儿童无痛静脉穿刺干预的研究进展

静脉穿刺是静脉输液中不可缺少的护理操作程序,同时也是住院患儿因疼痛或恐惧抵触情绪较高的有创操作。文章综述了国内外儿童无痛静脉穿刺的干预措施,包括药物性、非药物性镇痛,旨在为未来临床选择最佳镇痛干预措施提供参考。

个体化选择奶嘴对晚期早产儿经口喂养及出院后母乳喂养的影响

目的探讨个体化选择奶嘴对晚期早产儿经口喂养及出院后母乳喂养的影响。方法2016年5月至2017年5月,便利抽样法选取北京市某三级甲等医院新生儿重症监护室(neonatal intensive care unit,NICU)收治的60例晚期早产儿为研究对象,按照随机数字表法将其分为对照组(26例)和观察组(33例)。两组接受相同的常规早产儿治疗和护理;观察组依据喂养效率及体质量,选用带有排气孔的不同型号的早产儿专用软硅胶奶嘴,对照组使用普通单孔硅胶奶嘴喂养早产儿。结果比较两组晚期早产儿开始经口喂养时漏奶情况和出院时恢复出生体质量情况,两组比较差异有统计学意义(P<0.05)。结论个体化选择奶嘴对晚期早产儿住院期间的经口喂养表现及出院时恢复出生体质量有一定促进作用。

近60年来藏东南降水变化及其对土壤温度与冻融过程的影响

利用1960—2019年藏东南地区9个气象站的降水、土壤温度、土壤冻结深度、积雪深度等观测资料,分析了藏东南地区近60年来降水的年际、季节以及月变化特征,讨论了降水变化与土壤温度、土壤冻融变化的关系。结果表明:藏东南降水分布以念青唐古拉山为界,南部降水较多北部降水较少。从变化趋势来看,近60年来该地区降水量总体呈先下降后上升再下降的变化趋势,转折点发生在1980年和2000年前后;1980—2019年近40年降水空间上主要表现为北部增多南部减少;而2000—2019年近20年降水呈明显的减少趋势。季节降水分配上,多数站点以夏季占主导,部分站点(察隅、波密)春、夏、秋三季降水均较多;而变化上表现为夏季降水减少而其他季节增多,与印度季风减弱对应降水减少相一致;其中6月显著减少,3、4月显著增多。土壤温度和冻融期变化对气温变化响应非常敏感,降水变化也起到重要作用。在冻融期降水作为热源起升温作用,加速冻土融化,减缓冻土冻结;非冻融期降水作为冷源起降温作用,降低土壤温度。在12、1月降水为降雪,增大地表反照率使土壤温度降低。空间上,在冻融期较长、冻结深度较深的地区,降水降温机制和升温机制均比较明显;而在冻融期较短、冻结深度较浅的地区,降水多表现为降温作用。

三江源冻土-植被相互作用及气候效应研究现状及展望

三江源冻土、植被二者之间存在着强烈的相互作用的关系,并通过改变土壤水热特性以及地表-大气间的能量和水分交换过程影响局地气候,加快或减缓气候变化,源区的生态安全面临挑战。本文综述了近几十年来三江源区冻土、植被特征及变化趋势、冻土-植被相互作用过程以及冻土、植被变化的气候效应,在此基础上对未来研究方向进行了展望。主要认知如下:三江源地区是季节性冻土和多年冻土的交汇带。植被类型有高寒草甸、高寒草原、高寒荒漠等,植被生长季较短。近几十年来,在全球变化影响下,源区冻土和植被经历了快速的变化。冻土土壤温度明显升高;多年冻土面积减小而季节性冻土面积增加;多年冻土活动层厚度及融化期增加而季节性冻土最大冻结深度及冻结期减小。植被物候整体表现出返青期提前,黄枯期推迟,生长季延长的特征;同时高寒植被生态系统的结构和功能也发生了明显变化。土壤的水、热状态是连接冻土和植被相互作用的重要纽带。冻土的冻融状态,土壤的水、热过程对高寒植被的生长有着密切的影响;同时位于冻土上层的植被,又通过植被特征和生态系统的变化,影响土壤温度、湿度,反作用于冻土的形成和发展。冻土和高寒植被作为三江源两种典型的下垫面,在陆-气相互作用中是一个有机整体,其变化将通过影响局地能量分配及水分过程对区域降水、气温、能量收支、局地环流以及水汽循环等产生重要的影响,需要统筹考虑二者协同变化的气候效应。未来面向整个区域的冻土-植被相互作用的综合评估及机理分析需进一步加强。利用观测、耦合了动态植被模型的陆面过程模式、区域气候模式以及人工智能等,深入开展研究三江源区冻土冻融变化与高寒植被变化的内在联系,将进一步提高对未来冻土及高寒植被变化的认识,为三江源生态保护和建设提供重要科学依据。

