贵州喀斯特地区土壤细菌群落结构特征及变化

为探明贵州喀斯特不同植被演替群落下的土壤细菌群落结构及变化特征,本文利用高通量测序技术对5个主要植被演替群落(稀灌草丛、藤刺灌丛、灌木林、乔灌过渡林、乔木林)的根际(竹叶椒)、非根际土壤细菌群落结构及环境因子进行了分析研究。结果表明:贵州喀斯特高原土壤细菌类群主要为变形菌门(Proteobacteria)、酸杆菌门(Acidobacteria)、疣微菌门(Verrucomicrobia)、放线菌门(Actinobacteria)、厚壁菌门(Firmicutes)、拟杆菌门(Bacteroidetes)和浮霉菌门(Planctomycetes),其相对丰富度分别为43.35%、12.97%、7.53%、7.12%、6.19%、5.35%、5.05%,未分类类群占7.36%。样品中检测到了较低丰度的广古菌门和泉古菌门。随植被群落演替,根际土壤中变形菌门、厚壁菌门和浮霉菌门丰度逐渐增加;非根际土壤中酸杆菌门和疣微菌门丰度随植被演替逐渐减小。贵州喀斯特高原土壤细菌的影响因子大小为土壤有机碳、土壤总氮、含水量、电导率等,其中土壤有机碳和土壤总氮有显著性影响。     

基于井口涌水量变化类型判断岩溶含水层厚度

针对含水相对均匀的溶洞-裂隙水含水岩组,为判断岩溶含水层厚度,通过对空气潜孔锤钻进工艺施工钻孔井口涌水量变化进行分析,结果发现:利用该工艺施工的钻孔井口涌水量一般会出现稳定型、降低型和增长型三种变化类型;井口涌水量变化类型反映了岩溶含水层是空间尺度上发育的垂向地下水系统,具有分层特征,其厚度与碳酸盐岩岩溶化程度的不均一性耦合,体现了碳酸盐岩岩体内不同空隙的发育规模、密度及其相互间的联系程度;明确了地下水埋深状况以及含水层的构成条件。故采用空气潜孔锤钻进工艺施工的钻孔,在非干孔情形下,可以利用井口涌水量的变化类型判断岩溶含水层厚度。     

西南地区近14a植被覆盖变化及其与气候因子的关系

基于1999~2012年NDVI数据,结合气温和降水资料,运用GIS和RS技术,分析了西南地区近14a植被覆盖的时空变化特征及与气温、降水的关系。结果表明:(1)该区植被生长良好,各植被类型NDVI均呈显著增加趋势。空间整体表现为改善状态,改善面积远大于退化面积,严重退化区仅占1.18%。退化区分布于横断山地北部、四川盆地东部以及云贵高原中部。(2)植被覆盖变化将以良性发展为主,但强持续性的退化区和弱持续性的改善区应值得关注;强持续性的退化区主要分布在横断山地中北部、云贵高原中西部、若尔盖高原中部、四川盆地与若尔盖高原相交区域;草原强持续性的退化面积最大,针阔混交林强持续性的改善面积最大。(3)NDVI与温度存在明显的正相关关系,而与降水及干旱指数变化的关系不太明显,温度是影响该区植被变化的主要自然因素。     

城市土地利用类型与PM2.5浓度相关性研究——以武汉市为例

随着我国工业化的不断发展,在我国的主要经济发展地区的雾霾天气不断爆发,使我国的大气环境日益恶化,严重影响了人们的日常生活和身体健康。PM2.5作为雾霾的重要组成成分,也日渐成为环境领域的研究热点问题。随着全球性变化研究领域逐渐加强了对土地利用与生态环境的相关研究,因此无论从法律和社会经济发展的角度,还是从生态资源保护与环境可持续发展的角度,土地利用与PM2.5的相关研究都显得相当重要。研究目的:分析武汉市各类用地类型与PM2.5浓度的相关性程度。研究方法:使用ENVI与ArcGIS对武汉市2013年MODIS气溶胶产品进行空间分析与插值处理,再应用SPSS将其与武汉市2013年10个观测点的PM2.5浓度数据作相关性分析,以证实MODIS气溶胶厚度与PM2.5浓度的相关性,并建立两者的线性回归方程,然后利用计算后的武汉市整体PM2.5浓度分布与各土地利用类型进行相关性研究。研究结果:武汉市PM2.5浓度有明显的空间分布特征,绿化面积比例与PM2.5浓度呈显著负相关,建设用地面积比例与PM2.5浓度呈显著正相关,未利用地面积比例虽然与PM2.5浓度呈正相关,但相关性较低,而耕地与水体对PM2.5浓度没有显著影响。研究结论:土地利用类型对武汉市PM2.5浓度的分布有显著的影响,其与搭载MODIS传感器的遥感卫星监测方式的结合能成为研究大范围特定区域PM2.5浓度空间格局的新方法,并且增加城市绿化面积,控制建设用地规模能有效减少PM2.5浓度。     

