排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
3.
互花米草(Spartina alterniflora)为美国大西洋沿岸的本地种,在环太平洋沿岸被认为是入侵物种。互花米草作为本地种,被誉为“生态系统工程师”;作为外来物种,其入侵特性亦引起相关领域的高度关注。为加深对互花米草相关研究的认知,探索未来研究重点方向,文章基于文献计量学方法,以Web of Science数据库中发表于1972—2020年的互花米草英文文献为基础数据,使用VOSviewer软件定量分析互花米草的研究进展及发展趋势。研究结果表明:1972—2020年互花米草领域的发文数量与被引频次均不断上升,2004年后呈快速发展态势;研究领域涉及的学科有生态学、环境科学以及海洋与淡水生物等;美洲、亚洲、欧洲与大洋洲等区域发表论文较多,其中美国在该领域的研究实力最强,中国其次;互花米草领域的研究热点集中于其对盐沼湿地生态系统的影响、生物地球化学循环过程以及生理生态和种间相互作用等,未来的研究趋势则集中于其对蓝碳的贡献以及对全球气候变化的响应过程与机制等。 相似文献
4.
海滨湿地生态系统的热点研究 总被引:1,自引:1,他引:1
海滨湿地具有强大的生态服务功能,然而由于人类活动的长期和强烈干扰,导致该系统严重受损和退化。海滨湿地生态系统的严重退化引起国内外学术界的高度关注。有关其退化及生态恢复的研究热点涉及该系统的演化与机制、对外来种入侵的响应与生态控制、退化海滨湿地生态系统的修复、生态系统健康的评估及其保护与利用平衡的研究。本文综述了上述热点研究的进展,有利于把握国际前沿研究动态,借鉴最新研究方法和经验,推动我国在这一领域的研究尽快赶上国际先进水平。 相似文献
5.
罗非鱼对钝顶螺旋藻摄食、消化、吸收的示踪研究 总被引:2,自引:0,他引:2
近年来,螺旋藻的开发应用研究引起了国际上的广泛关注。墨西哥、法国、印度、日本以及我国台湾省,都设有相当规模的螺旋藻工厂,生产培养藻粉,除用作医药工业原料外,很大部分用作畜禽、鱼类的饲料和饵料,甚至作为食品工业的原料,加工成高档食品供市场需要。我国从70年代以来,相继开展了有关螺旋藻的研究工作,进行了室内外的培养、生产,取得了成套的经验和系统的科学资料,在螺旋藻应用于饲料、饵料和食品方面也取得了可喜的成果。 相似文献
6.
7.
互花米草总黄酮(TFS)与生物矿质液(BML)对小鼠血糖的影响 总被引:3,自引:1,他引:3
互花米草(Spartina alterniflora)系1979年自美国引进的一种生长于海滩潮间带的盐沼植物[1]。互花米草总黄酮(TotalflavonoidsofSpartina alterniflora,TFS)是从互花米草提取液──生物矿质液(Biomineralliquid,BML)[2]中分离得到的一类生物活性物质。大量研究资料表明,黄酮类化合物具有多方面有益的生理效应与药理作用[3]。近年来有文献报道多种传统中药(葛根、淫羊霍、桑叶、黄芪)与一些天然植物(芹菜、大麦)均因含黄酮类物… 相似文献
8.
9.
挥发性氯代烷烃是大气中重要的短命氯源气体,对全球气候变暖和臭氧层破坏具有重要贡献,在全球C和Cl元素循环中扮演着重要的角色,具有非常重要的环境意义。分别于生长季(2004年7月)和非生长季(2005年1月)在苏北海岸带盐沼沿环境梯度采用静态箱技术原位测定氯代甲烷(CH3Cl、CH2Cl2、CHCl3和CCl4)和氯代乙烷(CH3CHCl2和CH3CCl3)6种单体成分通量。结果表明:海岸带盐沼生态系统氯代烷烃单体成分通量关系的差异性主要表现在3个方面:一是海岸带盐沼高氯烷烃不同单体成分间具有很好的相关性,而低氯烷烃CH3Cl与各种高氯烷烃单体成分间相关性不显著。这表明海岸带盐沼低氯烷烃和高氯烷烃的源汇过程可能是不同的,而高氯烷烃间可能存在比较一致的源汇过程;二是高等植物对氯代烷烃不同单体成分贡献的差异性表现为对低氯烷烃CH3Cl表现为源效应,而对高氯烷烃则表现为汇效应;三是盐沼土壤对氯代烷烃不同单体成分的贡献均表现为汇效应,但是研究区低氯烷烃和高氯烷烃来源和生物降解模式不同。低氯烷烃CH3Cl可能源于盐沼植物及其枯落物排放和海洋排放的输入,而高氯烷烃含量既可能来自非生长季盐沼植物和凋落物腐解释放,也可能来自其他区域人类活动排放和海洋排放的外源输入。因此,海岸带盐沼对外源输入的高氯烷烃具有吸纳作用。 相似文献
10.
联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例 总被引:2,自引:0,他引:2
本文基于CHRIS高光谱遥感影像,发展了一种结合地物光谱特征和多纹理空间特征信息,采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类,并在黄河口滨海湿地进行了应用。结果表明:1)基于测试样本数据,联合光谱特征和K-L变换的纹理特征信息,采用DCNN模型方法展现了高的分类精度,精度高达99%;2)利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%,相比于使用全纹理特征信息的精度提高了4.15%;3)基于验证图像,发展的DCNN分类方法精度优于其他算法,DCNN方法总体分类精度为84.64%,Kappa系数为0.80;4)相比于浅层分类方法,本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡,保持了主要地物类型的分类精度几乎不变,同时提高了滩涂和农田的精度。基于DCNN模型,潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。 相似文献