海南岛热带低地雨林老龄林木本植物幼苗的功能性状分析

运用功能性状的研究方法能有效地利用植物的生理、形态和生活史等特征, 揭示性状对物种共存的影响。以往有关热带林的群落生态学分析中, 基本上都是以胸径(DBH) ≥ 1 cm 以上的个体为对象, 而对 DBH < 1 cm的幼苗很少关注。该文以海南岛典型的热带低地雨林老龄林内幼苗多度最大的16个物种的幼苗为研究对象, 详细测定了4种功能性状: 比叶面积( SLA)、叶干物质比例(LMF)、比茎密度(SSD)和茎干物质比例(SMF), 分析了这些性状之间及其与幼苗高度的关系。结果表明: SLA和LMF随幼苗高度增加而显著减小, SSD和SMF随幼苗高度增加而显著增加; 幼苗功能性状在不同的生长阶段均达到显著差异; 乔木和灌木幼苗的各功能性状均无显著差异, 藤本植物幼苗的各功能性状与前两种生长型植物有显著差异; 乔木、灌木通过低的SLA、LMF和高的SMF来适应热带低地老龄林的林下低光环境, 藤本植物则通过相反的策略实现在老龄林中的共存; 幼苗通过调节各功能性状之间的权衡来适应环境。     

干旱胁迫对条墩桑生物量分配和光合特性的影响

以1年生红皮花桑为材料,采用盆栽的方法,研究了不同水分条件下条墩桑幼苗的生物量、荧光参数、净光合速率、气孔导度、蒸腾速率及水分利用效率的变化.结果表明： 随着干旱胁迫程度的增加,植株地上部分的生物量和总生物量逐渐降低,但光合产物向根部的分配比例逐渐增大,根冠比逐渐增加;叶片的荧光参数F_o、F_v和F_v/F_m逐渐降低;气孔导度、蒸腾速率、净光合速率和水分利用效率逐渐下降.     

安徽农田表层土壤中有机氯农药的分布及其组成

以安徽省寿县等19个地区的农田表层土壤(0～20 cm)为对象,采用超声波提取,气相色谱法/电子捕获检测器(GC/ECD)检测,分析了α-六六六、β-六六六、γ-六六六、δ-六六六、op′-DDE、pp′-DDD、α-硫丹和百菌清等8种有机氯农药(OCPs)在农田表层土壤中的分布及组成特征.结果表明： 19个取样点中8种有机氯农药残留的总含量范围为ND～23.75 μg·kg^-1,其中PP′-DDD、γ-HCH为主要污染物,平均质量浓度分别为13.83和13.49 μg·kg^-1.与1990年的调查结果相比,六六六平均值含量呈明显下降趋势;与国内外土壤相比,安徽省农田表层土壤中的六六六(HCHs)处于中等偏高的水平.安徽省农田表层土壤中OCPs、HCHs和pp′-DDD平均浓度分别为48.58、28.64和13.83 μg·kg^-1,均未超过《土壤环境质量标准》(GB 15618-1995)的一级土壤质量标准(<50 μg·kg^-1),污染较轻.     

Impacts of predictor variables and species models on simulating Tamarix ramosissima distribution in Tarim Basin,northwestern China

Aims Preserving and restoring Tamarix ramosissima is urgently required in the Tarim Basin, Northwest China. Using species distribution models to predict the biogeographical distribution of species is regularly used in conservation and other management activities. However, the uncertainty in the data and models inevitably reduces their prediction power. The major purpose of this study is to assess the impacts of predictor variables and species distribution models on simulating T. ramosissima distribution, to explore the relationships between predictor variables and species distribution models and to model the potential distribution of T. ramosissima in this basin.Methods Three models—the generalized linear model (GLM), classification and regression tree (CART) and Random Forests—were selected and were processed on the BIOMOD platform. The presence/absence data of T. ramosissima in the Tarim Basin, which were calculated from vegetation maps, were used as response variables. Climate, soil and digital elevation model (DEM) data variables were divided into four datasets and then used as predictors. The four datasets were (i) climate variables, (ii) soil, climate and DEM variables, (iii) principal component analysis (PCA)-based climate variables and (iv) PCA-based soil, climate and DEM variables.Important findings The results indicate that predictive variables for species distribution models should be chosen carefully, because too many predictors can reduce the prediction power. The effectiveness of using PCA to reduce the correlation among predictors and enhance the modelling power depends on the chosen predictor variables and models. Our results implied that it is better to reduce the correlating predictors before model processing. The Random Forests model was more precise than the GLM and CART models. The best model for T. ramosissima was the Random Forests model with climate predictors alone. Soil variables considered in this study could not significantly improve the model's prediction accuracy for T. ramosissima. The potential distribution area of T. ramosissima in the Tarim Basin is ~3.57 × 10 4 km 2, which has the potential to mitigate global warming and produce bioenergy through restoring T. ramosissima in the Tarim Basin.     

