平地无风条件下蒙古栎阔叶床层的火行为Ⅰ.蔓延速率影响因子与预测模型

以东北林业大学帽儿山实验林场蒙古栎次生林下的蒙古栎凋落叶片为材料,根据研究地区同类可燃物的野外条件,在实验室内构建了不同载量、高度和含水率的可燃物床层,进行100次平地无风条件下的点烧试验.结果表明：平地无风条件下蒙古栎阔叶床层的林火蔓延速率不超过0.5 m·min^-1;可燃物含水率、床层载量和高度对蒙古栎阔叶床层的林火蔓延速率具有显著影响;含水率对林火蔓延速率的影响与可燃物床层高度、载量等无显著关系,而可燃物床层高度对林火蔓延速率的影响与可燃物床层载量有关.可燃物床层压缩比对蒙古栎阔叶床层的林火蔓延速率影响不大.以可燃物含水率、床层载量和高度为预测因子的林火蔓延速率预测模型能解释83%的林火蔓延速率变差,模型的平均绝对误差为0.04 m·min^-1,平均相对误差不超过17%.     

平地无风条件下蒙古栎阔叶床层的火行为Ⅰ.蔓延速率影响因子与预测模型

以东北林业大学帽儿山实验林场蒙古栎次生林下的蒙古栎凋落叶片为材料,根据研究地区同类可燃物的野外条件,在实验室内构建了不同载量、高度和含水率的可燃物床层,进行100次平地无风条件下的点烧试验.结果表明：平地无风条件下蒙古栎阔叶床层的林火蔓延速率不超过0.5 m·min^-1;可燃物含水率、床层载量和高度对蒙古栎阔叶床层的林火蔓延速率具有显著影响;含水率对林火蔓延速率的影响与可燃物床层高度、载量等无显著关系,而可燃物床层高度对林火蔓延速率的影响与可燃物床层载量有关.可燃物床层压缩比对蒙古栎阔叶床层的林火蔓延速率影响不大.以可燃物含水率、床层载量和高度为预测因子的林火蔓延速率预测模型能解释83%的林火蔓延速率变差,模型的平均绝对误差为0.04 m·min^-1,平均相对误差不超过17%.     

广义Rothermel模型预测平地无风条件下红松蒙古栎林地表混合可燃物的火行为

以帽儿山地区红松-蒙古栎林下地表混合可燃物为材料,进行不同含水率、载量和混合比例的室内点烧试验,观测得到蔓延速率、驻留时间、反应强度、火线强度和火焰长度,并与采用表面积加权法和载量加权法的广义Rothermel模型预测值进行比较.结果表明： 广义Rothermel模型对红松 蒙古栎林下地表混合可燃物的林火蔓延速率、反应强度的预测平均绝对误差分别为0.04 m·min^-1、77 kW·m^-2,预测平均相对误差分别为16%、22%;对驻留时间、火线强度和火焰长度的预测偏低,预测平均绝对误差分别为15.5 s、17.3 kW·m^-1和9.7 cm,预测平均相对误差分别为55.5%、48.7%和24%.这些误差可以看成是用该模型预测同类可燃物相应火行为的误差下限.两种加权算法对模型预测精度影响差异不大,当红松可燃物所占比重较小时,表面积加权法得到的蔓延速率和反应强度预测值精度较高,载量加权法得到的火线强度和火焰长度预测值精度较高;当红松可燃物所占比重较大时,结果则相反.     

