人居环境视角下居民垃圾分类意愿实证研究及政策建议——基于河南省郑州、洛阳、商丘和漯河四地市的调研

基于河南省人居环境现状,分别对郑州、洛阳、商丘和漯河四地市进行了实地调研,通过建立二元Logistic模型,分析了影响居民垃圾分类意愿高低的因素。结果表明:文化程度、经济发展、政策支持对提高居民垃圾分类意愿具有较强的正相关影响,而居民人居环境满意度对提高垃圾分类意愿具有负相关影响;女性相比男性的垃圾分类意愿更高,城市居民相比农村居民的垃圾分类意愿更高。基于此结论,从政府和社会两个方面分别提出了相关建议,以供参考。     

湖北省杉木人工林立地类型划分及评价

以湖北省杉木人工林为研究对象,选择166块具有代表性的杉木人工林标准地,并测定样地的常规立地因子。利用数量化理论Ⅰ的方法建立了杉木优势高与立地因子之间的关系模型,对研究区杉木人工林进行立地类型划分及立地质量评价。结果表明,所选择的5个立地因子与优势高数量化拟合的复相关系数为0.639;海拔、腐殖层厚度和坡位这3个立地因子对优势高的贡献率达84.99%,且影响均达到极显著水平;采用海拔、腐殖层厚度和坡位3个因子构建研究区杉木人工林立地类型,共划分为22类;按照优、良、中、差4个评价等级对166块样地所属的立地类型进行立地质量评价,得出湖北省杉木人工林在中海拔、土壤湿润、土壤养分含量较高的立地条件下生产力较高,研究区立地质量整体处于中等偏上水平的结论。     

Regional and local scale variations in soil organic carbon stocks in West Greenland

The soil organic carbon (SOC) pool of the Northern Hemisphere contains about half of the global SOC stored in soils. As the Arctic is exceptionally sensitive to global warming, temperature rise and prolonged summer lead to deeper thawing of permafrost‐affected soils and might contribute to increasing greenhouse gas emissions progressively. To assess the overall feedback of soil organic carbon stocks (SOCS) to global warming in permafrost‐affected regions the spatial variation in SOCS at different environmental scales is of great interest. However, sparse and unequally distributed soil data sets at various scales in such regions result in highly uncertain estimations of SOCS of the Northern Hemisphere and here particularly in Greenland. The objectives of this study are to compare and evaluate three controlling factors for SOCS distribution (vegetation, landscape, aspect) at two different scales (local, regional). The regional scale reflects the different environmental conditions between the two study areas at the coast and the ice margin. On the local scale, characteristics of each controlling factor in form of defined units (vegetation units, landscape units, aspect units) are used to describe the variation in the SOCS over short distances within each study area, where the variation in SOCS is high. On a regional scale, we investigate the variation in SOCS by comparing the same units between the study areas. The results show for both study areas that SOCS are with 8 kg m^?2 in the uppermost 25 cm and 16 kg m^?2 in the first 100 cm of the soil, i.e., 3 to 6 kg m^?2 (37.5%) higher than existing large scale estimations of SOCS in West Greenland. Our approach allows to rank the scale‐dependent importance of the controlling factors within and between the study areas. However, vegetation and aspect better explain variations in SOCS than landscape units. Therefore, we recommend vegetation and aspect for determining the variation in SOCS in West Greenland on both scales.     

