CN112365137B - 基于微生境类型测度喀斯特生境水平异质性的方法 - Google Patents

基于微生境类型测度喀斯特生境水平异质性的方法 Download PDF

Info

Publication number
CN112365137B
CN112365137B CN202011169086.2A CN202011169086A CN112365137B CN 112365137 B CN112365137 B CN 112365137B CN 202011169086 A CN202011169086 A CN 202011169086A CN 112365137 B CN112365137 B CN 112365137B
Authority
CN
China
Prior art keywords
habitat
sample
heterogeneity
index
types
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011169086.2A
Other languages
English (en)
Other versions
CN112365137A (zh
Inventor
何跃军
蒋长洪
臧丽鹏
郭云
韩勖
谭淇毓
亢丽玲
方正圆
吴邦利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou University
Original Assignee
Guizhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou University filed Critical Guizhou University
Priority to CN202011169086.2A priority Critical patent/CN112365137B/zh
Publication of CN112365137A publication Critical patent/CN112365137A/zh
Application granted granted Critical
Publication of CN112365137B publication Critical patent/CN112365137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

一种基于微生境类型测度喀斯特生境水平异质性的方法，步骤包括：划分喀斯特微生境类型：将喀斯特的微生境类型划分为土面、石面、石沟、石缝、石洞、石槽；准备仪器；选取喀斯特样地和设置样方：建立样方剖面线和生境信息点，统计剖面线及样方内微生境组分，计算生境异质性指数评估生境异质性，生境异质性指数包括Shannon‑Wiener指数、Simpson指数、均匀度指数。总之，本发明能够从中观尺度可视范围内测度喀斯特森林内部微生境水平异质性。