广义Rothermel模型预测平地无风条件下红松-蒙古栎林地表混合可燃物的火行为

以帽儿山地区红松-蒙古栎林下地表混合可燃物为材料,进行不同含水率、载量和混合比例的室内点烧试验,观测得到蔓延速率、驻留时间、反应强度、火线强度和火焰长度,并与采用表面积加权法和载量加权法的广义Rothermel模型预测值进行比较.结果表明:广义Rothermel模型对红松-蒙古栎林下地表混合可燃物的林火蔓延速率、反应强度的预测平均绝对误差分别为0.04 m·min-1、77 kW·m-2,预测平均相对误差分别为16％、22％;对驻留时间、火线强度和火焰长度的预测偏低,预测平均绝对误差分别为15.5 s、17.3 kW·m-1和9.7 cm,预测平均相对误差分别为55.5％、48.7％和24％.这些误差可以看成是用该模型预测同类可燃物相应火行为的误差下限.两种加权算法对模型预测精度影响差异不大,当红松可燃物所占比重较小时,表面积加权法得到的蔓延速率和反应强度预测值精度较高,载量加权法得到的火线强度和火焰长度预测值精度较高;当红松可燃物所占比重较大时,结果则相反.     

平地无风条件下蒙古栎阔叶床层的火行为Ⅲ.火线强度、可燃物消耗和燃烧效率分析及预测模型

以东北地区针阔混交林重要建群种和伴生种蒙古栎为对象,在平地无风条件下进行室内点烧试验,分析含水率、载量和厚度对蒙古栎凋落叶床层火线强度、消耗量和燃烧效率的影响,并对相关模型进行了验证.结果表明: 含水率、载量和床层厚度对蒙古栎凋落叶床层火线强度、消耗量和燃烧效率均有显著影响,并且3个指标之间存在交互作用.在已有模型中,Byram模型需参数调整后方可用于本地凋落叶可燃物,其重新估计的α、β拟合值分别为98.009和1.099,得到的预测值均方根误差为8.676 kW·m^-1,平均相对误差为21.0%, R²为0.745.对Albini提出的燃烧效率模型参数a、b的重新估计值分别为0.069和0.169,得到的预测值均在93.0%以上,绝大多数偏高.Consume模型适用性较强.新建立的火线强度、消耗量和燃烧效率的一般线性模型调整后的R²分别为0.82、0.73和0.53,均方根误差分别为8.266 kW·m^-1、0.081 kg·m^-2和0.203.在低强度地表火中,细小可燃物可能不会被完全消耗,现有一些系统中将凋落叶和细小可燃物按全部消耗处理,将高估碳的释放量.     

帽儿山地区10种灌木生长期内含水率变化及预测模型

通过2010-2011年两年的连续观测,研究了帽儿山地区10种典型灌木生长期内含水率的动态变化及其影响因子,并建立了灌木含水率预测模型.结果表明:10种灌木生长期内的最低含水率都高于100％.在展叶期后到落叶期之前,大部分灌木含水率都超过200％.其中,瘤枝卫矛、珍珠梅和接骨木在整个生长期内不易燃;暴马丁香、东北山梅花、乌苏里绣线菊、金银忍冬、长白忍冬、栓翅卫矛和小叶鼠李在萌芽期和落叶期内可燃,在展叶期到落叶前期不易燃.土壤含水率和日最高气温对多数(7种)灌木的含水率有影响,林冠干旱指数则对部分(5种)灌木含水率有影响.所建立的线性预测模型中,9个模型可以解释超过35％的含水率变差.模型的平均绝对误差(MAE)和平均相对误差(MRE)分别为35.9％和13.4％.     

基于卷积神经网络及气象要素回归法的地表死可燃物含水率预测模型

地表可燃物含水率是森林火险等级和火行为变化的重要指标,其预测模型对于火险预测、火灾管理等具有显著作用。本研究基于蒙古栎及樟子松林地的野外气象因子以及地表死可燃物含水率数据,进行气象因子随机森林相对重要性排序以及皮尔逊相关性分析,并使用深度学习中的卷积神经网络以及气象要素回归法预测可燃物含水率。结果表明：野外蒙古栎的可燃物含水率显著高于樟子松。随机森林结果表明,对于可燃物含水率具有显著作用的因子排列顺序从大到小为湿度、温度、降雨、风速、太阳辐射;相关性分析表明,当日的温度、湿度、降雨对于可燃物含水率具有显著影响,同时,气象因子之间也存在一定的相关性。卷积神经网络模型对于蒙古栎及樟子松林地表可燃物含水率的预测R²分别为0.928、0.905,平均绝对误差(MAE)分别为6.1%、8.1%,平均相对误差(MRE)分别为8.9%、4.2%;气象要素回归法的R²分别为0.495、0.525,MAE分别为30.5%、39.5%,MRE分别为52.1%、32.6%,卷积神经网络模型精度显著高于气象要素回归法。研究表明,深度学习的卷积神经网络能够为今后的可燃...     

