基于MaxEnt模型识别和预测云南干热河谷适生树种,对于改善和恢复其生态治理能力具有重要意义.收集40种具有代表性的潜在适生树种地理分布数据,结合气候、地形和土壤等环境因子,利用MaxEnt模型筛选适生树种.预测当前和2021-2040年四种气候情景下(SSP126、SSP245、SSP370和SSP585)适生树种适生区的分布格局,划分优先种植区域,并明确MaxEnt模型用于树种选择的可行性.结果表明:(1)当前气候情景下,影响干热河谷潜在适生树种分布的主导因子是气候因子,其次是海拔、植物归一化指数、地表太阳辐射量和人类足迹.(2)未来,24种适生树种适生区稳定,发生概率与海拔关系呈单峰分布且高海拔下适生树种丰富度将降低.(3)干热河谷适生树种优先种植区域沿干热河谷呈狭长分布;实际调查发现,元谋县适生树种实际分布区域面积略高于最佳种植区域面积.应用MaxEnt模型筛选干热河谷适生树种选择是可行的,但在应用之前必须通过实地调查来验证树种实际生存情况与预测结果的差异.在干热河谷生态修复造林时,可优先考虑白枪杆、车桑子等24种树种.

生物多样性对维持多种生态系统功能和提高群落抵抗扰动能力具有重要意义.选择效应和生态位互补效应是被广泛讨论的维持生态系统功能的两种机制.然而,对于两种机制在气候变化背景下如何维持森林生态系统多功能性(EMF)的理解还不充分.该研究基于分布在中国东北寒温带和中温带天然森林的样地,以功能性状多样性(FDq=0)、单个和多维性状功能分散指数(FDis)代表生态位互补效应,群落加权平均性状值(CWM)代表选择效应,使用多元线性模型和偏最小二乘法路径模型(结构方程模型),探究气候变化背景下不同气候区内EMF的主要影响因子和驱动机制.主要结果有:(1)在中温带森林中,生物多样性的两种属性(树种多样性(SR)和FDq=0)都对EMF有显著的正效应,但FDq=0比SR更重要.在寒温带森林中,没有识别到生物多样性与生态系统多功能性之间的显著关系(BEMF).(2)中温带森林群落SR对EMF的正效应被性状差异和群落加权平均最大树高(CWMHmax)介导,选择效应和生态位互补效应两种机制同时维持EMF,选择效应略高于互补效应.CWMHmax是影响寒温带森林EMF的主要生物因素,选择效应是寒温带森林EMF的主要维持机制,SR对EMF的促进作用不显著,性状差异与EMF无关.(3)由于生物多样性的"保险效应",中温带森林抵抗气候变化的能力更强,气候因素对SR、性状差异、CWMHmax和EMF的影响都不显著.寒温带森林对气候变化敏感,气候是影响EMF的重要非生物因素.更高的年平均气温和降水量显著改变了群落的性状组成(CWMHmax),稀释了具有高竞争力和适应力性状(例如,最大树高(Hmax))的物种对生态系统功能的贡献,降低了选择效应.该研究结果强调了生物多样性对维持森林EMF的重要性,证明了选择效应和生态位互补效应都是中国东北温带森林EMF的驱动机制,并表明气候变化可能会通过改变寒温带地区森林群落性状组成(例如,CWMH接影响EMF.

卷积神经网络可以通过树木年轮样本构造特征图像实现物种识别的自动化.本研究通过建立树木年轮样本构造特征图像集,选用LeNet、AlexNet、GoogLeNet和VGGNet 4 个卷积神经网络模型,实现基于树木年轮横切面的计算机自动化树种精准识别,进而确定各模型的树种识别准确率,明晰不同树种在自动识别中的混淆情况,探测不同模型识别结果的差异.结果表明:本研究训练的用于树种识别的卷积神经网络模型具有较好的可信度;4 个模型中GoogLeNet模型树种识别准确率最高,为 96.7%,LeNet模型识别准确率最低(66.4%);不同模型对于所选树种的识别结果具有一致性,表现为对蒙古栎识别准确率最高(AlexNet模型识别率达到100%),对臭冷杉的识别准确率最低.本研究中也存在类似结构树种的识别混淆情况.模型在科和属水平的识别准确率高于种水平;阔叶树种因其显著的结构差异容易区分,阔叶树树种的识别准确率高于针叶树.总体上,通过卷积神经网络,探测了树木年轮特征的深层信息,达到树种的精准识别,提供了一种快速便捷的自动树种初筛鉴定方法.