Description

基于微生境类型测度喀斯特生境水平异质性的方法
技术领域
本发明属于喀斯特生态环境监测领域，具体来说涉及一种基于微生境 类型测度喀斯特生境水平异质性的方法。
背景技术
由碳酸盐岩发育的喀斯特生态系统在全球陆地分布面积达2200万 km2。中国分布了130万km2的喀斯特地貌，是世界上喀斯特分布面积最大 的国家，最为典型的喀斯特地理景观主要分布于我国西南地区。异质性是 资源斑块在空间分布上的不均匀性。喀斯特生态系统基岩裸露、土被不连 续、形成一系列小生境如石面、石缝、石沟、石洞、石槽和土面等微生境， 在水平方向表现出强烈的无序性和多样性。微生境组分空间组合方式不同 导致不同强度的生境异质性。当前对异质性的度量更多是基于大尺度遥感 影像信息进行斑块异质性量化，但遥感影像难以穿透林冠层获得地表微生 境信息，因而不能准确提取喀斯特森林内部微生境类型组分信息数据，故 喀斯特森林内部通过传统遥感影像提取斑块信息来量化生境异质性不可 取。另外一种常用度量异质性的方法则是微观尺度下测定特定生境资源如 养分含量后采用空间插值方法确定是否资源分布异质，但无法直接回答某 一对象的综合生境异质性强度。故可视范围内中观尺度微生境组分分布不 同导致的生境异质性通过宏观遥感影像斑块测度和和微观插值分析均难以 确定。因此，当前还没有一种中观尺度下森林内部可视生境异质性测度方 法来直接综合量化喀斯特生境异质性。
发明内容
本发明的目的在于克服上述缺点而提供一种能从中观尺度，准确测度 喀斯特微生境类型信息的基于微生境类型组分测度喀斯特生境水平异质性 的方法。
本发明的目的及解决其主要技术问题是采用以下技术方案来实现的：
本发明的基于微生境类型测度喀斯特生境水平异质性的方法，包括：
步骤1划分喀斯特微生境类型：将喀斯特的微生境类型划分为土面、 石面、石沟、石缝、石洞、石槽；
步骤2准备仪器；
步骤3选取喀斯特样地和设置样方：选择典型喀斯特地段建立样地， 每个样地设置样方；
步骤4建立样方剖面线和生境信息点：根据样方大小，以一定的间隔 建立纵横方向剖面线若干条，纵横剖面线交点为生境标识信息点，并对生 境标识信息点进行顺序编号，记录每种微生境组分在信息点上的出现和缺 失信息；
步骤5统计剖面线及样方内微生境组分：将野外调查记录的每条剖面 线上微生境组分信息进行统计，包括每条剖面线上的微生境类型和数量， 计算微生境组分在每条剖面线内组分占比，并通过每条剖面线内组分占比 计算样方内的组分占比；
步骤6计算生境异质性指数：微生境类型组分在空间上的分布采用方 式不同代表了微生境类型的多样性，采用多样性指数评估生境异质性；所 述多样性指数包括Shannon-Wiener指数、Simpson指数、均匀度指数。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述 步骤2中的仪器为水平仪、定位仪、全站仪、皮尺。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述 步骤3中的样地大小为20m×20m，划分为4个样方大小为10m×10m。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述 步骤4中样方大小为10m×10m，将样方建立坐标系，从样方纵(X轴)方 向和横(Y轴)方向开始每间隔1m建立1条剖面线，共计10条剖面线； 纵(X轴)方向和横(Y轴)方向的剖面线交点为信息点，相邻信息点距 离为1m，每条剖面线共计10个信息点，样方内共100个信息点；对所有 信息点进行顺序编号，记录各种微生境组分在信息点上的出现和缺失信息。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述 步骤6中的Shanonon-Wiener指数：表示群落中随机抽查时下一个微生境组 分不确定性的概率，指数中包含两个因素：①微生境类型数目，即丰富度； ②微生境类型中组分在样方内分配上的均匀性；类型数目越多，视为生境 破碎化越严重，异质性越高；同样，组分类型分配的均匀性增加也会提高 异质性，其公式为：
Figure BDA0002746722190000021
其中，H为生境异质性指数，Pi是样方微生境类型i在样方中出现的概率， 以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境类型 数量；H值越大，生境异质性越强。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述步 骤6中的Simpson指数：指随机调查时两个微生境属于不同类型组分的概 率，用以表示测定生境中微生境的复杂程度；其公式为：
