香格里拉灌木、草本植物区系与垂直分布格局

草地作为全球生态系统功能服务最重要的组成部分,是农林牧业发展的基础,探究灌木、草本植物区系与地理分布特征对于揭示区域物种多样性和生物保护策略具有十分重要的意义.本研究通过野外样地调查和历史记录数据库,采用吴征镒植物区系分区方法,对香格里拉灌木和草本植物多样性、区系特点与垂直分布格局进行系统分析.结果表明:1)该区灌木、草本植物物种丰富,共有121科619属2442种,其中草本植物占优,有94科514属2048种.2)在科、属构成中,优势科属明显,单种科、寡种属比例高,占比分别为32.23％和51.05％,中国特有属极其丰富,共有28种.3)区系成分多样,含有13个科地理成分及15个属地理分布类型,科的区系分布类型以世界分布、泛热带分布和北温带分布为主,热带性与温带性分布的比值为1.29,热带分布型稍占优势;属的区系分布类型以北温带分布、东亚分布、泛热带分布为主,且热带性与温带性分布的比值为0.39,温带分布型占据主导地位.4)在垂直分布上,随着海拔的升高,热带区系成分占比逐渐降低、温带区系成分逐渐上升,物种丰富度呈先升后降的单峰分布格局,灌木、草本植物物种丰富度峰值位于2600～2900?m和3200～3500?m处,各海拔段草本物种数量均极显著高于灌木(P?相似文献   

香格里拉灌木、草本植物区系与垂直分布格局

草地作为全球生态系统功能服务最重要的组成部分，是农林牧业发展的基础，探究灌木、草本植物区系与地理分布特征对于揭示区域物种多样性和生物保护策略具有十分重要的意义。本研究通过野外样地调查和历史记录数据库，采用吴征镒植物区系分区方法，对香格里拉灌木和草本植物多样性、区系特点与垂直分布格局进行系统分析。结果表明：1)该区灌木、草本植物物种丰富，共有121科619属2 442种，其中草本植物占优，有94科514属2 048种。2)在科、属构成中，优势科属明显，单种科、寡种属比例高，占比分别为32.23%和51.05%，中国特有属极其丰富，共有28种。3)区系成分多样，含有13个科地理成分及15个属地理分布类型，科的区系分布类型以世界分布、泛热带分布和北温带分布为主，热带性与温带性分布的比值为1.29，热带分布型稍占优势；属的区系分布类型以北温带分布、东亚分布、泛热带分布为主，且热带性与温带性分布的比值为0.39，温带分布型占据主导地位。4)在垂直分布上，随着海拔的升高，热带区系成分占比逐渐降低、温带区系成分逐渐上升，物种丰富度呈先升后降的单峰分布格局，灌木、草本植物物种丰富度峰值位于2 600～2 900 m和3 200～3 500 m处，各海拔段草本物种数量均极显著高于灌木(P < 0.01)。本研究旨在展现“三江并流”世界自然遗产中心地带的植物多样性和同纬度地区植物分区特点，对当地灌木和草本植被生态修复物种选择和合理利用具有重要参考价值。     

联合LiDAR、高光谱数据及3D-CNN方法的树种分类

【目的】探究三维卷积神经网络（3D-CNN）在高光谱数据支持的树种分类中的有效网络构建方式，以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区，LiDAR数据获取的森林冠层高（CHM）进行单木分割并以此为补充建立样本，改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3D-CNN网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机（SVM），随机森林（RF）】、传统二维卷积神经网络模型（2D-CNN）及最新多光谱分辨率三维卷积神经网络（MSR 3D-CNN）模型，本研究提出的3D-CNN模型对树种总体分类精度为99.79%，平均交并比（MIoU）为99.53%。与SVM和RF分类结果相比，本研究构建的3D-CNN模型总体分类精度提高5%左右，且具有对树种边界提取更加准确、椒盐现象更少发生的特点；与2D-CNN相比，总体分类精度提高10%左右，MIoU提高7%左右；与MSR 3D-CNN相比，总体精度相差不大，但在训练和测试过程中，本模型耗时远远小于MSR 3D-CNN模型。【结论】本研究改进的3D-CNN模型结构能够高效对原始高光谱影像...