и инструментов. В частности, порог должен быть обновлен при использовании другого набора данных SST. Базовое понимание региональной динамики имеет основополагающее значение для пониманияфронтогенеза 45,46,47. Сценарий переднего обнаружения может быть разработан отдельными авторами на основе описания в этой статье.
Спутниковая информация обеспечивает всестороннее понимание особенностей поверхности, и сравнение результатов с наблюдениями на местах может помочь в оценке достоверности. Однако спутниковые наблюдения ограничиваются поверхностью океана, что ограничивает применение для понимания вертикальной структуры водной колонки. В недавнем исследовании спутниковые наблюдения показали, что поверхность CHL увеличилась в 15 раз, но вертикальное интегрированное значение увеличилось только в 2,5 разав 48. Это различие было вызвано тем, что на поверхностное значение повлияли выбросы роста фитопланктона и мелководья МЛД, что привело к нереализуемому значению на поверхности. Таким образом, функция поверхности может не дать точного описания для всего столбца воды. Кроме того, влияние облачного покрытия ограничивает непрерывные наблюдения спутников. Таким образом, ежемесячные сроки рассчитываются по разным факторам за один и тот же период. Это гарантирует достоверность расчета корреляций между различными факторами. Однако кратковременные события, например, тайфуны, которые длятся от нескольких дней до недели, не будут решены.
По сравнению с предыдущими исследованиями, предлагаемый метод может предложить пространственную информацию на уровне пикселей, что может помочь оценить динамику более детально. Некоторые бывшие исследования усредили весь SCS как единое число и получили серию времени. Они обнаружили, что необычайно сильный WS и высокий SST может вызвать аномально высокий CHL16, который соответствует текущему результату. Однако пространственные различия в отношениях не были решены. В этом исследовании корреляция в масштабе бассейна между WS и CHL была слабой в аномальной области. Значительная корреляция была выявлена только для определенных областей, например, в центре SCS(рисунок 9B). Таким образом, текущий метод предлагает всеобъемлющее описание для изучения пространственных вариаций. Аналогичным образом, наблюдения с двух поплавков Bio-Argo были использованы и показали, что WSC не коррелирует с изменчивостьюCHL 20. Однако траектории двух поплавков расположены только в определенных регионах. В данном случае именно в группе корреляция между уровнем КХЛ и WSC не была существенной(рисунок 8D). Предлагаемый метод очень полезен для устранения пространственной зависимости между факторами, что является фундаментальной характеристикой глобального океана.
Таким образом, используемый здесь метод позволяет точно описать пространственное распределение и височную изменчивость объектов поверхности океана с помощью спутниковых наблюдений. С увеличением разрешения спутниковых наборов данных можно выяснять и исследованы более подробные функции, что позволяет получить общее представление о региональных особенностях, включая КХЛ, SST и SSH. Корреляция ежемесячных тайм-рядов между различными факторами может помочь в понимании их динамических отношений и потенциального воздействия наэкосистему 49. Поскольку корреляция может в значительной степени варьироваться в различных пространственных местах, предлагаемый метод предлагает подробное и всеобъемлющее описание. Аналогичный подход может применяться к любому океану во всем мире, что будет весьма полезно для улучшения понимания морской динамики и экосистем.