Figure BDA0002746722190000031
式中D为生境复杂性指数；Pi是样方微生境类型i在样方中出现的概率， 以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境类型 数量。D值越大，表示表示微生境组成越复杂，生境异质性越高。
上述基于微生境类型测度喀斯特生境水平异质性的方法，其中：所述 步骤6中的均匀度指数：用于描述喀斯特生境中不同微生境类型组分分布 的均匀程度，其公式为：
E＝H/Hmax
式中，E为生境均匀度指数；Hmax表示最大异质性指数，Hmax＝log(n)，n为 样方中微生境组分类型数量；H为修正的Simpson指数：H＝-log[∑(Pi)2]； E值越大，表示喀斯特微生境类型分布越均匀，异质性越小。
本发明与现有技术相比具有明显的优点和有益效果。由以上技术方案 可知，与现有技术相比，将喀斯特的微生境类型划分为土面、石面、石沟、 石缝、石洞、石槽；选择典型喀斯特地段建立样地，每个样地设置样方； 建立样方剖面线和生境信息点，记录每种微生境组分在信息点上的出现和 缺失信息；统计剖面线及样方内微生境组分；采用异质性指数评估生境异 质性。充分考虑喀斯特微生境组分水平方向组合差异形成的生境异质性， 实现了从中观尺度通过可视测度喀斯特森林内部微生境水平异质性，度量 喀斯特生境异质性强度。总之，本发明能够从中观尺度可视范围内测度喀 斯特森林内部微生境水平异质性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中:
图1为本发明的建立样方剖面线和生境信息点流程图。
具体实施方式：
以下结合附图及较佳实施例，对依据本发明提出的一种基于微生境类 型测度喀斯特生境水平异质性的方法，详细说明如后。
本发明的基于微生境类型测度喀斯特生境水平异质性的方法，包括:
步骤1划分喀斯特微生境类型：将喀斯特微生境划分为n种类型，将 喀斯特小生境划分为土面、石面、石沟、石缝、石洞、石槽6种微生境类 型，则n＝6。
步骤2准备仪器：全站仪、皮尺等。
步骤3选取喀斯特样地和设置样方：根据研究需要选择典型喀斯特地段 建立样地，每个样地设置样方，样方大小根据需要而设定，如可设10m×10m 或20m×20m样方，样方数量根据需要设定。如图1(a)在目标生境内利用全 站仪确定一块20m×20m样地；图1(b)将样地划分为4个10m×10m样方； 图1(c)是在每个样方内建立10×10剖面线，剖面线交点为信息调查记录点。
步骤4建立样方剖面线和生境信息点：根据样方大小建立众横方向剖面 线若干条，以10m×10m样方大小为例如图1(c)所示：将样方建立坐标系， 从样方横(X轴)方向和纵(Y轴)方向开始每间隔1m建立1条剖面线， 共计10条剖面线。X和Y方向剖面线交点为信息点，相邻信息点距离为 1m，每条剖面线共计10个信息点，样方内共100个信息点。野外调查时对 所有信息点进行顺序编号，记录n种微生境组分在信息点上的出现和缺失 信息。
步骤5统计剖面线及样方内微生境组分：将野外调查记录的每条剖面线 微生境组分信息进行统计，包括每条剖面线的微生境类型和数量，计算微 生境组分在剖面线内组分占比，并通过组分占比计算样方内的组分占比。
步骤6计算生境异质性指数：微生境类型组分在空间上的分布采用方式 不同代表了微生境类型的多样性，采用多样性指数评估生境异质性。因此， 通过计算样方内的Shannon-Wiener指数、Simpson指数、均匀度指数等评 估生境异质性：
(1)Shannon-Wiener指数：表示群落中随机抽查时下一个微生境组分 不确定性的概率，指数中包含两个因素：①微生境类型数目，即丰富度； ②微生境类型中组分在样方内分配上的均匀性。类型数目越多，视为生境 破碎化越严重，异质性越高；同样，组分类型分配的均匀性增加也会提高 异质性。其公式为：
Figure BDA0002746722190000041
其中，H为生境异质性指数，Pi是样方微生境类型i在样方中出现的概 率，以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境 类型数量。H值越大，生境异质性越强。
(2)Simpson指数：指随机调查时两个微生境属于不同类型组分的概率， 用以表示测定生境中微生境的复杂程度；其公式为：
Figure BDA0002746722190000051
式中D为生境复杂性指数；Pi是样方微生境类型i在样方中出现的概率， 以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境类型 数量。D值越大，表示表示微生境组成越复杂，生境异质性越高。
