简介：以福建省三明市格氏栲自然保护区米槠（Castanopsiscarlesii）天然林土壤和杉木（Cunninghamialanceolata）人工林土壤为研究对象,通过不同梯度（对照CT-0g·kg-1、低磷LP-0.1g·kg-1、高磷HP-0.6g·kg-1）磷添加室内培养实验,采用磷脂脂肪酸（PLFA）分析法,研究磷添加对中亚热带米槠天然林和杉木人工林土壤微生物生物量和群落组成的影响,结果表明：1）施磷除显著提高总磷和有效磷含量外,亦显著增加土壤pH和可溶性有机碳的含量;2）土壤微生物生物量和群落组成对磷添加的响应因施磷量和森林类型不同而不同,其中高磷处理显著增加杉木人工林和米槠天然林土壤微生物PLFA,杉木人工林增幅大于米槠天然林。低磷处理仅显著增加杉木人工林土壤微生物PLFA,对米槠天然林土壤微生物生物量影响不显著;磷添加显著增加杉木人工林土壤革兰氏阳性菌与革兰氏阴性菌的比值（GP/GN）,对2种森林土壤真菌与细菌比（F/B）影响不显著。该研究表明米槠天然林转变成杉木人工林后,养分流失,加剧了磷限制。因此适当施磷有利于杉木人工林可持续经营。

简介：2016年10月~2017年4月,采用固定样线法,对四川绵阳三江湖国家湿地公园中的水鸟群落进行了调查和观测,共记录水鸟7目11科55种,其占全国水鸟总数的20.30%;其中,有国家一级保护鸟类1种,国家二级保护鸟类2种,省级重点保护鸟类9种;水鸟群落以红头潜鸭(Aythyaferina)、凤头潜鸭(Aythyafuligula)和红嘴鸥(Larusridibundus)为优势种。在该湿地公园内,各月记录的水鸟数量和种类有较大差异,12月�

简介：针对现有页岩气储集层总有机碳含量预测模型存在的模型泛化能力弱、稳定性差的问题,提出了一种利用随机森林回归算法预测储集层总有机碳含量的方法。该方法使用地球物理测井提供的密度、铀含量、钍含量、自然伽马及光电吸收截面吸收指数等测井响应值作为输入,岩芯实验总有机碳含量作为输出,通过学习输入曲线与总有机碳含量的函数关系,动态预测整口井的总有机碳含量曲线。通过对焦石坝地区两口页岩气探井建模及预测可知,当随机森林中树的数量达到500时,建立的模型即可对训练样本中输入与输出的函数关系进行完全学习。通过训练结果及预测结果可知,随机森林回归方法不易发生过拟合现象,泛化能力极强,同时预测得到的曲线更为平滑,预测总有机碳含量较其他方法更为准确,有效地提高测井信息预测总有机碳含量模型的精度,对页岩气储集层评价提供帮助。

简介：加强对我国森林碳储量和固碳潜力的研究,是制定中国增汇减排政策的重要依据,对我国国际气候谈判和全面了解森林碳汇潜力具有重要作用。利用我国第七次和第八次森林资源清查中各优势树种的面积和蓄积量数据,采用IPCC材积源生物量法（volume-biomassmethod）,估算了我国森林（乔木林）碳储量和碳密度及其分布,分析我国不同省份天然乔木林和人工乔木林碳储量龄组结构特征;建立分区域、分起源主要优势树种的单位面积蓄积-林龄Logistic生长方程,结合我国森林2020年和2030年面积蓄积增长目标,预测我国乔木林2010—2050年间碳汇潜力。结果表明：第八次清查期间中国乔木林总碳储量为6135.68Tg,碳密度为37.28Mg/hm2;天然乔木林和人工乔木林的碳储量分别为5246.07Tg和889.61Tg,分别占总碳储量的85.50%和14.50%。到2050年,中国乔木林和新造林的总碳储量和平均碳密度将分别达到11125.76Tg和52.52Mg/hm2,与2010年相比分别增加81%和41%。分析结果表明中国乔木林有很大的碳汇潜力,将在应对和减缓全球气候变化中发挥重要作用。

