简介:对福州市国家森林公园木荷马尾松群落凋落物养分归还量年变化格局进行了分析.群落通过枯枝落叶形式每年向林地归还养分(N、P、K、Ca、Mg、Fe、Mn、Cu、Zn)总量为217.310kg·hm^-2.其中5种大量元素年归还量顺序为N〉Ca〉K〉Mg〉P,4种微量元素的为Fe〉Mn〉Zn〉Cu.群落通过落叶归还于林地的养分量占总量的80.49%,并以木荷叶为主,它主导了中亚热带木荷马尾松林凋落物的年凋落量及养分归还量.9种营养元素归还量在不同月份间的变化很大,在4月N、P、K、Mg、Mn达到第一个归还高峰,8月N、P、K、Ca、Mg、Fe、Mn又出现第二个归还高峰;Ca、Fe、Cu、Zn的第一个归还高峰在5月,Cu和zn的第二个归还高峰在7月,在11月除Cu外各养分元素又有一个小归还峰.凋落物的C/N年变化量在27.38~40.29之间,C/P年变化值在1045~1703之间.在4种组分中,以落叶对N、K、Mg、Mn年归还的贡献最大,落枝对Ca、Cu、Zn年归还的贡献最大,落果对P的年归还贡献最大,而花及杂物对Fe的年归还贡献最大,养分利用效率以P和4种微量元素的较大,它们(特别是P)较易成为中亚热带木荷马尾松林生长的限制因子.
简介:运用树木年代学的基本原理和方法,研究三明地区马尾松(Pinusmassiniana)径向生长对气候要素的响应。结果表明:夏季温度限制着马尾松的径向生长,年轮宽度与上一年和当年7-8月平均气温均呈显著负相关(P<0.01);马尾松的径向生长受到降水和湿度的影响较大,与上一年1-3月降水量和2-3月平均相对湿度显著负相关(P<0.01),与当年6-11月平均降水量和7-8月相对湿度显著正相关(P<0.01);同时宽度年表与上一年2-3月太阳日照时数显著正相关(P<0.01);另外,宽度年表与6-11月PDSI显著正相关(P<0.05),生长季的干旱胁迫抑制了马尾松的生长。研究说明本地区限制马尾松树木生长的因素较多,1年中不同时期限制马尾松径向生长的气候因子不同。
简介:为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型的计算,得到该海域的水质类别。结果表明,2004-2007年,渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高,2005年和2006年污染较为严重,2007年有所好转。经训练的评价模型应用于实例的评价结果表明,该模型设计合理、泛化能力强,对海水水质评价具有较好的客观性、通用性和实用性。
简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:【摘要】本文所研究的空气质量预测工作,利用有效的数据集以及建立 BP神经网络预测算法模型对降雨量,城市生产总值,温度,经度,纬度,海拔高度,人口密度,是否沿海,绿化覆盖率,焚烧量 等 11个与空气质量指数有关的因素与空气质量指数进行相关性分析。然后利用 PAC算法进行降低维度,以便找出和空气质量指数有重要关联的 9个主要特征。利用 BP-GA神经网络算法进行和数据集中的数据进行预测,并且利用 MATLAB进行预测仿真,观察空气质量预测的效果图。最后总结 BP-GA神经网络算法是较适用于空气质量预测的。