云南西双版纳普文山地雨林植物区系研究

采用样地调查法对云南西双版纳普文山地雨林植物区系进行了研究。结果表明:其山地雨林有维管束植物83种,隶属48科76属。该植物区系科、属的分布区类型组成均以热带分布为主,分别占总科数和总属数的81.24%和89.47%,温带成分分别占8.34%和5.26%。种的分布区类型组成以热带亚洲分布为主,占总种数的49.40%;其次是中国特有分布种,占25.30%;热带分布种占70.33%,温带分布种占8.43%。这些特征均表明该植物区系热带性质显著,特有种丰富,并具有明显的热带亚洲植物区系特点和热带北缘性质,属热带亚洲植物区系向东亚植物区系的过渡区。     

安全环保是地板品牌的终极追求

木材、钢材、塑料、水泥四大传统建材中,木材唯一具有循环再生的低碳优势,而且天然的木材对人体完全无害。人类使用木材的历史几乎贯穿人类发展史,从最早期的猿猴使用树枝找食物到原始人类洞穴出口的木桩护栏,再到后来延续几千年的木制建筑和家具,甚至我们餐餐都要使用的筷子,我们的生存和生活从来没有离开过木材。很难想象,如果没有木材,     

Analysis of Different Part of Z.jujuba, var.spinosa by Fourier Transform Infrared Spectroscopy

采用傅里叶变换红外光谱、二阶导数和二维相关红外光谱技术对酸枣的不同部位进行了分析与评价研究.酸枣不同部位的一维光谱和二阶导数谱中峰位和峰强有明显差异,在1750 - 1300 cm-1范围存在一些共有特征峰,对主要吸收峰进行了化学成分或基团的归属分析.在1300 - 850 cm-1范围内的二维相关谱中,酸枣根、叶均有4个明显的自动峰;酸枣核有2个明显的自动峰,酸枣仁只有1个自动峰,直观的反映出3者的差异.可见红外光谱法结合二维相关红外光谱技术为药材不同部位的成分差异分析提供了一种全面、快速的方法和手段.     

应用分形维数研究狗牙根根系边坡固坡效应

植物根系形态非常复杂,很难定量确定根系对边坡土体的防护作用。笔者选择常见护坡植物狗牙根为研究对象,根据自主研发的分形维数计算软件确定狗牙根根系分形维数,提出基于根系分形特征的固土机理数值分析方法,将根土复合体当作由土体、根系所联系起来的有机体,研究在雨水侵蚀力和坡面径流侵蚀力作用下,不同根系分形特征对土体位移场的影响。根据根系分形维数与表层位移关系曲线,建立分形维数与边坡土体稳定性的相互关系,明确边坡植入狗牙根根系对表层土体稳定性影响,研究结果表明,分形维数与数值计算相结合,能够反映植物根系形态对边坡表层土体位移的影响,对于植物生态边坡的设计与施工具有现实的指导意义。     

沂蒙山林区不同植物群落下土壤颗粒分形特征

运用土壤物理学和分形学原理与方法,研究了沂蒙山林区7种植物群落下的土壤颗粒组成与分形特征。结果表明:1)研究区土壤颗粒组成具有石质山地典型粗骨土的结构特征,各种植物群落的土壤中以粗砂粒含量最高,细砂粒含量次之,而石砾含量和粉黏粒含量较低;2)防护林群落具有显著地改善土壤颗粒组成和提高土壤颗粒分形维数的作用,其作用程度为针阔叶(赤松+麻栎)混交林依次高于阔叶林(刺槐纯林、麻栎纯林)和针叶林(赤松纯林);3)土壤颗粒分形维数与土壤中粉黏粒(粉粒及黏粒)含量呈极显著正相关,与细砂粒和粗砂粒含量呈显著的负相关,而与石砾含量的相关性不显著。研究成果可为沂蒙山区水土保持植被类型的合理选择与配置提供参考。     

缙云山典型林地土壤团粒特征

以重庆缙云山次生林典型针阔混交林、常绿阔叶林、毛竹林、灌木林及农地(对照)的土壤为研究对象,应用分形模型研究了各林地土壤A、AB、B、C层土壤团粒分形特征,探讨了团粒分维、团粒质量几何平均直径与土壤理化性质和土壤养分含量等肥力特征之间的关系.结果表明:(1)各林地土壤团粒分维在2.348～2.834之间,表现为针阔混交...     

木材断口分形的初步研究

木材是一种天然的多孔性生物高分子材料,结构复杂且变异性大,所以木材断裂表面定量分析的难度很高,对于木材内部裂纹产生、发展的研究一直没有大的突破.在木材断裂力学的研究中,国内外科学家运用传统的断裂试验方法研究居多,但普遍结论是规律不明显或找不到规律(费本华,1999).木材研究者们一直在寻找一种定量描述木材断裂表面形态的新指标,并希望在此基础上预测木材强度和了解木材断裂机制(Schmitt et al.,1996;Qin et al.,1999).     

基于分形维木材表面粗糙度的研究

应用分形维对木材表面粗糙度特征进行研究。首先，对Sarkar和Chaudhuri提出的分形维计算方法做了改进：其次，以60个树种为研究对象，提取和分析木材表面的分形维数。得出结论：分形维数能够反映木材表面的粗糙程度，可作为木材表面粗糙度的一种度量？     

基于非线性降维时序遥感影像的作物分类

当前基于时序遥感数据的作物分类方法大都需要较多专家知识及人工干预,难以自动化,也难以移植到其他地区。将光谱降维技术用于时序遥感影像分析可以很好地解决这一问题。其中,非线性降维方法已经成功应用于高光谱数据,并且获得了比线性降维方法更好的结果。但是,直接将非线性降维方法用于时序遥感影像无法充分利用其时相维度的信息。该文改进了一种非线性降维算法——Laplacian Eigenmaps(LE)用于时序遥感影像的作物分类,该方法更加关注相同时相下不同作物生长季的物候特征差异,而不再仅依赖于整个生长季的物候曲线轮廓。改进的LE算法被应用于美国伊利诺伊州覆盖作物全生长季的Landsat 8时间序列影像。降维后保留的波段结合随机森林分类器基于美国农业部Cropland Data Layer(CDL)提供的训练数据完成了一系列的分类试验,并与传统插值未降维的方法进行对比。试验结果表明,改进的LE降维方法完成了更高的整体及各个类别的分类精度,其中整体分类精度达到85.37%,该方法作为一种自动化的方法,不需要人工干预,可直接移植到其他研究区,并且只需要较少的训练样本就可以完成一个较高的分类精度,为日后不同尺度的作物识别和提取研究提供了有效的方法。