陕西洛河流域不同生境蝗虫的群落结构

应用种-多度分布模型、多样性指数、相似性分析、主成分(PCA)分析及多元逐步回归等方法比较了洛河流域不同生境的蝗虫群落结构。结果显示:洛河流域各生境的蝗虫分布基本上服从Preston对数正态分布,其中以森林拟合的最好。各多样性指数的变化趋势均为森林>森林草原>河滩和农田>典型草原。在相似性分析中,典型草原、森林草原和森林这3种生境相似性很高,而河滩和农田则是完全不同的另一种生境。对各生境植被因素和蝗虫群落所进行的主成分分析,结果非常理想,两维主成分的累计方差贡献率分别达到了92.558%和78.566%。通过多元逐步回归发现,影响蝗虫种类和数量变化的植被因有草本植物高度多样性、树木盖度、豆科优势度、禾本科优势度和其他科优势度等。     

陕西延安北洛河流域蝗虫群落多样性研究

为了寻求有害蝗虫的防治对策,深入研究蝗虫生物多样性,用多样性指数、相似性分析等方法比较分析了延安北洛河流域不同生境中蝗虫群落组成。结果表明:草地中占有的属种数量均最高,灌草丛和农田中蝗虫的科属种都相对较低。不同生境蝗虫多样性指数的排列顺序为草地>河滩>灌草丛>农田,草地的多样性指数最高,农田的多样性指数最低。丰富度指数的变化趋势与多样性指数一致,而优势度指数却恰好与二者的顺序相反。在相似性分析中,草地和河滩相似性系数最大,说明草地和河滩这两种生境蝗虫种类组成的相似性较大,具有更多的共同种,从而可以推知草地和河滩的生境条件有一定的相似性,而农田和草地是两种完全不同的生境。     

广东亚热带部分森林群落排序分析

本文应用极点排序、主坐标分析和位置向量排序等3种排序技术,对广东亚热带11个森林群落进行排序。探索了这3种方法在广东亚热带植被分析上的应用效果;经过对排序结果的分析,说明了11个森林群落的相互关系,在一定程度上揭示了植被变化的生态学原因。     

广东森林群落排序分析

本文应用极点排序和位置向量排序的方法对广东13个森林群落进行排序分析,并分别用极点排序图和位置向量排序的二维图和三维图表示排序的结果。同时对排序图的生态学意义及排序方法的优缺点进行讨论。结果表明,三维位置向量排序图能较好地把性质相近的群落类型聚在一起,可作为植被分类的辅助方法;积点排序图从一定程度上反映了植被的连续变化;极点排序与位置向量排序虽然取得一定结果,但由于同属线性排序,损失的信息量较多,寻求非线性排序方法是研究的方向。     

绿茶氨基酸对滋味的影响

本文对绿茶１７种氨基酸与滋味进行了简单相关、多元逐步回归和主成分分析。结果表明：简单相关分析难以表述氨基酸对滋味的影响;应用多远逐步回归分析建立的氨基酸与绿茶滋味数学模型,在本试验条件下,模型拟合非常有效。多元回归分析选取的因子与主成分分析的四个主成分基本一致。并就绿茶滋味的化学评价进行了讨论。     

喜马拉雅山南坡小型兽类体外寄生在群落的研究

１９９２－０５－０８、１９９３－０６－０７和１９９４－０６－０７分别在喜马拉雅山南坡,西藏亚东县、错那县和隆子县捕获小型兽类,采集蚤类标本,共获蚤１８０５只;经鉴定它们隶属于４科２２属４６种。以该地区小型兽关作为研究对象,计算其染蚤指数和蚤类群落相似性指标,并对宿主动物体外寄生蚤群落进行主成分分析。结果表明：宿主动物的生境对其体外寄生蚤群落相似起决定作用,而宿主动物的分类地位亦有一定的影响。     

