【摘 要】
:
生物入侵是生态学研究的热点问题之一,而土壤养分对入侵及本地植物生长及扩散有重要影响。本研究选择入侵物种喜旱莲子草(Alternanthera philoxeroides)及同属本地种莲子草(A.sessilis),入侵物种南美蟛蜞菊(Wedelia trilobata)及同属本地种蟛蜞菊(W.chinensis)四个物种,设置温室控制实验,通过测定植物生长及功能性状指标和氮磷吸收效率,研究入侵植物
论文部分内容阅读
生物入侵是生态学研究的热点问题之一,而土壤养分对入侵及本地植物生长及扩散有重要影响。本研究选择入侵物种喜旱莲子草(Alternanthera philoxeroides)及同属本地种莲子草(A.sessilis),入侵物种南美蟛蜞菊(Wedelia trilobata)及同属本地种蟛蜞菊(W.chinensis)四个物种,设置温室控制实验,通过测定植物生长及功能性状指标和氮磷吸收效率,研究入侵植物是否比本地植物具有更强的氮磷获取能力,以及植物功能性状能否反映植物氮磷吸收能力及植物根际土壤微生物状况,为快速了解植物氮磷吸收及土壤微生物状况提供基础。研究结果表明:(1)土壤养分水平和养分异质性对四种植物的主要功能性状都会产生影响。不存在种间竞争时莲子草的叶氮含量随土壤养分的增加而减少,但是喜旱莲子草的叶氮含量随土壤养分的增加而增加;存在种间竞争时土壤养分异质性使蟛蜞菊的根磷含量减少,南美蟛蜞菊的根磷含量增加。(2)土壤养分增加有利于入侵植物和本地植物的生长。土壤养分异质性对本地植物莲子草和蟛蜞菊的生长影响不显著,却能显著促进入侵植物喜旱莲子草和南美蟛蜞菊的生长,说明在异质养分条件下,喜旱莲子草和南美蟛蜞菊更容易入侵成功。(3)种间竞争对入侵植物喜旱莲子草和南美蟛蜞菊的各主要性状影响不显著。种间竞争在高养分条件下显著降低了本地植物莲子草的生物量,在中养分时增加了蟛蜞菊的根冠比。(4)入侵植物喜旱莲子草和南美蟛蜞菊的氮吸收效率随着土壤养分的增加而增加,而本地植物莲子草和蟛蜞菊的氮素吸收效率在养分达到一定水平后不再增加。四种植物的磷吸收效率都是在中养分最高。(5)四种植物的叶氮吸收效率、根氮吸收效率和叶磷吸收效率与叶干物质比呈显著负相关关系;根际土壤微生物碳与根氮含量呈显著正相关关系。总之,植物叶干物质比可在一定程度上反映其氮磷吸收效率,植物根氮含量可以反映其根际土壤微生物碳含量。
其他文献
大数据时代社交网络、移动互联网、物联网等领域每天都会产生海量数据,数据的爆炸式增长导致了信息过载,同时也改变了用户的信息需求,从原来的文本信息过渡到现在的实体信息,相应地产生了实体搜索。不同于文档搜索,实体搜索旨在从多源异构数据中找出特定实体对象,对搜索质量的要求更加严格。传统的查询扩展方法能够提高文档搜索质量,但存在扩展项来源有限、扩展效率低和查询漂移问题,影响了查询扩展性能,不完全适用于实体搜
聚类分析技术作为数据挖掘领域的一个重要分支,逐渐成为研究的热点并被广泛应用于模式识别、图像处理、生物信息分析等领域,其核心思想可以概括为将一组数据集中的所有数据按照它们之间的相似度划分为不同的类别或者簇的过程。然而,当今社会中,充斥着大量的高维数据,如图像、多媒体、文本以及生物信息数据等。由于“维数灾难”的影响,使传统聚类算法遇到了瓶颈,效果大打折扣。子空间聚类算法作为解决高维数据聚类问题的一种思
