作者更正

王鑫厅等发表于2009年33卷1期63-70页的《典型草原退化群落不同恢复演替阶段羊草种群空间格局的比较》一文中存在一些错误,现更正如下:1.第67页表1中A样地的羊草种群领地密度"159.178"应改为"133.476";2.第68页"结论与讨论"中"这主要是由羊草同其它种群间的竞争引起的,而种内竞争则较弱。在恢复演     

天然红海榄种群分布格局研究

以湛江高桥红树林自然保护区中的天然红海榄种群为对象,采用相邻格子法进行野外调查,同时根据红海榄种群个体定位图,运用扩散系数、聚集指数、聚块性指数、扩散型指数、平均拥挤度、负二项参数、Cassie.R.M.指标,分析天然红海榄种群在不同潮带、不同群落类型及不同取样尺度下的空间分布格局。结果表明:红海榄种群在高潮带和低潮带中趋向于随机分布的空间格局,中潮带则呈现为明显的聚集分布;红海榄种群在纯林中的分布格局略偏向于随机型,在混交林中则呈现较强的聚集分布,聚集度指标表现为C>1,Iδ>1,K<8,m*/>1,Ca>0;红海榄种群在不同取样尺度的分布格局存在差异,聚集强度随着取样尺度的增大而减弱,在取样尺度为5m×5m时呈现明显的聚集分布,取样尺度为5m×10m时亦表现为聚集分布但聚集强度相对较小,取样尺度为10m×10m时其空间格局介于聚集分布与随机分布的临界状态。红海榄种群的分布格局与生境条件的异质性以及红海榄自身的生物学特性有关。     

内蒙古鄂尔多斯黄土丘陵沟壑区茭蒿群落种间关系

对内蒙古鄂尔多斯黄土丘陵沟壑区不同群落中茭蒿种群格局及茭蒿生态位宽度和生态位重叠进行研究,结果表明:茭蒿种群在梁顶生境中随着撂荒恢复演替的进行,分布格局由随机分布转向小尺度聚集分布再转变为较大尺度聚集分布,与此同时种群空斑面积显著增加,种群领地减小;在沟谷生境中茭蒿种群则呈现典型的随机分布,种群空斑面积显著低于梁顶各群落,种群领地显著高于梁顶各群落.梁顶-沟谷生境梯度上,茭蒿的生态位宽度最大,表明其具有较强的资源利用能力,对环境的适应能力较强,可以广泛分布在梁顶和沟谷各种生境中;生态位重叠分析表明,茭蒿属于一个演替前期物种.     

岷江柏四个地理种群分布格局比较研究

岷江柏是我国特有珍稀树种,其种群分布格局一直缺乏必要的研究。采用Greig-Smith的相邻格子样方调查法,调查了四川西部四个岷江柏地理种群,用方差/均值比率法和聚集度指标法分析了种群空间并进行了比较。结果表明,岷江柏种群分布格局与取样尺度有关。在2m×2m、4m×4m、6m×6m、8m×8m四个取样尺度下,小金种群均表现为集群分布,马尔康种群均表现为随机分布,金川种群和理县种群却随着取样尺度的增大,表现出聚集分布→均匀分布→随机分布的变化趋势。四个取样尺度中以2m×2m取样尺度来分析岷江柏种群空间分布格局时效果最好。方差/均值比率法运用统计方法确定T值的显著性,数学推导严密,运算简单,在分布格局分析中是一种较可靠的方法。     

