桂花叶片的分形特征

提供了一种叶片分形维数的测定方法,并用其测定了桂花(Osmanthus fragrans Lour)的叶片分形维数。通过分析发现：(1)桂花叶片具有典型的分形特征并且这种分形特征可以用分形理论的一般方法加以研究;(2)同一株桂花树的成熟叶片在统计意义上具有相同的分形维数;(3)对于桂花这个物种的成熟叶片在统计意义上具有相同的分形维数。由此推测同一种植物的成熟叶片(或者其他构件)具有相同分形维数。最后提出创建植物分形分类学的设想。     

山西七里峪油松种群空间格局的分形特征

油松(Pinus tabuliformis)耐低温、干旱和瘠薄,是我国温性针叶林中分布最广的树种,也是我国北方广大地区最主要的造林树种之一。2013年7月,在七里峪林场设置一块100 m×100 m的油松天然林样地,逐一测量并记录了每株油松的胸径、树高和冠幅,并确定它们的坐标位置。应用分形理论中的计盒维数、信息维数和关联维数研究了样地内油松种群空间格局的分形特征。结果表明,油松种群格局具有自相似性,其有较高的计盒维数(1.785)和关联维数(1.826),个体空间相关程度较高,种内竞争激烈,对空间有较强的占据能力。油松种群格局的信息维数较低(0.262),其格局强度尺度变化程度较低,个体分布比较均匀。3个分形维数相辅相承、相互影响,研究结果对全面准确地解释油松种群的空间格局特征具有重要意义。     

基于盒维数的心音信号分形特征研究

在传统盒维数的基础上,从尺度变化的角度,提出一种计算心音信号时域波形分形维数的新的二进盒维数算法,并给出了算法思想和估算方法;然后用该方法对正常心音和几种典型的病态心音的分形维数进行计算,并对其分形特征进行了研究．研究结果表明：心音信号具有明显的分形特征,分形维数能够反映心音信号的复杂程度,并且能够明显地区分正常心音和病态心音．     

哀牢山区哈尼梯田的分形特征

以哀牢山区元阳县哈尼梯田为研究对象,以快鸟影像为原始数据,经矢量化得到小流域梯田田块分布图,运用Arcview计算得到梯田边缘的计盒维数和信息维数。结果表明:(1)各地貌单元尺度上的盒子边长ε与其对应的非空盒子数N(ε)在双对数坐标下呈显著线性相关,体现出标度不变性的特征,证明梯田边缘是分形体;(2)梯田形状具有多重自相似结构,且不同尺度梯田形状的自相似程度受下覆地形限制,其自相似结构单元是田块;(3)在研究范围最大的小流域尺度,信息维数最大,梯田边缘的复杂性最高,而在面积较小的坡面尺度上,信息维数值较小,梯田边缘则较简单、结构较清晰。另外,作为刻画格局与过程独立于尺度的分形维数,其应用还存在诸多难题。     

河西走廊中部两种荒漠植物根系构型特征

在河西走廊中部,采用挖掘法挖取红砂和白刺根系,应用拓扑学与分形理论分析了根系构型的特征.结果表明: 2种荒漠植物根系的拓扑指数均较小,根系分支模式均近似为叉状分支结构.红砂和白刺根系具有较好的分形特征,其分形维数分别为(1.18±0.04)和(1.36±0.06);分形维数、分形丰度与根系平均连接长度均呈显著正相关.2种荒漠植物根系的平均连接长度均较大,以扩大植物的有效营养空间,从而适应干旱贫瘠的土壤环境.2种荒漠植物根系分支前的横截面积等于根系分支后的横截面积之和,验证了Leonardo da Vinci法则.对17个根系构型参数进行主成分分析,根系拓扑指数、根系连接数量、逐步分支率和根系直径4个根系构型参数能很好地表示2种荒漠植物根系构型特征.     

云贵鹅耳枥种群分布格局的分形特征

应用分形理论中的计盒维数和信息维数探讨了贵阳喀斯特山地贵鹅耳枥种群分布格局的分形特征。结果表明,贵鹅耳枥种群的分布格局具有分形特征,其计盒维数为1．1853－1．7419,信息维数为1．1961－1．7051。集群型的贵鹅耳枥种群的计盒维数和信息维数均比随机型的高。计盒维数定量地反映了贵鹅耳枥种群占据生态空间的能力,信息维数则揭示了该种群格局强度的尺度变化程度和表征了种群个体分布的非均匀性。这两种维数方法都适用于贵鹅耳枥种群分布格局分形特征的定量描述。     

