Species diversity and leaf functional traits of understory vegetation one year after severe burning北大核心CSCD

以北京油松(Pinus tabuliformis)人工林为研究对象,采用独立样本T检验、冗余分析等方法,分析重度火烧1年后林下植被(灌木层和草本层)的物种多样性、叶功能性状及其与土壤因子的关系.结果显示:(1)与对照样地相比,重度火烧后灌木层物种丰富度指数极显著降低(P <0.01),但Shannon指数、Simpson指数以及Pielou指数虽呈下降趋势但未达显著水平(P> 0.05);草本层除Pielou指数外,各物种多样性指数均显著增加(P <0.05).(2)重度火烧样地灌木层和草本层的叶厚度(LT)、叶干物质含量(LDMC)、叶碳含量(LCC)、叶磷含量(LPC)均高于对照样地,而比叶面积(SLA)、叶氮含量(LNC)、叶片氮磷比(N:P)、叶绿素含量(CHL)低于对照样地,除灌木层LPC和N:P及草本层SLA、LCC和LPC外,其他各叶功能性状在火烧与对照间差异均达显著水平.对于不同生活型而言,对照样地的LDMC、LNC、LCC、CHL存在显著差异,而在重度火烧后差异不显著;LT、SLA在重度火烧和对照样地上均呈现显著差异;而LPC、N:P在重度火烧与对照样地上均无显著差异.(3)重度火烧后1年,灌木层和草本层的叶功能性状均仅与土壤含水率、容重和非毛管孔隙度密切相关.本研究表明在油松人工林重度火烧后1年,灌木层物种多样性降低,而草本层物种多样性增加,灌草层的各叶功能性状主要受土壤物理性质的影响呈现不同的变化规律.(图4参45)     

秦岭中段撂荒地植被恢复过程中土壤微生物代谢特征

明确撂荒地植被恢复过程中土壤微生物养分限制特征及其驱动机制对揭示土壤养分循环和维持生态系统稳定具有重要意义.以秦岭中段不同年限撂荒地为研究对象,通过测定土壤理化性质、5种胞外酶活性[β-1,4-葡萄糖苷酶(BG)、纤维二糖水解酶(CBH)、β-1,4-N-乙酰基氨基葡萄糖苷酶(NAG)、亮氨酸氨基肽酶(LAP)和酸性磷...     

GIS支持下的秦岭植被景观梯度分析

秦岭植被景观类型丰富,具有过渡性和复杂性特点,植被垂直分带明显. 在分析了大尺度秦岭植被景观空间水平分布格局的基础上,利用基于GIS梯度分析方法,分析秦岭的植被与海拔梯度的关系,得到秦岭不同植被景观类型的斑块数、分布范围、植被分布的海拨高度平均值和标准差,并以太白山为例,对太白山植物种进行了梯度分析. 结果表明,随着海拔高度的增加,太白山依次出现7种植被景观类型:温带草丛→温带落叶灌丛→温带落叶阔叶林→亚热带针叶林→亚热带和热带山地针叶林→草甸→高寒草甸等植被类型,植物种亦发生相应的变化.      

Modelling semi-aquatic vertebrates’ distribution at the drainage basin scale: The case of the otter Lutra lutra in Italy

Modelling habitat suitability of semi-aquatic vertebrates for large scale conservation purposes is a particularly challenging task, due to the fine-scale linearity of riverine habitats, and to the ecological continuum represented by the riparian and the aquatic ecosystems, on one side, and by a river and its tributaries, on the other.     

Using single- and multi-target regression trees and ensembles to model a compound index of vegetation condition

An important consideration in conservation and biodiversity planning is an appreciation of the condition or integrity of ecosystems. In this study, we have applied various machine learning methods to the problem of predicting the condition or quality of the remnant indigenous vegetation across an extensive area of south-eastern Australia—the state of Victoria. The field data were obtained using the ‘habitat hectares’ approach. This rapid assessment technique produces multiple scores that describe the condition of various attributes of the vegetation at a given site. Multiple sites were assessed and subsequently circumscribed with GIS and remote-sensed data.     

