首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 125 毫秒
1.
西双版纳热带季节雨林的土壤呼吸研究   总被引:14,自引:5,他引:14  
2003年1月~2004年1月,用静态箱-气相色谱法对西双版纳热带季节雨林的土壤呼吸进行了研究.实验设3个处理,处理A:土壤;处理B:土壤+凋落物层;处理C:土壤+凋落物层+地表低矮植物.研究表明,土壤呼吸速率年变化在12~2月呼吸速率最低,7月出现明显的呼吸高峰,4月和10月还分别存在两个小峰.不同处理的土壤呼吸速率不同,实测平均值C>B>A,分别为14642,12807和9532mgCO2·m?2·h?1,差异达到1%显著水平.因西双版纳温度日变化不大,土壤呼吸速率日变化不明显.土壤呼吸速率与土壤含水量呈凸型抛物线型相关,达1%显著水平,水分含量在35%~40%范围时,土壤呼吸速率较大.土壤呼吸速率与5cm地温呈指数相关,达1%显著水平.根据计算,西双版纳热带季节雨林土壤呼吸的Q10为2.03~2.36,与文献所报道的热带土壤Q10接近.根据模型计算得到2003年的土壤+凋落物层+地表低矮植物的CO2排放量为5.34kgCO2·m?2·a?1,其中土壤为3.48kgCO2·m?2·a?1,占65.2%,凋落物层为1.19kgCO2·m?2·a?1,占22.3%,地表低矮植物为0.67kgCO2·m?2·a?1,占12.5%.  相似文献   

2.
蓖齿眼子菜的光合速率及影响因素   总被引:10,自引:2,他引:8  
陈开宁  强胜  李文朝 《湖泊科学》2002,14(4):357-362
本文研究了蓖齿眼子菜(Potamogeon pectinatus L)在滇池的光合速率、体内叶绿素季节变化及光和水温对其光合速率影响,并根据实验,计算出了蓖齿眼子菜生长的光补偿点,研究结果表明,蓖齿眼子菜1~3月份的净光合产氧量最大,为1.82~1.83mg/(g·h),6月份最低,为0.63 mg/(g·h);植物体内Chl.a和Chl.b平均含量分别为0.25~1.15mg/(g·h)和0.28~0.85mg/(g·h),蓖齿眼子菜可以通过调节体内Chl.a/Chl.b值来适应不同季节生长;蓖齿眼子菜有较宽的水温适应范围,10℃时的净光合产氧量可达0.88mg/(g·h),最高值出现在水温25℃,为1.16mg/(g·h),而30℃以上的水温已表现出对其生长的不利影响;蓖齿跟子菜生长的光补偿点为358~1256Lx,并随温度上升而逐渐增加.  相似文献   

3.
鼎湖山常绿针阔叶混交林CO2通量估算   总被引:2,自引:0,他引:2  
鼎湖山通量站是中国通量网络(ChinaFLUX)中4个森林站之一,采用开路涡度相关方法,对南亚热带常绿针阔叶混交林进行生态系统尺度的CO2通量长期定位观测.利用2003,2004年2整年观测资料,分析该生态系统CO2通量时间变化特征及其受环境因子的制约关系.通过坐标转换、WPL订正和质量控制后,发现本通量站存在明显的夜间泄漏问题,因此采用MichaelisMenten模型,利用白天(PAR>1.0 μmol-1 Photons·m-2·s-1)湍流充分条件下(u*>0.2 m·s-1)的通量资料,逐月拟合净生态系统CO2交换NEE对光合有效辐射PAR的响应,利用拟合Michaelis-Menten方程得到的生态系统呼吸Reco,建立Reco与5 cm土壤温度的指数关系,借此反演夜间呼吸.主要结论包括(I)逐月拟合的光能利用效率α平均为0.0027(±0.0011) mgCO2·μmol-1 Photons,最大光合速率Amax平均为1.102(±0.288) mgCO2·m-2·s-1,α与Amax季节性变化规律均不明显,表明林内旱季没有明显的缺水和低温胁迫存在,这与南亚热带常绿混交林叶面积指数(LAI)季节性变化较小的特点是一致的.(ii)生态系统呼吸月总量平均为95.3(±21.1) gC·m-2month-1,约占生态系统总初级生产力GPP的68%.NEE月总量平均为-43.2(±29.6) gC·m-2·month-1,大部分月份NEE为负号,表明该生态系统全年均具有较强的碳汇功能.估算得到2003,2004年NEE总量分别为-563,-441.2 gC·m-2·a-1,占GPP的32%.  相似文献   

4.
为了解珠江流域东江干流水体叶绿素a的时空分布及与环境因子的关系,于2012年6月(丰水期)和12月(枯水期)对东江干流进行采样调查分析.结果表明,东江水体叶绿素a含量具有明显的时空分布特征,其全年变化范围为0.84~14.93μg/L,整体均值为3.60±2.45μg/L,丰水期叶绿素a含量显著高于枯水期;而丰、枯水期叶绿素a含量空间分布特征相似,上游河段显著低于下游河段.相关性与主成分分析结果显示,水体中总氮浓度、总磷浓度、有机物含量、水温和水流流速等都是影响东江浮游植物生长的重要因素,其中以总磷的影响最为显著,表明磷可能是东江浮游植物生长的限制因子.  相似文献   

