森林是最重要的陆地生态系统类型之一,在生态文明建设中具有举足轻重的地位,研究独具森林资源优势地区的生态系统生产总值(GEP)变化及其对土地利用变化的响应对促进该类区域可持续发展具有重要意义.本研究以江西省资溪县为研究区,基于生态系统价值核算理论和方法,在调节服务通用指标体系(水源涵养、土壤保持、氧气提供、碳固定、气候调节、洪水调蓄、水质净化、空气净化、物种保育)及文化服务通用指标体系(景观游憩、教育)基础上,增加负氧离子、康养等指标,并引入森林生态系统服务修正系数,构建独具森林资源优势的GEP指标体系和方法,评估了研究区2010、2017和2020年GEP的时空变化特征,采用弹性指数及价值损益分析方法量化了土地利用/土地覆盖变化对GEP的影响.结果表明:2010、2017和2020年资溪县GEP分别为167.88、268.17和384.07亿元.各生态系统GEP占总GEP比例依次为森林＞湿地＞农田＞草地＞城镇.研究期间,GEP增加值主要来源于森林生态系统.土地利用变化对GEP产生了重要影响.2010-2020年,研究区土地利用变化总面积为8501.88 hm2.各土地利用变化幅度依次为草地(-2811.17 hm2)＞城镇(1428.06 hm2)＞森林(1357.67 hm2)＞湿地(1031.05 hm2)＞农田(-1005.01 hm2).各类用地的绝对变化主要发生在2017-2020年.各测算指标对森林生态系统的弹性指数明显高于其他生态系统,说明GEP对林地面积变化的敏感性最高.价值损益分析表明,城市开发在一定程度上降低了 GEP,林地、湿地的保护促进了 GEP增加.2010-2020年,资溪县土地利用类型之间的转化导致GEP增加18.65亿元,说明资溪县土地利用变化整体上对生态的影响是正向的.研究结果一定程度上体现了资溪县成为国家生态文明建设示范县之后的绿色发展成效,也为研究区今后高质量发展、高水平保护和土地资源可持续开发利用提供了决策支持,并可为其他类似地区的GEP核算提供借鉴.

本研究以福建三明森林生态系统国家野外观测研究站的青冈、格氏栲、马尾松、闽楠、香樟林5种人工林为研究对象,分析了 0～10 cm表层土壤微生物呼吸对葡萄糖添加的代谢响应.结果表明:与对照相比,葡萄糖添加使土壤微生物呼吸提高了 82.4％～349.5％,不同树种间差异显著.对照中,土壤微生物呼吸与微生物生物量、土壤有机碳及真菌/细菌有显著的相关关系,表明在没有活性碳供应时,微生物代谢受土壤有机碳含量的调控,且与土壤微生物生物量和群落结构有关.在葡萄糖添加处理中,土壤微生物呼吸与土壤总氮、溶解性有机氮和矿质氮呈显著正相关,表明当活性碳供应充足时,微生物代谢主要受土壤氮含量及其有效性制约.微生物呼吸的代谢响应,即葡萄糖添加处理与对照土壤微生物呼吸的比值,主要受土壤碳氮比的影响,呈现出微生物代谢响应随土壤碳氮比的下降而升高.此外,土壤pH也是影响微生物代谢响应的重要因素.土壤碳、氮含量及有效性对微生物呼吸的影响依赖于微生物是否受碳限制,土壤碳含量调控了碳限制时的微生物呼吸,而土壤氮含量及有效性调控了碳限制解除后的微生物呼吸.