针对神农架川金丝猴生境基础研究中乔木树种大范围分布数据难以获取问题,尝试利用多源多时相遥感数据结合专家知识分层次实现树种识别.首先采用冬季Landsat8/OLI数据根据物侯特性分层提取常绿、落叶林的地域范围;进而依据夏季Worldview-2高分遥感影像的实地乔木样本的光谱特征分层次完成常绿树种(巴山冷杉、华山松、青杆、刺叶栎)和落叶树种(红桦、日本落叶松、米心水青冈、漆树、锐齿槲栎、椅杨)的识别;并通过实地植被样方及专家知识通过高程数据完成分类结果的修正:最后结合GIS对主要优势树种的地形及地域分布特征进行了空间分析.实验精度表明常绿林中巴山冷杉、华山松、刺叶栎、虫害华山松整体精度较高,落叶林中红桦、漆树等识别精度相对较高,部分树种如椅杨、锐齿槲栎识别精度较低;总体上常绿树种的精度要优于落叶树种.从植物地理学、遥感、GIS三者相结合的角度,将多源、多时相遥感数据与物种物候特性、专家知识进行有效整合,提出了一种乔木树种识别的方法(1)提供了复杂山地环境的主要乔木优势种识别途径,且具有通用性;(2)完成了物种物候特性与遥感数据特性的整合利用,有效降低数据成本费用;(3)配合地面样方及专家知识修正结果,避免了过分依赖光谱特征引起的误判.这将为神农架川金丝猴栖息地保护与恢复提供更精确的数据依据.

楠属与润楠属的许多树种的木材都属于珍贵木材, 这些木材的解剖构造特征非常相似, 仅仅依据传统的识别方法难以将这些木材准确识别出来.通过采用分子生物学中的DNA条形码技术对5种来自于楠属和润楠属的木材进行分子鉴定, 试图从分子水平识别5种木材.以楠属的闽楠 (Phoebe bournei) 、桢楠 (Phoebe zhennan) 、紫楠 (Phoebe sheareri) 和润楠属的建润楠 (Machilus oreophila) 、刨花润楠 (Machilus pauhoi) 为研究对象, 采用Qiagen试剂盒法提取木材总DNA, 并分别对5个树种的ycf3、psb C-trn S、rpo C1和ITS这4段DNA序列进行PCR扩增, 并对PCR产物进行测序和序列的比对分析.测序分析所得5个树种的ycf3序列中, 共有6个多态性位点, 根据其差异可将桢楠、建润楠、刨花润楠从中区分出来, 但是闽楠和紫楠之间不能区分.psb C-trn S序列的比对结果显示共有7个多态性位点, 可以将紫楠、建润楠和刨花润楠区分出来, 但其余两个树种难以区分.5个树种的ITS序列仅有1个多态性位点, 可以对两个属间进行区分, 不能进行种间的区分.5个树种的rpo C1序列完全一致, 不能用于区分这几个树种.综合来看, 将ycf3和psb C-trn S这两段DNA条形码结合起来对比分析, 可以将5种木材在分子水平区分开来.从5个树种的ycf3序列构建的系统发育树来看, 几个树种基本可以正确聚类, 作为区分几个树种的参考.

当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明:影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4m,当分辨率降低至30 m时,树种识别结果最差.在1～8m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0％～3.6％,但纹理信息对16～30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.

叶脉网络性状能够反映出植物适应特定生境的基本方式及其光合生理功能,体现了植物水分和能量权衡的生态策略.叶脉功能性状的高效提取,为植物生理功能和资源配置的响应机理研究提供参考.以北京市常见绿化树种洋白蜡(Fraxinus pennsylvanica)、臭椿(Ailanthus altissima)和国槐(Sophora japonica)的叶脉显微图像为训练样本,采用遥感图像处理软件,对叶脉显微图像进行多尺度分割和分类识别,根据目标对象的亮度(brightness)、光谱(spectrum)和几何(shape)特征规则实现大批量叶脉的快速解译.结果表明,3个树种叶脉分割的最优参数及自动提取规则为:尺度参数(scale parameter)为200,形状参数(shape parameter)为0.8,紧凑度参数(compactness parameter)为0.2,亮度值为190—230,绿光波段大于210,形状–密度指数为1.5.该方法提取叶脉密度(leaf vein density,LVD)和叶脉面积(leaf vein area,LVA)精度分别达到了95.7％和94.5％以上,对该3种植物叶脉性状的快速提取具有较高的普适性.在城市不同环境中,随着温度的升高、土壤水分含量的降低,叶脉密度总体上呈增大的趋势,而气孔数量则明显减少,叶脉密度与气孔密度间普遍存在显著的负相关关系(P<0.05).这说明了植物在高温和干旱胁迫环境中,在叶片水平上表现出"此消彼长"的权衡规律,进一步提高其逆境耐受性.