镜鲤体长、体高、体厚性状QTL定位分析

以镜鲤全同胞家系为材料,用246个SSR和306个SNP标记构建了鲤鱼的连锁图谱,利用GridQTL软件对体长(SL)、体高(H)、体厚(BT)和体长/体高(SLH)进行了QTL定位分析。结果显示:共检测到14个相关的QTL,分布在7个连锁群上。其中,7个与体长相关的QTL——LG6、LG17、LG21、LG23和LG35连锁群上的QTL为显著水平(P<0.05),LG1和LG28上达到极显著水平(P<0.01),可解释表型变异为6.6%~12.6%;3个与体高相关的QTL均为极显著水平(P<0.01)位于LG17、LG23和LG28上,可解释表型变异分别为11.6%、12.7%和15.6%;2个与体厚相关的QTL均为显著水平(P<0.05)位于LG23和LG28上,可解释表型变异分别为8.6%和7.2%;2个与体长/体高相关的QTL均为显著水平(P<0.05)位于LG21和LG35上,可解释表型变异均为8.2%。     

浑河太子河流域地形和土地利用对表层土壤养分空间变异的影响

应用GIS技术,综合统计学和地统计学方法,探讨了浑河太子河流域表层土壤养分的空间分布,同时分析了地形因子、土地利用及其交互作用对土壤养分空间变异的影响。结果表明:海拔、坡度与土壤有机质、全氮、全磷呈极显著正相关,与全钾呈极显著负相关;坡向的影响不显著。林地和草地的有机质、全磷平均含量相对较高;水田和旱地的全钾平均含量较高。地形因子与土地利用方式的交互作用显著影响土壤养分含量。有机质、全氮和全磷含量高的区域集中在海拔较高、坡度较大的林地和草地。地形条件和土地利用方式能够解释研究区土壤养分的空间变异。     

风速对蒙古栎阔叶床层失水过程的影响

研究蒙古栎阔叶床层在近似恒温湿条件下不同风速时的失水过程,分析了风速对床层失水系数的影响.结果表明: 风速对蒙古栎阔叶床层失水过程的影响与可燃物含水率有关.从较高含水率(>75%)到近平衡含水率的多个失水过程可划分为3个阶段:有风失水速率大于无风失水速率的初始阶段、有风失水速率小于无风失水速率的中间阶段、不同风速失水速率相近的结束阶段.风速的影响随床层含水率降低而下降.蒙古栎阔叶床层的失水系数受风速、密实度和两者交互作用的影响,其中,失水系数随风速以三次多项式近似单调增加.     

以小时为步长的大兴安岭兴安落叶松林地表可燃物含水率预测模型

应用时滞平衡含水率法(包括Nelson和Simard两种)及气象要素回归法,以小时为步长对大兴安岭地区阳坡上部落叶松林下地表细小死可燃物进行动态含水率测定,分析了不同郁闭度林分的预测误差.结果表明:以小时为步长的可燃物含水率预测方法适用于大兴安岭地区的典型落叶松林分,Simard法预测平均绝对误差为1.1%,平均相对误差为8.5%,低于Nelson法和传统的气象要素回归法,接近同类研究的误差范围;同一坡度、坡位上,不同郁闭度下的可燃物含水率变化差异较大,使用以小时为步长的可燃物含水率预测方法,应根据不同地区林分和地点选择合适的平衡含水率模型,或建立基于林分的可燃物含水率模型.     