Технология дистанционного зондирования предлагает большие наборы данных с большими пространственными масштабами и длительными периодами для описания морской среды. С увеличением пространственного разрешения спутников, подробные функции в настоящее время решены из регионального масштаба в несколько сотенметров 1,2. Улучшение понимания морской динамики может быть достигнуто с помощью большинства обновленных спутниковыхнаблюдений 3.
Благодаря включению нескольких датчиков на платформе дистанционного зондирования возможно всестороннее описание различных параметров. Температура поверхности моря (SST) является основным параметром, который наблюдается уже более полувека4. В последнее время стали доступны наблюдения за хлорофиллом поверхности моря (CHL) и могут быть использованы для описания морской продуктивности5. Спутники Altimetry используются для измерениявысоты поверхности моря 6,7, что тесно связано с мезомасштабной эдди деятельности в глобальном океане8,9. В дополнение к вихрям, фронтальная деятельность также имеет важное значение для воздействия на региональную динамику и первичноепроизводство 10.
Основное внимание в текущем исследовании уделяется поиску стандартной процедуры описания пространственного распределения и временных изменчивостей различных факторов океана. В этом методе анализируются SST, CHL, SSH и фронт-данные, полученные из градиентов SST, для определения закономерностей. В частности, КХЛ используется для представления продуктивности океана, и вводится метод исследования взаимосвязи между КХЛ и другими параметрами океана. Для проверки метода был использован период времени, в период с октября 2002 года по сентябрь 2017 года в южно-китайском море, для изучения всех параметров. Этот метод может быть легко использован для других регионов по всему миру для захвата основных моделей океана и изучения того, как морская динамика влияет на экосистему.
Из-за относительно высокого уровня охвата спутниковыми наблюдениями регионом исследования было назначено южно-китайское море ( SCS). SCS изобилует солнечной радиацией; Таким образом, КХЛ в основном определяется наличием питательных веществ11,12. С большим количеством питательных веществ, транспортируется в эвфотический слой, уровень КХЛ можетувеличиться на 13. Смешивание, вызванное ветром, может ввести питательные вещества в поверхность океана и повысить CHL14. В SCS доминирует система муссонного ветра, которая определяет динамику и экосистему в регионе. Муссонный ветер самый сильный зимой15. Летом ветры меняют направление, а скорость ветра значительно слабее, чем зимой16,17. Интенсивность ветра может определить прочность вертикального смешивания, так что глубина смешанного слоя (MLD) углубляется по мере того, как ветер усиливается зимой и становится мельче по мере уменьшения ветралетом 18. Таким образом, больше питательных веществ транспортируется в эвфотический слой в зимний период,когда ветер сильный 19 и КХЛ достигает своейвысшей точки года 20,21.
В дополнение к ветру, MLD также может быть определена с использованием других факторов, таких как SST и аномалии уровня моря (SLAs), которые в конечном итоге влияют на содержание питательных веществ и CHL22. Зимой слабый вертикальный градиент ассоциируется с низкими температурами на поверхности20. Соответствующий MLD является глубоким и больше питательных веществ могут быть транспортированы вверх; таким образом, CHL в поверхностном слое высок17. Растущие различия в уровнях КХЛ можно отнести к мезомасштабным вихрям, которые вызывают вертикальный транспорт и смешивание23. Upwelling обычно находится в циклонических вихрей, связанных с депрессией SLAs8,9 и повышенные концентрации КХЛ24. Downwelling обычно находится в антициклональных вихрей, связанных с повышенными SLAs8,9 и депрессии концентрации КХЛ24. Для других сезонов, MLD становится мелкой, и смешивание становится слабым; таким образом, низкий уровень КХЛ можно наблюдать на протяжении большей части бассейна25. Сезонные циклы уровней КХЛ впоследствии преобладают в регионе26.
В дополнение к смешиванию, фронты и связанные с ними прибрежные upwelling может еще больше модулировать КХЛ. Фронт, который определяется как граница различных водных масс, имеет важное значение для определения региональной циркуляции и экосистемыответы 27. Фронтогенез обычно ассоциируется с прибрежным upwelling и конвергенции28,29, которые могут вызвать питательные вещества и поднять рост фитопланктона30. Были разработаны различные алгоритмы для автоматического определения фронтов спутниковых наблюдений, включая гистограмму и градиентные методы SST. Последний подход принят в данном исследовании28.
Корреляция тайм-рядов между КХЛ и различными факторами дает большую информацию для количественной оценки их взаимосвязи. В настоящем исследовании содержится всеобъемлющее описание того, как использовать спутниковые наблюдения для выявление региональной морской динамики, связанной с производительностью. Это описание может быть использовано в качестве руководства для изучения поверхностных процессов в любой части океана. Структура этой статьи включает в себя пошаговой протокол, за которым следуют описательные результаты в тексте и цифрах. Впоследствии обсуждается применимость в дополнение к плюсам и минусам метода.

<table>
	<tbody>
		<tr>
			<td>Matlab</td>
			<td>MathWorks</td>
			<td>Matlab R2016</td>
			<td>https://www.mathworks.com/products/matlab.html; referred to analysis software in the protocol</td>
		</tr>
		<tr>
			<td>Sea surface chlorophyll</td>
			<td>NASA</td>
			<td>MODIS</td>
			<td>mg/mg3 (podaac-tools.jpl.nasa.gov)</td>
		</tr>
		<tr>
			<td>Sea surface height</td>
			<td>AVISO</td>
			<td>AVISO</td>
			<td>meter (www.aviso.altimetry.fr)</td>
		</tr>
		<tr>
			<td>Sea surface temperature</td>
			<td>NASA</td>
			<td>MODIS</td>
			<td>&#176;C (podaac-tools.jpl.nasa.gov)</td>
		</tr>
		<tr>
			<td>Topography</td>
			<td>NOAA</td>
			<td>NGDC</td>
			<td>meter (maps.ngdc.noaa.gov/viewers/wcs-client/)</td>
		</tr>
		<tr>
			<td>Wind</td>
			<td>ECMWF</td>
			<td>ERA-interim</td>
			<td>m/s (www.ecmwf.int/en/forecasts/datasets)</td>
		</tr>
	</tbody>
</table>

investigating the relationship between sea surface chlorophyll and major features of the south china sea with satellite information

Спутниковые наблюдения предлагают отличный подход к исследованию особенностей основных морских параметров, включая хлорофилл поверхности моря (CHL), температуру поверхности моря (SST), высоту поверхности моря (SSH) и факторы, вытекающие из этих параметров (например, фронты). Это исследование показывает пошаговую процедуру использования спутниковых наблюдений для описания основных параметров и их взаимосвязи в сезонных и аномальных областях. Этот метод иллюстрируется с помощью спутниковых наборов данных за 2002-2017 годы, которые использовались для описания поверхностных особенностей южно-китайского моря (SCS). Из-за облачного покрытия в этом исследовании использовались среднемесячные данные. Эмпирическая ортогональная функция (EOF) была применена для описания пространственного распределения и временной изменчивости различных факторов. Муссонный ветер доминирует над изменчивостью в бассейне. Таким образом, ветер из набора данных повторного анализа использовался для исследования его движущей силы по различным параметрам. Сезонная изменчивость в КХЛ была заметной и в значительной степени коррелировалась с другими факторами в большинстве СКК. Зимой сильный северо-восточный муссон вызывает глубокий смешанный слой и высокий уровень хлорофилла по всему бассейну. Среди факторов сезонного цикла были обнаружены значительные коэффициенты корреляции. Летом высокие уровни КХЛ были в основном обнаружены в западных СКК. Вместо сезонной зависимости регион был высокодинамичен, и факторы, существенно коррелированные в аномальных областях, так что необычно высокие уровни КХЛ были связаны с аномально сильными ветрами и интенсивной фронтальной деятельностью. В исследовании представлена пошаговая процедура использования спутниковых наблюдений для описания основных параметров и их взаимосвязи в сезонных и аномальных областях. Этот метод может быть применен к другим глобальным океанам и будет полезен для понимания морской динамики.

Watch this Scientific Journal Video about Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information at JoVE.com

Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information

Хлорофилл поверхности моря, температура, высота уровня моря, ветер и передние данные, полученные или полученные в результате спутниковых наблюдений, предлагают эффективный способ характеристики океана. Представленный метод всестороннего изучения этих данных, включая общий средний, сезонный цикл и межкорреляцию, для полного понимания региональной динамики и экосистем.

Изучение взаимосвязи между хлорофиллом поверхности моря и основными особенностями южно-китайского моря со спутниковой информацией

Satellite observations offer a great approach to investigate the features of major marine parameters, including sea surface chlorophyll (CHL), sea surface ...

Спутниковые наблюдения предлагают отличный подход к исследованию особенностей основных морских параметров, включая хлорофилл поверхности моря и температуру, высоту поверхности моря, а также факторы, вытекающие из этих параметров, таких как фронты. Наше исследование показывает, как использовать спутниковые наблюдения для описания основных параметров и их взаимосвязей. Наука о спутниковых данных с 2002 по 2017 год использовалась для описания особенностей поверхности южно-китайского моря.Спутниковое наблюдение хлорофилла является фактором, который используется для защиты океана. Факторы, связанные с изменчивостью хлорофилла были исследованы с использованием тайм-ряда. Этот метод может быть применен к другим глобальным океанам и будет полезен для понимания морской динамики и экосистемы.Мы показываем пошаговую процедуру получения спутниковых данных различных параметров, описывающих пространственные и временные изменчивости и определяющих взаимосвязи между различными факторами. Получены пространственные и временные изменчивости параметров. Они являются эмпирической ортогональной функцией, и взаимосвязь между различными факторами приобретается нулевыми коэффициентами корреляции.Для получения данных о температуре поверхности моря и поверхности моря загрузите набор данных спутниковых наблюдений от MODIS Aqua, для которых пространственное разрешение обоих наборов данных составляет примерно 4,5 километра с ежедневными интервалами. Храните загруженные спутниковые файлы в папке данных и структурировать каталог папок, как показано на снимке. Добавьте путь инструментария для файла NetCDF в MATLAB и выберите добавить с субфолдерами, чтобы приложить пути папки скриптов.Путь для всех необходимых каталогов данных и функций появится в поисковом пути MATLAB. Затем загрузите данные о температуре поверхности моря в программное обеспечение для анализа. Для сбора набора данных об аномалиях уровня моря загрузите ежедневные данные об аномалиях уровня моря с пространственным разрешением 25 километров с того же периода времени и введите команду для загрузки данных об аномалиях уровня моря за один день.Чтобы получить данные о скорости ветра, загрузите данные о ветре за тот же период времени из промежуточного продукта повторного анализа ERA и введите команду для чтения данных о ветре за один месяц. Полученные переменные u, v и time представляют зональные и меридианы на всех скоростях и соответствующем времени соответственно. Чтобы получить доступ к набору топографий, загрузите топографические данные высокого разрешения с веб-сайта Национальных центров экологической информации и введите команду для загрузки топографические данные в программное обеспечение для анализа.Переменные XX, YY и No указывают на широту, долготу и соответствующую глубину соответственно. Из-за большого облачного покрытия температуры поверхности моря и данных хлорофилла поверхности моря, используйте команду, чтобы заменить исходные данные на трехдневные средние данные. Поскольку пространственное разрешение не соответствует различным набором данных, введите команду интерполировать данные о температуре поверхности моря и поверхности моря в пространственную сетку, которая такая же, как пространственная сетка ветра и уровня моря.Введите команду, как указано для расчета ветра стресс и ветер стресс локон. Чтобы рассчитать ежемесячную температуру поверхности моря, температуру ветра и аномалии уровня моря как 30-дневные средние показатели в каждом пикселе, введите команду, как указано. Для пространственного сглаживания введите команду для запуска скрипта для сглаживания трехдневных данных о средней температуре поверхности моря в каждом пикселе.Чтобы определить градиент температуры поверхности моря, введите команду для запуска скрипта для расчета зональных и меридианных всех градиентов температуры поверхности моря в качестве разницы температуры поверхности моря между ближайшими двумя пикселями, разделенными на соответствующее расстояние. Чтобы определить переднюю часть, проверяя значение градиента температуры поверхности моря, обозначите пиксель как потенциальный фронтальный пиксель, если значение было больше назначенного порога. Чтобы рассчитать ежемесячную фронтальную вероятность наблюдения фронта в течение определенного промежутка времени, введите команду.Чтобы загрузить ежемесячные данные для анализа, введите команды и примените эмпирическую ортогоническую функцию для описания пространственной и временной изменчивости различных параметров. Программа вычислит величину, eigenvalues, и амплитуду эмпирических ортогональных функций для набора данных. Чтобы определить корреляцию в сезонной шкале, введите команду для расчета корреляций между двумя факторами, используя их ряд времени на каждом пикселе.Затем введите команду для расчета корреляции между ежемесячными аномалиями хлорофилла поверхности моря и другими факторами. Для отображения спутниковой информации введите команду для запуска сценария для создания демонстрации спутниковой информации, включая хлорофилл поверхности моря, температуру и ветер, а также аномалию уровня моря и лобовое распределение. Введите команду для отображения эмпирического результата ортогональной функции.Затем введите команду, как указано для расчета взаимосвязи между хлорофиллом и другими факторами на сезонных и аномальных полях. Топография оказывает заметное влияние на пространственное распределение хлорофилла поверхности моря с высоководным хлорофиллом, главным образом распределенным вдоль побережья южно-китайского моря, где топография неглубокая. Ветер также находится под влиянием орографии с арендой стороне гор характеризуется слабым ветром и видным ветром стресс локон определены юго-западе южно-китайского моря.Применяемые здесь пороги эффективно фиксируют расположение фронта и обеспечивают изображение границ целых водных масс. В этом анализе эмпирическая ортогональная функция запечатлела большую дисперсию в северной части южно-китайского моря. Соответствующее среднемесячное значение часовых рядов показало, что хлорофилл поверхности моря был повышен в зимний период и подавлен летом.Район, на данный момент на юго-западном побережье, характеризовался слабой величиной, и соответствующая изменчивость была в основном зафиксирована эмпирической ортогональной функцией 2. Значения хлорофилла на поверхности моря были высокими летом и низкими зимой, что было в основном вне фазы по сравнению с северным регионом. Действительно, ежемесячные сроки для эмпирических ортогональных функций продемонстрировали явную сезонную изменчивость с эмпирической ортогональной функцией двух ведущих эмпирических ортогональных функций по одному примерно на четыре месяца.Корреляции между хлорофиллом и другими факторами представляют собой взаимосвязи факторов. Например, в этом анализе температура поверхности моря отрицательно коррелирует с хлорофиллом, в то время как ветровой стресс положительно коррелирует с хлорофиллом. Таким образом, высокий хлорофилл был связан с низкой температурой и сильным ветром для этих данных.Определение изменчивости параметров океана и определение их взаимосвязи с хлорофиллом имеют решающее значение и имеют важное значение для динамики океана и морской экосистемы. Фронтальная деятельность особенно важна, потому что высокий хлорофилл обычно ассоциируется с фронтом. Изменения могут иметь место для изменения порога переднего обнаружения и лучший подход для проверки фронта заключается в том, чтобы сравнить их с наблюдениями института.Таким образом, с помощью спутниковых наблюдений можно точно описать пространственное распределение и височную изменчивость особенностей поверхности океана. С увеличением разрешения более подробные функции могут быть определены и исследованы в будущем.

