沈阳城市森林常见树种的物候特征

城市绿化树种的物候配置是城市园林的一个重要组成部分。本文以沈阳城市森林常见树种为对象,利用6年的物候观测数据,绘出了28种主要乔灌木的物候谱。分析各物候现象之间关系,将其划分成4大组:萌动展叶现象组、叶变色现象组、落叶现象组和花果现象组;并根据叶变色和开花早晚对其进行聚类分组,为城市森林树种选择、树种组成和效益评价,提供科学依据。     

尚勇保护区亚洲象种群数量动态、种群结构及季节分布格局

在2006 年6 月至2007 年9 月,通过种群个体识别、社区监测网络、样线调查和村寨访问等方法对尚勇保护区亚洲象的种群动态和季节性分布格局进行研究。结果显示:目前在尚勇保护区的亚洲象种群数量约为68头;拍摄到亚洲象共计347 头次,通过个体识别方法识别出亚洲象53 头,其中幼体、青少年体、亚成体和成体数量及所占比例分别为:3 (5.66%)、11 (20.75% )、15 (28.30% )、24 (45.28% ),在成体中雄性只有两头,成年象的雌雄性比为11∶ 1,高于已知国内外的其他区域。从1992 年至2007 年10 月,至少有32 头亚洲象死亡,其中确认死于猎杀的有7 头,保护区的核心区野牛河、金宝河一带是盗猎亚洲象最严重的地区。严重的盗猎和不断减少的栖息地对当地的亚洲象种群产生了巨大的威胁,也加剧了当地的人象冲突。在雨季和旱季,亚洲象各有五个核心活动区域,食物是导致雨季和旱季分布格局不同的主要因素。     

基于GIS与多目标区位配置模型的沈阳市公园选址

结合地理信息系统(GIS)与多目标区位配置模型(LA),综合考虑4个相对独立的目标因子(人口密度等级、空气污染等级、城市热岛效应等级、土地利用格局)对沈阳市三环内城市公园进行优化选址,并将优化结果与公园现状空间分布进行比较,以评价城市公园空间布局的合理性.结果表明： 与其他因子相比,空气污染因子对研究区城市绿地的选址具有重要影响.与单目标因子相比,多目标综合加权分析的结果能够合理地为城市绿地提供优化的空间选址.GIS与LA相结合的方法为城市绿地的空间优化提供了新思路.     

模拟氮沉降对华西雨屏区苦竹林土壤有机碳和养分的影响

从2007年11月至2009年10月, 对华西雨屏区苦竹(Pleioblastus amarus)人工林进行了模拟氮(N)沉降试验, N沉降水平分别为对照(CK, 0 g N·m^-2·a^-1)、低N (5 g N·m^-2·a^-1)、中N (15 g N·m^-2·a^-1)和高N (30 g N·m^-2·a^-1)。在N沉降进行1年后, 每月采集各样方0-20 cm的土壤样品, 连续采集12个月, 测定其土壤总有机C、微生物生物量C、浸提性溶解有机C、活性C、全N、微生物生物量N、NH₄⁺-N、NO₃^--N、有效P和速效K。结果表明: N沉降显著增加了土壤总有机C、微生物生物量C、全N、微生物生物量N、NH₄⁺-N和有效P含量, 对其余几个指标无显著影响。土壤微生物生物量C和微生物生物量N的季节变化明显, 并与气温极显著正相关。土壤有效P、速效K与微生物生物量C、微生物生物量N呈极显著负相关关系。N沉降提高了土壤中C、N、P元素的活性, 并通过微生物的转化固定作用使得C、N、P元素在土壤中的含量增加。苦竹林生态系统处于N限制状态, 土壤有机C和养分对N沉降呈正响应, N沉降的增加可能会提高土壤肥力并促进植被的生长, 进而促进生态系统对C的固定。     

施氮水平和收获时期对夏玉米产量和籽粒品质的影响

为明确黄淮海夏玉米适宜的施肥量和最佳收获时期,设计了5个氮肥水平（不施肥、113、181、249和375 kg N·hm^-2）和2个收获时期（S₁：9月23日,农民习惯收获时间;S₂：9月29日,推迟6 d收获）,研究施氮量和收获时期对夏玉米产量和品质的影响.结果表明：随施肥量增加,夏玉米穗粒数、千粒重和产量均增加,但差异不显著,其中施肥量在113～181 kg N·hm^-2的玉米产量、氮素利用效率均相对较高;随施肥量增加,夏玉米蛋白质和赖氨酸含量增加,淀粉含量降低.与9月23日蜡熟期收获相比,9月29日完熟期收获的夏玉米籽粒千粒重、产量、淀粉和赖氨酸含量均增加,籽粒蛋白质和脂肪含量降低.依据产量水平,黄淮海高产夏玉米区适宜的施肥量在113～180 kg N·hm^-2,最佳收获时期应推迟至9月29日-10月5日.     

基于多目标灰色局势决策的三峡库区防护林类型空间优化配置

基于2007年Landsat TM遥感影像和影响防护林的主导环境因子,对三峡库区的森林立地进行分类,并通过选取水源涵养量、生物量和林分生产力3个指标,利用多目标灰色局势决策模型对库区现有的针叶林、阔叶林、针阔混交林和灌木林4种防护林类型进行空间优化配置.结果表明： 2007年,三峡库区森林立地可划分为40种类型;空间配置优化后,研究区针叶林、阔叶林、针阔混交林和灌木林的面积比例分别为32.55%、29.43%、34.95%和3.07%.与优化前相比,优化后针叶林和灌木林的面积比例分别减少了8.79%和28.55%,阔叶林和针阔混交林分别增加了10.23%和27.11%.通过防护林类型的空间优化,三峡库区整体的水源涵养能力、生物量和林分生产力分别增加14.09×10⁸ m³、0.35×10⁸ t和1.08×10⁶ t.     

