东北地区近50年来极端降水和干燥事件时空演变特征

利用东北地区93个国家常规气象观测站1951~2002年逐日降水资料,分析了东北地区的暴雨、严重干燥事件等极端降水事件的时空演变特征,从极端降水事件发生频率和强度变化的角度解释旱涝灾害加剧的原因。结果表明,近52年来,小雨事件发生频次显著减少;暴雨发生频次变化不大,但强度增强;严重干燥事件显著增加;严重湿润事件显著下降。因此,在东北地区降水总量具有减少趋势的背景下,降水事件还有向极端化发展的倾向,降水分布变得更不均匀,从而可能引起更多、更强的旱涝灾害,尤其是旱灾,从而对东北地区的生态环境,尤其是农业生产带来不利的影响,这应引起重视。  

西太湖水生植物时空变化

水生植物在浅水湖泊生态系统中具有十分重要的作用。根据中国科学院太湖湖泊生态系统研究站1989年以来的常规监测资料，将西太湖（除东太湖以外的湖区）划分为9个区，采用点截法（point intercept method），于2002～2005年对各区水生植物的种类、生物量和空间分布情况进行了6次调查。结果表明：西太湖现有水生植物16种，分属于11科12属；水生植物总面积约10220hm^2，其中沉水植物分布面积约占64．58％；挺水植物约占0．29％；漂浮植物约占38．16％。各个种之间生物量差异显著，马来眼子菜、荇菜、芦苇的生物量在所有水生植物中居前3位。多样性分析表明，水生植物种类4a来未发生明显变化，但种类和生物量季节性差异较大。水生植物呈环状分布在距湖岸5km以内的水域和部分岛屿周围，东岸和南岸为水生植物的主要集中分布区域，分布区连续性好，且水草种类齐全。挺水植物种类单一，仅有芦苇（Phragmites communis）一种，分布区域多限于水深小于1．6m的湖岸；沉水植物共有8种，为水生植物的主要组成部分，马来眼子菜（Potamogeton malaianus）的分布频度最高，在西山岛周围水域逐年扩张，成为该区域的先锋种；漂浮植物3种，主要以荇菜（Nymphoides peltata）为主，在七都水域有逐渐扩张的趋势。马来眼子菜、芦苇、荇菜表现出对水环境较强的适应能力，目前为西太湖的3个优势种。20世纪50年代以来，西太湖水生植物种类减少了50种，其中水质下降是导致水生植物种类不断减少甚至消失的一个重要原因。围网养殖和不合理的捕捞方式也对局部水域的植物造成极大的破坏。水生植物生存环境日益严峻，种群单一化趋势日益明显。  

祁连山北坡中段森林植被梯度分析及环境解释

 利用梯度分析方法，对祁连山北坡中段森林植被类型进行了划分，并探讨了植被空间格局与环境梯度的关系。结果表明：1)76个样方可划分为9个群系，即盐爪爪(Kalidium foliatum)灌丛、红砂(Reaumuria soongorica)灌丛、白刺(Nitraria tangutorum)灌丛、蒙古莸(Caryopteris mongolica)灌丛、狭叶锦鸡儿(Caragana stenophylla)灌丛、青海云杉(Picea crassifolia)林、祁连圆柏(Sabina przewalskii)林、金露梅(Potentilla fruticosa)灌丛和鬼箭锦鸡儿(Caragana jubata)灌丛。2)53个木本植物种类可划分为5个生态类型：即超旱生荒漠类型、山地旱生类型、山地中生类型、山地湿生类型、山地高寒类型。3)群落类型及物种生态型的划分主要反映了海拔梯度所决定的水热梯度及坡向和土壤腐殖质变化的内涵。4)影响群落物种多度格局的变量中，环境和空间因子解释了物种多度变化的23.98％，其中环境因子占17.66％，空间因子占1.40％，空间因子和环境因子交互作用解释的部分占4.92％，空间因子和环境因子未能解释的部分占76.02％，这部分主要反映了群落自身互作及人类活动(采伐、放牧)对群落物种多度格局的影响。  

Spatial autocorrelation in biology 1. Methodology

Spatial autocorrelation analysis tests whether the observed value of a nominal, ordinal, or interval variable at one locality is independent of values of the variable at neighbouring localities. The computation of autocorrelation coefficients for nominal, ordinal, and for interval data is illustrated, together with appropriate significance tests. The method is extended to include the computation of correlograms for spatial autocorrelation. These show the autocorrelation coefficient as a function of distance between pairs of localities being considered, and summarize the patterns of geographic variation exhibited by the response surface of any given variable.
Autocorrelation analysis is applied to microgeographic variation of allozyme frequencies in the snail Helix aspersa. Differences in variational patterns in two city blocks are interpreted.
The inferences that can be drawn from correlograms are discussed and illustrated with the aid of some artificially generated patterns. Computational formulae, expected values and standard errors are furnished in two appendices.  

Spatial autocorrelation in biology 2. Some biological implications and four applications of evolutionary and ecological interest

Spatial autocorrelation analysis tests whether the observed value of a variable at one locality is significantly dependent on values of the variable at neighbouring localities. The method was extended by us in an earlier paper to include the computation of correlograms for spatial autocorrelation. These show the autocorrelation coefficient as a function of distance between pairs of localities, and summarize the patterns of geographic variation exhibited by the response surface of any given variable. Identical variation patterns lead to identical correlograms, but different patterns may or may not yield different correlograms. Similarity in the correlograms of different variation patterns suggests similarity in the generating mechanism of the pattern.
The inferences that can be drawn from correlograms are discussed and illustrated. Examination and analysis of variation patterns of several characters or gene frequencies for one population, or of several populations in different places or at different times, permit some conclusions about the nature of the populational processes generating the observed patterns.
Autocorrelation analysis is applied to four biological situations differing in the nature of the data (interval or nominal), in the type of grid connecting the localities (regular or irregular), and the field of application (evolution or ecology). The examples comprise genotypes of individual mice, blood group frequencies in humans, gene frequency variation in a perennial herb, and the distribution of species of trees. The implications of our findings are discussed.  