简介：为了研究滨海化工园区附近潮间带沉积环境中的微生物群落结构,揭示化工园区排污对附近沉积环境中微生物的多样性及群落影响,同时也为揭示滨海化工园区附近潮间带环境中微生物群落的多样性和复杂性。选择浙江省台州市椒江化工园区附近潮间带沉积物微生物群落为研究对象,利用IlluminaMiSeq高通量测序技术,在椒江化工园区附近潮间带的沉积物中,共鉴定出古菌和细菌16门43科76属176种,其中,变形菌门丰度最高,其序列数占总序列数的62.4%;ACE指数和Chao指数的平均值分别为232和233,Shannon多样性指数平均值为4.44,Simpson多样性指数平均值为0.033,表明潮间带沉积物中微生物群落的多样性水平较高,化工园区南、北端附近潮间带沉积物中微生物群落的多样性水平差异较小;沉积物中绿弯菌门、浮霉菌门物种数量等与多数环境指标显著负相关,装甲菌门、脱铁杆菌门和待定菌群OD2、TM8物种数量则与多种重金属、多环芳烃和多氯联苯化合物含量显著正相关。

简介：以建瓯的杉木（Cunninghamialanceolata）人工林（JCL）、罗浮栲（Castanopsisfabri）林（JCF）、米槠（Castanopsiscarlesii）林（JCC）及武夷山的米槠林（WCC）不同层次土壤（0～10cm，10～20cm）为对象，用45mL去离子水（相当于189mm降雨量）分3次（每次15mL）淋洗厚度约1.8cm土壤，研究模拟降雨条件下表层土壤渗滤液可溶性有机质（DOM）的浓度和光谱学特征，分析可能的影响因素。结果表明，在0～10cm土层，杉木人工林淋滤液中土壤可溶性有机氮（DON）含量显著高于3种天然林，分别是JCF、JCC、WCC的3.5、1.5、2倍，但土壤可溶性有机碳（DOC）、腐殖化程度及荧光效率（Feff）值低于3种天然林；在10～20cm土层，4种林分的DON和DOC无显著差异，但杉木人工林的腐殖化程度及Feff值低于3种天然林。在不同植被类型中，0～10cm土层的荧光同步光谱腐殖化指数（HIXsyn）值均大于10～20cm，而Feff值均小于10～20cm。综合3种光谱分析表明，3种天然林土壤淋滤液DOM含量更高，结构更简单；杉木人工林土壤淋滤液DOM含有较多木质素等不易分解的物质。与10～20cm层土壤相比，0～10cm层土壤DOM中含有更多分子量大、结构复杂的物质。

简介：以2016年8月26日Landsat-8OLI影像为数据源,针对特征变量数目可影响分类精度和运算速率问题,采用一种基于特征优选的随机森林模型,提取了黄河口滨海湿地高精度信息。首先,采用Relief（relevantfeatures）-F算法,对全部特征变量进行权重排序,剔除不相关变量;然后,分别采用基于特征优选的随机森林模型、最大似然方法和神经网络分类算法,提取黄河口滨海湿地信息,比较基于特征优选的随机森林模型与其它两种分类方法在滨海湿地信息提取应用中的精度和效率。研究结果表明,基于特征优选的随机森林模型滨海湿地分类效果最佳,总精度为86.39%,Kappa系数为0.81,明显高于最大似然和神经网络分类方法;其中,河流湿地分类精度最高,为95.83%,盐田分类精度最低,主要原因在于盐田与养殖池、水库/坑塘的光谱和几何特征极为相似,易于混淆;但与最大似然分类和神经网络分类方法相比,该方法提取效果明显改善,分类精度分别提高了16.84%和4.44%。本研究结果证明,采用Relief-F算法特征优选的随机森林模型提取滨海湿地信息的方法,具有分类精度高、运算速率快的优势,适用于滨海地区不同类型湿地高精度信息提取。