黄土丘陵半干旱区密植枣林随树龄变化的根系空间分布特征

该文研究了黄土丘陵半干旱区密植枣( Ziziphus jujuba ‘Lizao’)林群体根系随树龄变化的空间分布特征。对1年生、4年生、8年生和11年生4种树龄的密植枣林采用剖面法, 获得0-1 m土壤剖面上直径>3 mm、1-3 mm及<1 mm的根系数量和空间位置信息。利用方差分析, 评价了山地密植枣林林分根系随树龄变化的水平和垂直分布特征。结果表明: 3种直径的根系数量均随着树龄的增长而增加, 直径< 1 mm的根系增长速度最快; 随着土层加深, 根系数量递减, 1年生枣林的根系主要聚集在0-40 cm土层中, 4年生及以上树龄的根系主要分布在0-60 cm土层中; 0-1 m土层内, 1年生枣林(株距1.2 m)及4年以上树龄(株距2 m), 同树龄枣林中直径<1 mm的根系水平分布无差异; 同一土层中(0-20 cm, 20-40 cm, 40-60 cm), 无论树龄大小及离树干的水平位置如何, 不同直径根系的数量都无差异。研究表明: 在有水肥管理措施的条件下, 枣林根系垂直方向形成浅层型的适应模式; 在密植环境下, 枣林细根形成根网型的适应模式。     

芒和五节芒在中国的潜在分布

利用最大熵模型, 将我国现有芒(Miscanthus sinensis)和五节芒(M. floridulus)的地理分布信息与19个降水及温度等气候因子相拟合, 预测了芒和五节芒在我国的潜在分布区域, 并推测出芒和五节芒的基本生态位。结果显示: 芒的潜在适生区包括四川西部、陕西北部、宁夏、内蒙古中部、黑龙江、吉林西部、辽宁西部、青海东南部等地区, 其基本生态位参数为: 最暖季节降水量为400-1 000 mm, 平均8月降水量为100-350 mm, 7月平均最低气温为15 ℃, 平均7月降水量为100-350 mm, 11月平均最高气温为-10-22 ℃, 最干月平均气温为-15-20 ℃, 平均12月降水量为100 mm以下; 五节芒的潜在适生区为云南、陕西、山西、宁夏、河南、山东、吉林、辽宁以及四川西部、甘肃南部和内蒙古东部等地区, 其基本生态位参数为: 最暖季节降水量至少在400 mm以上, 平均6月降水量为150-550 mm, 7月平均最低气温在15-30 ℃之间, 6月平均最低气温为10 ℃, 平均4月降水量为50-100 mm。结果表明, 在进行遗传改良的前提下, 我国有丰富的适合栽植芒和五节芒的土地资源。     

三种植被冠层二向反射分布函数模型的比较

随着定量遥感技术的发展, 描述森林冠层二向反射分布函数(BRDF)的机理模型越来越多。该研究采用3种植被冠层BRDF模型——DART模型、4SCALE模型和MGEOSAIL模型, 模拟了不同郁闭度样地在红光、近红外波段各个观测角度下的场景反射率, 并比较分析了不同BRDF模型的适用性和局限性。结果表明: MGEOSAIL模型只适于模拟样地郁闭度较小、林木个体较大条件下的场景反射率, 且热点效果不十分明显; DART模型和4SCALE模型适于任何郁闭度条件下的场景反射率的模拟, 并且精度较高; 4SCALE模型模拟的场景反射率介于DART模型模拟的1次散射与5次散射之间。这3种模型在模拟近红外波段的场景反射率时, 均存在“碗边”效应。     

