期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
城市河流浮游生物功能群结构特征与影响因子分析——以贾鲁河郑州段为例 被引量:2
1
作者 郭欣欣 赵长民 +3 位作者 安婉玉 郝子垚 于鲁冀 张慧 《水生态学杂志》 北大核心 2025年第4期153-163,共11页
为了解城市河流浮游生物功能群的结构特征及与影响因子的关系,以贾鲁河郑州段为研究对象,于2022年平水期(5月)和丰水期(7月)开展浮游生物和环境因子调查,并利用相关性分析、冗余分析(RDA)探讨环境因子的影响。结果表明:贾鲁河共鉴定出... 为了解城市河流浮游生物功能群的结构特征及与影响因子的关系,以贾鲁河郑州段为研究对象,于2022年平水期(5月)和丰水期(7月)开展浮游生物和环境因子调查,并利用相关性分析、冗余分析(RDA)探讨环境因子的影响。结果表明:贾鲁河共鉴定出浮游植物7门168种,依据FG分类法可划分为C、D、J、L_(O)、MP、P、T_(B)、T_(C)、W1等26个功能群,以喜富营养水体的C、D、MP、P功能群为主;浮游动物共鉴定出4类80种,依据食性及营养层次可划分为RC、RF、SCC等7个功能群,以轮虫滤食者(RF)和小型浮游动物捕食者(SCC)为主。浮游植物Shannon-Wiener指数(H′)、Margalef指数(D′)、Pielou指数(J)和Q_(r)指数均值分别为3.12、2.62、0.82和1.79;浮游动物H′、D′和J均值分别为2.24、2.17和0.71。多样性指数和Q_(r)指数评价表明,贾鲁河水质处于“中度污染”。贾鲁河浮游生物功能群在不同水期呈差异性分布,J、L_(O)、T_(C)、MCF为平水期特有优势功能群,W1为丰水期特有优势功能群。影响浮游生物功能群的主要环境因子平水期为WT、COD_(Cr),丰水期为TP。浮游生物间的竞争和捕食也是影响浮游生物功能群结构特征的关键因素。研究结果可为贾鲁河水生态修复及淮河流域水环境管理提供参考。 展开更多
关键词 浮游生物 功能群 多样性指数 环境因子 城市河流 贾鲁河
在线阅读 下载PDF
高矿化度矿井水灌溉对新疆荒漠盐碱土壤细菌群落结构的影响
2
作者 谢文娟 侯晓静 +4 位作者 蒋业坤 韩湘 陈孟晨 郝金虎 杨伟伟 《中国环境监测》 北大核心 2025年第5期207-217,共11页
为探究高矿化度矿井水的资源化利用途径,推进新疆荒漠盐碱地生态修复,以新疆哈密大南湖矿区的盐碱土壤为研究对象,设置有无矿井水灌溉(W1和W0)和有无植被(柽柳)覆盖(C1和C0)的双因素处理,使用高通量测序分析灌溉高矿化度矿井水和植被覆... 为探究高矿化度矿井水的资源化利用途径,推进新疆荒漠盐碱地生态修复,以新疆哈密大南湖矿区的盐碱土壤为研究对象,设置有无矿井水灌溉(W1和W0)和有无植被(柽柳)覆盖(C1和C0)的双因素处理,使用高通量测序分析灌溉高矿化度矿井水和植被覆盖对土壤细菌群落结构的影响。结果表明:浇灌矿井水和植被覆盖交互作用对土壤全氮、碱解氮和有机质的影响最大,W1C1较W0C0的土壤全氮、碱解氮分别增加了112.66%、76.62%,有机质降低了44.97%。各处理下的土壤优势细菌类群均为变形菌门、放线菌门、厚壁菌门和绿弯菌门,其相对丰度之和占总丰度的60%以上。浇灌矿井水和植被覆盖交互作用使土壤特异性细菌种类增加2倍,放线菌门和拟杆菌门等的相对丰度也有显著提高。土壤细菌多样性指数的双因素方差分析表明,浇灌矿井水的影响>两者的交互影响>植被覆盖的影响。浇灌矿井水对土壤多样性指数的影响在C1的处理下更加显著,W1C1的Chao 1、Shannon和Shannoneven指数分别较W0C1增大了12.64%、31.54%和24.44%,Simpson指数则减小了41.46%。土壤细菌群落组成与土壤有效磷、有机质、含水率和电导率关系密切,土壤理化因子对土壤细菌群落结构的总解释度为63.62%。土壤细菌在面对盐碱环境时采取了调节物种组成的策略。矿井水和植被覆盖不同处理下的土壤细菌物种组成差异显著。 展开更多
关键词 盐碱土 高矿化度矿井水 柽柳 土壤细菌多样性 群落结构
在线阅读 下载PDF
基于高时空分辨率数据的上栗县植被NPP估算及分析 被引量:1
3
作者 罗露花 陈铭杰 +1 位作者 杨树文 张新 《西北林学院学报》 CSCD 北大核心 2024年第2期115-122,共8页
针对目前植被净初级生产力(NPP)像素级的研究成果缺乏对地理空间细节的描述这一问题,借助中高分遥感影像,利用深度学习模型获取精确地类图斑,将栅格化结果作为改进的CASA模型的输入参数,最终估算得到上栗县不同植被类型的地块级NPP值。... 针对目前植被净初级生产力(NPP)像素级的研究成果缺乏对地理空间细节的描述这一问题,借助中高分遥感影像,利用深度学习模型获取精确地类图斑,将栅格化结果作为改进的CASA模型的输入参数,最终估算得到上栗县不同植被类型的地块级NPP值。结果表明,1)相比于传统的只利用影像光谱特征提取的方法,深度学习技术获取的地类图斑更为准确。同时,在林地图斑的基础上,结合中分影像对林地类型进行判别,林地分类精度为91.3134%。说明中高分遥感影像结合,能够较好地在区县尺度上开展植被的精细分类。2)以CASA模型理论为基础,对模型中的最大光年利用率的取值进行修正。同时以地类图斑的栅格化结果作为模型的输入参数,剔除了建筑区、道路、裸地等无植被覆盖区对模型计算的影响,并对估算结果与其他模型估算结果进行比较与验证,证明了试验结果的准确性。3)实现了上栗县NPP结果在空间上的精细化表达,研究结果具备良好的空间细节特征,不仅满足了面积统计、定性分析等简单需求,还可为后续碳循环、碳源/汇等研究提供客观、定量化的数据支撑。 展开更多
关键词 深度学习 改进的CASA模型 地类图斑 NPP
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部