甘草野生种群果实与种子形态特征的地理变异研究

目的:研究甘草荚果和种子形态特征地理变异规律并分析其形成的生态学机制。方法:采用样方调查的方法测定全国4省区8个旗县甘草野生种群的地上植株形态特征,采用双重筛选逐步回归分析方法探讨甘草荚果和种子形态特征的地理变异规律及其形成的生态学机制。结果:(1)不同甘草种群的荚果数、荚果腺毛长度、种室数目、每荚种子粒数和结实率5项指标的差异达到了极显著水平(P<0.01);荚果长度、荚果厚度、荚果腺毛密度和种子长度4项指标的差异达到了显著水平(P<0.05)。(2)荚果厚度、种室数目等5项形态特征与经度呈显著相关,只有荚果腺毛长度1项指标与纬度显著相关。结论:甘草野生种群荚果与种子形态特征存在显著的地理变异,其变异趋势以经向变异为主,光照因子差异是导致地理变异的主要原因,其次为温度因子和水分因子,其相关关系可用多元回归模型解释。     

以小时为步长的大兴安岭典型林分地表死可燃物含水率模型预测及外推精度

地表死可燃物含水率是火险天气和火行为预报中的重要指标.本研究基于时滞平衡含水率法(Nelson和Simard方法)及气象要素回归方法,于2010年9—10月对黑龙江省大兴安岭地区盘古林场不同郁闭度的山杨-白桦混交林、红皮云杉纯林,以及采伐迹地(原1∶1樟子松-白桦混交林)地表死可燃物含水率进行以小时为步长的连续测定,建立其预测模型,得到预测误差,并使用相应的模型对其他林分地表死可燃物含水率进行外推精度分析.结果表明:采用Nelson平衡含水率法构建的地表死可燃物含水率变化模型的平均绝对误差、平均相对误差和均方误差根(0.0154、0.104和0.0226)低于Simard法(0.0185、0.117和0.0256)和气象要素回归法(0.0222、0.150和0.0331).在外推效果方面,气象要素回归法的平均绝对误差、平均相对误差和均方误差根(0.0410、0.0300和0.0740)低于Simard法(0.610、0.492和0.846),但前两者均高于Nelson法(0.034、0.021和0.0660),说明以小时为步长的时滞平衡含水率法,尤其是Nelson法适用于大兴安岭地区所测林分.外推虽不能降低误差,但有助于提高现有模型应用至不同林分条件或大尺度范围内的地表死可燃物含水率预测精度和利用率.模型建模和外推误差与不同树种和郁闭度条件差异有关,研究时应根据不同林分和地点选择合适的平衡含水率模型.     

浙江省野生蜡梅花部形态变异及其与环境因子的相关性

以浙江省蜡梅自然分布区的5个居群为研究对象,采用巢式方差分析、主成分分析、相关分析、聚类分析等多种分析方法,探究蜡梅花部的形态变异及其与环境因子相关性以及居群间和居群内的表型多样性。结果表明:蜡梅花部性状中除雄蕊长度、雌蕊数、雌蕊长度、内被片数以外,其他12个性状在居群间均有极显著差异。胚珠数的平均变异系数最大,花冠内径的平均变异系数最小,各性状的平均变异系数为15.03%(10.81%—23.38%)。五尖山的表型多样性最丰富,碧东山居群最小,种群间平均表型分化系数为44.38%(1.57%—89.62%),种群内变异大于种群间变异,种群内变异是花部变异的主要来源。主成分分析显示花冠直径、花冠内径、花筒深度和中被片长对种群变异起主要贡献作用。花部多数性状间存在显著或极显著的相关关系,生态因子中花部性状与土壤酸度相关性最大,土壤中花部性状与大量元素相关性最大,微量元素次之,中量元素最小。通过UPGMA聚类分析可以将5个种群分成两组。浙江省野生蜡梅花部形态存在丰富的变异和多样性,花部部分性状与土壤中钙、铁、铜含量和海拔有显著或极显著相关关系。     

