利用线性混合效应模型模拟杉木人工林枝条生物量

基于福建省将乐林场45株人工杉木解析木的572组枝条生物量数据,采用线性混合效应模型方法,建立杉木人工林枝条总生物量和枝、叶生物量的预测模型,并利用独立样本数据对模型进行检验.结果表明： 线性混合效应模型比传统多元线性回归模型的拟合精度高.不同随机效应参数的组合,其混合模型的精度不同.考虑异方差结构的混合模型能够消除数据间的异方差性,其精度更高,其中,对于枝条总生物量和叶生物量模型,以指数函数作为异方差结构时的模型精度最高;对于枝生物量模型,以常数加幂函数作为异方差结构时的模型精度最高.模型检验结果表明：对于杉木人工林枝条生物量预测模型,考虑随机效应和异方差结构的线性混合模型的检验精度比传统多元线性回归模型的精度有明显提高.     

基于GIS的森林景观定量分类

以金沟岭林场为例,利用电子林相图和森林资源二类调查资料基础,借助GIS软件MapInfo和数字化仪跟踪矢量化,并运用景观生态学原理和方法,选取分维数、分离度斑块密度、景观优势度和均匀度等指标,对林场的景观格局进行了分析;同时采用类平均聚类法,选取分维数、分离度、斑块平均面积、最大斑块面积4个景观类型特征指数作为聚类分析的聚类因子,进行定量地划分森林类型,合理地区划森林经营类型,为优化景观水平配置、制定生态采伐规程、编制森林经营方案提供理论基础。     

基于不同决策树的面向对象林区遥感影像分类比较

面向地理对象影像分析技术(GEOBIA)是影像分辨率越来越高的背景下的产物.如何提高高分辨率影像分类精度和分类效率是影像处理的重要议题之一.本研究对QuickBird影像多尺度分割后的对象进行分类,分析了C5.0、C4.5、CART决策树算法在林区面向对象分类中的效率,并与kNN算法的分类精度进行比较.利用eCognition软件对遥感影像进行多尺度分割,分析得到最佳尺度为90和40.在90尺度下分离出植被和非植被后,在40尺度下提取不同类别植被的光谱、纹理、形状等共21个特征,并利用C5.0、C4.5、CART决策树算法分别对其进行知识挖掘,自动建立分类规则.最后利用建立的分类规则分别对植被区域进行分类,并比较分析其精度.结果表明: 基于决策树的分类精度均高于传统的kNN法.其中,C5.0方法的精度最高,其总体分类精度为90.0%,Kappa系数0.87.决策树算法能有效提高林区树种分类精度,且C5.0决策树的Boosting算法对该分类效果具有最明显的提升.     

不同林龄长白落叶松人工林碳储量

基于7—41 a长白落叶松人工林样地生物量调查,探讨了不同发育阶段长白落叶松人工林碳储量的时空变化规律。结果表明:随林龄的增大,长白落叶松人工林林木和各器官生物量增加,树干所占比例增加,生物量转换因子(BEF)、根茎比(R)等参数分布正常。林下植被层、倒落木质物层生物量随林龄增大呈增加趋势。群落总碳储量的空间分布序列是:乔木层倒落木质物层林下植被层。未成林期、幼龄林、中龄林、近熟林和成熟林群落的碳储分别为6.585、66.934、90.019、125.103、162.683t.hm-2,乔木层碳储量分别为3.254、58.521、78.086、108.02、138.096 t.hm-2,倒落木质物层和林下植被层碳储量平均值分别为10.859、1.988 t.hm-2。乔木层、倒落木质物层和林下植被层碳储量占总量的平均比率分别为85.99%、2.17%和11.85%。在不同发育阶段群落和乔木层碳储量的年生产力呈先降后升的变化趋势,中龄林的碳储量累积速率高于幼龄林及成熟林,碳素年固定量分别为0.940、3.889、3.615、3.628、3.968 t.hm-2,乔木层年生产力分别为0.465、3.39、3.137、3.133、3.368 t.hm-2。林下植被层年生产力呈"U"形变化,平均值为0.079 t.hm-2。倒落木质物层的年生产力呈线性增长,平均值为0.423 t.hm-2。研究认为长白落叶松人工林群落碳储量随林龄增加的变化规律明显,碳汇潜力巨大。     

人工神经网络与相容性生物量模型预测单木地上生物量的比较

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络.本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差.然后,基于最优的变量组合建立人工神经网络(ANN)...     

