淇澳岛红树林湿地公园生物学教学资源与实习基地建设探索

淇澳岛红树林湿地公园拥有丰富的生物学教学资源和便捷的交通条件,其红树植物资源、湿地动物资源独具特色,具备建设生物野外实习基地的优越条件。通过深入挖掘湿地公园的生物学教学资源,开展校地合作凸显湿地公园红树植物资源教学、科研和科普特色,发挥北京师范大学大等高校的学科力量和专业优势,将淇澳岛红树林湿地公园建成一个综合性的野外实习教学基地。

晋西吕梁山严村流域撂荒地植物群落演替中的物种多样性变化

用DCA排序研究了黄土丘陵区撂荒地上植物群落演替的趋势和方向 ,用 6种多样性指数分析了物种丰富度、均匀度和综合多样性在演替过程中的变化。随着演替的进展 ,物种丰富性显著增高 ,均匀性逐渐降低 ,综合多样性逐渐升高。

五台山亚高山草甸小格局分析

用种毗连法和种小区法对五台山２４００２８００ｍ的亚高山草甸的小格局分析．结果表明：在小格局中，大部分种与优势种苔草呈正关联；小格局规模都较小，各个种趋于交错分布；不同规模的格局应用不同的分析方法，小格局不能用中格局分析方法进行研究；种小区法和种毗连法都是有效的小格局分析方法，从本文结果看前者优于后者．

五台山亚高山草甸群落生态关系分析

本文用现代数量分析技术研究五台山亚高山草甸的生态关系，该植被可分为八个植物群落型。群落型及优势种的分布与地形因素有密切的关系。物种多样性在群落型分化中有重要作用。并建议对五台山亚高草甸进行特殊保护。

景观格局的数量研究方法

依据景观格局数量方法的研究进展 ,从单个斑块特征分析、单一景观要素的格局分析及景观镶嵌体特征分析等三方面介绍了数量分析方法 。

芦芽山华北落叶松林不同龄级立木的点格局分析

华北落叶松林是芦芽山自然保护区的重要林型。对其建群种华北落叶松不同龄级个体的分布格局及其相互关系进行了研究。植物种群在群落中的分布格局与空间尺度有着密切关系 ,这里采用能够分析各种尺度下格局的分析方法——点格局分析法 ,其是以种群个体空间分布的坐标点图为基础。结果表明 ,芦芽山华北落叶松不同龄级密度差异较大 ,高龄级密度较大 ;目前华北落叶松是稳定型种群 ,但从长远看 ,仍需人工协助更新 ;华北落叶松 5个龄级集群分布特征比较明显 ,且随着龄级的增加 ,集群特征有更明显的趋势 ;各个龄级个体之间在各种尺度下都有比较显著的正关联 ,3～ 5龄级个体关联更为显著 ;点格局分析法能够分析各种尺度下的种群格局和种间关系 ,所描述的结果更符合实际 ,尤其是对群落结构的描述。

关帝山神尾沟森林群落木本植物种间联结性与相关性研究

用 χ2 检验和Pearson相关系数检验研究了关帝山神尾沟植物群落的种间关系 ,分别测定了 8种乔木和 1 8种灌木植物在神尾沟植物群落中的总体关联性以及它们在 7类不同群落中的种间联结性和相关性。结果清楚地反映了木本植物种间关系以及它们在资源利用和生态位上的差异。

芦芽山油松-辽东栎林优势树种空间分布格局研究

采用由连续小样方（2m×2m）组成的样带取样，并用双项轨迹方差分析法对芦芽山油松-辽东栎林优势树种空间分布格局进行了研究。结果表明，油松和辽东栎的小斑块规模在8～16m之间，大斑块规模在60-70m之间。乔木种联合格局的小斑块规模为20-30m，大斑块规模为80～90m。乔木层的联合格局比单个优势种群格局大，种群格局是相互交错和相互重叠的。该格局结构有利于资源的充分利用并增强对干扰的抗性。

吕梁山严村低中山区植物群落演替分析

采用一次性同时调查的方法获得数据 ,用数量分类 (TWINSPAN)和排序 (DCA)研究严村低中山植物群落演替。在黄土弃耕地上群落的演替顺序为 :苦苣 +狗尾草群落 (Comm .Ixerischinensisssp .versicolor +Setariaviridis)→蒿类群落 (Comm .Artemisiaspp .)→野艾蒿 +披碱草群落 (Comm .Artemisialavandulaefolia +Elymusdahuricus)→披碱草 +早熟禾 +蒿类群落 (Comm .Elymusdahuricus +Poaannua +Artemisiaspp .)→沙棘灌丛群落 (Form .Hipporphaerhamnoides)→油松林 (Form .Pinustabulaeformis)→华北落叶松林 (Form .Larixprincipis rupprechtii)。在群落演替的进程中 ,群落结构、种类组成。

自组织神经影射网络排序及其在植物群落分析中的应用

自组织神经影射网络(SOFM)对复杂问题和非线性问题具有较强的分析和解决功能,其特征完全适合植物群落的排序研究。该文介绍了SOFM的基本原理和排序分析过程及方法,并应用SOFM网络排序对太行山中段植物群落进行了排序分析。其计算过程在Matlab 6.5神经网络工具箱中实现。结果将68个样方排列在SOFM拓扑空间,排序轴反映了明确的生态梯度,能够反映植物群落间的生态关系,生态意义明确,符合植被实际,表明SOFM网络是有效的植物群落排序方法。在SOFM排序过程中也很容易进行聚类,有利于群落分类和排序的结合。