本研究依托国家林草局六盘山森林生态定位站,于2019年生长季(5月17日—10月12日)对香水河小流域华北落叶松人工林树干液流进行连续观测,并同步监测气象条件与土壤环境(土壤温度和土壤水分),分析不同天气下华北落叶松树干液流的综合环境响应.结果表明:在日尺度上,华北落叶松树干液流速率呈先升后降的变化趋势,液流速率大小表现为:晴天＞阴天＞雨天;树干液流速率在晴天呈单峰变化趋势,在阴、雨天均呈多峰变化趋势.晴天的液流启动时间和峰值时间早于阴、雨天,持续时间多于阴、雨天.不同天气树干液流的主导因子存在明显差异,饱和水汽压差是晴天和阴天树干液流的主导因子,其贡献率分别为31.1％和27.4％,而雨天液流的主导因子为太阳辐射,贡献率为40.1％.主成分分析表明,晴天树干液流的综合影响因子为水热复合因子(大气温度、土壤温度、土壤体积含水量)、水汽蒸腾因子(相对湿度、饱和水汽压差)和辐射因子(太阳辐射);阴、雨天树干液流的综合影响因子为蒸腾驱动因子(相对湿度、太阳辐射、饱和水汽压差)、综合热量因子(大气温度、土壤温度)和土壤水分因子(土壤体积含水量).晴天液流分别滞后于水热复合因子、水汽蒸腾因子和辐射因子110、80和70 min到达峰值;阴天和雨天液流分别提前于蒸腾驱动因子、综合热量因子和土壤水分因子10、20、30 min和140、60、150 min到达峰值.

目的:分析我国未来人口老龄化、高龄化背景下的各区域老年失能人口增长趋势,测算失能人口长期护理保险潜在支付压力,为我国统筹发展长期护理保险制度提供决策参考.方法:构建长期护理保险基金支出金额估算模型,采用基于随机森林模型得到的2025-2060年我国各省份人口年龄结构,并结合老年人口失能率、老年失能人口照护成本等多源数据,预测未来我国各省份老年失能人口及长期护理保险支付金额.结果:我国老龄化趋势将持续加剧,并呈显著的结构化特征,内蒙古、黑龙江、吉林和辽宁等地区老龄化比例高峰最早到来,山东、四川、河南等人口大省老年失能人口数量较多,广东将在2055年成为失能老年人口最多的省份.结论:建议稳步推进长期护理保险体系建设,从国家层面对东北地区、人口大省长期护理保险体系建设进行资源倾斜.

目的:探讨基于机器学习的 18F－FDG PET影像组学特征对≥60岁弥漫性大B细胞淋巴瘤(DLBCL)患者的预后评估价值。 方法:回顾性分析2011年3月至2019年11月166例未经治疗的DLBCL患者(年龄≥60岁)的 18F－FDG PET/CT资料，其中男88例、女78例，年龄60~93岁；训练组115例，验证组51例。对患者PET图像进行病灶勾画及影像组学特征提取，运用3种机器学习方法[最小绝对收缩和选择算子(LASSO)、随机森林(RF)和极端梯度提升(Xgboost)]筛选特征，采用支持向量机(SVM)对特征进行分类并生成影像组学标签(RS)，对患者总生存(OS)进行预测。根据Cox比例风险回归模型构建多参数模型，并通过一致性指数(C－index)进行评估。 结果:共提取1 421种影像组学特征，筛选出10个预测效能强的特征并生成RS。单因素Cox回归分析示，RS[风险比( HR)＝5.685, 95% CI: 2.955~10.939； P<0.001]是OS的危险因素。构建出包含RS、代谢特征及临床风险因素的多参数模型，其较临床模型、基于PET模型及美国国家综合癌症网络国际预后指数(NCCN－IPI)在预测OS上具有更高的效能(训练组C－index：0.752、0.737、0.739、0.688；验证组C－index：0.845、0.798、0.844、0.775)。 结论:基于机器学习 18F－FDG PET影像组学特征的RS是≥60岁DLBCL患者生存预后的预测因素。构建的包含影像组学特征的多参数模型能较好地预测患者预后。