基于景观结构的城乡交错带生态风险分析

以长春市净月开发区为例,基于2005年SPOT 5卫星遥感影像获取的土地利用信息,根据景观结构和土地利用特征,构造综合性生态风险指数;利用空间分析方法对生态风险指数进行空间化,并对生态风险指数采样结果进行半变异函数分析和空间插值分析,研究生态风险空间分布特征和形成机理.结果表明:研究区生态风险的空间分布表现出明显的区域不均匀性,形成了中间低、四周高的空间分布特征;通过与DEM数据叠加分析,表明生态风险指数与研究区的高程有一定的相关性,高程越低,生态风险强度越高,300 m以下区域中,高风险区域约占整个研究区高生态风险总面积的96%;生态风险的高值区主要位于研究区的西侧,长双公路与长伊公路之间,该区域地势较低,经济较为活跃,是开发区建设的重点区域,也是急需采取保护性措施的重点区域.  

异质景观中水土流失的空间变异与尺度变异

综述了景观格局与水土流失过程的空间变异与尺度变异的理论和方法研究进展，提出了水土流失空间变异与尺度变异的研究方向。景观格局与生态过程的尺度变异一般处于单一尺度变异和多重尺度变异的连续体之中。尺度转换即尺度外推包括尺度上推和尺度下推，其可行性决定于尺度变异特征。水土流失不仅是多因子综合影响的一个复杂的时空变异过程，而且也是一个典型的多重尺度变异过程。传统的水土流失研究一般集中在坡面径流小区和小流域两个单一尺度上，这在很大程度上限制了水土流失的空间尺度外推和过程分析。近年来，尽管国内外很多学者开始关注水土流失的尺度变异及其影响因子．但只是对水土流失在不同大小的样地尺度以及小集水区尺度上的差异及其影响因子进行了初步的比较研究，尤其缺乏水土流失及其相关环境因子的连续尺度变异特征的机制分析。空间变异和尺度变异研究方法包括统计模型模拟法、物理模型与物理过程模拟法以及综合分析与综合预报法三大类。每种方法都有其优缺点和其特定的适宜性，最佳方法组合的选取因研究对象、研究地区和研究时间的不同而异。土壤侵蚀预报模型包括经验统计模型和物理过程模型，就解决水土流失的跨尺度关系而言，基于物理过程的空间分布式的土壤侵蚀预报模型显著优于经验模型。这些模型在关键参数的空间变异性描述和水土流失的尺度变异性分析方面非常薄弱，尤其缺乏模型分辨率和研究范围对输出结果的影响研究。完善水土流失的“尺度一格局一过程”理论，加强多重尺度上水土流失及其相关环境因子的空间变异格局和尺度变异性的实地观测与数学分析，改进土壤侵蚀预报模型这3个方面是将来的研究重点。  

覆盖与间作对亚热带丘陵茶园地温时空变化的影响

研究了亚热带丘陵茶园连续4年进行稻草覆盖与白三叶草间作对茶园地温时空动态变化的影响.结果表明，茶园地温具有明显的时空动态变化特征和位相滞后现象，与茶树的年生长发育周期各阶段的最适温度非常吻合.稻草覆盖与白三叶草间作改变了土壤热量交换层（地表层）的性质，具有升温时降温和降温时增温、保温的双向动态调控作用，降低了日较差，增强了同一土层温度的稳定性，其调控效果为随着土壤深度增加而降低，13：00>19：00>7：00，降温大于增温和保温,降温幅度随气温的升高而增大，增温和保温随气温的下降而加强，间作白三叶草的降温效果大于稻草覆盖，保温效果则相反.茶园地温时空变化转换点得到调节，显著地降低了有害高温的出现次数，明显地降低了持续高温期的土壤温度，有效地缩短了极限高温时间.  

黄土高原小流域土壤容重及水分空间变异特征

在黄土高原小流域尺度上,地形和土地利用是影响土壤变异的重要因素.在横山县朱家沟小流域采集了82个样点,选取土壤容重和水分作为研究对象,分析比较不同土地利用及不同景观位置下二者的变异及分布特征;分析了土壤容重和水分与地形因素的关系并利用地形与土地利用信息进行了回归分析.结果表明,不同土地利用类型之间,土壤容重变异较小,其大小次序为：灌木林地＞荒草地＞梯田＞坝地＞林地＞坡耕地;土壤水分变化相对较大,大小次序为：坝地＞荒草地＞灌木林地＞坡耕地＞林地＞梯田.在不同景观位置,土壤容重大小变化表现为：坡顶＞沟平地＞坡下＞坡上＞坡中;土壤水分大小变化为：沟平地＞坡中＞坡下＞坡上＞坡顶.基于数字地形分析技术,提取相关地形指数,与土壤容重和水分进行相关分析并进行多元回归分析,结果表明：土壤容重与复合地形指数CTI正相关;土壤水分与高程呈现负相关关系,和剖面曲率正相关.建立了多元线性回归模型,结果发现模型对土壤容重预测结果比较理想,但对于土壤水分的预测存在较大的平滑效应,残差较大,须进一步探讨.