北京东灵山地区辽东栎林种群空间分布分形分析

通过植物个体的坐标点与模拟冠幅的分形维数的分析,对辽东栎林内不同种群沿海拔梯度变化的空间分布格局和种群动态进行了比较和讨论。结果表明:模拟冠幅分形分析方法更适于分析具有大小不等、复杂多样的冠幅的植物个体空间分布格局。随着海拔的升高,不同种群的空间占据能力也随之变化。辽东栎种群的空间分布占绝对优势地位,分形维数可达1.9811;五角枫种群则逐步下降,分形维数最低为0.1170。低海拔山坡六道木种群空间占据能力较强,高海拔山坡照山白种群有较大的空间占据能力。在一定的环境条件下,不同的种群可能具有相近的空间占据能力,但对乔木层与灌木层来说,相同的分形维数的内涵是不同的。冠幅的分形维数作为表征植物种群空间占据能力的工具,是种群动态分析和种群分布格局研究的的重要指标之一。     

涪陵磨盘沟桫椤种群格局的分形特征-信息维数

应用分形理论中的信息维数探讨了涪陵磨盘沟桫椤种群分布格局的分形特征.结果表明桫椤种群的分布格局具有分形特征,信息维数适用于涪陵磨盘沟桫椤种群分布格局分形特征的定量描述.6个不同植物群落中桫椤种群的信息维数大小依次为桫椤+毛叶木姜子(1.584)>桫椤+血桐-火炭木(0.947)>桫椤+盐肤木-腹水草(0.828)>桫椤+黄牛奶树(0.779)>桫椤+黄杞-南川楼梯草(0.635)>桫椤+白栎+异叶榕(0.535),这种差异反映了桫椤在各群落中更新状况的差异.集群型的信息维数比随机型的高,信息维数揭示了桫椤种群格局强度的尺度变化程度和表征了种群个体分布的非均匀性.     

红树植物木榄种群高度结构的分形特征

 采用计测等值线分形维数的方法,探讨山口国家级红树林自然保护区内的木榄(Bruguiera gymnorrhiza)种群高度结构的特征。结果表明,木榄种群的高度结构具有分形的特征,其计盒维数介于1.61～1.90之间,信息维数介于1.63～1.84之间,分形维数的高低主要与幼树个体的数量、个体的集聚程度和高度层次结构的复杂程度等密切相关。计盒维数定量描述种群占据垂直空间的能力和程度,而信息维数揭示种群高度层次细节的尺度变化强度和个体高度分布的非均匀性程度。分析表明,等值线法能够有效地表征木榄种群高度结构的分     

元宝山南方红豆杉克隆种群分布格局的分形特征

南方红豆杉(Taxus chinensis var. mairei)是提取抗癌药物紫杉醇的珍贵资源植物。分布于广西元宝山自然保护区的南方红豆杉,自然状态下以克隆繁殖方式进行种群更新,研究其种群克隆生长的空间分布格局,可揭示种群克隆繁殖特性和生态适应机制,对南方红豆杉这一珍稀濒危物种的保护和管理具有重要意义。利用分形理论中的计盒维数和信息维数,对元宝山的南方红豆杉克隆种群空间分布格局的分形特征进行了分析,结果表明:种群空间分布格局存在分形特征,其计盒维数介于0.993 1~1.353 1之间,信息维数介于1.350 8~1.652 1。南方红豆杉克隆种群格局的计盒维数远离最大理论维数值2,种群总体对空间的占据能力较弱。克隆构型指数与种群计盒维数密切相关。分析结果显示,克隆构型趋于“密集型”的种群具有较强的空间占据能力,而克隆构型趋于“游击型”的种群其空间占据能力较弱。信息维数与种群的集聚强度密切相关,其差异反映了种群格局强度的变化,较大的信息维数反映种群个体的集聚强度较高,而较小的信息维数则反映出种群个体间的集聚强度较弱,其维数值大小与分株种群数量、分株种群斑块的空间配置密切相关。     

Plant light interception can be explained via computed tomography scanning: demonstration with pyramidal cedar (Thuja occidentalis, Fastigiata)

BACKGROUND AND AIMS: Light interception by the leaf canopy is a key aspect of plant photosynthesis, which helps mitigate the greenhouse effect via atmospheric CO(2) recycling. The relationship between plant light interception and leaf area was traditionally modelled with the Beer-Lambert law, until the spatial distribution of leaves was incorporated through the fractal dimension of leafless plant structure photographed from the side allowing maximum appearance of branches and petioles. However, photographs of leafless plants are two-dimensional projections of three-dimensional structures, and sampled plants were cut at the stem base before leaf blades were detached manually, so canopy development could not be followed for individual plants. Therefore, a new measurement and modelling approach were developed to explain plant light interception more completely and precisely, based on appropriate processing of computed tomography (CT) scanning data collected for developing canopies. METHODS: Three-dimensional images of canopies were constructed from CT scanning data. Leaf volumes (LV) were evaluated from complete canopy images, and fractal dimensions (FD) were estimated from skeletonized leafless images. The experimental plant species is pyramidal cedar (Thuja occidentalis, Fastigiata). KEY RESULTS: The three-dimensional version of the Beer-Lambert law based on FD alone provided a much better explanation of plant light interception (R(2) = 0.858) than those using the product LV*FD (0.589) or LV alone (0.548). While values of all three regressors were found to increase over time, FD in the Beer-Lambert law followed the increase in light interception the most closely. The delayed increase of LV reflected the appearance of new leaves only after branches had lengthened and ramified. CONCLUSIONS: The very strong correlation obtained with FD demonstrates that CT scanning data contain fundamental information about the canopy architecture geometry. The model can be used to identify crops and plantation trees with improved light interception and productivity.     

