摘要：【目的】以期更全面反映毛竹林地培肥机制,为毛竹林科学经营提供依据,也为森林生态系统碳平衡估算与模拟提供基础数据。【方法】在永安天宝岩国家自然保护区,选取生长良好、具有代表性的典型毛竹纯林,采用随机区组设计,共设置18块20 m×20 m样地,包括6个处理:施5年毛竹专用肥(Ⅰ),施5年氮、磷、钾配方肥(Ⅱ),施5年有机肥(Ⅲ),施1年毛竹专用肥(Ⅳ),施1年有机肥(Ⅴ)和不施肥(Ⅵ),探讨不同施肥措施毛竹林土壤有机碳含量、垂直分布格局、季节动态变化及土壤有机碳含量影响因子。【结果】不同施肥处理毛竹林0~100 cm土层有机碳平均含量无显著差异,分别为11.39,9.83,10.49,10.34,9.83和11.20 g·kg^(-1);施肥显著降低0~20 cm表层土壤有机碳含量,与不施肥毛竹林(Ⅵ)相比施肥毛竹林(Ⅰ-Ⅴ)表层0~10 cm有机碳含量分别降低9.05%,27.33%,28.84%,18.92%和25.37%,10~20 cm有机碳含量分别降低1.25%,23.68%,23.47%,20.48%和18.61%;随着土层深度增加,施肥正效应得以体现,毛竹林(Ⅰ-Ⅴ)80~100 cm土层有机碳含量提高2.72%~37.14%;毛竹林(Ⅰ-Ⅵ)土壤有机碳含量均随土层深度增加呈现降低趋势,碳含量标准误差亦随土层深度增加而不断减小,表明深层土壤有机碳更为稳定;毛竹林(Ⅰ-Ⅵ)土壤剖面有机碳含量无显著季节变化,但表现出秋冬季有机碳含量大于春夏季的趋势,不同季节下毛竹林(Ⅰ-Ⅵ)0~100 cm土层有机碳加权平均值分别为10.86~12.33,8.98~10.38,10.14~11.32,9.66~11.29,9.19~10.24和10.40~12.23 g·kg^(-1);土壤有机碳含量与土壤全N含量、全P含量、水解N含量、有效P含量和速效K含量极显著正相关(P<0.01),而与土壤密度和pH值极显著负相关(P<0.01)。【结论】毛竹林短期施肥未显著改变土壤层有机碳平均含量,但导致浅层土壤有机碳含量显著下降,深层土壤有机碳含量小幅上升,然而随土壤深度增加而降低的垂直分布格局未变化;施肥或不施肥情况下土壤剖面有机碳含量均无显著的季节动态变化,取样时间对土壤有机碳含量估计的影响甚微;毛竹林施肥虽能显著提高竹林生产力,但施肥过程和高强度采伐却破坏原有竹林结构,不利于表层土壤有机碳的积累和贮存,因此毛竹林经营中应尽量减少土壤扰动,及时合理补充矿质营养元素,适当挖笋与采伐,使土壤有机碳含量保持较高水平,以利于维持毛竹林地长期生产力。

摘要：本研究提出一种基于机器学习算法的区域尺度上改变空间分辨率来提升高光谱树种分类精度的方法,为陆生调查的树种分类研究提供一个新的思路。通过利用无人机获取成都市植物园全域的高光谱影像,采集了园内140种树种共1249个样本。通过构建的32种植被指数及176个原始波段进行变量筛选,运用随机森林和支持向量机两种算法建立分类模型。结合研究区典型树种的林分类型和冠层大小,在9种不同空间分辨率下,分别选取了10、15、20种树种,探索树种分类精度。结果显示,当空间分辨率从0.12 m逐步降低至4 m时,10、15、20种树种的模型分类精度均在3 m分辨率时达到最高,且支持向量机分类结果整体精度较高。表明基于支持向量机算法、开展特征变量提取与选择、确定最佳观测尺度的方法可以较好地捕获不同树种的冠层信息,提升树种分类精度。

摘要：运用不同数据源(Sentinel-2B影像和Landsat8 OLI影像)和回归方法(XGBoost模型、MARS模型和随机森林模型)的能力,以改善九寨沟自然保护区的植被生态水储量定量反演。建立并采集了54个样地数据,以获得参考区域的实测植被生态水含量,并通过相关性分析计算出60个指标用作构建植被生态水储量模型的预测因子。结果表明,纹理指数在植被生态水反演中具有较高的相关性,属于重要变量指标。在XGBoost模型中,结合Landsat8 OLI和Sentinel-12B影像作为预测变量反演的相关性最高,R2为0.57,RMSE为48,提供了最好的生态水储量估计。