庞泉沟自然保护区寒温性针叶林演替优势种格局动态分析

以华北落叶松和青杆为主的寒温性针叶林是庞泉沟自然保护区的重要林型,也是主要保护对象之一。通过空间代时间构建庞泉沟自然保护区寒温性针叶林演替的时间序列,序列1是华北落叶松单优群落稳定发展的过程,序列2是从华北落叶松单优群落演替至华北落叶松-青杆共优群落再到青杆单优群落的过程,采用点格局分析法和与Monte-Carlo拟合检验对演替过程中华北落叶松和青杆的分布格局及其相互关系进行了研究。结果表明:(1)序列1在华北落叶松单优群落稳定发展过程中,华北落叶松的分布格局由集群分布趋向于随机分布,甚至在0—2.5 m上表现为均匀分布,驱动力是种内竞争引起的自疏现象。序列2从华北落叶松单优群落演替至青杆单优群落过程中,华北落叶松的分布格局同样是由集群分布趋向于随机分布,驱动力主要来自于由于青杄侵入扩散而形成的种间竞争;青杄集群的尺度逐步增大,驱动力主要是种群拓殖和种内竞争。(2)二者种间关系,在华北落叶松单优群落阶段无明显相关,共优阶段由于竞争在0—6.5 m尺度上呈显著正相关,在青杄单优群落,青杄竞争获胜,在0—2.5 m尺度上无明显相关,二者种间关系的变化主要来自于群落剩余资源驱动下的种内种间竞争。     

黑河上游高寒退化草地狼毒种群小尺度点格局分析

植被斑块化是自然界的一种普遍现象, 斑块的形成和变化对植物种群格局的形成和变化具有重要影响。在黑河上游祁连山北坡高寒退化草地, 采用点格局分析方法, 研究了小尺度上狼毒(Stellera chamaejasme)种群的种群密度、组成格局以及分布格局。结果表明: 随着狼毒种群分盖度的增大, 种群密度、领地密度和组成格局呈现规律性的变化, 斑块内部狼毒种群的数量出现增减交替变化趋势, 组成格局规律明显; 狼毒种群的分布格局表现出与尺度关联的变化趋势, 在31%-40%分盖度下, 狼毒种群在所有尺度上表现为随机分布, 在41%-50%、51%-60%、61%-70%、71%-80%分盖度下随着尺度增大, 分布格局的基本模式为: 随机—聚集—随机或均匀—随机—聚集—随机分布, 在聚集状态下, 聚集强度不同。以成株为核心的斑块内部种群表现为随机分布或均匀分布, 相对于外部表现为聚集分布, 随着成株个体数量的逐渐增多, 种群竞争关系由种间竞争转化为种内竞争, 促进了斑块扩张与合并、斑块增多与吞并, 从而实现了种群扩散。     

子午岭次生油松林立木竞争格局研究

研究干旱区森林立木竞争及空间分布格局,旨在为揭示干旱区森林恢复演替过程中竞争动态和格局形成驱动机制提供科学依据。经全面调查之后,依据时空互代原理选择了4个处于不同演替阶段,面积为0.25 hm²的大样地进行研究。采用Hegyi邻体密度模型研究立木竞争强度指数。采用Kriging法与Hegyi法相结合研究立木竞争的空间格局。采用一元和二元O-ring函数模型分别研究了乔木空间分布格局和乔木种间空间相关性。结果表明：在上述4个群落中油松（Pinus tabuliformis）种群密度分别为1 476、996、800、648株·hm^-2,白桦（Betula platyphylla）种群密度为48、32、44、16株·hm^-2,山杨（Populus davidiana）种群密度分别为64、28、24、12 株·hm^-2。3种主要乔木的竞争指数由高到低依次为油松、白桦、山杨,各物种竞争指数均随演替阶段的增长而下降;演替后期,胸径2~15 cm油松个体减少明显,而胸径大于30 cm的个体数量有所增加;在所有演替阶段中,油松竞争指数均随着胸径的增加而下降;油松种群竞争空间格局为典型的非匀质斑块状格局。点格局分析结果表明,油松种群在0~5 m尺度呈现聚集分布,且与其他树种在5~15 m尺度存在空间负相关。本研究主要结论如下,黄土高原次生油松林群落中油松竞争指数高于其他物种。油松在各演替阶段均呈现出基于径级大小的竞争不对称性,演替后期油松群落自疏机制为限制小径级个体的生长。竞争的格局在水平空间尺度具有斑块性,随着演替的进行,高竞争斑块在数量、范围和强度上减小,但并不会消失。油松生态策略为小尺度聚集分布,与其他树种在5~15 m尺度空间负相关,这个尺度已经超过了经典的树冠竞争理论范畴,其背后的原因需要更加深入地研究。     