木犀属新资料(Ⅱ)

运用经典分类方法,在对木犀属进行系统研究的基础上,归并了总状桂花Osmanthus racemosus X.H.Song,将其作为厚叶木犀O.marginatus(Champ.ex Benth.)Hemsl.var.pachyphyllus(H.T.Chang)R.L.Lu的一个新异名;将大果桂花O.macrocarpus P.Y.Bai转移到野桂花O.yunnanensis(Franchet)P.S.Green下作为其异名,从而给出了木犀属的两个新异名。     

水生植物叶片的分形特征研究

应用分形几何理论对保安湖部分水生植物叶的分形特征进行研究 ,以寻找其中的自相似性特征 ,计算其分形维数 ,并力图了解各个分维的生态学含义。计算得到各物种分维平均值 ,马来眼子菜为 1 441(1 3 2 2 -1 52 0 ,sd =0 0 547) ,菹草为 1 472 (1 3 81-1 565,sd =0 0 489) ,大茨藻为 1 3 2 5(1 2 0 9-1 40 6,sd =0 0 470 ) ,轮叶黑藻为 1 10 3(1 0 0 1-1 2 17,sd =0 0 456)。按分维值排序 ,菹草 >金鱼藻 >马来眼子菜 >茨藻 >黑藻。叶片分维的大小 ,说明了不同种类水生植物叶片占据空间的程度和利用生态空间的能力有差异。通过对五种植物叶的空间格局的定量化描述 ,更好地理解水生植物对水环境的适应机理 ,为进一步对更大尺度下的水生植物空间格局研究提供基础信息     

天然黄山松种群格局的分形特征——计盒维数与信息维数

采用计盒维数和信息维数对屏南和寿宁不同群落的天然黄山松(Pinus taiwanensis)种群格局的分形特征进行比较分析.结果表明,天然黄山松种群格局具有分形特征,其计盒维数值在1.299 8～1.862 6之间,不同群落的大小次序为Q3>Q1>Q2>Q4>Q7>Q8>Q5>Q6;信息维数值在1.205 7～1.863 7之间,大小次序是Q3>Q1>Q2>Q4>Q8>Q7>Q5>Q6,屏南天然黄山松近纯林黄山松种群的计盒维数和信息维数均高于寿宁混交林,计盒维数定量描述种群占据水平空间的能力和程度,信息维数揭示种群格局强度的尺度变化及个体分布的非均匀程度,分形维数值的高低与群落环境、种群密度、种群在群落中的优势地位、个体的聚集程度及幼树个体数量等相关.黄山松种群格局分形维数随海拔呈现上下波动变化,1 250～1 270 m是更适生的海拔范围.此外,黄山松种群格局的分形特征存在一定的尺度范围,其拐点尺度是分形范围的下限尺度.     

Nonlinear fractal dynamics of human colonic pressure activity based upon the box-counting method

The computational fractal dimension of human colonic pressure activity acquired by a telemetric capsule robot under normal physiological conditions was studied using the box-counting method. The fractal dimension is a numeric value that quantifies to measure how rough the signal is from nonlinear dynamics, rather than its amplitude or other linear statistical features. The colonic pressure activities from the healthy subject during three typical periods were analysed. The results showed that the activity might be fractal with a non-integer fractal dimension after it being integrated over time using the cumsum method, which was never revealed before. Moreover, the activity (after it being integrated) acquired soon after wakening up was the roughest (also the most complex one) with the largest fractal dimension, closely followed by that acquired during sleep with that acquired long time after awakening up (in the daytime) ranking third with the smallest fractal dimension. Fractal estimation might provide a new method to learn the nonlinear dynamics of human gastrointestinal pressure recordings.     

The Quasi-Fractal Structure of Fish Brain Neurons

The box-counting method for calculating the fractal dimension (D) with the ImageJ 1.20s software is used as a tool for quantitative analysis of the neuronal morphology in the fish brain. The fractal dimension was determined for several types of neurons in the brain of two teleost species, Pholidapus dybowskii and Oncorhynchus keta. These results were compared with those obtained for some neurons of the human brain. The fractal (fractional) dimension (D), as a quantitative index of filling of two-dimensional space by the black and white image of a cell, is shown to vary from 1.22 to 1.72 depending on the type of neuron. The fractal dimension reaches its maximum in less specialized neurons that carry out a number of different functions. On the other hand, highly specialized neurons display a relatively low fractal dimension. Thus, the fractal dimension serves as a numerical measure of the spatial complexity of the neuron and correlates with the morphofunctional organization of the cell.