分布式计算平台为高效处理海量数据提供了便利,Spark凭借基于内存计算的优势被广泛应用于大数据研究领域。数据混洗(Shuffle)是Spark中不可或缺的过程,Shuffle中若是发生数据倾斜,将严重影响整个分布式集群的运行效率。针对Shuffle数据倾斜问题,现有的动态分区解决方法存在动态适应性不强和粒度不够细等不足,通过分析Shuffle的数据分区原理,实现了面向Spark Shuffle算子
农产品加工企业是促进农业经济增长的重要产业,技术创新在农产品加工企业的发展中已经成为一个核心的竞争力量,企业必须依靠技术创新发展新的产品,才能够在如今市场竞争如此强大的情况下继续前行。本文以40家吉林省农产品加工企业为研究对象,构建吉林省农产品加工企业技术创新绩效指标体系,运用数据包络分析法(DEA)对吉林省农产品加工企业技术创新绩效进行评价,并对吉林省农产品加工企业技术创新绩效影响因素进行分析。
气候在不断改变的同时,对大气环境探测精度的要求也日趋提高,例如温度传感器观测的温度误差值要求低于0.1℃量级。在进行大气温度观测时,气象站普遍使用的温度传感器会受到太阳辐射的影响,使得采集到的气温比实际气温高,辐射误差接近0.9℃甚至更高。为提高温度传感器的测量精度,有必要设计高效的温度传感器防辐射罩来降低辐射误差。本文设计了一款双层强制通风温度传感器防辐射罩,运用计算流体动力学(CFD)的数值模
随着传感器技术的飞速发展,人们对以传感器作为零部件的可穿戴设备也表现出巨大需求。对志愿者佩戴可穿戴设备采集的传感器数据进行处理成为人类活动识别的主要研究领域。传统的机器学习方法需要手动提取特征,无法很好的处理特征关系;神经网络局限于可微模块,计算复杂度高,无法进行合理的理论解释。该文主要研究兼具树模型与深度神经网络模型两者优点的活动识别模型。首先,构建了基于深度神经决策树的活动识别模型。针对深度神
08年金融危机对全球经济造成重创,尽管导致金融危机的因素来自多个方面,但许多经济学家诟病,金融机构,特别是银行业高管不合理的薪酬制度鼓励银行家采取短视的冒险活动,加剧了金融业的整体风险,是造成危机的重要原因之一。在此背景下,各国或被迫或主动的启动了不同程度的金融监管改革,其中,金融机构高管薪酬制度成为这次改革中的重要组成部分,各国学术界也都把金融机构高管薪酬问题作为完善公司风险管理的重要课题。传统
自然语言处理中的情感分类用于挖掘用户评论中的情感信息,传统的情感分类方法存在着数据维度大、数据稀疏、特征提取不足等问题,为了解决这样的问题,本文使用深度学习方法从模型融合和特征融合两个角度来提取用户评论中的特征。首先,分析了情感分类的研究现状,总结了基于机器学习的文本情感分类算法存在的问题,以及国内外研究人员做出的相应改进方法,同时分析了基于深度学习的文本情感分类算法存在的缺点,并提出相应改进方法
经济周期一直是宏观经济学的研究热点,目前我国经济正处于增速换挡的关键时期,内部经济下行压力加大,外部中美贸易战持续发酵,因此研究我国经济的发展趋势和周期变化具有理论
随着智能机器人技术的不断发展,逐渐激发了人们对交互体验的更高要求。基于体感的人机交互在提高智能性以及舒适性等方面都具有重要价值,而机器的人动作模仿则是该领域的研究重点之一。本文以法国Aldebaran Robotics公司的NAO_V5机器人作为实验平台,以KinectV2深度相机作为体感采集设备,设计模仿交互系统。并针对模仿过程中数据采集优化、肢体动作映射以及手部动作识别控制等问题进行了深入研究