5.
苏州平原河网区浅水湖泊叶绿素a与环境因子的相关关系   总被引:33,自引:7,他引:26  
运用回归统计方法,研究苏州平原河网区60个浅水湖泊水体叶绿素a与水温、pH、Do、CODMn、TN、TP等环境因子的相关性,建立相应的同归方程,同时分析了湖泊水体叶绿素a的时空分布特征.研究表明,平原河网区浅水湖泊水体叶绿素a含量具有一定的时空差异性,冬季叶绿索a平均含量比夏季低,但冬、夏季叶绿素a含量空间分布具有一定相似性,整个区域呈现较明显的东高两低的分布趋势;湖泊水体叶绿素a含量与理化环境因子水温、pH、DO、CODMn呈显著正相关,水温可能是平原河网区浅水湖泊浮游植物生长的限制性因子:叶绿素a与NO2-N呈显著正相关,与NH4 -N无明显负相关,与NO3-N无显著正相关,与TN无显著相关,而叶绿素a的对数与TP的对数呈一定的正相关,与TN/TP的对数呈显著负相关.平原河网区浅水湖泊可能是一定程度的磷限制性湖泊.  相似文献   

6.
太湖叶绿素a的时空分布特征及其与环境因子的相关关系   总被引:14,自引:3,他引:11  
王震  邹华  杨桂军  张虎军  庄严 《湖泊科学》2014,26(4):567-575
2012年3月至2013年2月逐月对太湖水体叶绿素a含量、主要环境因子及不同门类浮游植物密度进行测定,分析太湖叶绿素a含量和不同门类浮游植物密度的时空分布特征,探讨太湖叶绿素a含量和环境因子与不同门类浮游植物密度之间的相关关系并建立逐步回归方程.结果表明:太湖叶绿素a含量全年平均值为22.33±37.65 mg/m3,变幅为0.48~347.85 mg/m3;叶绿素a含量随季节变化明显,夏季最高、秋冬季次之、春季最低;在空间分布上,太湖北部和西北部最高,东部和南部最低.蓝藻门、隐藻门、硅藻门、绿藻门密度随时间呈峰型变化,均在10月份达到最大值,黄藻门、金藻门和裸藻门密度的变化趋势呈"V"型,在春、冬两季出现较大值;不同门类浮游植物密度基本在西北区出现最大值.全湖叶绿素a含量的显著影响因子有总有机碳、亚硝态氮、溶解氧、pH、水温和磷酸盐;lg(YChl.a)与lg(XTN)呈显著负相关,与lg(XTP)呈极显著正相关,与lg(XN/P)呈极显著负相关.太湖叶绿素a含量与蓝藻门、隐藻门、裸藻门与甲藻门密度有显著相关关系.  相似文献   

7.
南京秦淮河叶绿素a空间分布及其与环境因子的关系   总被引:6,自引:2,他引:4  
近年来,流动的河流开始陆续暴发藻类水华,河流的水华现象是继湖泊水华现象之后又一倍受关注的科学问题.秦淮河水体污染严重并于2010年8月和9月间暴发水华.采用2010年8月15日和9月8日的秦淮河野外调查数据,对秦淮河水体叶绿素a的空间分布特征及其与环境因子的相关关系进行研究.结果表明,从上游到下游,秦淮河水体叶绿素a含量的分布表现出一定的空间差异性,平均值为73.7μg/L,其中马木桥样点的叶绿素a含量最高(184.52μg/L);秦淮河水体氮磷比为26.86,水体叶绿素a浓度的对数与TP的对数呈正相关,与氮磷比的对数呈负相关,表明磷可能是秦淮河蓝藻生长的主要影响因子;河流水体叶绿素a浓度与pH和DO呈极显著正相关,与NO 2--N呈显著相关,而与NH 4+-N、NO 3--N和TN无显著相关.  相似文献   

8.
洱海叶绿素a浓度的季节动态和空间分布   总被引:3,自引:0,他引:3  
2010年5月至2011年4月,对洱海叶绿素a的季节动态、空间分布及其与环境因子的关系进行研究.结果表明,水体中叶绿素a浓度存在明显的季节变化,其变化范围为4.11~24.30μg/L,年平均值为10.4±6.5μg/L,最小值出现在2011年3月,最大值出现在2010年9月.叶绿素a浓度在夏、秋季较高,冬、春季较低.在空间变化上,叶绿素a浓度在南部湖区最大,其次是北部湖区,中部湖区最低.Pearson相关系数和主成分分析表明,洱海叶绿素a浓度在不同湖区中与水温和透明度均呈极显著相关.总氮在北部和南部湖区与叶绿素a浓度均存在一定的相关性,而总磷与叶绿素a浓度在南部湖区存在一定的相关性.根据修正的卡尔森营养状态指数,洱海综合TSI值为50.6,水质处于中营养状态.  相似文献   

