Toward accurate and precise estimates of lion density

Reliable estimates of animal density are fundamental to understanding ecological processes and population dynamics. Furthermore, their accuracy is vital to conservation because wildlife authorities rely on estimates to make decisions. However, it is notoriously difficult to accurately estimate density for wide‐ranging carnivores that occur at low densities. In recent years, significant progress has been made in density estimation of Asian carnivores, but the methods have not been widely adapted to African carnivores, such as lions (Panthera leo). Although abundance indices for lions may produce poor inferences, they continue to be used to estimate density and inform management and policy. We used sighting data from a 3‐month survey and adapted a Bayesian spatially explicit capture‐recapture (SECR) model to estimate spatial lion density in the Maasai Mara National Reserve and surrounding conservancies in Kenya. Our unstructured spatial capture‐recapture sampling design incorporated search effort to explicitly estimate detection probability and density on a fine spatial scale, making our approach robust in the context of varying detection probabilities. Overall posterior mean lion density was estimated to be 17.08 (posterior SD 1.310) lions >1 year old/100 km², and the sex ratio was estimated at 2.2 females to 1 male. Our modeling framework and narrow posterior SD demonstrate that SECR methods can produce statistically rigorous and precise estimates of population parameters, and we argue that they should be favored over less reliable abundance indices. Furthermore, our approach is flexible enough to incorporate different data types, which enables robust population estimates over relatively short survey periods in a variety of systems. Trend analyses are essential to guide conservation decisions but are frequently based on surveys of differing reliability. We therefore call for a unified framework to assess lion numbers in key populations to improve management and policy decisions.     

Effects of publication bias on conservation planning

Conservation planners need reliable information on spatial patterns of biodiversity. However, existing data sets are skewed because some ecosystems, taxa, and locations are underrepresented. We determined how many articles have been published in recent decades on the biodiversity of different countries and their constituent provinces. We searched the Web of Science catalogues Science Citation Index (SCI) and Social Science Citation Index (SSCI) for biodiversity-related articles published from 1993 to 2016 that included country and province names. We combined data on research publication frequency with other provincial-scale factors hypothesized to affect the likelihood of research activity (i.e., economic development, human presence, infrastructure, and remoteness). Areas that appeared understudied relative to the biodiversity expected based on site climate likely have been inaccessible to researchers for reasons, notably armed conflict. Geographic publication bias is of most concern in the most remote areas of sub-Saharan Africa and South America. Our provincial-scale model may help compensate for publication biases in conservation planning by revealing the spatial extent of research needs and the low cost of redoing this analysis annually.     

陕北黄土丘陵区不同土地利用方式下土壤碳剖面分布特征

黄土高原土层深厚,土壤剖面碳存储受土地利用方式影响明显.为探讨不同土地利用方式对深层土壤碳分布的影响,研究了人工经济林地(陕北米脂)、退耕还林地(神木)和防风固沙林地(榆林榆阳区)0~20.0 m土壤有机碳(SOC)和无机碳(SIC)的分布特征和差异.结果表明,在不同土地利用方式下SOC含量:矮化枣树(2.00 g·kg~(-1))未矮化枣树(1.54 g·kg~(-1))柠条林(0.97 g·kg~(-1))退化人工草地(0.81 g·kg~(-1))樟子松林(0.70 g·kg~(-1))荒草地(0.45 g·kg~(-1)),且各剖面之间SOC含量存在显著性差异(P0.05).在不同土地利用方式下SIC含量:矮化枣树(11.66 g·kg~(-1))≥未矮化枣树(11.59g·kg~(-1))柠条林(9.62 g·kg~(-1))退化人工草地(8.07 g·kg~(-1))樟子松林(4.32 g·kg~(-1))荒草地(0.47 g·kg~(-1));人工经济林和退耕还林(草)样地内所有土壤剖面之间SIC含量无显著性差异;人工经济林、退耕还林(草)剖面和防风固沙林地剖面SIC含量存在显著性差异(P0.05).矮化枣树、未矮化枣树、柠条林、退化人工草地、樟子松林和荒草地土壤剖面无机碳密度分别是有机碳密度的6.19、7.71、10.80、10.78、5.91和1.03倍.综上可见,不同土地利用方式之间土壤碳储量存在明显差异,无机碳的含量远高于有机碳.     