干扰素α-2bHis89/His159的分子获得及性能分析

目的：通过结构分析和定点突变,构建干扰素α-2bHis89/His159(IFNα-2bHis89/His159),以期获得高性能干扰素突变体。方法：采用PCR体外定点突变技术,使干扰素α-2b基因的第89位密码子由编码酪氨酸的TAC突变为编码组氨酸的CAC,第159位密码子由编码谷氨酸的GAA突变为编码组氨酸的CAC。将扩增片段克隆入pET23b表达载体,重组质粒转化大肠杆菌BL21(DE3)。表达的IFNα-2bHis89/His159经包涵体变性、复性、DEAE层析和CM层析纯化后,用WISH-VSV系统进行生物活性测定。以SD大鼠进行初步药代动力学研究。结果：IFNα-2bHis89/His159主要以包涵体形式表达,表达量占菌体总蛋白的40%以上。纯化后,IFNα-2bHis89/His159的纯度大于95%,比活性大于2.8×108IU/mg。相对于IFNα-2b较短的消除半衰期,IFNα-2bHis89/His159的消除半衰期得到延长,为2.34±0.27h。结论：构建了IFNα-2bHis89/His159的重组表达载体,并成功地在大肠杆菌中实现了高效表达,建立了IFNα-2bHis89/His159的纯化工艺,获得了体外活性增高并且体内稳定性得到改善的新型干扰素α-2b突变体。     

白芍多糖分离纯化及性质分析

采用热水浸提.乙醇沉淀法中药白芍(Paeonia Albiflora Pall)水提取液中分离纯化得到一种多糖蛋白复合物,命名为PAⅡ(Paeonia Albiflora Pall PolysaccharideⅡ,PAⅡ).电泳、FPLC和HPLC检测其纯度;红外光谱和气相色谱法对其结构和组成进行初步分析.结果表明PAⅡ为均一多糖组分,是以D-葡萄吡喃糖为主的多糖-蛋白复合物,总糖含量为85.0%,蛋白含量为13.2%;该糖为吡喃型结构,糖肽键为非O-型;单糖组分为葡萄糖、阿拉伯糖、甘露糖、鼠李糖、木糖,摩尔比为153:2.6:1.25:1:1,平均分子量为5.25×104.     

长白落叶松林生物量的模拟估测

利用样木收获法收集了34个样地中长白落叶松林分地上部分生物量信息,选取其中29个样地生物量信息分别与样地林分因子信息和TM遥感影像信息拟合建立生物量模型,利用其余5个样地的生物量信息进行模型精度检验和误差分析.结果表明：长白落叶松地上部分生物量均可用林分因子和遥感因子进行线性拟合;林分因子线性模型对长白落叶松中幼林地上生物量的估测精度较高（林分P=94.33%,遥感P=92.32%）,且检验误差较小（林分MRE=6%,遥感MRE=31%）,模型模拟效果较好;若只考虑长白落叶松中龄林,这2种模型的估测效果相当（林分模型和遥感模型的误差分别为329.9和313.6 t）.整体而言,林分因子模型估测长白落叶松树皮、干材和总生物量的效果优于遥感因子模型,对于中龄林来说,遥感模型估测叶花果、树枝和树冠生物量的效果较好.     

杉木风景游憩林冠径与胸径关系研究

为研究杉木风景游憩林标准林分密度（立木株数）,确定合理抚育间伐强度提供科学依据。本文在福建将乐国有林场通过设置杉木人工林39块标准地和2 906株每木检尺实测数据,建立了福建将乐杉木人工林树冠径与胸径以及冠径与胸径比值(cd/D)关系,并分析了冠径与胸径比值在风景游憩林树木空间、林分密度和间伐强度中的应用。研究表明:胸径在2~43 cm之间时,相关系数(R²)达0.919 5,呈显著线性相关,其中2~35 cm模型精度较高,35~43 cm误差较大。通过对不同大小的杉木(cd/D)比值进行分析,得出随着胸径增大比值是逐渐减小的,并且减小的趋势随着胸径的增大趋于平稳,最后趋于一个常数。     

吉林省落叶松林净初级生产力时空特征及其对气候变化的响应

为评估吉林省落叶松林的生产力现状并为我国森林生态系统生产力和植被监测研究提供基础数据,以吉林省落叶松林为研究对象,基于吉林省及其周边100 km范围内41个气象站点资料,采用LPJ-DGVM模型模拟了2000—2019年吉林省落叶松林近20年的净初级生产力,并采用线性回归趋势分析、变异系数、Hurst指数和相关性分析法对其时空变化、稳定性及其与气候因子的相关关系进行了分析。结果表明：(1)2000—2019年吉林省落叶松林年均净初级生产力(NPP)为592 g C m^-2 a^-1,年均增长率为2.81%,随时间推移呈现波动增长的趋势(β=14.55,R~2=0.784,P<0.01)。(2)NPP变异系数为0.07—2.33,均值为0.48,除幼龄林外,整体波动较小。Hurst指数介于0.441—0.849之间,均值为0.612,未来吉林省落叶松林NPP呈增加趋势。(3)吉林省落叶松林NPP存在明显的空间异质性,北部和南部区域NPP较高,是近20年NPP增长较快的区域。(4)2000—2019年吉林省落叶松林年均NPP与年总降水、生长季...