9.
三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间步长数等关键参数的最优组合.结果表明:WT-LSTM模型可有效预测在线获取的叶绿素a浓度变化,模型在4条支流的均方根误差(RMSE)为0.049~0.221μg/L,平均相对误差(MRE)为0.43%~1.12%;预测结果揭示深度神经网络方法可有效地提取在线藻类时序数据特征,而相较于深度置信网络(DBN),LSTM在4条支流叶绿素a预测的平均RMSE和MRE分别降低了9.20%和3.06%;在线监测数据的小波降噪并未影响叶绿素a的变化趋势,且WT-LSTM模型对叶绿素a预测效果显著提升于WT-DBN,平均RMSE和MRE分别降低了51.72%和59.24%;通过设置不同时间步长的预测实验,证实24 h内模型精度会随着预测步长的增加而降低,但模型平均相对误差可保持在13%以内,且对区间内叶绿素a极大值的预测精度要优于其平均值.本研究为水华预测上耦合在线监测与深度学习提供了研究范例,通过4个站点数据的交叉验证实验,亦证实具有统计学关联性的不同空间数据合并后可延展时序模型的学习样本,增强模型在实际应用中的稳健性.  相似文献   

10.
1999年青海省三次5级以上地震震源机制   总被引:2,自引:0,他引:2  
1999年 5月 30日、9月 2 7日、11月 2 6日分别在青海省的唐古拉 (32°5 1′N,93°34′E)、河南县 (34 .6°N,10 1.4°E)和玛沁 (34°30′N,99°48′E)发生 5 .6、5 .1和 5 .0级地震。震后收集了青海省地震台网、甘肃省地震台网和全国基准台网的部分 P波初动符号 ,做出震源机制及其参数见下表和图 1。参 数 A节面 B节面 P轴 T轴 N轴倾向倾角倾向倾角走向倾角走向倾角走向倾角唐古拉 5.6 2 2 3° 76° 6 1° 16° 4 8° 35° 2 15° 6 5° 30 8° 8°河南县 5.12 81° 4 7° 10 5° 4 3° 2 83° 2° 14 7° 87° 13° 2°玛沁 5.0 2 74…  相似文献   

11.
12.
13.
A procedure for short-term rainfall forecasting in real-time is developed and a study of the role of sampling on forecast ability is conducted. Ground level rainfall fields are forecasted using a stochastic space-time rainfall model in state-space form. Updating of the rainfall field in real-time is accomplished using a distributed parameter Kalman filter to optimally combine measurement information and forecast model estimates. The influence of sampling density on forecast accuracy is evaluated using a series of a simulated rainfall events generated with the same stochastic rainfall model. Sampling was conducted at five different network spatial densities. The results quantify the influence of sampling network density on real-time rainfall field forecasting. Statistical analyses of the rainfall field residuals illustrate improvement in one hour lead time forecasts at higher measurement densities.  相似文献   

14.
15.
正This journal is established by the Institute of Engineering Mechanics(IEM),China Earthquake Administration,to promote scientific exchange between Chinese and foreign scientists and engineers so as to improve the theory and practice of earthquake hazards mitigation,preparedness,and recovery.To accomplish this purpose,the journal aims to attract a balanced number of papers between Chinese and  相似文献   

16.
Foreword     
Destructive earthquakes have caused great damage in China and the United States and collapsing buildings havecaused many deaths and injuries. The field of earthquake engineering studies earthquake hazards, the occurrence ofearthquakes of various magnitudes, the nature of the ground shaking during an earthquake, the vibration of structuresduring earthquakes, the strengthening of existing structures and the design of new structures to be earthquake resistant,and finally, how to cope with earthquake damage and restore a city to normal functioning. Such efforts are in progressin both countries, but unfortunately, the language barrier interferes with the free flow of information between China andthe Untied States. It would be mutually beneficial if some means could be developed to promote the exchangeof information across the Pacific Ocean. This new journal has been established for this purpose and its success willbe an important step in promoting earthquake engineering in China and the United States.  相似文献   

17.
正President:Giampaolo Di Silvio,Italy Vice Presidents:Ulrich C.E.Zanke,Germany Zhao-yin Wang,China The World Association for Sedimentation and Erosion Research(WASER),inaugurated on Oct.19,2004,is an independent non-governmental,non-profit organization.The mission of WASER is to promote international co-operation on the study  相似文献   

18.
19.
Copyright     
  相似文献   

20.
正Global Change includes climate change and other environmental changes caused by the joint interaction among various layers of Earth. From the positive side, global change provides new opportunities to human and other living forms on Earth. In the meantime, it creates tremendous challenges and negative impact. At present, the negative impacts have reached all primary processes of the global ecosystem and every aspect of human society, especially causing degradation of the ecosystem. For instance, intensive deforestation causes decline of biodiversity; global warming causes sea level rise and increases  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号