长江口海域底栖生态环境质量评价——AMBI和M-AMBI法

AMBI(AZTI’s Marine Biotic Index)和M-AMBI(Multivariate-AMBI)指数可以有效地评价河口和近岸海域软底质海洋大型底栖动物群落对人为和自然扰动的响应.本研究根据2009年4月在长江口采集的大型底栖动物资料,首次在长江口海域同时运用栖息密度和生物量计算AMBI(BAMBI)和M-AMBI(M-BAMBI),对其进行底栖生态质量评价.结果表明,长江口底栖生态环境皆受到不同程度的干扰,其中受干扰最严重的区域集中在杭州湾、舟山及长江口门区附近海域,与该海域的陆源排污、富营养化以及大量的海岸工程建设等有密切的关系.单因素方差分析表明,运用栖息密度和生物量计算出的两个指数值,评价结果无明显的差异.与AMBI相比,M-AMBI与本研究生物群落结构参数以及环境因子的匹配度更高,能够更有效地评价长江口底栖生态环境质量.Pearson相关分析和一元线性回归分析表明,M-AMBI与底层水体的富营养化指数之间存在线性显著负相关关系,而与表层水体的呈非线性显著负相关;AMBI与富营养化指数之间却无显著相关关系,说明M-AMBI更适合指示长江口水域的富营养化压力.     

新乡市地表水体HCHs和DDTs的分布特征及生态风险评价

为了解新乡市地表水中HCHs和DDTs的分布特征及生态风险,采集新乡市18个地表水样并测定其中HCHs和DDTs的含量,采用概率密度函数重叠面积法和安全阈值法评价了HCHs和DDTs的生态风险.结果表明,新乡市地表水中HCHs和DDTs的质量浓度范围分别为1.28~49.2 ng·L-1和0.42~12.3 ng·L-1,与世界各地的地表水中HCHs和DDTs残留质量浓度相比属于中等污染水平.异构体比值表明HCHs污染的主要来源是林丹的使用,而DDTs的残留来源于工业品DDTs的使用.生态风险评价基于DDD、γ-HCHs和p,p'-DDT的暴露浓度以及相应的毒性数据,概率密度函数重叠面积法和安全阈值法均表明了这3种有机氯农药中DDD的风险最大,其次是γ-HCHs,p,p'-DDT的生态风险最小;安全阈值法进一步表明DDD、γ-HCHs和p,p'-DDT超过影响10%水生生物的概率分别为10.2%、5.94%和0.01%.     

小型城市污水排放量预测模型研究——以楚雄市为例

针对小城市污水排放量历史数据较少,城市发展变化较大的特点,以楚雄市为例,提出了基于污水排放来源以及生成机理的预测方法。根据历史人口增长趋势以及城镇化率进行城区人口综合预测,运用定额法根据不同行业用水特点预测城市用水量,结合城市污水排放特点对楚雄市近期以及远期城市污水排放量进行科学合理的预测,并对预测结果进行了分析,可为城市发展规划提供决策参考。     

川东北低山丘陵区细颗粒物主要相关因素和季节变化分析——以南充主城区为例

基于中国空气质量在线监测分析平台和全球天气精准预报网的大气质量和气象数据,以四川盆地东北低山丘陵区典型城市南充市主城区为例,检验了细颗粒物(PM_(2.5))浓度的概率密度分布,发现其接近对数正态分布,由相关分析确定了PM_(2.5)浓度的主要相关因素为CO、NO_2(相关系数r分别为0.76、0.55,P0.01),再通过对2014年1月—2016年6月的日数据的逐步回归筛选出最优的回归指标和模拟方程(决定系数R_(adj)~2为0.68,P0.05),2016年7月—2017年6月的数据验证表明模拟效果较好(拟合优度为0.64,相对误差15.48%);最后根据时序插值、浓度和IAQI(PM_(2.5))的时段均值发现PM_(2.5)浓度在年际上有降低趋势;在季节上由高到低依次为冬季、春季、秋季、夏季;PM_(2.5)浓度在1月和6月分别呈现出年内的峰值和谷值,5、10月出现了阶段性峰值,尤其是5月;IAQI(PM_(2.5))的季节变化与浓度变化规律相似;且PM_(2.5)与PM_(10)比值的均值为0.67,表明现阶段南充市主城区大气污染物中细颗粒物占有较大比重。     

