【摘 要】
:
生物多样性是地球生命的基础,也是人类社会赖以生存和发展的基础。正确认识河流生物多样性特征及规律,可以为河流生境改善及河流生态修复工作提供强有力的支持,具有重要的现实意义。本研究采用现场调查与实验室分析相结合的方法,开展了辽河流域植物多样性、浮游生物多样性和脊椎动物多样性调查研究,并对其分布规律进行了分析,为辽河流域生态功能恢复与生物多样性保护提供科技及数据支撑。辽河流域植物多样性调查研究结果表明:
论文部分内容阅读
生物多样性是地球生命的基础,也是人类社会赖以生存和发展的基础。正确认识河流生物多样性特征及规律,可以为河流生境改善及河流生态修复工作提供强有力的支持,具有重要的现实意义。本研究采用现场调查与实验室分析相结合的方法,开展了辽河流域植物多样性、浮游生物多样性和脊椎动物多样性调查研究,并对其分布规律进行了分析,为辽河流域生态功能恢复与生物多样性保护提供科技及数据支撑。辽河流域植物多样性调查研究结果表明:辽河干流中8个研究区域的植物多样性监测结果显示,共51科128属165种,以菊科、禾本科为主。2020-2021年,在8个调查区域内,福德店与七星湿地的物种丰富度指数最高。辽河干流植物多样性指数整体呈下降趋势,其中三河下拉多样性指数降低幅度最大。入侵物种种类最多的是福德店以及三河下拉,最少的是五棵树,但本研究只记录了2020年和2021年并不足以直观表明入侵物种对辽河植物多样性的影响。辽河流域浮游生物多样性调查研究结果表明:2020-2021年,对辽河干流河流浮游生物监测结果显示,累计观测浮游藻类6门68属74种。绿藻门物种数量最多,30种;其次为硅藻门,21种;蓝藻门15种;裸藻门5种;甲藻门2种;最少的是黄藻门1种。2020-2021年,辽河干流浮游生物多样性整体呈增加趋势,但是最高都没有超过3,没有达到“清洁”水平。秀水河,福德店,巨流河,红庙子,清河,柳河,冷冻大桥,大张桥为轻度污染;赵圈河,凡河,马虎山,石佛寺,绕阳河为中度污染;而曙光大桥,通江口,朱尔山为重污染。辽河流域浮游生物多样性调查研究结果表明:2020-2021年,对辽河干流河流鱼类监测上,发现鱼类53种,隶属于9目16科:鲤形目最多,共计2科31种,其次为鲈形目,共计4科9种,鲇形目2科4种,鳉形目2科3种,鲑形目2科2种,刺鱼目、鲻形目、馡形目、合鳃目均为1科1种。其中,鲤科为优势种,共19属26种,其次为鳅科,共计5属5种。在食性种类分布上,以杂食性和肉食性鱼类居多(分别为24种,23种)。其中,草食性鱼类6种,主要以草鱼、青鳉为主;滤食性鱼类2种,为鲢鱼、鳙鱼,而且个体大、存量多;杂食性鱼类24种,以鲤鱼、鲫鱼等为主;肉食性鱼类共发现23种,其中,大型鱼类为乌鳢;在鱼类水层分布上,是以下中层鱼类为主,达33种,其中以鲤鱼、鲫鱼等杂食性鱼类为主;中层鱼类主要为鲢鱼、草鱼等;上中层鱼类共计13种。
其他文献
随着信息技术的发展,区块链技术的应用领域越来越广泛,如金融、政务、数字货币、教育等。特别是在金融领域,对海量金融数据进行分类存储并找出具有重大潜在价值的事件,在推动信息技术融合、促进数字经济健康发展等方面具有广泛而深远的意义。金融时序数据具有规模大、场景复杂、类型多、易篡改、溯源困难等特征。因此,近些年,通过区块链技术对金融数据进行高效的存储和溯源引起了学术界的广泛研讨,也成为领域研究的重点和难点
知识图谱嵌入任务由简单的翻译模型发展到如今基于各种复杂的神经网络方法,在模型性能大幅提高的同时,模型的参数也越来越多。以现如今性能最好的图神经网络模型为例,其训练的时间、占用的空间资源要数十倍于最经典的TransE翻译模型。对当前复杂的知识图谱嵌入模型进行优化,加快模型训练速度,减少模型占用显存,目前已经在知识图谱领域成为了一个新的热点问题。针对图神经网络预训练速度较慢,占用显存较高等问题,本文提