自组织特征人工神经网络在庞泉沟自然保护区植物群落分类中的应用

人工神经网络是较新的数学分析工具,其中的自组织特征映射网络(SOFM)具有较强的聚类功能。应用SOFM网络对庞泉沟自然保护区植物群落进行了分类研究。在讨论了SOFM网络的数学原理、聚类方法和步骤的前提下,分类过程在MATLAB(6.5)神经网络工具箱(NNTool)中编程实现。结果将89个样方分为13个植物群落类型。分类结果符合植被实际,生态意义明确,表明SOFM网络可以很好地反映植物群落的生态关系,是非常有效的植物群落数量分类方法。

物种功能多样性及其研究方法

植物功能多样性是近年来生态学研究的热点之一。综述了植物功能多样性的研究进展,在前人研究的基础上,提出了一个新的功能多样性概念;论述了功能多样性与生态系统过程的关系;介绍和评述了现有的功能多样性研究方法;对功能多样性研究中的主要问题进行了分析讨论,对以后的研究提出了展望。

山西生态环境损失分析及对策

山西的煤炭等矿产资源十分丰富,长期以来被确定为我国最重要的能源重化工基地，处于资源的优势和生态环境极其脆弱的劣势矛盾状态。过去由于种种原因在搞基地建设的同时未能相应地对生态环境进行有效的保护，产生严重的生态环境破坏和极为严重的污染，使山西经济与全国相比产生巨大的差距。本文在对山西生态环境的现状、产生原因进行分析，对生态损失进行评价的基础上，提出了一些对策建议。

植物种群空间分布的点格局分析

植物种群在群落中的分布格局与空间尺度有着密切关系，传统的样方取样及其格局分析方法，只能分析一种尺度下的格局。本文引入一种新的格局分析方法——点格局分析，其是以种群空间分布的坐标点图为基础，通过本文对美国密西根州克林顿县栎林３个优势种格局分析，它有３个明显的优点：１）能够分析各种尺度下的种群格局和种间关系，结果清楚，直观；２）所描述的结果更符合实际，尤其是对群落结构的描述；３）它有利于定点观察，研究时间与种群格局的关系，本文分析的３个种集群特征明显，但随尺度的变化有不同的分布趋势，３个种间的关系也是如此。

黄土高原森林植被景观的特征分析

用1∶50万森林类型图为信息源,以G IS为手段,对黄土高原地区森林景观类型斑块的大小、形状以及空间特征进行了分析。结果表明:黄土高原地区27类森林总面积仅64 980.7 km2,共有斑块数5 890个,林斑平均面积较小,且分布不均,森林景观破碎化程度较高。森林景观以华北落叶松林、山杨林、油松林、辽东栎林等为优势类型。黄土高原森林景观类型的形状指数值都比较大,说明森林斑块的形状明显偏离于圆形和方形,多为狭长的不规则形,其斑块的边界率都比较高。不同类型森林分维数变化较大,这也表明黄土高原森林景观破碎化程度较高,景观异质性较大。

全球气候变化对自然土壤碳、氮循环的影响

大气中的温室气体浓度在不断升高，近年来增加速度加快，预计２０３０年ＣＯ２浓度将加倍，这将引起全球气候变化，即地球表面温度升高，全球平均降水增加，但变化幅度区域差异显著。气候变化对土壤系统产生重要影响，土壤碳库和碳流将发生显著变化；土壤释放ＣＯ２和ＣＨ４的量明显增加；有机质分解加快；土壤Ｎ流失加快；土壤生物多样性会受影响。

五台山亚高山草甸的人工神经网络分类与排序

人工神经网络理论是较新的数学分支学科,神经网络分类和排序是刚引入植物生态学的分析方法。本研究应用这2种方法研究了五台山亚高山高寒草甸。结果SOFM聚类将78个样方分为8个植物群落类型,基本上代表了本地区高寒草甸的群丛类型,具有明确的生态意义;SOFM排序反映了明显的生态梯度,表明海拔是影响草甸植被生长和分布的最主要因子,坡向和坡度也有一定的作用;SOFM聚类和排序方法分析应用效果好,2种方法结合使用更好;五台山草甸需要进一步加强保护。

城市化对森林植被、土壤和景观的影响

用纽约市“城区-郊区-农区”140km长的森林生态样带研究了城市化对森林植被、土壤重金属含量和森林景观的影响。随着距市中心的距离加大,森林植被的类型、种类组成及结构有明显的不同;土壤主要重金属含量逐渐降低;森林景观斑块数量减少,斑块面积增大,景观异质性降低,这些变化与交通密度、道路密度、人口密度以及城市土地利用率有显著的相关性。人类活动及大气污染是影响森林的主要因素。生态样带是研究“城区-郊区-农区”环境变化的好手段。

山西高原草地退化及其防治对策

草地退化是我国北方地区突出的资源与环境问题 ,在论述草地退化概念、动因、退化指标及等级的基础上 。

模糊数学排序及其应用

本文应用模糊数学排序法,对英国威尔士北部山地草甸进行了研究,结果证明模糊数学排序是一个有效的植被分析方法。