粤北亚热带山地森林土壤有机碳沿海拔梯度的变化

选择位于南岭国家级自然保护区的广东第一峰——石坑崆,从海拔300 m起到山顶部1 900 m范围,每隔100 m高程设置1条10 m×120 m的样带,共17条样带,研究土壤有机碳含量沿海拔梯度的变化规律及其与植被类型和凋落物层厚度的关系。结果表明,0～20 cm和>20～40 cm土层有机碳含量均随海拔梯度变化呈极显著差异(P<0.001),并随林分类型不同而呈高度显著差异(P<0.01),土壤有机碳含量总体上呈随海拔上升而升高的变化趋势。凋落物层厚度仅对0～20 cm土层有机碳含量有显著影响(P<0.05)。可见,海拔梯度变化是影响土壤有机碳含量的综合和主导因素,而最表层土壤有机碳含量还易受林分因子的影响,这些因子反映了土地利用变化及自然保护历史。该研究结果提示,减少人类活动的干扰和保持林地适合的凋落物层厚度有助于增加森林生态系统的碳储量。     

山地城市典型区域地表径流污染迁移空间特征

选取包括山体和城市活动区域等下垫面在内的典型区域,对山地城市地表径流污染迁移特征、降雨等级和降雨强度对污染迁移的影响进行了研究,并分析了从小雨到暴雨等5场典型降雨条件下污染物赋存形态的变化。结果表明,受迁移段人为活动区域的影响,污染物呈现先升高再降低的趋势,入湖前化学需氧量(COD)、总氮(TN)、总磷(TP)和氨氮(NH3-N)的浓度分别在26.6~87.1、0.87~6.96、0.08~0.28和0.52~1.48 mg/L之间。溶解性COD(DCOD)、溶解性TN(DTN)、溶解性TP(DTP)和溶解性NH3-N(DNH3-N)分别占总污染物的55%~79%、83%~98%、18%~61%和55%~79%。除DTN外,其他3种污染物溶解态浓度占总浓度的百分比随降雨等级和雨强的增大而增大。NH3-N、COD、TP浓度与TSS浓度呈正相关,DCOD、DTN、DTP浓度与总悬浮物(TSS)浓度无相关性。TSS与场降雨的最大雨强呈现正相关。     

山东省石灰岩山地的适生树种资源

本文简述了山东省石灰石岩山地的概况，列出了山东省石灰岩山地的适生树种名录，编制了分类检索表，提出了加速瘠薄山地绿化的建议和措施。     

山地型城市冬季大气重污染过程特征及成因分析

以阳泉市2018年12月26日~2019年1月20日发生的典型大气重污染过程为例,研究了山地型城市冬季大气重污染过程特征及成因.结果表明,重污染发生时段首要污染物为PM_2.5,水溶性离子和碳质组分是PM_2.5主要组分,其中二次离子SO₄^2-、NO₃^-和NH₄⁺是主要水溶性离子成分（共占离子组分的87.7%）,二次有机碳（SOC）是碳质组分的主要成分（71.6%）.二次离子在重污染发生时的浓度较发生前增加5.3倍,是导致PM_2.5快速增长的重要组分.气象条件分析显示,PM_2.5及其主要组分皆与相对湿度呈显著正相关关系而与风速呈显著负相关,随相对湿度增加以及平均风速降低,污染程度逐渐加重.山地型城市相对湿度较高、温度变化幅度大等气象特征使二次污染物的生成加快,是导致PM_2.5污染程度快速加重的主要原因.另外,山地型城市相对封闭的地形导致的平均风速降低使得大气污染物扩散条件相对较差是污染物累积的原因之一.PMF模型解析结果为：二次源（46.0%）对PM_2.5贡献显著,其次为燃煤源（32.6%）、机动车源（19.8%）和扬尘源（1.6%）.因此,山地型城市更应该重视对二次组分,特别是二次离子形成的前体物的管控.     

融合YOLOX和ASFF的高原山地灾害检测模型

YOLOX 是全球首个一阶无锚框目标检测模型，超越了 YOLO‐V（3‐5）和 SSD 等传统锚框模型，极大提高了山地灾害检测识别精度。然而，该模型存在不同尺度之间特征不一致的问题，融合后的特征图质量有待提升。以西藏高原山地灾害重灾区为试验区，在建立了西藏高原山地灾害数据集的基础上，通过融合 Adaptively Spatial Fea‐ ture Fusion（ASFF）注意力机制和骨干网络尺寸调整机制，设计了一个优化的、不同适用性的高原山地灾害检测模型（Plateau mountain disaster detection model，PMDDM）。为验证 PMDDM 模型的优越性，将其与传统 YOLOX 模型、不同注意力机制、不同目标检测模型进行了对比分析，并且对不同尺度模型的检测性能和可视化结果也进行了对比分析研究。结果表明：ASFF 注意力机制可以有效的解决传统 YOLOX 模型中存在的不同尺度特征间的特征不一致问题，且对模型检测性能提升明显优于 SE、CBAM、ECA、GAM 和 Coord 等注意力机制；PMDDM 模型对山地灾害的检测精度优于 Faster‐RCNN、SSD 和 YOLO‐V3 模型，可以满足不同工作场景对硬件配置、检测速度和精度的需求，且模型尺度越大，识别目标的准确率越高。