数据增强作为自然语言处理任务中常用的技术一直受到了广泛的关注,尤其对于机器翻译这种需要大量训练数据的任务来说尤为重要。对于机器翻译领域中数据增强技术来说主要有两种方法,一种是反向翻译,另一种是词替换的方法,但由于词替换的方法所需资源更少,方法更为简单的特点,在某些低资源场景下相对来说更为合适。然而当前基于词替换的数据增强方法依旧存在一些不足之处:整体平均替换率较低,以及词与词之间相互独立进行替换而
当今人工智能技术已经在社会生活的方方面面发挥着重要作用,但是现有的人工智能技术仍与人类的推理能力存在着很大的差距,而事件关系推理这一任务,通过让机器学习事件间隐含的逻辑关系,提高机器的认知能力,继而服务于下游任务。而如何让机器更好地学习到事件间隐含的关系,就是一项重要的课题。本研究通过引入外部事理常识知识,并结合事件联合推理技术实现时序和子事件关系推理。本研究首先探索了外部事理知识增强的时序关系推
自然场景中的文本识别已经成为计算机视觉和模式识别领域的活跃研究领域。完整的识别过程包含场景文本检测和场景文本识别,即从图片中检测出文本实例,再用识别网络识别,本文只研究识别过程。本文以自然场景中低质量文本图像作为研究对象,针对不同的低质量文本图像,分别提出了三个模型来解决对应的问题。基于超分辨模块的场景文本识别模型。考虑到光学退化、拍摄时的抖动等原因,导致了字符形状的模糊,产生了低分辨率的文本图像
超分辨率是计算机视觉中的一种经典技术。超分辨率技术指低分辨率的图像或者图像序列通过一系列方法,恢复出高分辨率图像。在很多领域例如监控、数字高清和医学影像等领域有很广泛的应用。超分辨率技术分为两种:单幅图像的超分辨率(SISR)和多帧视频/多图的超分辨率(Multi-frame Super Resolution)。SISR是一个逆问题,在重建高分辨率图像时,需要通过一个先验信息进行规范化约束。在以往
无线Mesh网络(Wireless Mesh Network,WMN)是一种多跳网络,具有组网灵活、网络覆盖率高等特点。信道分配与路由协议的优化,均能提高网络性能,是WMN中两个至关重要的研究内容。在多接口多信道无线Mesh网络中,节点接口数量和信道数量通常是不等的,因此本文将解决在满足网络连通的情况下实现负载均衡,同时考虑信道切换过于频繁导致网络效率和吞吐量的下降问题。路由协议方面,由于传统路由
现如今,各个领域中的传感器、信号捕捉器等每时每刻都在捕捉时间序列数据,时间序列数据呈爆炸式增长。随着数据量的不断增长,时序数据库应运而生。在时序数据库中,数据压缩是其中最重要的组件之一,直接关系到存储和查询的效率。然而现有的时序数据库压缩算法面临着很多问题,比如在压缩数据的压缩比上表现不够好,不能适应大规模数据存储需求;数据压缩方案的灵活性差,不能一直保持良好的压缩比,不同领域的数据和不同数据模式
随着科技的不断进步和发展,产生了越来越多的文本数据,对于文本数据的处理已经是大势所趋。近年来,文本数据分类技术迅速发展,面对海量新闻数据和舆情数据等其他文本数据的增多,文本分类方法也在不断创新。然而不同的文本数据在结构上存在很大差异,并且海量文本数据中会存在丢失和语义不完整的情况。文本数据具有语义表达不清楚、维度较高、数据内容稀疏的特点。传统的文本分类方法往往从词频方向考虑,而不考虑语义方面,使得
当前社会经济发展的同时环境问题更加突出,工业、采矿业等的发展带来严重的环境污染。多环芳烃(PAHs)是有机污染物中的典型代表之一,可以造成土壤污染,大量农作物减产,危害人类健康。因此,PAHs对植物生理机制的影响已成为生态学研究热点之一。苯并芘(Benzopyrene,B[a]P)是PAHs中毒性最大的强烈致癌物,其化学性质稳定,广泛存在于水、土壤、大气中,对动物的内脏器官和神经系统造成严重损伤,