土壤颜色——一个可靠的气候变化代用指标

将研究剖面自上而下以2cm间隔采取的样品,烘干并研磨至小于45μm,此时,土壤的颜色将不再发生变化。将处理好的样品分别测土壤颜色指标亮度、红度和黄度,将测得的亮度、红度和黄度指标分MIS4、MIS3、MIS2和MIS14个阶段,通过与研究剖面的气候指标磁化率、粒度和CaCO_3在百年尺度、千年尺度上的对比分析,以及在万年尺度上与高纬格陵兰GRIP冰芯记录和反映全球冰量变化的SPECMAP曲线进行对比分析表明：土壤颜色指标作为气候变化的代用指标无论在百年尺度、千年尺度还是在万年尺度上均是可靠的,这种可靠性在末次冰期阶段表现得更为显著,这一结论是否适用于整个第四纪冰期间冰期旋回,尚需更多黄土剖面的研究事实来加以证明。     

Loss of preferred habitat and pollen limitation threatens reproduction in a rare mountain <Emphasis Type="Italic">Paeonia delavayi</Emphasis>

Paeonia delavayi is a wild tree peony species endemic to high-altitude regions in southwestern China. Recent agricultural land expansion, however, not only causes its dwindling population size, but also poses a severe threat to its long-term persistence. Since our knowledge of the reproductive biology of P. delavayi is very limited, and some management misconceptions have further exacerbated the already worrisome situation, the aim of the present study is to provide some scientific evidence regarding habitat preference and breeding system of P. delavayi, and to help correct some management misconceptions. Specifically, morphological traits of P. delavayi populations growing in two different habitats (i.e., the open area versus forest understory), including basal stem diameter, plant height and flower numbers per plant, were measured and compared with each other. A range of floral manipulation experiments was further conducted to study the extent of self-compatibility and pollen limitation. The results showed that P. delavayi preferred the open habitat over forest understory as it generally grew bigger with thicker stems, and produced a higher number of flowers in the former habitat. Therefore, the open habitat should receive immediate priority for conservation action instead of being converted to agricultural land; also, P. delavayi is pollen limited, as evidenced by the fact that experimental flowers receiving supplemental non-self pollen generally displayed elevated seed production than flowers subjected to other treatments (e.g., non-supplemental self pollen, non-supplemental non-self pollen and supplemental self pollen), which is consistent with reported observations that alpine plants are more likely to be pollen-limited than lowland plants. We suggest that human intervention might be necessary to guarantee the long-term persistence of P. delavayi as harsh alpine environment, intense competition for pollinators and different anthropogenic perturbations co-limit its reproductive success.     

区域经济空间结构理论与方法的回顾

区域经济空间结构理论的发展经历了从19世纪初-20世纪40年代的基于产业、企业的区位选择、空间行为和组织结构规律性研究阶段,和二次世界大战以后-20世纪80年代的区域总体空间结构与形态演化规律研究阶段,以及20世纪80年代以后的新空间经济学阶段.研究重点从抽象的纯理论研究演变为从总体出发寻求各种经济主体在空间中的最优组合与分异的区域经济空间结构演化理论研究.对于区域经济空问结构研究,经典区位论所揭示的区域经济活动的空间分布形态,基本上概括了区域经济空间分异的主要特征性规律,是当今区域经济空间结构演化的基础性理论.区域经济空间结构演化理论是区域经济空间结构演化研究的主要理论,这些理论不仅可以为区域经济空间结构演化研究提供理论范式,也为区域经济空间结构研究提供有益的启示.新空间经济学对经济活动的空间集聚和增长集聚的动力分析,为区域经济空间结构演化研究提供了新思路与方法.伴随区域经济空间结构演化理论的发展,其相应的方法也从静态分析模拟逐步向动态过程的空间演化模拟发展.新方法与技术手段在区域空间结构演变研究中已开始发挥越来越重要的作用,特别是复杂性科学方法和GIS与RS技术的结合展示出良好的应用前景.     

