Long‐Term Dynamics of a Fragmented Rainforest Mammal Assemblage

Abstract: Habitat fragmentation is a severe threat to tropical biotas, but its long‐term effects are poorly understood. We evaluated longer‐term changes in the abundance of larger (>1 kg) mammals in fragmented and intact rainforest and in riparian “corridors” in tropical Queensland, with data from 190 spotlighting surveys conducted in 1986–1987 and 2006–2007. In 1986–1987 when most fragments were already 20–50 years old, mammal assemblages differed markedly between fragmented and intact forest. Most vulnerable were lemuroid ringtail possums (Hemibelideus lemuroides), followed by Lumholtz's tree‐kangaroos (Dendrolagus lumholtzi) and Herbert River ringtail possums (Pseudocheirus herbertensis). Further changes were evident 20 years later. Mammal species richness fell significantly in fragments, and the abundances of 4 species, coppery brushtail possums (Trichosurus vulpecula johnstoni), green ringtail possums (Pseudochirops archeri), red‐legged pademelons (Thylogale stigmatica), and tree‐kangaroos, declined significantly. The most surprising finding was that the lemuroid ringtail, a strict rainforest specialist, apparently recolonized one fragment, despite a 99.98% decrease in abundance in fragments and corridors. A combination of factors, including long‐term fragmentation effects, shifts in the surrounding matrix vegetation, and recurring cyclone disturbances, appear to underlie these dynamic changes in mammal assemblages.     

基于人工神经网络建模的PTC功率智能检测技术

PTC是家用空调器中主要器件之一,具有耗电量大、非线性的特征。目前PTC常用的功率检测方法是通过"专用电量计量芯片结合电压、电流采样电路"来实现,存在成本高和可靠性低问题。提出一种基于人工神经网络的PTC功率纯软件计算方法,无需增加任何硬件成本。通过实验验证,精度达±3%,满足产品化需求,成熟可靠。     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

植被收割对滨海湿地沉积物中CO_2和N_2O释放的影响

为了揭示冬季滨海湿地植被收割对其沉积物中温室气体释放的影响,以长江入海口典型滨海湿地——崇明东滩为研究对象,观测季节性(冬季)植被收割(分别于收割后第0天、第10天、第30天、第60天采样)与不收割条件下芦苇(Phragmites australis)、米草(Spartina alterniflora)、芦苇-米草交互带和光滩沉积物中CO2与N2O的释放特征.结果表明:1米草和芦苇-米草交互带植被收割并未增加沉积物中CO2的释放(P0.05),但芦苇收割可能会增加N2O的释放(P0.05),说明植被收割对湿地沉积物中CO2和N2O释放的影响与植被类型密切相关.2与芦苇带相比,米草和芦苇-米草交互带沉积物中CO2累积释放量分别高出12%~57%和17%~43%,但芦苇植被覆盖下沉积物中N2O累积释放量分别比二者高出11%~81%和8%~95%.可见,米草和芦苇-米草交互带沉积物碳的呼吸损失明显高于芦苇带,但芦苇植被覆盖下沉积物中N2O逸失量相对较高.34种植被类型下,沉积物中N2O累积释放量为0.1~0.4 mg/kg,CO2累积释放量则高达1 024~2 645 mg/kg.因此,冬季滨海湿地植被收割不会显著增加N2O的温室效应,但选择性收割米草有望减少沉积物碳的呼吸损失.     

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。     

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。     

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.