大黄花虾脊兰生存群落特征及影响生长的环境因子研究

来源 :北京林业大学 | 被引量 : 0次 | 上传用户:zdnumber
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大黄花虾脊兰(Calanthe sieboldii)是兰科虾脊兰属植物,数量稀少,是列入我国《全国极小种群野生植物拯救保护工程规划》中亟待拯救的极小种群物种之一。为了探明大黄花虾脊兰生存群落特征及其生长与环境之间的关系,2017年3月-5月在典型抽样调查的基础上,基于18个样地22个样方调查数据,运用方差比率(VR)法、Fisher精确检验、Pearson相关系数和Spearman秩相关系数检验等数量分析方法,对安徽泾县分布的大黄花虾脊兰生存群落的物种多样性、种间联结进行了分析;运用Levins生态位宽度指数和Hurlbert生态位宽度指数以及相似百分率(N.O.ik)公式等分析了大黄花虾脊兰生存群落内物种的生态位情况;运用RDA分析、回归分析以及Maxent模型等方法分析了大黄花虾脊兰生长与环境因子间的相互关系,并对其潜在分布区进行了预测。并得出如下结论:(1)五种多样性指数能较好的反映群落草本层的物种多样性水平,大黄花虾脊兰生存群落草本层物种多样性总体较低,物种多样性与种群密度密切相关;大黄花虾脊兰生存群落草本层1 1个主要物种总体联结呈极显著正相关,反映整个群落草本层处于较稳定的状态;Fisher精确检验、Pearson相关系数和Spearman秩相关系数检验结果一致,种对间以负联结占优势,物种间相对独立,和谐共存,群落草本层结构还处于发展阶段。(2)在大黄花虾脊兰生存群落内,其优势地位明显,草本层主要物种之间普遍存在着生态位重叠,但重叠程度较低,物种之间竞争并不强烈,资源可以较充分共享,群落草本层处于稳定状态。(3)从植株整体上看,郁闭度、海拔、坡向是影响植株生长最为重要的因子,郁闭度越大,海拔越高,分布于阴坡的环境更适合大黄花虾脊兰生长。环境因子之间存在着强烈的相关性,偏相关分析表明:坡位是影响株高生长的关键环境因子,郁闭度、速效磷、全磷是影响叶长变化最主要的因子,影响叶宽生长最主要的环境因子是坡位、郁闭度、碱解氮,花量与环境因子相关性均不显著,花量受株高影响较大。(4)潜在分布分析结果显示:大黄花虾脊兰在我国的最适生区面积为234291km2,集中分布于浙江、湖南大部分地区、安徽南部、湖北西南部及台湾东北部等地区。昼夜温差日均值(49.4)、降水量变异系数(29.2%)、坡度(7.6%)、等温性(7.2%)是影响大黄花虾脊兰空间分布的主要环境因子,累计贡献率达到93.3%。
其他文献
随着我国自主研发大飞机项目的启动,对相应的高性能大型连续式跨声速风洞这一基础试验平台建设提出了日趋紧迫的需求。大开角扩散段在减小风洞尺寸的同时会引起气流分离,扩散
缩小地区差距,实现基本养老保险全国统筹,有利于增进人民福祉、促进社会公平以及提升人民的幸福感。基于2007-2016年中国31省(市、自治区)面板数据,运用泰尔指数、探索性空间
贵州北部地区的JP区块上二叠统煤层分布广泛,瓦斯含量高,具备煤层气开发的潜力。本文利用煤田钻孔及其分析资料等,对其煤层气各项成藏地质条件进行研究,分析其成藏规律和主控
本论文首先根据疑问句的疑问功能作出定义并进行分类,具有疑问功能的疑问句为疑问功能疑问句,不具有疑问功能的疑问句为非疑问功能疑问句。在汉语疑问句分类的基础上,从《狼
自古以来,犯罪是人类的一个永恒话题。相应地,人类对预防和减少犯罪的探索也是由来已久。随着现代犯罪科学的不断成熟以及犯罪预防实践不断发展,人们逐渐地认识到“社区”在预防和减少犯罪上成效及其重要地位。因为,绝大多数犯罪都主要发生在特定的社区,所以发挥“社区”的犯罪预防功能,是抑制犯罪率上升的一条重要途径。随着我国社会转型的加速推进,农村也正在发生着深刻的变化,农村经济社会飞速发展,农村面貌焕然一新,这
营商环境是一个国家或地区经济软实力的重要体现,是其综合竞争力的重要方面。税收营商环境作为整体营商环境的重要组成部分,其好坏直接关系到一个国家或地区营商环境建设的整体水平。当前,山东省委、省政府正加大转变政府职能和简政放权力度,深入推进“一次办好”改革,切实增强企业和群众获得感。优化税收营商环境是税务系统落实“一次办好”改革的应有之义、应尽之责,有利于充分发挥税收职能作用,为助推新旧动能转换重大工程
电力负荷预测是电网发展规划、运行维护的关键,其准确性是保证电网稳定运行、地区经济稳定发展的前提。但在实际工作中,模型精度不足成为影响负荷预测结果的一大因素。因此,研究提高模型精度以实现更加精准高效的负荷预测具备重大理论意义和工程价值。本文研究内容具体如下:1.叙述了电力负荷及其预测的方法步骤,BP神经网络的模型结构、求解过程;分析深度学习基本原理,利用大量样本数据对多层网络结构进行训练,获得数据集