(3)均匀度指数：用于描述喀斯特生境中不同微生境类型组分分布的 均匀程度。其公式为：
E＝H/Hmax
式中，E为生境均匀度指数；Hmax表示最大异质性指数，Hmax＝log(n)，n为 样方中微生境组分类型数量；H为修正的Simpson指数：H＝-log[∑(Pi)2]； E值越大，表示喀斯特微生境类型分布越均匀，异质性越小。
实施例：
1.样地选择与样方确定：在贵阳市贵安新区马场镇选择典型喀斯特森 林植被生境进行生境异质性调查，调查样地信息如表1所示，共调查4个 样地，其中P1和P2样地基岩为石灰岩，林内由石面、石沟、石缝等发育 的微生境多样化；P3和P4样地基岩为白云岩，林内生境主要以土面为主， 岩石裸露率低。样地面积为400m2,每个样地内划分为4个10m×10m样方。
2.划分喀斯特微生境类型并制定微生境信息记录表：将喀斯特小生境 划分为土面、石面、石沟、石缝、石洞、石槽6种微生境类型。
3.室内微生境信息记录表制定：野外调查时按照图1(c)制定微生境信息 记录调查表，野外调查时按A＝石沟；B＝石缝；C＝石洞；D＝石槽；D＝石槽； E＝土面；F＝石面方式对信息点上的微生境进行记录。样方调查表在X轴和 Y轴方向每隔1m建立10条剖面线共计10个信息点，每个样地共计400个 微生境信息点。
表1样地信息表
Figure BDA0002746722190000052
4.野外调查：首先采用全站仪定位样地4个坐标点，并用皮尺将 20m×20m样地圈定。在样地边线10米处建立坐标(X＝0；Y＝0)原点，沿 水平和垂直方向定位后用皮尺圈定4个10m×10m的样方(如图1)。在每 个样方X和Y轴方向拉10条剖面线，调查每隔1m的信息点上微生境，并 将相应的字母记录在调查表中，带回实验室计算。调查时附带植物物种组 成及数量。
5.剖面线及样方内微生境组分数量统计：统计每条剖面线出现的微生境 类型及数量，并计算剖面线和样方内土面、石面、石沟、石缝、石洞、石 槽6种微生境占据所有信息点比例如表2。
表2微生境在样方中的比例
Figure BDA0002746722190000061
6.计算生境异质性指数：通过每一微生境组分在剖面线和样方中的占比 获Pi值，根据公式计算异质性指数计算Shanonon-Wiener指数，Simpson 指数，均匀度指数如表3。
7.样地生境异质性分析：Shanonon-Wiener指数在P1样地为1.332，P2 样地为1.157，P3样地为0.304，P4样地为0.258；同时，Simpson指数在 P1样地为0.677，P2样地为0.631，P3样地为0.152，P4样地为0.126；从 表1可知，P1和P2基岩为石灰岩，岩石裂隙深度发育，导致石面、石沟、 石缝和石槽、土面各种微生境类型在P1和P2中均出现，由于受土壤侵蚀 影响，岩石裸露率均达60％以上，说明生境异质性大，因此Shanonon-Wiener 指数和Simpson指数大。P3和P4样地由白云岩发育生境，岩石解理特征决 定其地表为瘠薄土层覆盖为主，岩石裸露率低(表1)，生境整体异质性低， 计算的Shanonon-Wiener指数和Simpson指数较小。P1和P2的 Shanonon-Wiener指数和Simpson指数反映了这两个样地各微生境组分类型 更加多样或其组分分布更加均匀，破碎化更加严重，异质性更强；而P3和 P4样地Shanonon-Wiener指数和Simpson反映了这两个样地各微生境组分 类型更少，多数以土面为和石面均有分布(表2)，土面占比达90％以上， 石洞无分布(表3)。均匀度指数在P1样地为0.631，P2样地为0.619，P3 样地为0.150，P4样地为0.123，进一步反映出在P1和P2样地内，微生境 组分类型更加均匀，生境破碎化程度较高，生境水平异质性较强，而P3和 P4样地内各微生境组分类型分布更为集中，多以土面为主，生境连续性较 强，生境水平异质性较低。综上分析，P1，P2生境异质性大，P3，P4生境 异质性小，与样地实际相符。
表3生境异质性指数
Figure BDA0002746722190000071
本发明充分考虑喀斯特微生境组分水平方向组合差异形成的生境异质 性，适应于任何异质性强度喀斯特生境水平异质性测度，并可延伸应用于 任意自然植被内部生境异质性测度。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式 上的限制，任何未脱离本发明技术方案内容，依据本发明的技术实质对以 上实施例所作的任何简单修改、等同变化与修饰，均仍属于发明技术方案 的范围内。