水氮处理下不同品种水稻根系生长分布特征

为明确不同栽培条件下水稻(Oryza sativa)根系生长分布特征, 通过不同水氮处理和不同品种的水稻桶栽试验, 采用内置根架法, 于拔节期和抽穗期取样, 获取根系总干重(TRW)、不定根数(ARN)以及各类根(不定根、细分枝根和粗分枝根)的形态指标(长度、表面积和体积), 并分析植株根系生长状况和根系分布特征。结果显示: (1)各试验条件下抽穗期各项根系指标较拔节期均呈增长趋势。同一时期, 各项根系指标在3个施氮水平间均差异显著, 且随施氮量的增加而增加。不同水分处理下, 两个时期的ARN在湿润灌溉(W2)与保持水层(W1)之间差异均不显著, 而其他指标上W2处理均显著最高; 干旱处理 (W3)下, 仅拔节期的TRW和粗分枝形态指标与W1处理接近, 而在其他指标上均显著最低。不同品种间, ‘扬稻6号’ (V3)的各项根系指标均最高, 而‘日本晴’ (V1)和‘武香粳14’ (V2)间差异不显著。(2)各试验条件下, 抽穗期较拔节期根系下扎生长比例增加, 多分布于表层(0-5 cm)土中; 减少氮素和水分供应可提高根系在5 cm以下土层中的分布比例, 且分枝根反应最为明显; 品种V1和V2的深扎根性较V3明显。结果表明, 合理施氮与控水可优化水稻不同类型根的生长与分布特征, 但需考虑不同品种之间的差异。     

不同龄级速生杨人工林土壤微生物数量与养分动态变化

通过稀释平板法和常规化学分析法, 对伊犁河谷地区3种龄级(5年、10年、15年)的速生杨欧美黑杨(Populus × euramericana)人工林的土壤微生物数量、组成和土壤养分变化进行了研究。结果表明, 3种不同林龄林地土壤微生物集中分布在10-40 cm土层, 数量和种类组成随季节变化有明显差异。随着林龄的增长, 土壤微生物总数、细菌数量减少, 真菌和放线菌数量在10年生人工林最高, 这一规律随季节变化。三大类土壤微生物的组成比例相对稳定, 不随季节变化而变化。土壤有机碳、氮含量主要集中在0-20 cm土层, 随土壤深度的增加逐渐减少, 其含量及分布受季节和土壤深度不同程度的影响。土壤有机碳含量随林龄的增长而逐渐增高, 有机氮则先减后增。相关分析表明, 土壤微生物总数与土壤有机碳呈负相关, 真菌数量与土壤有机氮呈正相关。3种林地土壤有机C/N比与土壤细菌数量/真菌数量比例一致, 说明速生杨人工林在一定生长年龄内能提高土壤的固碳能力, 改善土壤肥力。     

气候变化对马尾松潜在分布影响预估的多模型比较

物种分布模型被广泛应用于评估气候变化对物种分布的影响。随着计算机和统计学的发展, 模拟物种分布的模型层出不穷, 但对这些模型的相对表现知之甚少, 因此需要对其进行对比分析, 以便更可靠地评估气候变化的影响。该文采用3个比较新颖的组合集成学习(ensemble learning)模型(随机森林(random forest, RF)、广义助推法和NeuralEnsembles)、3个常规模型(广义线性模型、广义加法模型和分类回归树)、3个大气环流模型(global circulation model, GCM) (MIROC32_medres, JP; CCCMA_CGCM3, CA; BCCR-BCM2.0, NW)和一个气体排放情景(SRES_A2), 模拟分析了马尾松(Pinus massoniana)历史基准气候(1961-1990)和未来3个不同时期(2010-2039, 2020s; 2040-2069, 2050s; 2070-2099, 2080s)的潜在分布。基于环境阈值方法选择物种不发生区, 依据ClimateChina软件进行当前和未来气候数据的降尺度处理, 采用接收机工作特征曲线(receiver operator characteristic, ROC)下的面积(area under the curve, AUC)、Kappa值和真实技巧统计法(true skill statistic, TSS)以及马尾松种子区划范围来评价模型的预测精度。结果表明: 6个物种分布模型都具有较高的预测精度, 但组合集成学习模型的预测精度稍高于其他常规模型, 其中RF的预测精度最高。3个GCM和6个模型模拟条件下, 马尾松对气候变化的响应格局既有一致性也有异同性。一致性表现在: 随着时间的推移, 马尾松分布区将逐渐向北迁移, 未来潜在分布区的面积将逐渐增加; 异同性表现在: 在不同模型和不同气候情景下, 马尾松潜在分布区的迁移距离和面积变化幅度不同, 其中NW模式下预测的变化幅度小于CA和JP模式; RF模型预测的分布区迁移距离和面积变化幅度最大。随着时间的推移, 未来马尾松的18个潜在分布空间预测图(6个模型 × 3 GCM)之间的差异也逐渐增大, 其中空间不一致性地区主要集中发生在马尾松潜在分布区的北部和西部边缘地带。模型本身不同的构建原理以及GCM之间的差异是导致预测结果存在差异的主要原因。