目的:比较不同机器学习模型利用院前数据对严重创伤患者院内不良结局的预测效能。方法:采用回顾性队列研究分析2017年1月至2018年12月美国国家创伤数据库（NTDB）中100 135例严重创伤患者的临床资料，其中男69 644例，女30 480例（性别变量缺失11例）；年龄16~89岁［（50.1±21.1）岁］。临床特征包括人口学信息（性别、年龄）、创伤类型（钝性伤或穿透伤）、院前时间［急救医疗服务（EMS）反应时间、EMS现场时间和EMS转运时间］、院前生命体征（收缩压、脉率、呼吸频率和血氧饱和度）、创伤评分［格拉斯哥昏迷评分（GCS）、损伤严重度评分（ISS）］。将原始数据按入院年份分为训练集（2017年）和测试集（2018年）。其中训练集50 429例，测试集49 706例，按有无发生不良结局将患者分为无不良事件发生组（94 526例）和不良事件发生组（5 609例）。训练集中不良事件组为2 808例，测试集中不良事件组为2 801例。所有模型均基于训练集构建，采用神经网络（NNET）、朴素贝叶斯（NB）、梯度提升树（GBM）、自适应增强机（Ada）、随机森林（RF）、袋装树（BT）、分类增强机（CatBoost）和极度梯度提升（XGB）8种机器学习算法根据患者临床特征构建严重创伤患者临床结局的预测模型。根据预测模型的灵敏度、特异度、受试者工作特征（ROC）的曲线下面积（AUC）和Hosmer-Lemeshow拟合优度检验来评价模型预测效能。结果:NNET、NB、GBM、Ada、RF、BT、CatBoost和XGB模型在测试集中的灵敏度分别0.84，0.83，0.27，0.79，0.83，0.81，0.62，0.78；特异度分别为0.79，0.76，0.81，0.79，0.79，0.74，0.83，0.79；AUC分别为0.89（95% CI 0.88，0.90），0.86（95% CI 0.85，0.87），0.54（95% CI 0.53，0.55），0.86（95% CI 0.85，0.87），0.88（95% CI 0.88，0.90），0.83（95% CI 0.82，0.85），0.77（95% CI 0.76，0.79），0.86（95% CI 0.85，0.87），其中NNET模型的区分度最佳。NNET模型和NB模型的校准度也表现出良好的性能，Hosmer-Lemeshow拟合优度检验 P值>0.05。 结论:NNET模型对严重创伤患者院内不良结局的预测效能较好，可在一定程度上为快速预测严重创伤患者的预后提供参考。

目的:探讨基于MR T 1WI的最优影像组学机器学习模型及其预测软组织肉瘤分级的价值。 方法:回顾性分析2009年5月至2018年11月青岛大学附属医院113例软组织肉瘤患者的术前MR T 1WI资料，采用随机分层抽样的方法将患者随机分为训练组（ n=80）和验证组（ n=33）。根据法国国家癌症研究中心（FNCLCC）系统将软组织肉瘤病理分级分为Ⅰ~Ⅲ三个级别。Ⅰ级为低级别，Ⅱ、Ⅲ级为高级别。训练组中18例为低级别、62例为高级别病变，验证组中7例低级别、26例高级别病变。图像进行标准化后，采用A.K软件对肿瘤感兴趣区进行特征提取，并基于不同特征选择方法（加入和不加入递归式特征消除）、机器学习算法（随机森林和支持向量机算法）和采样技术（不进行过采样、使用少数样本合成过采样技术、使用随机过采样技术），组合成12种机器学习算法组合，应用弃一法交叉验证进行验证，建立分类模型。采用受试者操作特征（ROC）曲线评价模型预测软组织肉瘤病理级别的效能。 结果:在12种机器学习算法建立的软组织肉瘤分级预测模型中，联合使用递归式特征消除和少数样本合成过采样技术的随机森林分类算法效能最佳，其在验证组中预测软组织肉瘤分级的ROC曲线下面积为0.909 （95％可信区间为0.808~1.000），准确率、灵敏度和特异度分别为84.85%、86.21％和75.00%。结论:基于影像组学的机器学习方法在预测软组织肉瘤病理分级方面有较大的应用价值。