荒漠植物红砂与西北针茅种群的空间格局及其关联性

植物种群的空间分布格局及关联性是研究种群扩散、群落演替及生物与环境因子相互作用的重要手段。该研究以甘肃省皋兰县老虎台干旱荒漠区的主要物种——红砂(Reaumuria songarica)和西北针茅(Stipa sareptana var. krylovii)为对象,采用Ripley K 函数分析了不同坡向红砂和西北针茅种群的点格局特征及其关联性,以揭示干旱荒漠区植物演替过程中优势种群之间的竞争关系和生存繁衍策略。结果表明：(1)红砂和西北针茅在4个坡向上的分布格局具有显著差异性,随着坡向由西北坡向南坡的转变,红砂种群的株数、盖度及重要值先增加后降低,西北针茅种群则不断增加;西北坡向上,红砂种群的空间格局在0~2.1 m尺度上呈聚集分布,随着尺度的增加聚集强度减弱并趋向于随机分布,而西北针茅种群在整个尺度内均呈聚集分布;西坡坡向上,在整个研究尺度内,红砂种群表现为随机分布,而西北针茅种群表现为聚集分布;西南坡向上,红砂种群在0~3.7 m尺度上表现为聚集分布,3.7~5 m的尺度上表现为随机分布,西北针茅种群在0~1 m及4.2~5 m尺度上表现为随机分布,1~4.2 m尺度上表现为聚集分布;南坡坡向上,在整个研究尺度内,红砂种群表现为聚集分布,西北针茅种群表现为随机分布。(2)在西北坡与西坡坡向上,红砂和西北针茅种群的空间关联性在小尺度上均表现为负相关关系,随着研究尺度的增大,种间关联度均趋向于不相关;在西南坡与南坡坡向上,两物种在整个尺度范围内均表现为无关联性。     

不同高寒退化草地阿尔泰针茅种群的小尺度点格局

种群空间格局是种群自身特性、种间相互关系及环境条件综合作用的结果。采用草地群落学调查与点格局分析方法,在祁连山北坡选择未退化、轻度退化、中度退化和重度退化等4种高寒草地,分析了阿尔泰针茅(Stipa krylovii)种群斑块特征、株丛结构和点格局特征。结果表明:阿尔泰针茅在衰退过程中种群密度和种群领地面积减小,空斑面积增大,领地密度先增大后减小,小株丛(株丛径0.1-1.0 cm)比例增加,大株丛(株丛径2.1-7.0 cm)比例减小;不同草地梯度中阿尔泰针茅种群的空间格局存在明显差异:未退化草地中阿尔泰针茅种群在0-64 cm尺度上为均匀分布,64-100 cm尺度上为随机分布;中度退化草地中阿尔泰针茅种群在0-70 cm尺度上为随机分布,而在70-100 cm尺度上为聚集分布;轻度退化和重度退化草地中阿尔泰针茅种群在0-100 cm尺度上均为随机分布。在放牧干扰和种间竞争作用下,阿尔泰针茅种群斑块从中心开始破碎,并逐渐向四周辐散,引起小尺度上种群斑块间分布格局出现"随机分布-聚集分布-随机分布"转变,促使原有斑块被分割为多个直径较小的"岛"状小斑块并进一步分化,最终种群斑块完全破碎、草毡层逐步消失,从而造成阿尔泰针茅种群的衰退。     