Claims (7)

1.一种基于微生境类型测度喀斯特生境水平异质性的方法，包括：
步骤1 划分喀斯特微生境类型：将喀斯特的微生境类型划分为土面、石面、石沟、石缝、石洞、石槽；
步骤2 准备仪器；
步骤3选取喀斯特样地和设置样方：选择典型喀斯特地段建立样地，每个样地设置样方；
步骤4建立样方剖面线和生境信息点：根据样方大小，以一定的间隔建立纵横方向剖面线若干条，纵横剖面线交点为生境信息点，并对生境信息点进行顺序编号，记录每种微生境组分在信息点上的出现和缺失信息；
步骤5 统计剖面线及样方内微生境组分：将野外调查记录的每条剖面线上微生境组分信息进行统计，包括每条剖面线上的微生境类型和数量，计算微生境组分在每条剖面线内组分占比，并通过每条剖面线内组分占比计算样方内的组分占比；
步骤6 计算生境异质性指数：微生境类型组分在空间上的分布采用方式不同代表了微生境类型的多样性，采用多样性指数评估生境异质性；所述多样性指数包括Shannon-Wiener指数、Simpson指数、均匀度指数。
2.如权利要求书1所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤2中的仪器为全站仪、皮尺。
3.如权利要求书1所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤3中的样地大小为20m×20m，划分为4个样方大小为10m×10m。
4.如权利要求书1-3中任一项所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤4中样方大小为10m×10m，将样方建立坐标系，从样方纵方向和横方向开始每间隔1m建立1条剖面线，共计10条剖面线；纵方向和横方向的剖面线交点为信息点，相邻信息点距离为1m，每条剖面线共计10个信息点，样方内共100个信息点；对所有信息点进行顺序编号，记录各种微生境组分在信息点上的出现和缺失信息。
5.如权利要求书1所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤6中的Shanonon-Wiener指数：表示群落中随机抽查时下一个微生境组分不确定性的概率，指数中包含两个因素：①微生境类型数目，即丰富度；②微生境类型中组分在样方内分配上的均匀性；类型数目越多，视为生境破碎化越严重，异质性越高；同样，组分类型分配的均匀性增加也会提高异质性，其公式为：
Figure DEST_PATH_IMAGE001
其中，H为生境异质性指数，Pi是样方微生境类型i在样方中出现的概率，以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境类型数量；H值越大，生境异质性越强。
6.如权利要求书1所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤6中的Simpson指数：指随机调查时两个微生境属于不同类型组分的概率，用以表示测定生境组成的复杂性,Simpson指数越大，表示随机抽取两个微生境属于同种类型组分的概率越小，生境组成复杂性越高，其公式为：
Figure DEST_PATH_IMAGE002
式中 D为生境复杂性指数； Pi是样方微生境类型i在样方中出现的概率，以微生境组分i信息点占样方中总信息点比例表示；n是样方中微生境类型数量，D值越大，表示表示微生境组成越复杂，生境异质性越高。
7.如权利要求书1所述的基于微生境类型测度喀斯特生境水平异质性的方法，其特征在于：所述步骤6中的均匀度指数：用于描述喀斯特生境中不同微生境类型组分分布的均匀程度，其公式为：
Figure DEST_PATH_IMAGE003
式中，E为生境均匀度指数；Hmax表示最大异质性指数，Hmax=log(n)，n为样方中微生境组分类型数量；H为修正的Simpson指数：
Figure DEST_PATH_IMAGE004
；E值越大，表示喀斯特微生境类型分布越均匀，异质性越小。
CN202011169086.2A 2020-10-28 2020-10-28 基于微生境类型测度喀斯特生境水平异质性的方法 Active CN112365137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011169086.2A CN112365137B (zh) 2020-10-28 2020-10-28 基于微生境类型测度喀斯特生境水平异质性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011169086.2A CN112365137B (zh) 2020-10-28 2020-10-28 基于微生境类型测度喀斯特生境水平异质性的方法

Publications (2)

Publication Number Publication Date
CN112365137A CN112365137A (zh) 2021-02-12
CN112365137B true CN112365137B (zh) 2022-03-29

Family

ID=74511033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011169086.2A Active CN112365137B (zh) 2020-10-28 2020-10-28 基于微生境类型测度喀斯特生境水平异质性的方法

Country Status (1)