大豆微核心种质蛋白质及脂肪含量的遗传变异

大豆是人类最重要的植物蛋白和油脂来源。提高大豆蛋白质及脂肪含量一直是大豆品质育种的重要研究方向。采用NIR检测方法,对77份大豆微核心种质进行蛋白质及脂肪含量分析,探讨微核心种质蛋白质及脂肪含量的遗传变异特性及其与主要农艺性状的相关性,为种质利用及品质育种提供依据。结果表明,蛋白质含量和脂肪含量在品种间和生态区间均存在极显著的差异,变异丰富;蛋白质含量和脂肪含量的变异幅度为40.68%~50.03%和13.81%~21.51%,平均含量为45.95%和17.42%,变异系数为4.42%和7.96%;不同生态区品种蛋白质含量为南方品种>黄淮海品种>北方品种>国外品种,脂肪含量则相反。蛋白质含量与脂肪含量呈极显著负相关(r=-0.825**),与单株粒数和单株荚数呈极显著和显著负相关(r=-0.205**,r=-0.156*),与底荚高度呈极显著正相关(r=0.240**)。主成分分析显示,4个主成分可解释82.25%信息,分别为产量构成因子、品质因子、株型因子和粒重因子。     

武夷山不同林龄甜槠林土壤呼吸特征及影响因素

为揭示中亚热带常绿阔叶林群落优势种一甜槠天然林不同林龄林下土壤呼吸(Soil respiration,RS)差异及影响因素,采用LI-8100开路式土壤碳通量系统对武夷山自然保护区不同林龄(18、36、54、72 a)天然甜槠林进行了1年的野外原位测定。结果表明:(1)不同林龄甜槠林RS季节动态呈现明显的单峰趋势,林龄对冬季RS影响并不显著(P>0.05),秋季18 a甜槠林RS与其他3种林龄差异显著(P<0.05),林龄对土壤含水率的季节变化没有显著影响(P>0.05);(2)不同林龄甜槠林5 cm深土壤温度与RS拟合R2明显高于土壤含水率与RS拟合R2,随着林龄增大,RS温度敏感性指数Q10值呈上升趋势,依次为1.551、1.589、1.640、1.664,且54、72 a甜槠林RS温度敏感性指数Q10值显著高于18、36 a(P<0.05);(3)土壤含水率与5 cm深土壤温度共同解释了RS变异的86%—90.3%;0—60 cm土层根系生物量与5 cm深土壤温度共同解释了RS变异的88.3%—91.8%,由此可见,生物因子与非生物因子双因素拟合可以更好地解释不同林龄RS差异。在对未来森林植被土壤呼吸及碳汇功能进行研究时,应在考虑林龄及季节差异的基础上,加强对生物因子的测定。     

基于FWI湿度码的塔河林业局地表凋落物含水率预测

加拿大火险天气指标系统(FWI)是目前世界上应用最广的火险天气系统,其可燃物含水率预测方法成为一种重要的研究方法.本文以黑龙江省大兴安岭地区塔河林业局典型林分为研究对象,通过野外地表凋落物含水率的连续观测,分析了凋落物含水率与FWI系统3个湿度码\[细小可燃物湿度码（FFMC）、枯落物下层湿度码（DMC）、干旱码（DC）\]之间的关系.结果表明： 对于研究地区8个样地单独取样的地表凋落物,用FWI系统的湿度码FFMC所建立的线性预测方程的平均绝对误差和平均相对误差分别为14.9%和70.7%,低于气象要素回归模型,说明采用FWI湿度码来预测地表凋落物含水率具有一定优势,可用于预测可燃物含水率,但这种优势是有限的.今后应加强对FWI系统在我国应用的修正工作,特别是雨后可燃物湿度码的修正.     

褐飞虱发生的相空间线性回归预测模型

基于混沌理论,通过对江苏省太湖地区农科所褐飞虱发生时间序列资料的分析,组建了褐飞虱Nilaparvata lugens Stal发生时间序列的相空间线性回归预测模型。结果表明,7次预报的平均相对误差为22.91%,转化为发生等级,预测准确率为100%,这为害虫的长期可预测性提供了一种有效的新方法。     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).