甘肃臭草型退化草地优势种群空间格局及其关联性

空间格局和空间关联性是研究种群扩散和群落演替的重要方法。在石羊河上游高寒退化草地,运用点格局分析法,对不同演替阶段甘肃臭草和阿尔泰针茅的格局及关联性进行了研究。结果表明:甘肃臭草在没有形成斑块(CK)和斑块形成阶段(A),所有尺度上为聚集分布,在斑块扩散(B)、稳定(C)和衰退阶段(D)分别在0-90 cm、0-70 cm和0-40 cm上为聚集分布,90-100 cm、70-150 cm和40-150 cm为随机分布;阿尔泰针茅在CK阶段所有尺度上为随机分布,在A、B、C阶段分别在0-47 cm、0-75 cm、0-130 cm上为聚集分布,在47-50 cm、75-100 cm和130-150 cm上为随机分布,D阶段在所有尺度上为聚集分布;从CK-D阶段,甘肃臭草和阿尔泰针茅之间的关联性由显著负关联向关联性不显著转变,负关联显著程度先增强,后减弱;甘肃臭草种群从CK到D样地,种群领地密度先增大后减小,阿尔泰针茅种群领地密度逐渐减小。优势种替代过程中,种内竞争和种间竞争的相互转化影响格局的分布类型,竞争的不对称性影响关联性程度的强弱。     

基于不同零模型的点格局分析

在种群空间格局研究中,定量分析格局及其形成过程已成为生态学家的主要目标。在量化分析的众多方法中,点格局分析是最常用的方法,而在选择零模型时,完全空间随机模型以外的复杂零模型很少使用,实际上,这些零模型可能有助于认识格局的内在特征。为此,我们在研究实例中,选择完全空间随机模型(complete spatial randomness)、泊松聚块模型(Poisson cluster process)和嵌套双聚块模型(nested double-cluster process)对典型草原处于不同恢复演替阶段的羊草(Leymus chinensis)种群空间格局进行了分析。结果发现:完全空间随机模型仅能检测种群在不同尺度下的格局类型;而通过泊松聚块模型和嵌套双聚块模型检验表明,在恢复演替的初期阶段,羊草种群在小尺度范围内偏离泊松聚块模型,而在整个取样范围内完全符合嵌套双聚块模型;随着恢复演替时间的推移,在恢复演替的后期,在整个取样尺度上,羊草种群与泊松聚块模型相吻合。这是很有意义的生态学现象。这一实例表明在应用点格局分析种群空间格局时,仅通过完全空间随机模型的检验来分析格局特征,或许很难论证复杂的生态过程,而选择一些完全空间随机模型以外的较复杂的零模型,可能发现一些有价值的生态学现象,对揭示格局掩盖下的内在机制有所裨益。     

东北羊草天然草地的初级生产力

羊草天然草地位于欧亚草原带的东部,广泛分布于苏联的贝加尔地区,蒙古人民共和国的北部和东部以及中国的内蒙古高原和东北平原。根据地带性植被的观点,以旱中生草本植物为优势,同时混生一定的中生草本植物的中国东北羊草天然草地属于草甸草原,它是中国温带的重要放牧场之一。 中国东北羊草天然草地的结构比较单一,单草种群在草地中居绝对优势地位。本项研究测定了羊草天然草地现存量的季节变化,其地上部分现存量的峰值出现在8月24日,为4758.33KJ/m²;地下部分现存量的峰值也出现在8月24日,为35977.65KJ/m²。羊草天然草地地上部分的净生产量为6288.06KJ/m²·a,地下部分的净生产量为19913.18KJ/m²·a,总净生产量为26198.24KJ/m²·a。     

退化羊草草原在浅耕翻处理后植物群落演替动态研究

 在中国科学院生态中心草原站利用统计方法研究了退化羊草（Leymus chinensis）草原浅耕翻后群落演替规律。通过对18年数据的分析,结果表明：由于过度放牧而退化的羊草草原在浅耕翻处理后群落密度恢复较快,尤其是羊草与处理前相比已有很大变化,从而使群落得到了恢复。群落植物种的多样性、均匀性指数在这18年中均呈抛物线状分布。羊草、冰草（Agropyron michnoi）、变蒿（Artemisia commutata）、黄蒿（A．scoparia）、星毛委陵菜（Ｐotentilla　acaulia）的生物量与多样性指数和均匀性指数有显著的相关性。羊草的相对密度在第五年达到最高水平,然后逐渐下降,自第十五年后羊草的相对密度基本趋于平衡,其重要值呈单峰型曲线。退化羊草草原18年恢复过程可划分为4个阶段：第一阶段（1～3年）为根茎禾草+一、二年生杂类草群落,第二阶段（4～9年）为纯羊草群落 ,第三阶段（10～13年）为羊草+冰草+多年生杂类草过度型群落,第四阶段（14～18年）为羊草+冰草+丛生禾草、多年生杂类草群落。经过处理后18年的恢复演替,退化群落仍未恢复到原生群落,演替将继续进行。     