Country Link
CN (1) CN112365137B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235103A (zh) * 2013-04-09 2013-08-07 中国科学院亚热带农业生态研究所 一种喀斯特地区土壤养分储量取样与计算方法
CN103234507A (zh) * 2013-04-09 2013-08-07 中国科学院亚热带农业生态研究所 喀斯特地区森林监测样地最小取样面积和间隔的确定方法
CN103454404A (zh) * 2013-09-17 2013-12-18 中国科学院亚热带农业生态研究所 一种适宜高异质性喀斯特坡地的微型土壤水文监测系统
CN103594020A (zh) * 2013-11-06 2014-02-19 中国科学院亚热带农业生态研究所 一种检测喀斯特坡面产流位置的装置及方法
CN104692532A (zh) * 2014-12-30 2015-06-10 中国矿业大学 一种高潜水位煤矿区积水次生湿地景观构建方法
CN104994355A (zh) * 2015-07-14 2015-10-21 杨珊珊 一种智能化主动图像采集与更新系统及方法
WO2016015286A1 (en) * 2014-07-31 2016-02-04 Telefonaktiebolaget L M Ericsson (Publ) Methods and apparatuses for data compression and decompression
CN105699240A (zh) * 2016-04-01 2016-06-22 中国科学院亚热带农业生态研究所 一种喀斯特森林凋落物持水能力测定的方法及装置
CN107403392A (zh) * 2017-07-14 2017-11-28 广西壮族自治区林业科学研究院 一种喀斯特山地植被标准地最小面积的计算方法
CN108035397A (zh) * 2017-12-15 2018-05-15 中国科学院亚热带农业生态研究所 一种适用于喀斯特地区岩面径流的收集方法及灌溉系统
CN108450225A (zh) * 2018-04-08 2018-08-28 中国科学院亚热带农业生态研究所 一种改善喀斯特乡土树种生境的方法
CN108550154A (zh) * 2018-04-11 2018-09-18 中国科学院西双版纳热带植物园 一种精准量测喀斯特地表裸露岩石占比的方法
CN108633844A (zh) * 2018-04-26 2018-10-12 贵州大学 一种利用土壤动物评估喀斯特生态系统恢复潜力的方法
CN108828182A (zh) * 2018-04-16 2018-11-16 贵州师范大学 一种喀斯特地区专用的洼地或农用地土壤快速抽样检测法
CN108892224A (zh) * 2018-07-05 2018-11-27 中国科学院武汉植物园 一种激流生境水生生物避难装置及使用方法
CN109000598A (zh) * 2018-09-28 2018-12-14 山东大学 针对封闭式干溶洞的体积测量系统及方法
CN109357984A (zh) * 2018-09-05 2019-02-19 贵州师范大学 一种喀斯特地表裂隙度计算方法
CN110298411A (zh) * 2019-07-04 2019-10-01 中国城市建设研究院有限公司 一种城市群生态空间受损识别评价方法
CN110326492A (zh) * 2019-06-03 2019-10-15 西安建筑科技大学 一种植物群落构建方法
CN110596343A (zh) * 2019-07-26 2019-12-20 海南省林业科学研究所 一种森林土壤碳储量的研究方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9331885B2 (en) * 2013-06-04 2016-05-03 Raytheon Bbn Technologies Corp. Modulation with fundamental group
US11063620B2 (en) * 2016-05-31 2021-07-13 Apple Inc. Digital pre-emphasis quadrature imbalance compensating filter

