南海三维温盐结构对海水透明度的影响分析

无人水下航行器(UUV)试验作业、航行深度和航路选择等活动受海流、透明度、跃层、海水温度和盐度等海洋复杂水文环境的影响。研究结合卫星遥感和数值模式数据,从信息流的角度分析了南海海域三维温盐结构对海水透明度(SDD)的影响及区域分布特征,规避了在传统相关性分析中无法准确描述变量间因果影响关系的不足。结果表明,因受高温低盐海域叶绿素浓度较高的影响,表层盐度较低的中沙群岛及近岸海域,其SDD主要受浅层海水盐度的影响;表层高温低盐的南沙群岛附近海域SDD主要受20～30m深处的海水温度影响;表层高温高盐的西沙群岛附近海域SDD主要受60～70m深处的海水温度和盐度影响;由于受温度锋面和悬浮泥沙的影响,吕宋海峡附近海域SDD主要受30～50 m深处海水温度的影响。水下三维海水温度和盐度的变化影响甚至会加剧SDD的变化,因此建议UUV在航行和试验作业时应尽量选择最大SDD深度以下,同时避开水下三维海水温度和盐度对SDD影响较大的深度,以保证UUV航行的安全、可靠和隐蔽性。

规范化优质护理在声带息肉摘除术中的应用

目的探讨规范化优质护理和常规护理模式在声带息肉摘除术中的应用效果。方法选取2015年10月~2017年1月在我院就诊并行声带息肉摘除术的300例患者作为研究对象,将其随机分为对照组150例、研究组150例。对照组患者予常规护理,观察组患者予规范化优质护理。对比两组患者的睡眠情况、生活质量、对护理工作的满意程度及术后3个月声带恢复情况。结果护理后,两组患者睡眠情况及生活质量评分均低于护理前,观察组患者睡眠情况及生活质量评分低于对照组,差异有统计学意义(P<0.05)。观察组患者对护理工作的满意度(98.00%)高于对照组(76.00%),差异有统计学意义(P<0.05)。术后3个月随访,观察组患者声带恢复情况明显优于对照组,差异有统计学意义(P<0.05)。结论在声带息肉摘除术中采用规范化优质护理,能显著提高患者睡眠质量,提高患者生活质量及对护理工作的满意程度,术后3个月声带恢复良好,值得临床推广。

护理干预在电子喉镜检查中的效果观察

目的分析护理干预在电子喉镜检查中的效果。方法选取2018年1月-2018年3月本院收治的306例行电子喉镜检查患者,按照随机数字表法分为实验组(n=153)、对照组(n=153),给予实验组患者护理干预,给予对照组患者常规护理。观察两组患者的护理满意度、恐惧程度、血压、心率、恶心次数。结果实验组护理满意度(91.30%)高于对照组(85.62%)(P<0.05)。实验组恐惧程度(4.36±0.42)低于对照组(7.15±0.24)(P<0.05)。实验组血压低于对照组(P<0.05)。实验组心率低于对照组(P<0.05)。实验组恶心次数低于对照组(P<0.05)。结论护理干预在电子喉镜检查中的效果显著,护理满意度高,值得临床推广和应用。

基于HY-2卫星观测分析南海风浪关系

海面有效波高(H1/3)是表征海浪的重要参数,随着卫星遥感技术的发展,雷达高度计已成为获取海面有效波高的重要手段,但也只能对卫星星下点轨迹处进行有效观测,远无法满足大范围应用的需求.本研究结合2013年10月HY-2雷达高度计观测的海面有效波高和微波散射计观测的海面风场资料,分别对高、低风速下风浪数据进行拟合,建立了适用于0~40 m/s风速范围内的南海海域风浪关系模型,经模型比对和结果验证,结果表明,基于HY-2卫星数据分析建立的南海海域风浪关系模型是可信的,特别是低风速的风浪模型与实测数据建立的风浪模型具有很好的一致性;根据建立的风浪关系模型,从卫星散射计大面观测的海面风场出发,能推算出风浪条件下海面有效波高的大面信息,数据覆盖远高于卫星高度计的星下点观测,能为分析和预报海浪、风暴潮灾害提供大范围的海面有效波高信息.

电话随访的延续护理方式在临床护理中的效果观察及对满意度的影响

目的:探讨以电话随访为主要方法的延续性护理在临床护理中的应用效果,以及它对患者满意度的影响。方法:2016年4月至2017年4月在肇庆市第二人民医院心血管内科住院的出院患者中抽取800例,根据患者出院日期的单双号分为观察组和对照组各400例。对照组采用常规出院疾病宣教,不进行电话随访;观察组实施以电话随访为主的延续性护理。比较两组护理效果及护理满意度。结果:观察组护理满意度明显高于对照组,并发症发生率明显低于对照组,生活质量评分明显高于对照组,差异均具有统计学意义(P<0.05)。结论:对心血管内科出院患者实施电话随访的延续性护理方式能够有效提高患者的生活质量和护理满意度,降低并发症发生率。

基于样本重构的船舶小目标检测算法研究

针对遥感影像船舶目标尺度小、场景分布不均匀、目标尺寸相对样本尺寸占比小以及深度学习模型对于小目标泛化性能不好的问题,提出一种样本重构的方法。首先对船舶目标按其最小外接矩形进行裁剪,然后采用多种方式合成标准尺寸样本,通过样本重构,可以提高样本中的目标占比,解决不同场景下目标分布不均匀的问题。实验发现,使用样本重构方法训练的模型,对于小目标的检测能力有所提升,结合在网络中添加小目标检测层,结果显示,模型在测试样本上的平均准确率(average precision, AP)从0.502提升到0.674,验证了该方法的有效性。