以植被生物完整性评价梁子湖湖滨湿地生态系统健康

湖滨湿地植被是湖滨带生态系统的主要特征,以湖滨湿地植被为对象可评价湖滨带生态系统健康状况。通过对梁子湖湖滨湿地植被的详细调查,共鉴定出植物182种,隶属于52科128属,其中湿生植物147种,水生植物35种。水生植物中有20种挺水植物,6种浮叶植物和9种沉水植物。采用植被生物完整性(VIBI)方法评价梁子湖湖滨湿地生态系统健康,对21个备选指标进行筛选分析,建立了以挺水植物物种数、多年生植物物种数、外来物种百分比、香农多样性指数、植物区系质量指数FQAI、耐受性物种百分比、敏感性物种百分比为核心指标的评价体系,三分法对指标进行赋值,将梁子湖湖滨湿地划分为健康、良好、一般和较差4个等级。评价结果表明,梁子湖湖滨湿地22个调查位点中,处于健康状态的有3个位点,良好6个,共占总位点数的41%,一般和较差分别为7个和6个,共占59%。总体上看,东梁子湖和牛山湖湖滨湿地位点健康状况较好,而西梁子湖湖滨湿地差异性较大,山坡湖南部湖湾和前江大湖北部位点健康状况良好,张桥湖湖滨湿地健康状况一般,评价较差的6个位点集中在宁港湖周围和前江大湖南部沿岸。底质和人类活动如水位调控、围网养殖、放牧等是影响梁子湖湖滨湿地植被生物完整性的主要原因。     

江苏苏中3市的沿江岸线资源开发利用变化及驱动因素

长江是我国重要的黄金水道,其岸线资源有着丰富的开发利用价值。近年来,苏中地区长江岸线资源利用发展迅速。因此,选取苏中扬州、泰州、南通3市为研究对象,基于2002年和2008年的长江岸线利用状况数据,对比分析了3市岸线发展变化的规律。研究表明:2002年以来,苏中3市的岸线利用率大幅提高;新增岸线中工业岸线占比最大,港口岸线和生活服务岸线次之;工业岸线和生活服务岸线的增幅最为显著;各类型岸线的增加主要来源于未利用岸线,已有岸线类型的转换主要流向工业岸线和未利用岸线。港口建设需求、沿江基础工业化进程加快、港产城融合发展、规划和政策引导等是岸线利用变化的重要驱动力。     

黄河三角洲自然保护区秋冬季水鸟群落组成与生境关系分析

于2014年10月至2015年1月采用样线调查法对黄河三角洲自然保护区秋季迁徙期和越冬期水鸟群落结构进行调查研究,调查共包括8条样线40个观测点.结果表明:(1)秋季迁徙期共记录水鸟6目14科54种,国家Ⅰ级保护鸟类5种,国家Ⅱ级保护鸟类8种;越冬期共记录水鸟5目7科31种,国家Ⅰ级保护鸟类1种,国家Ⅱ级保护鸟类4种.(2)2个时期雁形目水鸟种类和数量均占优势,豆雁(Anser fabalis)、斑嘴鸭(Anas poecilorhycha)、赤膀鸭(Anas strepera)和绿头鸭(Anas platyrhynchos)为优势物种,丹顶鹤(Grus japonensis)、东方白鹳(Ciconia boyciana)和大大鹅(Cygnus cygnus)等珍稀水鸟也有一定的种群数量.(3)秋季迁徙期水鸟种数、数量和ShannonWiener多样性指数多于或高于越冬期.(4)5种典型生境之间水鸟种类和数量存在差异,天然水域是水鸟群落的主要分布区.(5)自然生境内的水鸟种数、数量和Shannon-Wiener多样性指数一般多于或高于人工生境.相似性分析结果表明,自然生境之间水鸟群落结构相似程度高于人工生境.     

气候变化和人类活动对黄河三角洲植被动态变化的影响

黄河三角洲是我国暖温带最完整、面积最大的湿地生态系统,其植被变化对于黄河三角洲生态功能和生态安全具有重要意义.本研究基于植被覆盖度(fractional vegetation cover,FVC)、叶面积指数(leaf area index,LAI)、净初级生产力(net primary productivity,NPP)3个生态参数,分析了2000-2017年黄河三角洲地区植被的动态变化,并以NPP为指标量化分析了气候变化和人类活动对植被生产力的贡献.研究发现,2000-2017年黄河三角洲FVC(Slope=0.004,p<0.05)、LAI(Slope=0.011,p<0.05)、NPP(Slope=3.54 g·m-2·a-1,p<0.01)呈显著增加趋势,说明2000-2017年黄河三角洲植被生长状况趋好、植被生产力提高.气温、降水和太阳总辐射对植被NPP变化的贡献分别为0.006、0.81、-0.03g·m-2·a-1,即降水对植被NPP变化的贡献最大,这主要是因为黄河三角洲的主要土地利用类型为耕地,受降水影响大,当地土壤具有盐碱化风险,降水可以补充淡水资...     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

因子回归和交互联合探索区域植被覆盖度的影响因素——以三江源地区为例

利用SPOT VEGETATION数据获取的归一化植被指数（NDVI）,分析三江源地区植被覆盖度（FVC）的空间异质性,围绕自然和人类活动因素,基于因子回归与交互作用联合探索自然因素和人为因素对三江源地区植被覆盖的影响.结果表明：（1）三江源地区植被覆盖度整体呈现明显的空间异质性;（2）总体上FVC空间分布的影响因素表现为自然环境因素>人类活动因素;（3）降水是影响三江源地区FVC的主要驱动因子,解释力达0.777;（4）因子交互发现：驱动解释系统呈现双因子增强,说明从系统的角度来看不存在独立起作用的因子,年降水量与其他因子的交互作用最强;（5）降水梯度影响了三江源地区FVC空间异质性的解释程度.随着降水增加,因子解释力趋稳,在降水量较多的三江源东部地区,FVC趋向于更易受高程和气温的影响;（6）数据结果亦验证了因子独立的全局最优筛选仅仅是模拟因变量特征的最优函数,其解释效果与因变量的驱动解释不能完全等同.