尺度与密度:测定不同尺度下的种群密度

群落中的种群密度由于空间尺度的变化而存在着一定差异,那么,某一种群的密度随着空间尺度的变化会发生怎样的变化?抑或某一物种相对于另一物种而言,随着空间尺度的变化其密度会怎样变化?这是与尺度有关的种群密度问题,当属生态学的基本问题.该文提出这样的问题,并把不同尺度下的种群密度称之为尺度密度(scale density).O-Ring函数的实质是计算不同尺度下的种群密度.因此,在研究实例中,应用O-Ring函数计算了典型草原处于不同恢复阶段的羊草(Leymuschinensis)种群、米氏冰草(Agropyron michnoi)种群,以及米氏冰草种群相对于羊草种群在不同尺度下的种群密度,结果发现:羊草和米氏冰草2个种群的尺度密度,在小尺度范围内严重退化群落均高于恢复演替群落,这一结果验证了“胁迫梯度假说”,同时表明该结果是放牧胁迫下正相互作用所致;通过比较羊草种群与米氏冰草相对于羊草的尺度密度发现,在严重退化的群落中,羊草与米氏冰草的种间关联为负联结,这种负联结是由正相互作用引起的,而在恢复8年和恢复21年群落中,二者之间是正联结,当为竞争所致.该实例说明分析种群密度随尺度变化的规律对于深入认识生态学问题可能会有很大帮助.     

内蒙古典型草原生态系统健康评价

以草原生态系统中的植物-土壤-大气界面的关键生态过程为基础,结合典型草原生态系统的群落特征及其退化演替模式,并考虑水分因子的限制作用,在确定生态系统健康评价模式(参照)系统和基况评价指标的同时,建立了典型草原生态系统健康评价的CVOR综合指数的计算模型和方法.通过分析放牧压力和围封保育对内蒙古典型草原生态系统健康的影响,检验了CVOR综合指数的可行性,可为草原生态系统健康管理提供一个综合、简单、准确、宜行的评价方法.     

典型草原建群种羊草对氮磷添加的生理生态响应

由于人类活动和气候变化的共同作用, 大气氮(N)沉降日益加剧, 使得陆地生态系统中的可利用性N显著增加, 生态系统更易受其他元素如磷(P)的限制。然而, 目前关于N、P养分添加对草原生态系统不同组织水平的影响研究较少, 相关机制尚不清楚。该文以内蒙古典型羊草(Leymus chinensis)草原为研究对象, 通过连续两年(2011-2012年)的N和P养分添加实验, 研究建群种羊草的生理生态性状、种群生物量和群落初级生产力对N、P添加的响应及其适应机制。结果表明: 羊草草原不同组织水平对N、P添加的响应不同。群落水平上, 地上净初级生产力在不同降水年份均受N和P元素的共同限制, N、P共同添加显著提高了地上净初级生产力; 物种水平上, N、P添加对羊草种群生物量和密度, 以及相对生物量均没有显著影响, 表明羊草能够维持种群的相对稳定; 个体水平上, 在正常降水年份(2011年), 羊草生长主要受N素限制, 而在湿润年份(2012年), 降水增加使得羊草生长没有受到明显的养分限制。羊草通过增加比叶面积、叶片大小和叶片N含量, 提高整体光合能力, 以促进个体生长。总之, 内蒙古典型草原群落净初级生产力受N、P元素共同限制, 作为建群种的羊草, 其对N、P添加的响应因组织水平而异, 也受年际间降水变化的影响。     