模拟氮沉降对华西雨屏区苦竹林细根特性和土壤呼吸的影响

细根在森林生态系统地下碳循环过程中具有核心地位.2007年11月-2009年11月,对华西雨屏区苦竹人工林进行了模拟氮沉降试验.氮沉降水平分别为对照(CK,0 g N·m^-2·a^-1)、低氮(5 g N·m^-2·a^-1)、中氮(15 g N·m^-2·a^-1)和高氮(30 g N·m^-2·a^-1)处理,研究氮沉降对苦竹人工林细根和土壤根际呼吸的影响.结果表明：不同处理氮沉降下,<1 mm和1～2 mm细根特性差异较大,与< 1 mm细根相比,1～2 mm细根的木质素、磷和镁含量更高,而纤维素、钙含量更低;氮沉降显著增加了<2 mm细根生物量,对照、低氮、中氮和高氮处理的细根生物量分别为(533±89)、(630±140)、(632±168)和(820±161) g·m^-2,氮、钾、镁元素含量也明显增加;苦竹林各处理年均土壤呼吸速率分别为(5.85±0.43)、(6.48±0.71)、(6.84±0.57)和(7.62±0.55) t C·hm^-2·a^-1,氮沉降对土壤呼吸有明显的促进作用;苦竹林的年均土壤呼吸速率与<2 mm细根生物量和细根N含量呈极显著线性相关.氮沉降使细根生物量和代谢强度增加,并通过增加微生物活性促进了根际土壤呼吸.     

南海北部陆坡神狐海域HS-PC500 岩心微生物多样性

[目的]本文研究南海北部陆坡神狐HS-PC500重力活塞岩心沉积物中微生物多样性.[方法]使用吖啶橙染色法计数沉积物中微生物丰度;提取沉积物微生物总DNA,使用特异性引物扩增古菌及细菌16SrRNA基因序列;对克隆文库进行系统发育分析.[结果]系统发育分析显示表层PC500-l(0-5 cm below sea floor,bsf)古菌以C3为主要类群,占该层总序列的25.6%;中层PC500-6(350-355 cm bsf)和底层PC500-11(790-795 cm bsf)古菌以Marine Benthic Group(MBG)-B为主要类群,分别占该层总序列的48.1%和38.9%.另有部分克隆序列属于MBG-A、Miscellaneous Crenarchaeotic Group(MCG)、Thermoprotei、NGC、Halobacteriales、MBG-E、South African Gold Mine Euryarchaeotic Group(SAGMEG).表层细菌以变形菌(Proteobacteria)为主要类群,占该层文库的38.3%.中层和底层细菌以绿弯菌(Choloflexi)和JS1为主要类群,分别占该层文库的28.1%、29.2%和39%、24.7%.另有部分克隆序列属于硝化螺旋菌(Nitrospirae)、放线菌(Actinobacteria)、酸杆菌(Acidobacteria)、OP8、螺旋体菌(Spirochaetes)、TM6、脱铁杆菌(Deferribacteres)、浮霉菌(Plantomycete).[结论]结果显示,HS-PC500岩心微生物丰度与甲烷浓度变化相吻合;微生物丰度较低可能与较低的总有机碳量有关;微生物多样性较高,并且随深度的增加群落结构变化明显;岩心中有关硫酸盐还原的微生物类群占优势,说明微生物的硫代谢在该海区沉积物的物质循环过程中占有重要地位.     

Prediction-based structured variable selection through the receiver operating characteristic curves

In many clinical settings, a commonly encountered problem is to assess accuracy of a screening test for early detection of a disease. In these applications, predictive performance of the test is of interest. Variable selection may be useful in designing a medical test. An example is a research study conducted to design a new screening test by selecting variables from an existing screener with a hierarchical structure among variables: there are several root questions followed by their stem questions. The stem questions will only be asked after a subject has answered the root question. It is therefore unreasonable to select a model that only contains stem variables but not its root variable. In this work, we propose methods to perform variable selection with structured variables when predictive accuracy of a diagnostic test is the main concern of the analysis. We take a linear combination of individual variables to form a combined test. We then maximize a direct summary measure of the predictive performance of the test, the area under a receiver operating characteristic curve (AUC of an ROC), subject to a penalty function to control for overfitting. Since maximizing empirical AUC of the ROC of a combined test is a complicated nonconvex problem (Pepe, Cai, and Longton, 2006, Biometrics62, 221-229), we explore the connection between the empirical AUC and a support vector machine (SVM). We cast the problem of maximizing predictive performance of a combined test as a penalized SVM problem and apply a reparametrization to impose the hierarchical structure among variables. We also describe a penalized logistic regression variable selection procedure for structured variables and compare it with the ROC-based approaches. We use simulation studies based on real data to examine performance of the proposed methods. Finally we apply developed methods to design a structured screener to be used in primary care clinics to refer potentially psychotic patients for further specialty diagnostics and treatment.