Research

JoVE Journal

Environment

Protocol for Microplastics Sampling on the Sea Surface and Sample Analysis

Протокол Microplastics Отбор проб на поверхности моря и анализа проб

Microplastic pollution in the marine environment is a scientific topic that has received increasing attention over the last decade. The majority of ...

Preparation of Authigenic Pyrite from Methane-bearing Sediments for In Situ Sulfur Isotope Analysis Using SIMS

Preparation of Authigenic Pyrite from Methane-bearing Sediments for In Situ Sulfur Isotope Analysis Using SIMS

Подготовка Authigenic Пирита из отложений метан подшипник для In Situ серы изотопный анализ с помощью SIMS

Different sulfur isotope compositions of authigenic pyrite typically result from the sulfate-driven anaerobic oxidation of methane (SO4-AOM) and ...

Procedures of Laboratory Fumigation for Pest Control with Nitric Oxide Gas

Процедуры лабораторных фумигации вредителями с газом окиси азота

Nitric oxide (NO) is a newly discovered fumigant for postharvest pest control. This paper provides detailed protocols for conducting NO fumigation on ...

Techniques for Investigating the Anatomy of the Ant Visual System

Методы для изучения анатомии муравей зрительной системы

This article outlines a suite of techniques in light microscopy (LM) and electron microscopy (EM) which can be used to study the internal and external eye ...

Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter spp. Using Conventional PCR on Citrus Leaf Tissue Samples

Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter  spp. Using Conventional PCR on Citrus Leaf Tissue Samples

Конкретные и точного обнаружения цитрусовых озеленение возбудителя Candidatus liberibacter spp. Использование обычных ПЦР на цитрусовые образцы тканей листа

Citrus greening, also known as huanglongbing, is a destructive citrus disease ravaging citrus farms globally. This disease causes asymmetrical yellow leaf ...

Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop

Методы для проведения обследований на основе образа бентических макробеспозвоночных и среды их обитания, подтверждается падение камеры обследования для Атлантический морской гребешок

Underwater imaging has long been used in the field of marine ecology but decreasing costs of high-resolution cameras and data storage have made the ...

The Plant Infection Test: Spray and Wound-Mediated Inoculation with the Plant Pathogen Magnaporthe Grisea

The Plant Infection Test: Spray and Wound-Mediated Inoculation with the Plant Pathogen Magnaporthe Grisea

Завод инфекции тест: Спрей и Рана опосредованной прививка с завода возбудителя Magnaporthe мурены

Plants possess a powerful system to defend themselves against potential threats by pathogenic fungi. For agriculturally important plants, however, current ...

Experimental Study of the Relationship Between Particle Size and Methane Sorption Capacity in Shale

Экспериментальное исследование взаимосвязи между размера частиц и сорбционная емкость метана в сланца

The amount of adsorbed shale gas is a key parameter used in shale gas resource evaluation and target area selection, and it is also an important standard ...

Choice and No-Choice Bioassays to Study the Pupation Preference and Emergence Success of Ectropis grisescens

Choice and No-Choice Bioassays to Study the Pupation Preference and Emergence Success of Ectropis grisescens

Выбор и No-выбор Bioassays для изучения предпочтений Окукливание и появление успеха Ectropis grisescens

Many insects live above the ground as larvae and adults and as pupate below the ground. Compared to the above-ground stages of their life cycles, less ...

Design and Use of an Apparatus for Quantifying Bivalve Suspension Feeding at Sea

Дизайн и использование аппарата для количественной оценки двустворчатых подвеска кормления на море

As shellfish aquaculture moves from coastal embayments and estuaries to offshore locations, the need to quantify ecosystem interactions of farmed bivalves ...