桂江流域附生硅藻群落特征及影响因素

研究了桂江流域水质、土地利用、地理因素对河流附生硅藻群落的影响。结果显示,桂江流域电导率(Conductivity,Cond.)由下游至源头呈降低趋势,其它水质参数变化趋势不明显。主成分分析(Principle Component Analysis,PCA)显示前两个主成分共解释了56.2%的水质特征,第一轴反映了氨氮(NH4-N)、硝氮(NO3-N)、总氮(Total Nitrogen,TN)的变化梯度,第二轴反映了水温(WT)、pH、Cond.、溶解氧(Dissolve Oxygen,DO)的变化梯度。桂江流域硅藻特定污染敏感指数(Specific PolluoSensitivity Index,IPS)和硅藻生物指数(Biological Diatom Index,IBD)下游低于源头,差异不显著,与多项水质、土地利用以及地理因子呈线性显著相关。24个样地共发现112种硅藻,丰富度大于5%的37种,丰富度最大的几个种类依次为Achnanthidium minutissimum,A.pusilla,A.tropica,Cymbella laevis。对应分析(Corresponding Analysis,CA)显示桂江流域存在3个差异较大的硅藻群落,流域下游以Nitzschia recta为优势种,A.lanceolata、Amphora montan、Planothidium frequentissimum在中下游丰度较高,上游区域种类较多。典型相关分析(Canonical Correspondence Analysis,CCA)排序前两轴解释了硅藻群落变异程度的28.60%,CCA排序轴1与水质(Cond.、WT、NH4-N、NO3-N、TN)和土地利用(城市面积、农田面积、植被覆盖)显著负相关,与地理因素(流域面积、海拔、坡度)显著正相关,第二轴与浊度(NTU)显著正相关(P<0.05)。偏典型相关分析(Partial CCAAnalyses)显示,土地利用、地理因子、水质分别解释了桂江流域硅藻群落变异的7.20%,17.50%,48.50%。结果表明,桂江流域附生硅藻群落结构是水质、地理因子和土地利用共同作用的结果,水质起决定性作用,电导和不同形态的氮是影响附生硅藻群落结构的主要水质因素。     

陕西吴起县生态恢复区直翅目昆虫的多样性

应用多样性指数、主成分分析及多元逐步回归等方法,对陕西吴起县生态恢复区直翅目昆虫的群落结构,植被因素与直翅目昆虫群落特征的相关性进行研究。共获得标本1 155号,隶属于10科17属,共计20种。黄胫小车蝗Oedaleus infernalis Saussure,宽翅曲背蝗Pararcyptera microptera meridionalis,短星翅蝗Calliptamus abbreviatusIkonn分别占总数量的17.58%,15.15%和14.89%,共同构成该地区直翅目昆虫的优势类群。多样性的变化趋势是县城>白豹>周湾>王洼。对各生境植被因素和直翅目昆虫群落所进行的主成分分析,两维主成分的累计方差贡献率分别达到了95.299%和86.304%。影响直翅目昆虫种类和数量变化的植被因素有草本植物高度多样性、草本植物种数、菊科优势度、禾本科优势度、其他科优势度。     

天山雪岭云杉林生物量估测及空间格局分析

雪岭云杉林是新疆天山山脉重要的水源涵养林,精确估算雪岭云杉林生物量及准确表征空间格局特征对其生态系统的生物生产力和生态服务功能的评估具有重要作用。结合Landsat 8 OLI遥感数据和66块天山雪岭云杉林样地调查数据,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括5种植被指数)以及环境因子在内的42个自变量,分别采用多元逐步回归分析法、偏最小二乘法和主成分分析法建立天山雪岭云杉林生物量估测模型。结果表明:多元逐步回归法采用3个自变量所建模型平均拟合精度为69.07%,绝对误差为64.50 t/hm²,平均相对误差为10.89%,样地生物量实测值与预测值相关系数为0.465;偏最小二乘回归法采用11个自变量所建模型平均拟合精度为74.36%,绝对误差为144.94 t/hm²,平均相对误差为28.78%,相关系数为0.717;主成分分析方法提取3个主成分,所建模型平均拟合精度为71.22%,相关系数为0.730;因此偏最小二乘法要优于主成分分析法和多元逐步回归法。天山雪岭云杉林生物量随经纬度的增加而降低,整体呈现西部高,中东...     

喜马拉雅山南坡小型兽类体外寄生蚤类群落的研究

１９９２－０５－０８、１９９３－０６－０７和１９９４－０６－０７分别在喜马拉雅山南坡,西藏亚东县、错那县和隆子县捕获小型兽类,采集蚤类标本,共获蚤１８０５只,经鉴定它们隶属于４科２２属４６种。以该地区小型兽类作为研究对象,计算其染蚤指数和蚤类群落相似性指数,并对宿主动物体外寄生蚤群落进行主成分分析。结果表明：宿主动物的生境对其体外寄生蚤群落相似性起决定作用,而宿主动物的分类地位亦有一定的影响。     

饱和试验设计资料的逐步回归分析

对饱和试验设计资料,一次最小二乘分析是不合理的,采用逐步回归分析法,在选择适当的理论F值前提下,不仅可以检验每个回归系数的显著性,而且能够获得最优回归方程．     

基于QuickBird影像的城市森林碳储量遥感估测

城市森林是增加城市碳吸收的积极因素之一,为全球碳循环作出了重要贡献.本文基于Quickbird高分辨率遥感影像,以浙江省义乌市环城路以内区域为研究区,将市区的森林分为公园森林、防护森林、单位附属森林和其他森林4种类型.以实地样地调查碳储量为因变量,利用逐步线性回归的分析方法从遥感影像中的波段灰度值、植被指数、纹理信息等50个因子中选取自变量因子,最终建立不同森林类型的遥感碳储量估算模型.结果表明： 研究区4种森林类型的模型精度都在70%左右.公园森林、防护森林、单位附属森林和其他森林的碳储量分别为3623.80、5245.78、5284.84、5343.65 t.该区域碳密度主要集中在25～35 t·hm^-2.在今后的城市森林规划中,可通过提高绿化率以及乔木与低矮灌木的套种来进一步加强城市森林碳吸收的功能.
     