Influence of Arctic Oscillation on winter climate over China

In this study the relationship between the Arctic Oscillation (AO) and climate in China in boreal winter are investigated. Correlation analysis for the last 41 years shows that the winter temperature and precipitation in China change in phase with AO. High positive correlation (>0.4) between temperature and AO appears in the northern China. High correlation coefficients between precipitation and AO cover the southern China (close to the South China Sea) and the central China (between 30o-40oN and east of ~100oE), with the values varying between +0.3 and +0.4. It is found that during the past several decades the precipitation was strongly affected by AO, but for the temperature the Siberian High plays a more important role. At the interdecadal time scale the AO has significant influence on both temperature and precipitation. Multivariate regression analysis demonstrates that AO and the Siberian High related variance in temperature and precipitation is 35% and 11% respectively. For precipitation, however the portion is rather low, implying that some other factors may be responsible for the changes in precipitation, in addition to AO and the Siberian High.     

1961-2009年中国区域干旱状况的时空变化特征

 利用1961—2009年中国589个气象站月降水和月平均气温资料,采用经验正交函数(EOF)／旋转经验正交函数(REOF)、小波变换及Mann-Kendall 突变检验等方法,对年标准化干旱指数的空间异常特征和时间变化规律进行了研究。中国前10个主要干旱异常区为:河套-华北、长江中下游、华南地区、东北大部、陕西南部-青海东部、滇黔-广西丘陵地区、新疆北部、川西高原-青藏高原东部地区、辽东及山东-河南东北部。有7个区域呈现干旱化趋势,其中干旱化最明显的区域为滇黔-广西丘陵地区,其次为河套-华北地区。新疆北部、川西高原-青藏高原东部地区和长江中下游地区呈现变湿趋势,其中变湿最显著的区域为新疆北部。选择变干和变湿最典型的区域进行突变分析。滇黔-广西丘陵区突变发生在1980年前后,新疆北部突变点也出现在1980年前后。小波能量谱显示,中国区域干旱化变化存在多时间尺度特征,2～4 a左右的时间尺度的周期振荡最显著。小波谱分析结果表明,中国区域干旱化主要存在3 a左右的显著主周期,其中陕西南部-青海东部还存在显著8 a和22 a主周期。     

旅游驱动型传统村落“三生”空间功能更新的特征、模式与逻辑——以湖南省张谷英村为例

以湖南省传统村落张谷英村为例,利用GIS技术构造土地利用转移矩阵,探讨旅游驱动型传统村落“三生”空间功能更新特征和逻辑模式。结果表明：1）张谷英村“三生”功能更新主要表现出生活功能产居一体化、生产功能旅游化、生态功能景观化、旅游功能多样化的旅游适应性特征及圈层分化和阶段有序的时空分异特征。2）张谷英村通过生活空间的人文景观开发与民俗文脉挖掘、生产空间的多元高质旅游服务模块构建、生态空间的生态环境保育与自然景观修复,实现传统物质空间的旅游功能更新和功能融合发展。3）旅游驱动型乡村社会通过供需关系构建、示范效应延伸、主客交往反馈,扩展功能更新范围、加深功能更新程度、提升多元功能质量。“三生”功能的更新存在一种相互促进、相互演化的共生耦合关系,其旅游化过程体现了空间结构有序变迁和空间属性质量提升的协同演化进程,以多功能交互、多层次联动的综合路径推助乡村振兴。     

三峡库区紫色土坡地养分状况及养分流失*

紫色土是三峡库区移民安置区的主要坡地土壤。本研究采用典型区域调查,代表性土壤剖面养分分析,结合实验小区人工降雨的方法,初步研究了发育于侏罗纪紫色砂泥岩母质上紫色土的养分状况、养分流失特点、过程及影响养分流失因素。     

螺旋藻多糖对给予环磷酰胺BALB/C小鼠的保护作用研究

研究了螺旋藻多糖（ＰＳ）对环磷酰胺（ＣＹ）引起的ＢＡＬＢ／Ｃ小鼠造血功能等损伤的保护作用。当给小鼠ＣＹ时能同时给予ＰＳ时，就能大大减轻因给予ＣＹ经起的造血功能障碍；能明显减缓动物因使用ＣＹ的致的体重下降以及能明显减低因ＣＹ作用的死亡率，提示使用ＰＳ对预防或减轻化疗制剂的危害是具有明显作用的。为临床化疗、放疗病人使用ＰＳ提供了依据。     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。