安徽琅琊山青檀种群数量动态

以种群生命表和生存分析理论为基础,采用胸径大小分级法和分段匀滑技术,编制琅琊山青檀（Pteroceltistatarinowii）种群静态生命表,绘制了死亡率曲线、消失率曲线、存活曲线和生存函数曲线并分析种群数量特征,结合种群动态量化方法和时间序列预测模型分析种群数量动态变化。结果表明：（1）琅琊山青檀种群属稳定增长型。种群径级结构大体呈倒“J”型分布,中、幼龄阶段个体数量较为丰富,老龄阶段个体数量相对较少,种群在发育过程中存在一定波动性,但种群数量变化动态指数Kp,i。和Kp,i（考虑外部干扰时）均大于0。（2）青檀种群死亡率曲线和消失率曲线变化趋势基本一致,均出现2个高峰,一个出现在第Ⅱ龄级,另一个出现在第XI（或Ⅻ）龄级;存活曲线经统计检验趋于Deevey-Ⅱ型。（3）青檀种群的生存率曲线单调下降,累计死亡率曲线单调上升,生存率下降趋势表现为前期高于后期,累计死亡率则相反;生存函数曲线显示,青檀种群具有前期薄弱、中期稳定和后期衰退的特点。（4）在未来2、4、6、8和10a内,青檀种群幼龄级个体数量相对丰富,种群呈稳定增长趋势。     

重庆缙云山典型林分林地土壤抗蚀性分析

对三峡库区重庆缙云山4种典型林分(针阔叶混交林,常绿阔叶林,楠竹林和灌木林)林地土壤的抗蚀性指标进行主成分分析,并以农地土壤作对照,研究表明,可将衡量土壤抗蚀性的13个指标压缩为7个最佳指标。用抗蚀性指标主成分分析综合指数表明4种林分林地土壤抗蚀性为：灌木林(45.51)>混交林(41.94)>阔叶林(32.65)>楠竹林(23.35);重庆缙云山土壤从表层到底层抗蚀性能呈下降趋势（49.32,41.86,32.03,27.11）。通过模糊聚类分析可将重庆缙云山不同土地利用类型不同层次的19个土壤样本划分为抗蚀性强度不同的3类。     

气候变化对亚高山暗针叶林土壤温室气体排放的影响

利用生物地球化学模犁Forest-DNDC模拟气候变化对贡嘎山亚高山暗针叶林土壤温室气体的释放的影响.以位于贡嘎山东坡海拔3 000 m的峨眉冷杉(Abies fabri)中龄林为研究对象,以1999-2006年8年的日气候数据进行平均得到的日平均最高温度、日平均最低温度和日平均降水总最作为基线(Base)气候情景,另外设置了温度+2℃(升)、温度.2℃(T-)、降水量+20%(P+)、降水量-20%(P-)、温度十2℃同时降水量+20%(T+P+)、温度-2℃同时降水量-20%(T-P-)、温度+2℃同时降水量-20%(T+P-)、温度-2℃同时降水量+20%(T-P+)8种气候变化情景.结果显示:贡嘎山峨眉冷杉林土壤CO_2释放随着温度增加而增加,土壤N_2O释放对降水量改变敏感,而土壤NO的释放对温度和降水的改变均比较敏感,二者表现为协同作用.温度+2℃同时降水量+20%(升P+)情景下土壤CO_2释放最高,高于基线情景的36.08%;温度-2℃同时降水量+20%(T-P+)情景下土壤CO_2释放最低,低于基线情景的36.89%.土壤N_2O释放随着降水量的增加而升高,随着降水量减少而降低;温度和降水最同时增加时土壤NO释放均高于单一增加温度或降水量情景,而温度和降水量同时降低时土壤NO释放均低于单一降低温度或降水量情景.     

武陵山片区旅游经济时空差异与影响因素研究

以武陵山片区县域为研究尺度,基于标准差、变异系数和旅游经济发展水平梯度探析了旅游经济发展水平的差异特征与演变规律,并借助GWR模型对旅游经济空间分异的影响因素进行了分析。结果表明:(1)武陵山片区71个县域旅游经济发展水平在时间上呈绝对差异逐年上升,而相对差异波动下降的演变趋势。(2)2014—2018年间旅游经济发展水平欠发达区数量下降,并呈西北和东北部明显高于其他区域的空间分布格局。(3)人均GDP、第三产业占GDP比重、3A级以上景点数、国家级非物质文化遗产数、公路密度、3星级以上宾馆数是影响武陵山片区旅游经济发展水平的主要因素。     

武陵山片区城乡收入差距空间格局及影响因素

运用探索性空间数据分析、空间滞后模型和空间误差模型3种方法分析了武陵山片区城乡收入差距的空间格局特征及影响因素。结果表明:①2013—2017年,武陵山片区高差距区的数量先增后减,低差距区数量呈增加趋势。②武陵山片区城乡收入差距的莫兰指数为正,表现为空间正相关集聚。③城乡收入差距的主要影响因素为经济发展水平、城镇化进程程度等,但在不同时期存在差异。在研究基础上,提出对策建议,以更好地缩小武陵山片区整体收入差距,促进社会良好与稳定发展。     