Body mass estimation in xenarthra: A predictive equation suitable for all quadrupedal terrestrial placentals?

The Magnorder Xenarthra includes strange extinct groups, like glyptodonts, similar to large armadillos, and ground sloths, terrestrial relatives of the extant tree sloths. They have created considerable paleobiological interest in the last decades; however, the ecology of most of these species is still controversial or unknown. The body mass estimation of extinct species has great importance for paleobiological reconstructions. The commonest way to estimate body mass from fossils is through linear regression. However, if the studied species does not have similar extant relatives, the allometric pattern described by the regression could differ from those shown by the extinct group. That is the case for glyptodonts and ground sloths. Thus, stepwise multiple regression were developed including extant xenarthrans (their taxonomic relatives) and ungulates (their size and ecological relatives). Cases were weighted to maximize the taxonomic evenness. Twenty‐eight equations were obtained. The distribution of the percent of prediction error (%PE) was analyzed between taxonomic groups (Perissodactyla, Artiodactyla, and Xenarthra) and size groups (0–20 kg, 20–300 kg, and more than 300 kg). To assess the predictive power of the functions, equations were applied to species not included in the regression development [test set cross validation, (TSCV)]. Only five equations had a homogeneous %PE between the aforementioned groups. These were applied to five extinct species. A mean body mass of 80 kg was estimated for Propalaehoplophorus australis (Cingulata: Glyptodontidae), 594 kg for Scelidotherium leptocephalum (Phyllophaga: Mylodontidae), and 3,550.7 kg for Lestodon armatus (Phyllophaga: Mylodontidae). The high scatter of the body mass estimations obtained for Catonyx tarijensis (Phyllophaga: Mylodontidae) and Thalassocnus natans (Phyllophaga: Megatheriidae), probably due to different specializations, prevented us from predicting its body mass. Surprisingly, although obtained from ungulates and xenarthrans, these five selected equations were also able to predict the body mass of species from groups as different as rodents, carnivores, hyracoideans, or tubulidentates. This result suggests the presence of a complex common allometric pattern for all quadrupedal placentals. J. Morphol., 2008. © 2008 Wiley‐Liss, Inc.     

黄瓜萌芽期和苗期耐冷性评价

选用13份黄瓜材料,研究萌芽期和苗期共12个指标与黄瓜耐冷性的关系,对材料进行耐冷性评价.结果表明:17℃下的相对发芽率、相对发芽势、相对胚根长和相对活力指数在13份黄瓜材料中差异显著(P＜0.05),并与黄瓜耐冷性的相关关系显著;苗期4℃处理2d时各材料之间生理差异明显,冷害指数与恢复后成活率的相关性显著,而与总蛋白、电导率、超氧化物歧化酶(SOD)、过氧化物酶(POD)、过氧化氢酶(CAT)和抗坏血酸过氧化物酶(APX)活性的相关性不显著.通过聚类分析将黄瓜材料耐冷性分为3个等级,通过逐步回归分析建立了两个生育期黄瓜耐冷性方程,可根据置信区间估计值对黄瓜的耐冷性进行较好的评价.     

海南山蛭种群数量动态与气象因素关系研究

在海南岛橡胶林内,每月观测海南山蛭Ｈａｅｍａｄｉｐｓａ ｈａｉｎａｎａ种群数量Ｂａ,用逐步回归分析方法研究了１０个气象因子对海南山６种数量的影响,结果表明,１）每年海南山蛭种群数量不同,６ａ间影响海南山蛭种群数量的主要气候因素是Ｘ１（月雨量）、Ｘ３（月雨日）和Ｘ５（月有露日数）;２）海南岛５～１０月份为雨季,海南山蛭这种群数量明显增大,影响山蛭种群数量的主要气候因素是Ｘ５和Ｘ１６（月最大风速和）和     

七个气象因子对海南山蛭种群数量动态影响八年观测研究

在海南岛五指山腹地橡胶林中系统观测海南山蛭种群数量变动8年．对海南山蛭种群数量Y与气候因素X_(1-n)的关系建立逐步最优回归方程Y=b_0 b_1X_1 b_2X_2 …… b_nX_n计算分析采用国际标准化最新版本SAS(6.11)软件进行分析．逐步回归分析表明：1）每年海南山蛭种群数量变动不同,影响其数量变动主要因素是X_1,X_2和X_3.2）雨季（5～10月）种群数量明显大,其主要影响因素是X_1,X_2和X_5,旱季（11月～次年4月）种群数量小,其主要影响因素是X_1.3）8年19条回归方程,7个气象因素中影响种群数量变动的主要气象因素是X_1,X_2和X_5,X_7,与山蛭生物学特性一致,本研究结果为山蛭防治提供科依据．