基于机器学习的土壤温度预估研究综述

土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤温度时空变化方面研究较少。基于模型特点和研究现状,本文总结了机器学习在土壤温度预估时的适用性,对数据选择、模型选择和模型评估方法进行了讨论。不同数据条件、研究目的决定着数据和模型的选择,决策树类方法可以可视化提供一定可解释性,支持向量机可适用于数据量较少的情况,极限学习机可以满足需要快速计算情形。由于机器学习缺少物理约束,应用于土壤温度预估时需要重视模型检验和结果对比。针对当前研究的挑战对下一步工作进行展望,认为未来利用机器学习方法对土壤温度进行预估可以从在学习模型中融入先验科学知识、结合遥感资料和多层观测进行土壤温度立体空间建模以及利用卷积循环神经网络进行时空建模三方面进行。

不同初始值对三江源西大滩站多年冻土水热过程模拟的影响

不同初始值对多年冻土水热过程的模拟有着深刻的影响。本文利用青藏高原三江源多年冻土区西大滩站观测数据,驱动通用陆面模式CLM4.5(Community Land Model version 4.5)对该站多年冻土进行为期14个月的模拟研究。设计三组试验,检验CLM4.5模式对多年冻土模拟性能,探究不同初始土壤温度、液态水含量以及含冰量对模拟结果的影响,并对土壤初始含冰量的计算进行改进,提高了模式对多年冻土水热过程的模拟。通过对比土壤含冰量模拟值,液态水含量和土壤温度观测值与模拟值,结果表明:(1)初始土壤温度、液态水含量会通过影响初始土壤含冰量进而影响CLM4.5模式对多年冻土水热过程的模拟。(2)CLM4.5默认初始土壤温度、液态水含量时,计算出的初始含冰量为0 m^(3)·m^(-3),这使得模式不能准确模拟出多年冻土的特征。在2015年11月上旬至2016年8月上旬土壤含冰量大于0.01 m^(3)·m^(-3),其余时段土壤含冰量几乎为0 m^(3)·m^(-3);整层土壤液态水含量从冬季开始减少,春季开始增加;土壤温度在2.8 m以下全年大于0℃,0~2.8 m呈现“冬冻夏融”的季节性冻土特征。(3)修改初始土壤温度和液态水含量为观测值后,模拟结果呈现多年冻土特性。在1.8 m以下土壤含冰量常年大于0.01 m^(3)·m^(-3);在0~1.0 m土壤液态水含量冬季开始减少,春季开始增加,在1.0 m以下土壤液态水含量常年维持在0~0.01 m^(3)·m^(-3);2.8 m以下土壤温度常年低于0℃,活动层厚度约2.8 m,高估约115.4%。(4)在修改默认值为观测值的基础上,进一步修改初始含冰量的计算,使得模拟的含冰量整体增加。在1.1 m以下土壤含冰量常年大于0.025 m^(3)·m^(-3);在秋季和夏季0~2.3 m土壤液态水含量有所增加,与观测值偏差进一步缩小,2.3 m以下常年维持在0~0.1 m^(3)·m^(-3);活动层厚度减小到1.7 m,高估约30.8%,各层土壤温度模拟偏差较前两组试验均明显改善。