光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少.遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚.本研究以湖南省会同县为例,利用P1éiades(2 m)、RapidEye(5 m)、Landsat-8(15、30 m)4种光学遥感影像,结合光谱、纹理、植被覆盖度等特征变量与随机森林模型,探讨了3种典型亚热带常绿林型:杉木林(Chinese fir forest,CFF)、马尾松林(Masson pine forest,MPF)、常绿阔叶林(evergreen broadleaved forest,EBF)的最优遥感识别分辨率以及尺度效应问题.结果 表明:研究区地表覆盖分类精度随影像空间分辨率的降低呈现先降低后上升的变化趋势,在2m时具有最佳分类精度(Kappa=0.70,总精度=0.77).3种林型的识别精度随空间分辨率的上升均表现出先降低后上升的变化规律,识别率(rate of identification,RI)范围分别为:RICFF=68％～87％、RIMPF=55％ ～ 84％、RIEBF=29％～74％.杉木林与马尾松林的漏分误差(omission error,OE)与错分误差(commission error,CE)低于常绿阔叶林(OECFF=0.26～0.46,CECFF=0.32～0.53;OEMPF =0.31～0.50, CEMPF =0.31～0.46;OEEBF=0.47 ～0.71, CEEBF=0.39 ～0.66).本研究证实了亚热带常绿林型的遥感识别存在明显的尺度效应,30 m分辨率的Landsat-8影像相比高分辨率遥感影像因具备更丰富的光谱信息而具有更高的识别精度.本研究表明,常绿林型的遥感识别不宜盲目追求高空间分辨率,需要综合考虑遥感传感器光谱配置与空间分辨率之间的内在权衡.

目的:分析不同树种来源、不同提取工艺生产的沉香挥发油化学组成.方法:气相色谱-质谱联用技术分析挥发油化学组成,自动质谱退卷积定性系统(AMDIS)结合保留指数(RI)鉴定挥发性成分.结果:无监督模式识别(PCA)方法中,超临界CO2流体萃取生产的挥发油样品(S1 ～S3)聚为一簇,水蒸气蒸馏生产的挥发油样品(S4～S8)聚为一簇.3批超临界CO2流体萃取生产的挥发油分别分离得到46、79和88个色谱峰,主要为白木香醛、绒白乳菇醛等倍半萜类化合物,2-(2-苯乙基)色酮、6-甲氧基-2-(2-苯乙基)色酮和6,7-二甲氧基-2-(2-苯乙基)色酮等2-(2-苯乙基)色酮类化合物,其中2-(2-苯乙基)色酮类化合物种类较多,相对含量也较高;5批水蒸气蒸馏生产的挥发油分别分离得到85、80、89、91和61个色谱峰,主要为α-古芸烯、香树烯和(-)-马兜铃烯等倍半萜类化合物,棕榈酸和肉豆蔻酸等脂肪酸类化合物,2-(2-苯乙基)色酮类化合物种类较少,相对含量也较低.沉香螺醇为8批沉香挥发油样品中检出的共有组分,在各样品中相对含有量差异较大.结论:不同提取工艺导致沉香挥发油品质差异较大,选择苄基丙酮、沉香螺醇、2-(2-苯乙基)色酮等指标性成分作为定量指标,将有助于沉香挥发油的全面品质评价.

绿色空间对大气颗粒物有一定吸收滞留作用,是改善空气环境质量与维护城市生态安全的重要区域.该文基于高分2号卫星影像识别2017年上海市绿色空间,并利用城市绿地滞尘模型,结合上海市降水、风速等气象数据与空气质量监测数据,评估了绿色空间滞留PM2.5功能及其差异.结果 表明:2017年上海市绿色空间面积3354 km2,可滞留PM2.5 3533 t,约合单位面积滞留PM2,10.5 kg hm-2 a-1.从绿色空间类型来看,林地滞留PM2.5能力最强,可达20.2 kg hm-2 a-1,远高于草地9.1 kg hm-2 a-1和农田8.7 kg hm-2 a-1的滞留能力.从季节差异来看,绿色空间夏季滞留PM2,能力最高,然后依次为秋季、春季和冬季.从植被分布格局来看,林草地和农田吸滞PM2.5的能力随植被盖度的增加而提高.在区域差异上,崇明区绿色空间滞留PM2.5能力最高,其余地区呈现出中心城区低、周边高的趋势.为此建议上海市重点优化中心城区的绿色空间格局,增植立体绿化与高滞尘能力树种.