内蒙古典型草原物种组成和群落结构对长期放牧的响应

该文比较研究了内蒙古羊草草原和大针茅草原放牧演替系列经过20a (1985~2005年) 放牧, 利用群落组成与结构的变化分析了这两个放牧演替系列上15个植物群落的变化趋势, 并依此探讨长期放牧对草原生态系统结构和功能的影响。结果表明:在大针茅 (Stipa grandis) 牧压梯度系列上, 群落仍以大针茅群系为主, 冷蒿 (Artemisia frigida) 为建群种的群落消失;在羊草 (Leymus chinensis) 牧压梯度系列上, 羊草和冷蒿不再是建群种, 被西伯利亚羽茅 (Achnatherum sibiricum) 、大针茅、冰草 (Agropyron cristatum) 和糙隐子草 (Cleistogenes squarrosa) 所替代。综合两个牧压梯度系列的研究结果得出以下基本结论:长期过度放牧进一步加速了草原群落的退化进程, 但退化草原具有较高的恢复弹性, 控制放牧使部分群落得到一定程度的恢复。同一植物群落时间变化, 或不同演替阶段的植物群落在空间序列上的位移程度主要取决于放牧史和利用强度。过去20a中, 特别是2003年以来草原管理政策的改变并没有导致该区域草地的整体退化, 而是在一定程度上有利于草地的恢复。     

羊草草原分解者亚系统的特性及作用

在内蒙古羊草（Ｌｅｙｍｕｓｃｈｉｎｅｎｓｉｓ）草原,对其分解者亚系统的特性及作用开展研究,采用网袋法对不同物候期羊草植株和凋落物的分解作用进行了测定。结果如下：１．植株分解的最初２－３ａ中,其残体表面的微生物生物量及转化酶、蛋白酶的活性均呈现返青期植株＞结实期植株＞果后营养期植株＞凋落物。植株分解的速度亦为上述规律。２．羊草植株被分解后,可提高临近土壤的微生物活性。各植株分解均引起土壤的Ｃ／Ｎ值下降,老熟植株分解使土壤的ＨＡ／ＦＡ值升高。３．幼嫩植株分解时,其体内营养元素会较快释放;凋落物分解则导致氮和磷元素的积累,但钾不会。４．通过指数衰减模型估算,羊草凋落物的分解常数为０．１５３ｇ／ｇ·ａ,９５％被分解掉约需１９ａ时间。５．羊草草原凋落物的最大积累量为年输入量的６．５４倍,即１１７５．６ｇ／ｍ￣２。６．分用凋落物的微生物其生物量平均为４．４×１０￣（－３）ｇ／ｇ·ＤＷ,微生物所含能量仅占凋落物贮存能量的０．５％左右。     

Point pattern analysis under conditions of replicated sampling北大核心CSCD

Aims: The analysis of point patterns, which deals with data sets consisting of mapped locations of organisms in a study region, is especially important to plant ecological studies because the locations of plants can often be approximated as points. However, few studies used point pattern analysis with data collected by replicated sampling. a principle procedure of acquiring data in ecological research. Therefore, we explore the applicability of point pattern analysis under conditions of replicated sampling in this study. Methods: Three replicated 5 m × 5 m plots of homogenous communities were established on a site with eight years of restoration in Nei Mongol steppe. In each plot, the locations of individuals in Leymus chinensis and Stipa grandis populations were mapped. O-Ring function was used to describe the population patterns and species association between L. chinensis and S. grandis for each plot as well as the integrative data of the three replicates. Important findings: Population patterns and species associations differed among the three replicated plots. This illustrates that if point pattern analysis was applied to describe the population patterns and species associations only by using data from a single plot sampling, the results could be misleading. Whereas it would be more reliable to integrate the data of replicated plots in the point pattern analysis because in this way the resulting O-Ring function is a weighted average, where the weight is the number of points in the replicate i divided by the total number of points in all replicated plots.