以9个国家重点森林生态功能区作为实证研究区域,构建产业化和生态化两个子系统及产业生态化系统发展水平评价指标体系,运用熵值法、耦合协调度模型、剪刀差模型、耦合度模型、Dagum基尼系数和MGWR模型等方法,从县域尺度测度生态功能区建设12年来产业化水平、生态化水平及产业生态化水平发展变化,分析产业化、生态化两个子系统协调发展水平、发展速度差异及动态演化趋势,剖析影响产业生态化发展因素为产业生态化健康发展提供科学支撑.结果表明:(1)12年间产业生态化呈低水平的小幅上升态势,9个功能区间的最大差距呈先下降后上升的波动发展态势.不同功能区间产业生态化水平及产业化水平、生态化水平差异均较大,不同功能区产业生态化水平发展变化的主要内部动因存在较大差异;产业化水平和生态化水平总体均呈小幅上升态势,产业化总体水平低于生态化水平,9个功能区间的最大差距均呈先下降收敛后上升发散的态势;产业生态化、产业化、生态化水平均表现为前一阶段增长快于后一阶段,且后一阶段增速下滑幅度大.(2)12年间产业化与生态化系统二者协调度实现由初级协调到中级协调的提升,9个功能区间协调水平最大差距呈持续上升发展态势.186个县域样本总体协调水平分布呈以初级、中级协调为主,濒临失调、勉强协调和良好协调县份少的"纺锤"形态;产业化增长速率快于生态化增长速率,产业化与生态化发展速率的剪刀差呈小幅下降态势,产业化与生态化发展间差异逐渐缩小,趋向于共同发展阶段.(3)城镇化率、人口密度、人均城乡居民储蓄存款余额、第三产业增加值/第二产业增加值、财政自给率、城镇居民人均可支配收入、每万人医院和卫生院床位数对产业生态化水平呈正向影响,且城镇化率为影响产业生态化水平的正向主导因素.

基于四川小寨子沟国家级自然保护区2019-2022年135台红外相机的监测数据,研究了同域有蹄类的日活动模式、季节性活动节律差异及时空生态位重叠.结果显示:保护区共有8种有蹄类动物,中华斑羚Naemorhe-dus griseus分布最广、相对丰富度最高,岩羊Pseudois nayaur发现位点最少;在主要活动于森林的7种有蹄类中,中华斑羚全天活动,野猪Sus scrofa和小麂Muntiacus reevesi为昼行性,毛冠鹿Elaphodus cephalophus和中华扭角羚Budor-cas tibetana偏昼行性和晨昏性,林麝Moschus berezovskii和中华鬣羚Capricornis milneedwardsii偏夜行性.除中华扭角羚外,其他有蹄类冷暖季的日活动节律都有显著差异;时间生态位上,有蹄类活动节律重叠在冷暖季有差异,暖季的活动节律重叠度高于冷季;空间生态位上,野猪和中华斑羚的重叠指数最高,中华扭角羚和其他物种的重叠指数很低,提示大体型、集群的物种可能主要通过空间回避实现共存.研究结果丰富了有蹄类动物的基础信息,为保护区有蹄类的保护和生境管理提供了参考依据.

红腹角雉Tragopan temminckii是西南山地森林生态系统中的受胁雉类,目前对该物种占域模式及其影响因子的季节性变化尚缺乏了解.本研究于2021年4月—2023年4月在四川蜂桶寨国家级自然保护区山地森林(海拔1 500～3 000 m)内分层抽样49个1 km×1 km的网格,共布设52台红外相机,累计监测29 943个相机日,红腹角雉独立探测647次.占域模型结果显示:繁殖季(4-8月)红腹角雉占域率为0.71、探测率为0.33,倾向于选择阴坡,占域率随距最近公路距离、坡度、乔木平均胸径、草本盖度增加而降低,随海拔和天敌相对多度指数增加而升高;非繁殖季(9月至次年3月)红腹角雉的占域率为0.57、探测率为0.32,占域率随坡度、距最近公路距离和家畜相对多度指数增加而降低,随海拔、乔木平均胸径和灌木均高增加而升高.占域模式影响因子的季节性差异,表明红腹角雉在不同生活史阶段的栖息地需求和面临的外部压力变化,建议保护区开展红腹角雉保护工作时考虑其资源需求和威胁来源的周期性变化.