基于SPOT5影像多辐射校正水平的植被绿量遥感估算

选用南京市SPOT5图像的灰度值(DN)、星上辐射率(SR)、表观反射率(TOA)和地物反射率(PAC)数据,提取了两种植被指数(VI),即归一化植被指数(NDVI)和比值植被指数(RVI),并与地面实测的绿量(LVV)进行相关分析,建立了165个关系模型.结果表明,LVV与VI呈极显著的相关关系,其相关系数多以相对均质植被高于植被总体,基于灰度值高于常用的地物反射率为主.LVV-VI关系模型的R~2均值以多元线性回归模型最高(0.821),指数模型最低(0.536),而1～3次多项式模型均接近0.7.每种植被样方优选出一个模型,即阔叶林LVV-7.802 RVI_(PAC)-2.455(R~2=0.827,RMSE=0.498);针阔叶混交林LVV=-15.421 RVI_(TOA)+26.971 RVI_(DN)-8.261(R~2=0.918,RMSE=0.356);灌木LVV=-342.591 NDVI_(DN)~3-20.553 NDVI_(DN)~2+14.013 NDVI_(DN)+1.509(R~2=0.764,RMSE=0.689);草地LVV=2.934 RVI_(PAC)+2.147 RVI_(TOA)-3.193(R2=0.903,RMSE=0.464);总体植被LVV=1.789RVI_(PAC)-6.814NDVIs+4.258NDVI_(PAC)+12.854 NDVI_(DN)-0.342(R~2=0.810,RMSE=0.638).这些优选模犁的自变量包括了4种辐射校正水平下提取的两种植被指数,显示基于不同辐射校正水平的植被指数在植被LVV遥感反演中具有一定的应用潜力.     

上海崇明县植被覆盖度动态变化遥感监测研究

植被覆盖度是用于描述和评价生态系统的重要参数。基于1989、2001、2006年的TM/ETM+遥感数据,以上海市崇明县为研究区域,利用改进的像元二分模型,估算出不同时期内崇明县的植被覆盖度,并对其变化进行了定量分析。结果表明:1989-2001年,植被覆盖度负向变化地表约10.17%,正向变化约20.58%,乡镇和湿地区域正向变化的面积大于负向变化,农场区域则相反;2001-2006年,负向变化约29.1%,正向变化约12%,农场和湿地区域正向变化的面积大于负向变化,乡镇区域则相反,并且随着城市化进程的深入,各土地用地类型的植被覆盖度变化在一定程度上都呈现出生态退化的趋势。     

北京市植被生态需水量与生态服务功能的关系

植被是城市生态系统中重要的组成部分,研究植被的生态需水、以及由生态缺水导致的服务功能变化具有重要意义。采用面积定额法,估算出北京市植被的最小生态需水量为37.4亿m3;采用情景分析方法,分析了不同植被类型、人均生活用水增加、人口增加情景下生态缺水量及其导致的生态服务功能变化。污水、中水回用、植被蓄水与雨水收集是缓解生态缺水的有效措施。     

秦皇岛市陆地植被与大气碳平衡研究

地球的碳循环已成为全球气候变化的一个热点,陆地植被是地球破循环中的一个重要贮存库。本文在分析秦皇岛市陆地植被状况的基础上,对CO_2排放量和吸收量进行了估算,结果表明,陆地植被吸收CO_2的数量占排放量的79％。结合秦皇岛市的实际,提出有利于大气碳平衡的对策。     

区域高时空分辨率VOC天然源排放清单的建立

将中尺度气象模式MM5应用于估算VOC天然源排放的研究,建立了高时空分辨率VOC天然源排放清单的估算方法.根据方法需要,确定了我国部分树木排放异戊二烯和萜烯的标准排放因子,各植被类型排放各种VOC的标准排放因子,以及各植被类型季节平均的叶生物量密度.应用该方法估算了华南地区满足区域空气质量数值模拟要求的高时空分辨率VOC天然源排放清单.结果表明,华南地区夏季典型日的VOC天然源排放总量约1.12×10⁴t,VOC排放速率具有明显的时空分布,其中地理分布取决于植被类型及其分布,日变化规律则依赖于太阳辐射和温度的高低.并讨论了VOC天然源排放估算过程中误差的来源