19种菊科植物花药结构及绒毡层的发育类型研究

花药结构和绒毡层的发育类型对菊科植物的系统分类和系统演化具有重要的意义。本研究采用苏木精和苯胺番红整体染色以及石蜡切片的方法,通过显微镜观察,对菊科7族19属19种植物花药结构及绒毡层的发育类型进行研究。结果表明,18种植物的花药由4个花粉囊组成,1种由2个花粉囊组成。花粉囊壁由表皮、药室内壁、中层和绒毡层4层细胞组成,中层细胞在花粉母细胞时期解体。随着花粉粒的形成,药室内壁先“U”形增厚,再进行条带状增厚。花粉母细胞胞质分裂类型有连续型和同时型2种,小孢子四分体以四面体形为主。绒毡层的发育类型有变形绒毡层和分泌绒毡层两种类型,变形绒毡层是管状花亚科植物的共同特点,分泌绒毡层是舌状花亚科植物的共同特点。从向日葵族向菊苣族的逐渐演化过程中,绒毡层的发育类型从向日葵族的变形绒毡层、经过变形绒毡层向分泌绒毡层的过渡类型逐渐演化为菊苣族的分泌绒毡层。变形绒毡层的形态在管状花亚科不同族之间有明显差异,绒毡层的发育类型和形态可以作为亚科和族分类的依据之一。     

中国杜鹃花品种分类问题与思考

杜鹃花具有极高的观赏价值，是世界级名花。经过数百年的人工选育，全球杜鹃花品种已超过3万个。我国虽然拥有丰富的杜鹃花资源，但园艺化程度与国外差距明显，其中一个重要原因就是国内杜鹃花品种分类及品种名称较为混乱，阻碍了其进一步应用和发展。文中综述了近年来中国杜鹃花品种分类研究的成果与存在的不足，并展望了研究方向。分析认为，综合植物系统分类学研究及品种亲本来源信息是建立科学品种分类体系的基础，同时运用分子生物学技术和形态性状数量分析等方法进行归类将是重要的研究方向。     

运用植被指数时序特征对落叶松人工林分类

为探究植被指数时序特征是否有利于落叶松人工林提取,以孟家岗林场为研究试验区域,根据落叶松人工林季相和物候特征,利用Landsat8OLI影像数据提取研究区内5种植被的归一化植被指数(I NDV)、差值植被指数(I DV)、比值植被指数(I RV)、增强型植被指数(I EV),构建相应的植被指数时序特征。采用最大似然和随机森林两种方法对单一时相影像和加入植被指数时序特征的影像进行对比试验。结果表明:影像中加入植被指数时序特征后,最大似然算法的分类总体精度为89.53%,Kappa系数为0.87,比单一时序特征的影像分类精度提高了13.35%;随机森林算法的森林类型分类总体精度为93.22%,Kappa系数为0.92,比单一时序特征的影像分类精度提高了19.8%。因此,加入植被指数时序特征后能得到更高的落叶松人工林提取精度。     

实时荧光定量PCR技术的概述及应用

实时荧光定量PCR技术是在传统PCR技术上发展而来的,不仅能判断某一基因的有无,而且还能对其进行定量分析。由于该技术与常规PCR相比,能够进行实时监测、且自动化程度高而被广大研究者青睐。本文对实时荧光定量PCR的原理、数据分析、定量方法、分类以及应用进行了系统而详细地综述。     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

农产品监测预警模型集群构建理论方法与应用

【目的】农产品供给与需求的准确分析测定,是农业监测预警能力提升的重要表现。构建产品多品种多环节模型集群理论方法,可高效解决单一环节或单一模型难以解决的分析技术难题。【方法】在农产品供需的重要要素即生产量、消费量、贸易量、价格等分析预测过程中,针对农产品品种间关联性强,自然、社会、经济诸多影响因素纠缠,模型多变量强耦合、非线性、参数时变的特点,提出多品种农产品“因素分类解耦、参数转用适配”方法,以构建多时空维度的监测预警模型集群。【结果】利用“因素分类解耦、参数转用适配”技术方法,研究构建了不同农产品的生产类、消费类、贸易类、价格类的模型集群。这些模型集群可用于对不同时空维度的水稻、玉米、小麦、肉类等主要农产品供需的长中短期的分析预测,支撑形成了农业展望中的主要农产品平衡表,其中主要农产品全国年度生产量6年平均预测精度高于97%。【结论】研究提出的农产品监测预警模型集群构建理论及其方法,有效提升了农产品多品种模型集群的求解效率和准确率,增强了农产品供需分析预测的系统性与智能性,为系统揭示农产品复杂的时空供需变化特征、促进农产品市场调控科学性和可预见性,提供了新技术方法。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。