新疆博格达山北坡表土花粉散布特征

基于博格达山北坡68个表土样品花粉组合特征,对比植物群落样方调查结果,借助聚类分析、主成分分析方法,探讨了表土花粉组合与现代植被分布的关系。研究表明,(1)博格达山北坡表土花粉可划归5个不同植被带,湿度是影响其分布的主要因素,藜科(Chenopodiaceae)、蒿属(Artemisia)、云杉属(Picea)花粉分布受气流影响显著,忽略它们对其他植被带花粉组合的干扰,表土花粉与现代植被分布对应良好。各植被带均有其特有的花粉组合方式,山地荒漠带藜科-蒿属组合占绝对优势,山地草原带演替为蒿属-藜科-禾本科(Poaceae)-蔷薇科(Rosaceae)组合,山地森林带以云杉属-桦木属(Betula)-蒿属-藜科-禾本科为主,高山草甸带以蒿属-云杉属-藜科-莎草科(Cyperaceae)组合为特征,高山垫状植被带表现为蒿属-藜科-蔷薇科-云杉属组合。(2)草本植物花粉含量(62.7%)优势明显,乔、灌木(37.3%)次之。蒿属(23.1%)、藜科(21.5%)、云杉属(18.1%)、莎草科(9.4%)、禾本科(8.6%)、桦木属(5.7%)、蔷薇科(5.3%)等科(属)含量高、变幅大,为最主要的花粉类型,可作为古气候研究的重要依据,藜科、蒿属产量大、易传播,表现出超代表性,云杉属代表性较好,莎草科则受自身结构及保存条件等多重因素影响呈低代表性。(3)蒿属/藜科(A/C)比值不仅能将山地荒漠带、山地草原带区分开,还能指示研究区域湿度变化,古环境重建时可作为区域有效湿度的代用指标。     

亚热带高山森林土壤典型重金属的空间分布格局及其影响因素:以云南哀牢山为例

为探究微量重金属元素的分布格局与局地气候、人类活动、植被分布和土壤发育差异等影响因素的关联作用,本文以云南哀牢山迎风坡（西坡）与背风坡（东坡）850~2650 m之间的9个海拔高度的森林样地为研究对象,重点探讨了迎风坡与背风坡森林表层土壤中典型重金属海拔分布格局差异及其主控因素.结果表明,土壤中Cd、Sb、As、Cr和Pb的含量及富集因子较高;东西坡土壤层中Cd、Sb和西坡Pb的含量具有较明显的海拔分布模式,其含量随海拔升高而增加;同一海拔西坡土壤层中Cd、Sb、As和Cr的含量显著高于东坡的相关含量.相关分析和主成分分析结果显示,Cd和Sb分布格局变化主要受控于大气输入沉降与土壤有机质的强结合作用,高海拔区域存在明显的"冷捕集"效应（cold-trapping）,As和Cr的分布变化主要来源于土壤母质风化差异,而Pb的分布差异受基岩矿物风化控制.研究结果强调了大气沉降输入、降水与植被的综合效应（如"冷捕集"效应、促进冠层过滤、凋落物沉降与岩石风化等）对偏远高山土壤中微量重金属分布格局的影响作用.     

万佛山丹霞风景区旅游资源开发刍议

本文初步分析了万佛山丹霞风景区旅游资源的特征和旅游开发条件,并对其旅游资源开发提出了五条建议     

秦岭北坡旅游资源的可持续发展研究

秦岭北坡是陕西省旅游资源密集带之一,由于开发和管理中存在诸多问题,近年发展较缓慢。本文在综合分析其开发优势和存在问题的基础上,提出了要全面规划、合理开发,走可持续发展之路,以实现秦岭北坡经济、社会和生态效益的协调统一     

A Comparison of Sampling Designs for Monitoring Recreational Trail Impacts in Rocky Mountain National Park

The dual goals of the Organic Act of 1916 and Wilderness Act of 1964 are to protect natural resources and provide quality visitor experiences. Park managers need metrics of trail conditions to protect park resources and quality of visitor experiences. A few methods of sampling design for trails have been developed. Here, we describe a relatively new method, spatially balanced sampling, and compare it to systematic sampling. We evaluated the efficiency of sampling designs to measure recreation-related impacts in Rocky Mountain National Park. This study addressed two objectives: first, it compared estimates of trail conditions from data collected from systematic versus spatially balanced sampling data; second, it examined the relationship between sampling precision and sampling efficiency. No statistically significant differences in trail condition were found between the 100-m interval and the spatially balanced datasets. The spatially balanced probability-based dataset was found to be a good estimate of trail conditions when analyses were conducted with fewer sample points. Moreover, spatially balanced probability-based sampling is flexible and allows additional sample points to be added to a sample.