亚热带流域氮磷排放与养殖业环境承载力实例研究

畜禽养殖业粪便排放已经成为我国农村地区主要的农业面源污染源之一,也是制约养殖业良性发展的主要瓶颈.本文以湖南省长沙县典型亚热带流域为研究单元,基于流域水环境定位观测、耕地氮(N)磷(P)消纳能力以及养殖业调查和土壤分析资料,初步分析了亚热带丘陵区的面源污染现状及畜禽养殖业的环境承载力.结果表明,研究区金井河流域134.4 km2范围内N、P年负荷分别为N 2.72 t·km-2和P0.11t·km-2,其中养殖粪便对水体总氮(TN)、总磷(TP)负荷的贡献率分别约为42.2％和62.0％.区内平均畜禽养殖密度为3.46 AU·hm-2(相当于流域内年出栏生猪24.39万头),显著高于现有化肥用量条件下流域的实际承载力1.13 AU·hm-2(相当于流域内年出栏生猪6.35万头),因此养殖密度过高是导致研究区水体NP负荷较高的主要原因.区内N、P盈余量分别为N 35.8 kg·hm-2、P 18.61 kg·hm-2.研究区基本不施用化肥条件下畜禽养殖业的最大环境承载力为7.26 AU·hm-2,在有机肥占合理施肥量30％条件下,当地畜禽养殖业的环境承载力为2.74AU·hm-2(相当于流域内年出栏生猪19.50万头).降低养殖密度、调整养殖业空间布局以及提高养殖废弃物的资源化利用率是防治当前面源污染的有效途径.     

北京市道路灰尘中污染物含量沿城乡梯度、道路密度梯度的变化特征

采用网格布点法调查了北京市六环范围内220个样点道路地表灰尘样品中的污染物含量.探讨了样点缓冲区内单位面积道路节点数、道路密度和道路灰尘中污染物含量沿城乡梯度的变化特征及各指标间的相关性.结果表明,各指标在研究区内的变幅较大.沿城乡梯度,道路和污染物主要呈现3种变化趋势:①单位面积道路节点数,道路密度,Cu、Cr和Pb沿城乡梯度降低,且开始时降低较快;②Mn和Cd沿城乡梯度变化的程度较低,均值基本维持恒定;③自中心向外围,Ni和有机碳(TOC)、总氮(TN)先随距离波动降低,随后在郊区均值缓慢增高.道路灰尘中污染物含量趋势转折点位置均大致在距城市中心点15～20 km左右.相关分析表明道路指标和道路灰尘中的Cd含量不具相关性,总硫(TS)、Mn、pH的相关性较弱,与其他各元素的相关性排序为Cu>TN>TOC>Pb>Ni>Cr,较道路密度而言,单位面积节点数和各元素间的相关性更高,该指标可指示道路灰尘中Cu、TN、TOC、Pb、Ni、Cr元素污染.     

人类自我科学管理是实现可持续发展的必然选择

现今人口规模的不断膨胀和物质生活水平的日益提高,对资源和环境造成的压力急剧增加。分析了世界现状和可持续发展面临的挑战之后,提出人类要实现可持续发展必须要进行自我科学管理,分别从人类自我定位、对待科技的态度、人口管理、人类消费管理4个方面进行讨论和阐述。人类首先需重新审视自己,进行自我定位;其次要正确对待科技;控制人口数量和转变不合理消费是目前人类自我管理的重要任务,对此提出一些实施对策。