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235103A (zh) * 2013-04-09 2013-08-07 中国科学院亚热带农业生态研究所 一种喀斯特地区土壤养分储量取样与计算方法
CN103234507A (zh) * 2013-04-09 2013-08-07 中国科学院亚热带农业生态研究所 喀斯特地区森林监测样地最小取样面积和间隔的确定方法
CN103454404A (zh) * 2013-09-17 2013-12-18 中国科学院亚热带农业生态研究所 一种适宜高异质性喀斯特坡地的微型土壤水文监测系统
CN103594020A (zh) * 2013-11-06 2014-02-19 中国科学院亚热带农业生态研究所 一种检测喀斯特坡面产流位置的装置及方法
WO2016015286A1 (en) * 2014-07-31 2016-02-04 Telefonaktiebolaget L M Ericsson (Publ) Methods and apparatuses for data compression and decompression
CN104692532A (zh) * 2014-12-30 2015-06-10 中国矿业大学 一种高潜水位煤矿区积水次生湿地景观构建方法
CN104994355A (zh) * 2015-07-14 2015-10-21 杨珊珊 一种智能化主动图像采集与更新系统及方法
CN105699240A (zh) * 2016-04-01 2016-06-22 中国科学院亚热带农业生态研究所 一种喀斯特森林凋落物持水能力测定的方法及装置
CN107403392A (zh) * 2017-07-14 2017-11-28 广西壮族自治区林业科学研究院 一种喀斯特山地植被标准地最小面积的计算方法
CN108035397A (zh) * 2017-12-15 2018-05-15 中国科学院亚热带农业生态研究所 一种适用于喀斯特地区岩面径流的收集方法及灌溉系统
CN108450225A (zh) * 2018-04-08 2018-08-28 中国科学院亚热带农业生态研究所 一种改善喀斯特乡土树种生境的方法
CN108550154A (zh) * 2018-04-11 2018-09-18 中国科学院西双版纳热带植物园 一种精准量测喀斯特地表裸露岩石占比的方法
CN108828182A (zh) * 2018-04-16 2018-11-16 贵州师范大学 一种喀斯特地区专用的洼地或农用地土壤快速抽样检测法
CN108633844A (zh) * 2018-04-26 2018-10-12 贵州大学 一种利用土壤动物评估喀斯特生态系统恢复潜力的方法
CN108892224A (zh) * 2018-07-05 2018-11-27 中国科学院武汉植物园 一种激流生境水生生物避难装置及使用方法
CN109357984A (zh) * 2018-09-05 2019-02-19 贵州师范大学 一种喀斯特地表裂隙度计算方法
CN109000598A (zh) * 2018-09-28 2018-12-14 山东大学 针对封闭式干溶洞的体积测量系统及方法
CN110326492A (zh) * 2019-06-03 2019-10-15 西安建筑科技大学 一种植物群落构建方法
CN110298411A (zh) * 2019-07-04 2019-10-01 中国城市建设研究院有限公司 一种城市群生态空间受损识别评价方法
CN110596343A (zh) * 2019-07-26 2019-12-20 海南省林业科学研究所 一种森林土壤碳储量的研究方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法";吴敏 等;《中国生态农业学报》;20150409;第23卷(第6期);第676-684页 *

Also Published As

Publication number Publication date
CN112365137A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
Kim et al. Landscape character, biodiversity and land use planning: The case of Kwangju City Region, South Korea
Panagos et al. Estimating the soil organic carbon content for European NUTS2 regions based on LUCAS data collection
Wang et al. Spatiotemporal evolution of urban development and surface urban heat island in Guangdong-Hong Kong-Macau greater bay area of China from 2013 to 2019
CN103234883A (zh) 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法
CN112861732B (zh) 一种生态环境脆弱区土地监测方法、系统及装置
CN114693281B (zh) 一种基于云平台的工程勘察信息管理系统
CN101929858A (zh) 1:500、1:200大比例尺平地0.25米等高距精密测绘方法
Lyu et al. An integrated high‐resolution mapping shows congruent biodiversity patterns of Fagales and Pinales
Ganiyev et al. Examining the managerial structure and operational aspects of geodesy, cartography, and cadastre production
Zhang et al. Influence of the spatial distribution pattern of buildings on the distribution of PM2. 5 concentration
Xu et al. Evaluation method and empirical application of human activity suitability of land resources in Qinghai-Tibet Plateau
CN112365137B (zh) 基于微生境类型测度喀斯特生境水平异质性的方法
CN107941194B (zh) 一种获取和计算工程岩体代表性rqd值的方法
CN107063210A (zh) 一种土地规划整治项目的测绘方法
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN114088015A (zh) 一种岩体三维裂隙网络模型快速智能生成和剖切方法
Zhao et al. Evaluation of urban expansion and the impacts on vegetation in Chinese Loess Plateau: a multi-scale study
CN105279305B (zh) 一种地面三维激光扫描技术测站选取方法
CN114757564A (zh) 一种破损山体生态修复效果及价值评价方法
Sobak et al. Terrestrial laser scanning assessment of generalization errors in conventional topographic surveys
Zou et al. Quantitative law and scenario-based forecasting of different land use expansion, based on reliability analysis in mountainous areas
Jiménez et al. Patterns of lithic procurement strategies in the Pre‐Pyrenean Middle Magdalenian sequence of Cova del Parco (Alòs de Balaguer, Spain)
Brack Improving forest inventory in Papua New Guinea: moving away from the 1% stripline survey
Tabor et al. Sigwells, Somerset, England: regional application and interpretation of geophysical survey
CN116011068B (zh) 一种土地利用强度综合计算方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant