科学网

 找回密码
  注册

tag 标签: 植被

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

雨中观秦岭植被
热度 4 gardening 2012-6-5 16:16
不久前,考察了陕西户县一森林公园,这里地处 北秦岭褶皱带,山势峻峭,森林茂密,山环水绕,感受到秦岭广袤森林的幽静古野的情调。 苍翠 欲滴的油松林 嫩绿的辽东栎林 暖温带落叶林内结构 林下木质藤本缠绕 暮春开花乔木:梨属 潺潺溪流 缥缈云雾使陡壁山岩盎然
个人分类: 生态科学|5868 次阅读|8 个评论
咬定青山不放松
热度 20 Majorite 2012-3-3 03:40
咬定青山不放松
咬定青山不放松 嵇少丞 构造地质学科普之七 从石头缝里冒出来的树 清代扬州八怪郑板桥(1693-1765)写过一首咏竹诗: 咬定青山不放松,立根原在破岩中。 千磨万击还坚劲,任尔东西南北风。 任凭猛刮的东西南北风,竹子虽然受尽折磨击打,但依然没被连根拔起,因为竹根紧紧地“咬”定青山的基岩不放松。当然,瞎“咬”是不行的,必须要“咬”在关键部位,即石头缝里。只有将竹根紧紧地扎进岩石的破裂里,才能坚定顽强,保持自己的风骨。 岩石缝里长树 地壳中存在构造应力,只要大于岩石的张裂强度或剪裂强度,岩石就破裂了。岩石破裂在构造地质学上称之为节理。岩石节理连续穿越,往往延展很深很远。同一方向的节理之间一般是近乎等间距排列的,两组不同方向的节理就像快刀切豆腐一样把岩石分成一系列菱形的块体。岩石在我们人类面前,它无比坚硬。我们拿身体碰它,那是以卵击石。但在大自然的构造应力作用下,岩石又如豆腐一样易破。我们人类在大自然面前实在非常渺小。 所以,山表几乎无石不破。雨水顺着岩石的破裂往下渗透,地下水终年在岩石裂隙中流动,久而久之,岩石中易溶的组份被溶解搬运走了,岩石裂隙被侵蚀变得愈来愈宽,尘土和树叶落于其中归化为泥,树种被风吹进岩石裂隙, 在那生根、发芽、长大。所以,我们在石头山里常常见到一颗颗树像人种的那样做线性排列,结队成行,明显地受岩石破裂的定向控制。在发育两组互交的、垂直的X型节理的地区,位于这两组节理交点位置的树木长的最大最高,因为那里水分最为充足,哪组节理的水都会流过那里。由于可以“紧咬”两个方向的破裂,树木根系更加发育。由此可见,岩石的变形与构造制约地表植被的发育,地球的岩石圈与生命圈是密切相关的。 生长在花岗岩裂隙中的小草小花, 而其他地方草皆不能长。 开花的小草挤在玄武岩的柱状节理缝里 岩石节理里长出一排排树 树根扎于岩石节理中。 我正在野外给学生讲岩石破裂 岩石山上,只有从岩石裂隙中才能长出草和树 基于同样的原因,为了寻找地下水,我们首先要摸清地区节理的走向与分布。只有这样,即使在戈壁滩里,我也能给你找出水来。 树沿着节理成队排列 岩石中X型节理, 节理中终年流水,从不间断 岩石中拉张节理 大石头顶上长了大树 树根从岩石破裂里穿越 只有裂隙里才长处草来 草沿岩石缝长 山崖上的大树无不是咬住岩石裂隙才能生长 画家笔下, 光秃秃的石头的裂隙中长出大树 岩石节理创造了悬崖,在破裂中长出的树木又绿化了绝壁,节理制造了眼前的美景。 (部分照片自网络收集,来源不详,仅供地质教学和科普之用,特此致谢图片的原作者)
个人分类: 地震与地球|4949 次阅读|19 个评论
系统趋势分析实例
热度 1 TUGJAYZHAB 2011-11-19 01:59
植被动态分析实例 数据:生态学院 我们接受森林动态是时间演替系统的假定 。 据兰州大学 赵松岭教授 :森林是一个复杂系统,由多个时间子系统组成,每个时间子系统,被称为‘状态’。森林通过状态演替,在多维变量空间从一个平衡点向另一个平衡点运动。 我们的问题是:如何根据已经取得的数据(本例中是多维空间两个点),来恢复,或建立森林演替时间系列。 Q-分析,时间分布 样地44的原始数据经过我们简缩整理 ,并剔除非数量化变量后,剩下七个分量、七个指标,描述样地森林系统的状态: 年龄、胸径、树高、株树、蓄积、断面积、和郁闭度。 年度 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 我们用这七个指标做坐标建立七维变量(指标)空间,样地森林2003的状态用7-维空间的点,7元向量表示: 向量2003=(125,27,20,1033,186,21,0.7) 森林2008状态, 向量2008=(100,29,20,967,184,20,0.8) 我们所要求的是: 2013森林状态,7 维空间的点, 向量2013 这里,表示2003年和2008年的森林状态的两个点不重合,表明植被有变化。我们要根据已知数据,两个点在7维空间的坐标,解出植被变化的方向,度量,并对2013年的植被状态做出最佳的估计。 根据已知的 2003 和 2008 的状态,对 2013 的最佳估计可以是: 2013=2003 ,暂名‘复古’,生态解释,森林演替可能处于拐点。 2013=2008 ,暂名‘保守’,生态解释,森林演替可能达到稳定平衡。 2013=(2003+2008)/2 ,暂名‘统计’。 以上三个估计,不是演替系列,我们不予考虑,而 只考虑时间系列方法得出的结果。 代数系列 Arithmetic Series ( 纵向比较 ) 2013=2008+ ,而 =2008-2003 ,所以, 用代数系列, 2013=2008+(2008-2003)【3】 表一 年度 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 备注 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 ​ 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 ​ -25.00 2.00 0.00 -66.00 -2.00 -1.00 0.10 ​ 2013 75.00 31.00 20.00 901.00 182.00 19.00 0.90 ​ 几何系列 Geometric Series ( 向量除法 。 横向比较 ) 2013=2008* ,而 =2008/2003 ,所以, 用几何系列, 2013=2008*(2008/2003)=2008^2/2003 【3】 表二 年度 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 备注 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 ​ 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 ​ 0.80 1.07 1.00 0.94 0.99 0.95 1.14 ​ 2013 80.00 31.15 20.00 905.22 182.02 19.05 0.91 ​ 改进的几何系列 ,把分量的增率用系统的总增率除后得到‘相对增率’(总增率调整后的分量增率)。 =2008'/2003' 2008'=2008/ Σ2008 2003'=2003/ Σ2003 2013=(2008^2/2003) / 表三 ​ ​ ​ ​ ​ ​ ​ ​ 林业局 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 森林总量 备注 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 1412.70 ​ 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 1320.80 ​ 0.80 1.07 1.00 0.94 0.99 0.95 1.14 0.93 ​ 相对增率 0.86 1.15 1.07 1.00 1.06 1.02 1.22 1.00 ​ 2013 85.57 33.32 21.39 968.20 194.69 20.37 0.98 ​ ​ 由于标量和(代数和)违背加法要同名数才能相加的基本原则,我们引入‘向量和’,各分量平方和的算术根,向量长度。 超球面模型(: ‘向量和’代替‘标量和’,‘ 标准化’ ) 用平方和的算术根(向量和)代替标量和,去标定每个分量。 是为‘标准化’,投影到单位超球面。 表四 ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ 年度 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 向量和 备注 ​ ​ 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 1057.77 ​ 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 990.25 增率 0.80 1.07 1.00 0.94 0.99 0.95 1.14 0.94 ​ ​ 趋势值 0.85 1.15 1.07 1.00 1.06 1.02 1.22 1.00 ​ 2013 85.46 33.27 21.36 966.94 194.43 20.35 0.98 ​ ​ ​ 趋势值等于用向量长度的增率调整后的分量增率。 2013年=2008年*趋势 趋势=2008'/2003' 其中,2008'=2008/|2008| 2003'=2003/|2003| 趋势值排序(略) 。 趋势排序应该三者一致。 三个方法:代数,几何,超球面模型的比较 。 ​ 年龄 胸径 树高 株数 蓄积 断面积 郁闭度 ​ ​ ​ ​ 2003 125.00 27.00 20.00 1033.00 186.00 21.00 0.70 ​ 2008 100.00 29.00 20.00 967.00 184.00 20.00 0.80 代数系列 75.00 31.00 20.00 901.00 182.00 19.00 0.90 ​ ​ ​ 几何系列 80.00 31.15 20.00 905.22 182.02 19.05 0.91 ​ 超球面模型 85.46 33.27 21.36 966.94 194.43 20.35 0.98 ​ ​ ​ 三方法结果的代数平均: 2013=(80.15,31.81,20.45,924.39,186.15,19.46,0.93) 总结与讨论(暂缺) 参考文献: 赵松岭等:植物群落演替的线性与非线性系统及数字预测。生态学报第一卷第3期。 武际可:漫谈混沌。 数学手册,高等教育出版社, 1976 ,北京,9,819。 ORLOCI, 1967: The Journal of Ecology, Vol.55,No1, pp.193-206. 白图格吉扎布等:多维球面模型应用于草原监测数据分析的探讨。内蒙古大学学报25(6)
个人分类: 第五讲|2015 次阅读|4 个评论
中国最重要的水文循环是农田水文循环,最大的植被系统是......
热度 3 jiangming800403 2011-11-11 15:32
中国农大任理教授说:“中国最重要的水文循环是农田水文循环,最大的植被系统是玉米、水稻、小麦。”
个人分类: 农业、食品与农村发展|3714 次阅读|3 个评论
高光谱数据应用于海岸带植被监测
热度 4 chenxna 2011-10-11 16:34
高光谱数据应用于海岸带植被监测
1. 常用高光谱数据 (1) 航空成像光谱仪系统 国内系统: MAIS 、 OMIS-1 、 OMIS-2 、 PHI 、 WHI 、 LASIS 国外系统: AIS 、 AVIRIS 、 TRWIS 、 GERIS 、 HYDICEAISA 、 DAIS 、 CASI 、 HYMAP (2) 航天成像光谱仪 Hyperion/EO-1 环境与减灾小卫星星座( HJ-1B ) 中高光谱分辨率数据 MODIS 2. 高光谱数据应用于植被监测的优势 健康植物的波谱特征主要取决于它的叶子,受其影响,健康植物的波谱特征表现如下: (1) 可见光谱段 在可见光谱段内,植物的光谱特征主要受叶的各种色素的支配,其中叶绿素起着最重要的作用。由于色素的强烈吸收,叶的反射和投射很低。在 0.45um 为中心的蓝波段和 0.67 为中心的红波段叶绿素强烈吸收辐射能( 90% )而呈吸收低谷。在这两个吸收谷之间( 0.54um 附近)吸收相对减少,形成绿色反射峰( 10%~20% )而呈现绿色植物。 (2) 近红外谱段 在近红外谱段内,植物的光谱特征取决于叶片内部的细胞结构。叶片的反射和投射能相近(各占入射能的 45%~50% ),而吸收能量很低( 5% )。在 0.74um 附近,反射率急剧增加。在近红外 0.74-1.3um 谱段内形成高反射。 (3) 短波红外谱段 在短波红外谱段内( 1.3um 以外),植物的入射能基本上均吸收或者反射,透射极少。植物的光谱特征受叶子总含水量的控制,叶子的反射率与叶内总含水量约成负相关,即反射总量是叶内水分含量及叶片厚度的函数。由于叶子细胞间及内部的水分含量,绿色植物的光谱反射率受到以 1.4um 、 1.9um 以及 2.7um 为中心的水吸收带的控制,而呈跌落状态的衰减曲线。 植被种类和健康状况的不同,决定了不同的特征光谱信息。但是不同的植物类别,其叶子的色素含量、细胞结构、含水量均有不同。因而光谱响应总存在一定的差异。 高光谱数据可以非常敏感的捕捉到这些差异。 3. ENVI 提供的植被分析工具 基于高光谱数据, ENVI 提供了一系列分析工具,其中包括了常用的植被指数计算器。该计算器提供了最多 6 类 27 种植被指数的计算,如绿度( Greenness )、 光利用率( Light Use Efficiency )、氮、干旱或炭衰减( Dry or Senescent Carbon )、冠层水分含量( Canopy Water Content )等常用的生物化学指数。并提供了每种植被指数的详细资料和计算公式 能够根据影像信息自动显示可计算的植被指数。 在 ENVI 中,植被指数计算工具通过 Spectral-Vegetation Analysis-Vegetation Indices Calculator 实现。 以一景 360 个波段的 SpecTIR 高光谱数据为例,它的波谱范围为 0.4 μm-2.4 μm ,涵盖了从可见光到短波红外的常见的植被反射或吸收的特征光谱区间,可以很好的用来进行海岸带植被生长状态的分析。 4. 基于 ENVI 植被分析工具的海岸带植被监测 (1) 林木健康情况 用于病虫害监测、森林资源评估 原理: 植被健康状况与绿度指数、叶面积指数、叶片水分含量和光利用效率有关 在 ENVI 中通过 Spectral-Vegetation Analysis-Forest Health 实现 (2) 作物胁迫分析 用于作物胁迫制图,可产生预测结果 原理:作物胁迫与绿度指数、叶面积指数、冠层水分含量、冠层含氮量和光利用效率有关 在 ENVI 中通过 Spectral-Vegetation Analysis-Agriculture Stress 实现 (3) 着火可能性分析 分辨着火范围和着火点 原理 : 植被着火可能性与绿度指数、冠层水分含量、干旱和非光合植物造成的碳衰减有关 在 ENVI 中通过 Spectral-Vegetation Analysis- Fire Fuel 实现
个人分类: 科研相关|1346 次阅读|7 个评论
植被动态分析简介
热度 2 TUGJAYZHAB 2011-10-9 21:35
内蒙农大生态学院 ZH 老师要我考虑给研究生新生做一次关于多元数据分析的讲座。使他们在明年生长季下野外前对自己的实验和数据分析有个基本的设计,有个思想准备。考虑到生态学的研究生的数学基础,兴趣,我准备以‘植被动态分析简介’为题,使用虚拟的火烧迹地数据来介绍植被动态分析。把超球面模型通讯 2-12 重发一遍。 祝贺大家进入自己人生的新阶段。 生物学的突破从两个方面。微观:分子生物学,宏观:生态学,数量生态学 数量生态学简介 多元系统,需要通过样本来认识,分析样本之间的关系来认识总体,认识系统。 多元分析。但不是统计,不是矩阵,当然更不是微积分,而是多元向量分析。 研究样本之间的关系, Q- 分析。研究变量之间的关系, R- 分析(统计) 样本空间分布的代表人物 - 阳含熙,样本时间分布的代表人物赵松岭。 今天着重于赵的工作。植被的动态分析,预测植被的发展。 数量生态学现在刚在正确的方向上起步,面临一个大发展。同学们现在加入不算晚。再过十年你们就都是先驱,前辈了。 植被动态分析简介 植被能否用多变量空间的点来表示。能,需要我们建立一个新的坐标系,多变量空间,物种空间。 样本的时间分布, 94 年的样本在哪里, 95 年的样本在哪里,连接两点的线段的长度,斜率,描述植被的运动轨迹,预测未来的可能的状态。 下面举例说明: 让我们假定有一块火烧迹地,比如美国黄石公园,植被从火灾后恢复。第一年, 1994 ,采集的数据是 1 , 2 , 3 ;第二年, 1995 ,采集的数据是 2 , 3 , 4 。假定这些数据分别表示:树、灌木、草的多度。 以上数据可以表示如下表 1 ): 年度 \ 植物 树 灌 草 总和 1994 1 2 3 6 1995 2 3 4 9 植被数据从 1994 年的 1-2-3 变到 95 年的 2-3-4 ,告诉了我们什么? 1). 首先,我们都看到植被有变化。 2). 其次,多数人认为植被在增加,而且不同植物的增率不同,可以看作是植被的时间动态。 3). 有人将数据分析,发现不同的植物有不同的增率,分种表示如下: 树增 2/1=200%, 灌增 3/2=150%, 而 草增 4/3=133%, 三者平均增 9/6=150%. 结果展示如下表 3 ): 年度 \ 植物 树 灌 草 总和 1994 1 2 3 6 1995 2 3 4 9 增率 (%) 200 150 133 150 4A). 当然,多数人未必认同 ‘ 草是在相对下降 ’ 的观点,由于看起来三者都在增加。为了发现每个物种变化实质,我们用‘总增’调整‘分种增率’,并定名为 95 年的 分种多元即时趋势,简称‘趋势值’ ,用 T 表示。由于总增率是 9/6=150% ,在用总增调整后,分种趋势值分别是: T( 树 )=200%/150%=1.33, T( 灌 )=150%/150%=1.0, 和 T( 草 )=133%/150%=0.89 。 以上分析显示如下表 4A): 年度 \ 植物 树 灌 草 总和 1994 1 2 3 6 1995 2 3 4 9 增率 (%) 200 150 133 150 趋势值 (T) 1.33 1.00 0.89 这里,‘趋势值’是用总增调整后的分种增率。 趋势值也可以从另一方法计算得到 4B) :计算 1994 年的分种百分比 ( 分别用总和去除 ) : 树 94 : 1/6=17%, 灌 94 : 2/6=33%, 草 94 : 3/6=50%. 同样计算 95 年的分种百分比是: 树 95 : 2/9=22%, 灌 95 : 3/9=33%, 草 95 : 4/9=44%. 趋势值是相应的 95 年的百分比除 94 年对应的百分比: T( 树 )=22%/17%=1.33 T( 灌 )=33%/33%=1.00, T( 草 )=44%/50%=0.89. 上述趋势分析用下表 4B). 显示: 年度 \ 植物 树 灌 草 总和 # % # % # % 1994 1 17 2 33 3 50 6 1995 2 22 3 33 4 44 9 趋势值 (T) 1.33 1 0.89 在这里,百分比( % )是物种除总和,趋势是后前相应百分比的商。 5). 我们根据趋势值把物种排序: 树 1.33 灌 1.00 草 0.89 结论:根据趋势值,植被中的树在增,因为趋势值大于一;草在降,因为趋势值小于一。 6). 离开趋势的概念,很难使人信服十年后,草将消退,而树将恢复成为建群种。 1.33^10=17 0.89^10=0.31. 以上趋势分析可以用下表显示 年度 \ 植物 树 灌 草 总和 1994 1 2 3 6 1995 2 3 4 9 增率 (%) 200% 150% 133% 150% 趋势值 (T) 1.33 1 0.89 T 10 17.31 1 0.31 7). 结论: 我们定义调整后的增率为物种的变化趋势: T (i,k) = : ,其中,我们用 ΣX 表示和,下标 i 表示物种, k 表示时间。 趋势也是后前相对份额的比。 T (i,k) =X' (i,k) / , 其中, X’ 是相对多度,以百分比表示 : X' (i) =X (i) /{Σ }. 通过趋势分析,我们发现树的增率最高,灌木稳定,但草在下降。进一步,我们可以根据已知数据,做一个预测:植被将在十年内演变成树林,而取代现在的草本为主的植被。 8). 讨论: 在时间动态分析中,我们假定植被的变化可以通过现在和过去的比较来发现。同时,我们假设植物是环境的函数,而环境是可以通过植被组成来表示的。第三,植被分析中,每种植物都可能携带植被演替、环境变化的重要信息,所以每一个植物种都不可放弃,也即,不提倡使用 ‘ 消元法 ’ 。 9). 进一步探讨 把以上在一维的讨论进一步扩展到二维空间。 请回顾历史上两个大数学家,中国的 商高 和希腊的 毕德哥拉斯 。他们分别发现在二维空间,向量长度和分量之间的关系: 3 2 +4 2 =5 2 . 换句话说, 3+4=7 仅在一维空间成立。在二维空间 3+4=5 , 而不是 7 。 当 “ 和 ” 被解释成 “ 向量长度 ” ,则 “ 百分比 ” 被解释为向量和坐标轴夹角的 “ 余弦值 ” : 3/5=0.6, 和 4/5=0.8. 两个余弦值决定了向量的方向。当余弦值变化,向量将在空间偏转。反之亦然。 以上讨论可以扩展到更多维空间(费尔马定理)。 向量长度是所有分量的平方和的算数根: L = √ . 在开头的例子中 94 年的植被向量( 1 , 2 , 3 )的长度是 √ (1+4+9)=3.74 ,而 95 向量( 2 , 3 , 4 )的长度是 √ (4+9+16)=5.39 我们可以用 3.74 和 5.39 分别取代 6 和 9 ,把以上的讨论重新来一遍。这次我们是在三维空间展开讨论。树,灌,草分别是空间的三根坐标轴。我们可以想象,植被状态向量在三维空间,从 1994 年的( 1/3.74 , 2/3.74 , 3/3.74 )偏转到 1995 年的 (2/5.39 , 3/5.39 , 4/5.39) 。 以上讨论使我们发现了一个新的分析植被变化的数学工具, 超球面模型 (Multi-Dimensional Sphere Model, MDSM) 。 在多维空间使用 ‘ 向量和 ’ 代替 ‘ 标量和 ’ ,植被的变化可以表达为向量在空间的旋转。人们可以通过检测向量在空间的旋转、向量在超球面上投影的移动来监测植被的变化。 10 )展望: 如果人们想根据已知数据( 1994 和 1995 年的数据)推测 1996 年的植被状态,该如何做? 人们可以用趋势来推测(当年的期望和趋势的乘积)次年的植被: P (k+1) = E (k) * T (k) 而期望是推测和实测的加权平均 : E =( P + D )/2, 预测误差定义为 R = E - P . 这里, E , P , D , R 是多元向量,分别表示 期望 , 推 测 , 实测 和 预测误差 。 在开头的例子中,假定 1995 的 实测值 和 期望值 都是 (2 , 3 , 4) ,而 趋势值 是 (1.33 , 1 , 0.89) ,因此 1996 年的 推测 是 P 96 =(2 , 3 , 4) *(1.33 , 1 , 0.89) =(2.66 , 3 , 3.56) 。 如果 1996 年的 实测数据 是 D 96 =(3 , 4 , 5) , 则 期望 是 E 96 =( P+D )/2= /2=(2.83 , 3.5 , 4.28 ), 预测误差 是 R =(2.83 , 3.5 , 4.28 ) -(2.66 , 3 , 3.56) =(0.17 , 0.5 , 0.72) 它小于两年实测数据的差 D 96 - D 95 = ( 3 , 4 , 5 ) - ( 2 , 3 , 4 ) =(1 , 1 , 1) 。 表明以上预测有效。 以上分析结果显示如下表: 数 灌 草 总和 1994 1 2 3 6 1995 2 3 4 9 增率 200% 150% 133% 150% T 95 1.33 1 0.89 P 96 2.66 3 3.56 D 96 3 4 5 E 96 2.83 3.5 4.28 R 96 0.17 0.5 0.72 白图格吉扎布 多维球面模型通讯 2-12 :《从 1-2-3 到 2-3-4 能告诉我们什么》,摘译自《趋势分析及其在生态股市中的应用》 186-194 页。原文是英文,发表于 1995 年 12 月,先后刊登在 MDSM , SinoEco 和一个地方网站。 “ 通讯 ” 以一组火灾迹地植被恢复的虚拟数据,阐述多维球面模型应用于植被演替分析,从一维到多维的推导过程。 除以 ‘ 标量和 ’ ,得到百分比,是在一维里,在 实数的集合讨论问题。 除以 ‘ 向量和 ’ ,得到余弦、在超球面上的投影、重要值,是在多维变量空间, R m ,里讨论问题。 “ 标准化 ” 把研究领域从 ‘ 标量 ’ 扩展到 ‘ 多元向量 ’ ,从一根 ‘ 数轴 ’ 扩展到 ‘ 多维空间 ’ 。 超球面模型的适用范围:模型原本是为草原,森林等植被监测,土地条件趋势分析设计的,但十多年的实践证明,模型也可以应用于其它的,如股市,国民经济等资源(竞争)共享的多元演替系统。 希望这个短文能帮助大家更好地理解系统监测,趋势分析,向量分析。
2699 次阅读|5 个评论
植被监测及趋势分析——植被数量生态学中几个理论问题的探讨
热度 1 TUGJAYZHAB 2011-7-5 12:42
植被监测及趋势分析 —— 植被数量生态学中几个理论问题的探讨 2008 白 · 图格吉扎布 梁应权 (MDSM 数据分析公司 , 615 久安大街 , 柯林斯堡 , 科罗拉多州 , 80524 美国 ) 摘 要 系统监测可以对危机发出预警 , 是防治灾害的重要手段。生态监测的基础是植被监测。多物种 多样本 多年的植被定位监测数据隐含着植被变化的信息。该文探索描述植被的数学工具 , 提出植被监测数据的趋势分析方法。植被是资源竞争系统 , 可以用多维空间的向量来表示。在向量空间 ( 射影空间 ), 不是“距离” , 而是“方向”决定区别 ; 在植被科学 , 不是“产量” , 而是“组成”决定区别。新方法用多维空间的位置向量来表示植被 : 向量的方向表示植被的组成、两向量夹角余弦值表示相似、向量长度表示植被总体。在简缩数据时 , 用“中心化”滤去样本噪音、“标准化”滤去系统噪音 , 得到状态向量。在趋势分析时 , 定义后、前状态向量的比值为变化趋势 ; 用当年的状态和趋势的乘积来预测次年的状态。到次年 , 再用实测数据修正、更新来自去年的预测 , 是为“卡尔曼滤波”。卡尔曼滤波能降低监测成本 , 有效地使用历史数据 , 提高分析精度。文章同时指出 , 使用统计或 ( 样本物种 ) 矩阵分析植被动态可能违背逻辑。 关键词 植被监测 趋势分析 时间系列 超球面模型 卡尔曼滤波 VEGETATION MONITORING AND TREND ANALYSIS : Discussions on Quantitative Vegetation Ecology BAI T. Jay and LIANG Ying-Quan MDSM Data Analysis Services, LLC., 615 Joanne St. Fort Collins, CO 80524-3684, USA Abstract Vegetation monitoring is important. This paper introduces a trend analysis method for vegetation sciences. A unit of homogeneous vegetation can be treated as a point, so it can have dynamic analysis. However, to carry enough information, this point has to be put into multi-variable space. Vegetation can be expressed as a position vector in multidimensional space. Vegetation is a resource competing system. All plant species compete for limited resources, and demands of all species can not exceed available resources. This can be expressed as the sum of the squares of all species equals one. Therefore, all the complementary plant species can be treated as mutually orthogonal. When using position vectors to represent vegetation, the magnitudes of the vectors carry information of the total biomass, while the directions of the vectors carry information of composition of vegetation; thus, the position vectors have to be standardized. Vegetation growth based on cell duplication is expressed as exponential growth. Changing trend is defined as present state over the past. The trend can be used to monitor the vegetation changes and to predict future states. Kalman filter is used to increase accuracy and lower monitoring cost. Key words vegetation monitoring, trend analysis, time series, multi-dimensional sphere model (MDSM), Kalman filter 植物生态学报 2008, 32 (4) 967~976 1 前言 “植被在过去和现在都是人类生命的一部分” (Whittaker, 1986) 。植被还是生态环境变化的重要指标。植被被破坏导致生态环境恶化的极端例子 , 是古代富饶的两河平原 ( 美索不达米亚 ) 变成了今天的伊拉克荒漠。而主动防范生态灾害的重要手段是监测。受气象监测网的启发 , 人们发起了生态监测网 , 设立了许多生态定位站 , 到现在已经积累了大量的植被数据 , 形成了多元数据的时间系列。这些“多物种 多样本 多年的数据”包含了植被变化的信息。监测项目的最终目的是要从这些数据中发现植被变化动态 , 并根据变化的趋势、量度 , 预测未来的植被状态 , 为评价、修订环境政策提供科学依据。而如何从多年搜集到的多物种 多样本 多年的数据中分析发现植被的变化趋势是植被数量生态学工作者所面临的重大课题。本文探索描述植被的数学方法 , 提出在物种空间 使用向量 ( 而非矩阵 ) 、角度 ( 而非距离 ), 根据植物重要值的变化来监测植被的分析方法 ; 并引入监控航天器的技术“卡尔曼滤波 (Kalman filter) ” 来提高预测精度。 1.1 三下标数据 植被监测的数据 , 是多物种 多样本 多年的庞杂的数据库。它取一种特别的三下标变量的形式 D i,j,k 。其中 , D 是三下标变量。第一下标 , i =1,2,… m , 用来标识物种。因此在本文中 , 物种空间又称 m 空间。第二下标 , j =1,2,… n , 标识样本。在本文中 , 样本空间又称 n 空间。第三下标 , k =0,1,2, …o , 取值从零到 o , 标识时间 , 单位是年。三下标变量 , 又称晶阵 (Bai, 2006) 、数据匣 (Data box)(Legendre Legendre, 1998) 、立体矩阵、或三向数据 (Three-way data matrix)(Gauch, 1989), 是我们过去 , 特别是计算机普及前和生态系统监测项目诞生前 , 很少接触过的变量形式。它需要特别的处理手段 , 它的分析需要特别的数学方法。三下标变量 D i,j,k 的数据分析方法按 3 个下标两两不同的排列可以分为 O 、 P 、 Q 、 R 、 S 、 和 T 6 种分析 (Legendre Legendre, 1998) 。我们这里仅讨论和植被趋势分析有关的 Q 和 O 分析。 Q 分析是在物种空间分析样本之间的关系。 “ Q: among objects, based on all observed descriptors (a single instance) ” , 是在 j 的方向 , 分析 j 值不同的样本之间的关系。 O 分析是分析一个多元实体沿时间的变化。“ O: based on all observed descriptors, among time instances, (a single object) ” , 是在 k 的方向 , 分析 k 值不同的植被实体之间的关系 (Legendre Legendre, 1998) 。 Q 分析的大师是美国的惠特克 (R. H. Whittaker) 。在他主编的《植物群落分类》和《植物群落排序》中 , 矩阵成为生态学者进行植被分析的主要工具。他们把 m 个物种 n 个样本的“物种 样本表”作为 m n 的初始矩阵 , 通过矩阵变换对样本进行聚类、排序 , 探寻来自同一样地、同一时间、不同样本之间的关系。而在 O 分析方面也有一些使用矩阵的文献。中国兰州大学的赵松岭 , 把矩阵应用于不同时刻的样本关系的研究。他使用植被状态矩阵 (State matrix) 和状态转移矩阵 (Transition matrix) 的概念 , 提出植被趋势分析的基本模式如下 : 设有两连续监测时刻植被状态矩阵 A 1 和 A 2 不等 , 可令 A 2 =A 1 *X 。命名 X 为状态转移矩阵 , 则有 A 3 = A 2 *X 。其中 , A 1 、 A 2 是植被已知的两个连续状态。 A 3 是对未来植被状态的预测。 X 是状态转移矩阵 , 下标表示时间。以上公式也可以延伸 , 并一般地表示为 : Y k =Y 0 *X k (1) 其中 , Y k 是植被的未来状态 , Y 0 是初始状态 , X 是状态转移矩阵。下标是时间 , 上标是乘幂。就是说 , 植被的未来状态的预测等于初始状态矩阵乘状态转移矩阵的幂的积。在文章中 , 赵松岭给出了一个解 , 平衡了方程式 , 预测了未来的植被状态 , 但没有给出状态转移矩阵的通解 , 没有给出根据 A 1 、 A 2 求 X 的公式。几乎与赵松岭同时 , 美国科罗拉多州立大学的的杰姆森 (Donald A. Jameson) 在他的讲义中介绍了使用伪逆 1) (Pseudo inverse) 来解状态转移矩阵的方法。在假定解出状态转移矩阵后 , 用卡尔曼滤波 , 结合预测和现场实测来降低监测成本 , 提高预测精度。杰姆森来自中国的学生 , 白 · 图格吉扎布 , 结合赵松岭和杰姆森的工作 , 提出植被趋势分析的多维空间模型 , 给出了使用连续变化的植被状态来计算状态转移矩阵的公式 : X 2 =A 2 /A 1 或 X k =A k /A k-1 (2) 虽然 , (2) 式在逻辑上成立 , 但实际的解并不一定存在 ( 见讨论 3.2.3 ) 。因此 , 在最初的表达式里 , 植被状态、状态转移、和变化趋势都取“对角矩阵”的形式 , 以确保方程有解 (Bai, 1984, 2006) 。杰姆森对非对角元素为零的生态意义提出了疑问。接受导师的建议 , 白 · 图格吉扎布删掉非对角元素的零 , 结合卡尔曼滤波和指数增长方程 , 提出了“多元向量”的指数增长模型。因为多元向量要标准化 , 投影到单位球面 , 所以又名“超球面模型”。模型用多元向量来表示植被状态和变化趋势 , 并借用对角矩阵的概念 , 扩展了向量的乘、除、逆和幂运算的定义 : 分量的积做积的分量、分量的商做商的分量、分量的逆做逆的分量、分量的幂做幂的分量 (Bai et al., 1997; Bai, 2006), 使模型的表达更简洁优美。白 · 图格吉扎布等 (2001) 在《植物生态学报》发表《多维球面模型应用于草原监测数据分析的探讨》 , 向读者介绍了用多元向量时间系列进行植被趋势分析的工作。本文试图从植被数量生态学的角度 , 从植被是系统这个命题出发 , 进一步探讨用向量取代矩阵表示植被的必要性 , 尝试回答“在数学上 , 什么是植被 , 如何表示植被?”的问题 ; 在导出用多元向量表示的植被指数方程后 , 引入向量版的、简易的卡尔曼滤波 , 最后完成植被趋势分析的整个过程。 1.2 植被是系统 赵松岭在他的论文中把植被演替归为系统的思路对后人很有启发。据上海辞书出版社 1979 年版《词海》的定义 , 认植被为系统是不成问题的。因为组成植被的所有植物互相作用 , 并自成体系协调完成一个共同的功能——固定日光能 , 为生态系统提供初始生产力。当然 , 植被是天然系统 , 和我们经常接触的物理系统、人工系统有不同。物理系统的一个很重要的特性是“一加一大于二 ( 总体大于各分部之和 ) ”。而且一加一大于二是人们研究系统的重要目的。组成物理系统的元素之间不是简单的堆积、叠加 , 而是一种高度有序的、互相支持的组合 , 并能产生“相乘”的效果。而植被是天然系统 , 是资源竞争系统。所有组成植被的植物竞争有限的资源 , 它们之间的作用主要表现为貌似互相妨碍 , 实为互相补足。在植被系统 , 一加一不但不能肯定大于二 , 甚至不一定大于一。一个很明显的例子就是“合理密植”。当水肥充足 , 资源容量大于负荷时 , 适当密植可以增产。此时一加一大于一。但若密植超过一个限度 , 超过资源的容量 , 密植会减产。也就是说 , 就植被这个系统 , 一加一可能大于一、等于一、也可能小于一 , 依资源容量和负荷的关系而定。只有在负荷不超过资源容量时 , 一加一才可能大于一 ; 而在超过资源容量后 , 一加一就要小于一。植被是系统的另一个表述是“资源分享系统”。资源分享是资源竞争的另一个说法。组成植被的所有植物在不同层次分享有限的资源 , 所有植物对资源的需求不能大于现有资源容量。这个植被中各分量利用资源“互余”的现象 , 在多维空间可以表示为所有植物的平方和等于 1(Bai et al, 2001; Bai, 2006): a 2 +b 2 + … =1 (3) 而平方和等于一的几何表达形式 , 是各分量互相垂直。我们都知道 , 直径上的圆周角是直角。这个数学表达式的生态学意义是说 , 由于分享资源 , 在植被分析中 , 我们可以 , 而且应当 , 假定植被中的物种互相垂直 , 互相独立。独立是竞争的条件 , 竞争导致独立。 即使对物种独立有保留 , 物种空间还是被大多数植被数量生态学工作者接受的。例如 , Gauch 在介绍排序技术时 , 曾提到 5 个空间的概念 : 种空间、样空间、种相异空间、样相异空间和生态空间。他同时又指出 , 两个相异空间是从原始数据空间派生出来的。种空间 , 样空间包含原始数据的全部 , 因而是完全同样的信息 (Gauch, 1989) 。原始数据表现为物种 样本表。而 m- 空间和 n 空间 , 两者互为矩阵的转置 , 是对称的 , 平等的 , 没有理由特别偏好哪一个。如果 n 空间能够成立、样本可以被假定独立 , 则 m 空间也可以成立、物种也应当可以被假定独立 (Greig-Smith, 1983; Jongman et al ., 1995) 。接受物种空间的结果和接受物种独立的假定是一致的。 1.3 植被及其样本与多维物种空间的向量 如上面讨论的 , 我们可以假定植被中的植物种之间独立 , 并用它们为轴构建物种空间。植被样本可以表示为 m 空间的点、向量 , 以便在物种空间分析样本、分析植被。我们知道 , 在植被样本中 , 每个物种都取一个大于、等于零的数。这样 , m 个物种组成的植被 , 便有 m 个数字 , 称为 m 数组 ( m- Array), 用来表示样本。在物种空间 , 植被还可以用“以此数组为坐标的空间的点” , 或“以空间的点为端点 , 以坐标原点为始点的向量”来表示。在植被分析时 , 我们约定 , 表示植被样本的多元数组 ( m- Array) 、 m 空间中以多元数组为坐标的点 (Point) 、连结空间点和原点所形成的向量 ( 位置向量 Position vector), 和植被四者是一一对应的、完全等同的、都同样可以表示植被。如下恒等式成立 : m -Array = Point in m -space = Position Vector = Vegetation (4) 其中 , 多元数组直接来自物种 X 样本表。用数组表示植被的特点精确。而以数组为坐标的空间点来表示植被 , 也很常见。其特点是直观 , 特别适用于排序 , 聚类。用物种空间的点 , 也使植被趋势分析成为可能。简单地说 , 趋势分析要求分析对象是个质点 , 有明确的运动轨迹。即使大如地球 , 在地 - 日分析中也只能是质点 , 有唯一确定的运动轨迹。而如上所述 , 用向量表示植被其实和用数组 , 用空间点实质上是一样的 (Gauch, 1989; Whittaker et al., 1986) 。 据高等教育出版社 1979 年出版 , 2005 年第十一次印刷的《数学手册》 ( 《数学手册》编写组 , 1979), 向量又称矢量 , 是既有“量值”又有“方向”的变量 , 而不是简单的一维矩阵。向量的二重性 , “量值”和“方向” , 能够深刻准确地刻画植被 , 因为植被也有数量和质量的二重性。植被的数量 , 一般说的是生物量、能量、或信息总量 ; 而质量说的是这个总量在各个物种之间的分配、或植被的组成 (Bai, 2006) 。较之产量 , 组成才是描述植被的更基本的要素。比如我们描述植被为 : 森林、或草原 , 说的就是它们的组成 , 而不说它们是产量多少克 / 米 2 的植被。向量是用方向来表示区别 , 而植被是用组成来表示区别。向量的方向和植被的组成也是一一对应的。在这里需要说明的是 , 《数学手册》所列举的向量是三维的。同时 , 在讨论多维空间的向量处明确说明“在三维空间中讨论的许多结果 , 在多维空间中都成立 , 只要把公式中所出现的指标认为从 1 到 m 就行了。” 由于植被数据用发自原点的向量表示 , 全体植被数据便形成了类似点光源的射影空间 (Projective space) 。向量空间 , 或射影空间 , 有个特殊的性质 : b A // A , 或 b A ~ A (5) 其中 , A 是向量或图像 , 用黑体表示 , b 是非零标量。这是说 , 向量延长若干倍 , 方向不变 ; 图像放缩若干倍 , 仍“是 ( 严格地说为‘相似于’ ) ”它自己。在日常生活中 , 幻灯机是射影空间的最典型的例子。 虽说 , 多元向量和多维空间的点一一对应 , 但向量空间的多元向量强调方向、角度 , 与普通欧氏空间的点使用座标、距离来表示还是有一定区别的。加拿大的 Orloci, 40 年前就曾经提出过弦距离 (Chord distance) 的概念 , 提出把欧氏空间的点投影到单位球面上来做聚类分析。然而 , 他的研究工作没有引起大家的足够重视。国内至今仍有教材 ( 内蒙古大学生物系 , 1986) 推荐用最小欧式距离做植物群落分类。我们认为值得商榷。虽说 , “较小夹角对应较小距离”一般成立 , 用距离分类也往往能取得令人满意的结果 , 但有局限性。在特殊情况下 , 它不成立 , 在 Orloci 的论文中有比较详尽的理论说明。我们这里举一个灌 - 草二维空间的例子来解释。灌 - 草植被向量 A =(0,1), B =(1,0), C =(0,5) 中 , A 和 C , 是草地 , B 是灌丛。在二维平面上 , 点 A 与点 B 距离近 , 但它们的位置向量互相垂直 , 属于不同的植被。点 A 和点 C 距离远 , 但它们共线 (Collinear), 位置向量夹角等于零。所以我们应该依据角度把 A 和 C 分为一组。而不是依据距离把 A 和 B 分在一组。 A 、 C 两向量量值所表示的区别 , 可能是来自润年 / 旱年的不同 , 取样季节 , 或取样面积的不同 , 属于系统噪音 (Bai, 2006) 。 2 植被趋势分析 以上 , 我们讨论了数学上如何模拟、表示植被的问题。下面我们进一步讨论如何从三下标数据中发现植被变化趋势的问题。 2.1 样本中心化 首先 , 考虑简缩数据 , 把三下标数据简缩为二下标数据。我们使用聚类分析 , 在第二下标 j 的方向上 , 对样本进行聚类、筛选、平均化 , 归并 n 个样本为一个实体。这个数据简缩过程被称为 “中心化 (Centralization) ” , 属于 Q 分析 (Jongman et al., 1995; Legendre Legendre, 1998) 。中心化的依据是“大数法则 (Law of large number, LLN) ” , 目的是用 n 个样本的平均值来取代 n 个样本 , 从而 , 把三下标数据 D i,j,k 简缩为二下标数据 D i,k , 把 m n 的物种 - 样本矩阵简缩为 m 元向量 ( 进一步讨论参见 3.2.3 ); 同时也把植被趋势分析问题化为多元向量的时间系列问题。本文中特称这个数据简缩过程为“中心化”有两层意思。首先因为它是个很重要的滤波器 , 不但滤掉了 n 个样本带来的噪音 , 而且导致引入多元向量来取代物种 - 样本矩阵 ; 再是因为多维空间诸样本的“代数平均”等同于诸向量的“几何形 ( 中 ) 心”。 植被样本聚类的关键是定义相似系数。既然方向表示植被组成 , 植被的相似系数应与夹角有关。数学上 , 空间两向量的关系 , 可以用一向量在另一向量的投影与该向量长度的比 , 即两个向量夹角余弦值来表示。因此 , 定义两个植被向量的夹角余弦值做相似系数是有数学基础的 (Orloci, 1967; Bai, 1982, 2006; Gauch, 1989; Jongman et al., 1995, Legendre Legendre, 1998) 。从植被学的角度 , 我们一致认为 , 两个实体 , 样本或植被 , 共有种越多、越重要 , 两个样本就越相似。这个相似的程度最普遍的是用向量点积 ( 分量积的和 ) 来度量 : A B = i=1,2,...m (6) 这个点积还要用可能最大值 ( 可能最相似 ) 来标定 , 化为百分比才便于互相比较。在长度确定的情况下 , 两个向量相同时点积取最大值 ( 好比 , 周长相同的矩形以正方形的面积最大 ), A A = A 2 = , i=1,2,...m (7) 相应的 , 植被学中 , 自己和自己最相似。而兼顾到两个实体 , 根据柯西不等式 , A 、 B 点积最大值是两个向量自乘的几何平均 ( 积的算术根 ): 几何 平均 = , i=1,2,...m (8) 归纳以上讨论 , 本文选择位置向量夹角余弦值做相似系数 ( S.C ab ) S.C a,b = =cos( a,b ) , i=1,2,...m (9) 公式 (9) 表示 , 两个样本的相似系数是点积除以两个样本向量长度的几何平均 , 也可解释为两个标准化向量的积 (Cottrell et al. , 2006) 。 2.2 中心向量标准化 由于组成相同的植被所代表的点在空间共线 , 因此 , 在植被趋势分析中 , 通过聚类得到的中心向量要标准化 (Standardization)(Orloci, 1967) 。标准化是比较通用的植被数据处理方法之一。一般泛指 , 化绝对数为相对数 , 以便于进行比较。标准化可以有多种形式 , 如除最大值、除总和等。在本文中 , 我们采用 Orloci 的说法 , 特指“除以向量长度 , 投影到单位超球面上” (Orloci, 1967; Bai, 1982, 2006; Greig-Smith, 1983; Jongman et al. , 1995; Legendre Legendre, 1998): Y ’= Y /| Y |, 或 Yi'=Yi/ , i=1,2,...m (10) 式中 , Y ’ 是标准化了的植被向量 , 是植被向量在单位超球面上的投影。 Y 是植被向量。 | Y | 是向量长度 ( 各分量平方和的算术根 ) 。我们称中心化 + 标准化后的植被向量为植被状态向量。它表明当年当地我们所监测的植被的组成。其分量是植物种的重要值 (Importance value, IV ), 表明该植物种在植被组成中的份额 ( 赵松岭等 , 1981; Bai, 2006) 。植被状态向量的长度是一 , 所有分量的平方和等于一。其数学意义是 m 个余弦值 , 表示向量在多维空间的指向。按我们现在的理解 , 标准化在模型中的作用是又一层的滤波器 , 滤去了系统噪音 : 取样面积大小差别所带来的噪音、取样季节差别所带来的噪音 ; 从而滤掉了距离 , 突出了方向 , 突出了植被的组成 , 而显示出射影空间的特性。另一方面 , 虽然 , 一般我们认为植被是相对稳定的 , 但组成植被的植物种显示出随机变量的特性 , 难于分析。标准化把随机的变量除以所有随机变量平方和的算数根 , 得出相对稳定的“重要值”用来表示植被组成 , 为趋势分析提供了可能。 2.3 趋势分析 在完成以上数据简缩工作后 , 三下标数据转化成了二下标数据 , 成为多元向量时间系列 , 而且 , 向量都已经标准化 , 突出了植被的组成。下面 , 我们进一步讨论植被的趋势分析。由于超球面模型定义的向量运算法则和标量的运算法则形式一致 : 用分量的和 / 差 / 积 / 商 / 逆 / 幂做和 / 差 / 积 / 商 / 逆 / 幂的分量 (Bai et al , 1997; Bai, 2006), 在以下的讨论中 , 在上下文清楚的条件下 , 本文略去第一物种下标 ( ), 而突出第三时间下标 ( k ), 用向量时间系列的形式阐述植被趋势分析的过程 , 在必要时 , 再加注分量表示法。 基于细胞分裂的植被增长本质上是指数增长 , 我们用指数增长方程来描述它 : Y k = Y 0 × T k (11) 公式 (11) 表示 , 植被 k 时刻的状态 ( Y k ) 是初始状态 ( Y 0 ) 乘趋势 ( T ) 的 k 次幂的积。其中的 Y 、 T 分别是植被状态和变化趋势 , 是向量 , 用黑体表示。 k 和 0 是时间下标。这里的趋势 ( T ) 相当于公式 (1) 中的状态转移矩阵 X , 是变化率 , 等于两连续监测时刻植被状态的商 (Bai, et al., 1997; Bai, 2006), 也是被系统增率调整后的分种增率 : T k = Y ’ k / Y ’ k-1 = ( Y k /| Y k |)/( Y k-1 / | Y k-1 |) = ( Y k / Y k-1 ) / (| Y k | / | Y k-1 |) (12) 公式 (13) 是趋势向量计算公式的分量表示法 : (公式13在此文本中的数学公式表达太复杂,难看。 略去。感兴趣的读者请参考原文) (13) 趋势向量的分量 ( T i,k ), 表明相应植物种在植被中的重要值的变化 ( IV i,k / IV i,k-1 ) 。其取值以 1 为基准 , 可以大于、等于或小于 1 。物种的趋势值等于 1, 表示连续两次监测期间植物种的重要值没有变化。趋势值大于 1 表示物种重要值在增加 , 小于 1 表示减少。所有物种的变化趋势清楚了 , 植被组成变化的趋势也就清楚了。作为系统 , 植被有惯性。植被变化趋势值的期望值是 1, 表示植被的组成倾向于保持不变。如果趋势偏离 1, 会有反弹。另一方面 , 如果偏离太多、且持续时间过长 , 则会成为新时刻的趋势 ( 见卡尔曼滤波 ); 表明在具弹性的同时 , 植被趋势也有可塑性。 为了更深刻地描述植被趋势 , 我们进一步引入二阶趋势的概念。通俗地说 , 二阶趋势是趋势值的趋势值。植被变化二阶趋势 TT k , 定义为 , 当前趋势 ( T k ) 和过去趋势 ( T k-1 ) 的比值 : TT k = T k : T k-1 =( Y ’ k / Y ’ k-1 ): ( Y ’ k-1 / Y ’ k-2 ) , (14) 颠倒相乘得 TT k =( Y ’ k * Y ’ k-2 )/( Y ’ k-1 * Y ’ k-1 ) (15) 即二阶趋势 TT k 是状态 Y ’ k 和状态 Y ’ k-2 的积与状态 Y ’ k-1 的平方的比。 TT k 的分量表示的是植物种在多维空间运动轨迹投影的连续三点里 , 中间点和两个端点的比。是植物运动轨迹的转折状态 ( “拐点” ) 。如果 , 中间点的平方大于两个端点的积 , 则轨迹是凸 ; 反之 , 轨迹是凹。如果 , 中间点的平方等于两个端点的积 , 则没有转折 , 轨迹是直的。从这里我们看到 , 指数增长包含了线性增长。在二阶趋势值等于一时 , 指数增长表现为线性。所以 , 模型既可以用于指数增长系统 , 也可以用于线性增长系统。 植被变化趋势是从两个端点看变化。植被及其分量的变化有 3 种趋势 : 上 ( 升 ) 、 ( 持 ) 平、下 ( 降 ) 。二阶趋势是把中点和两端比较 , 来表示变化的转折。植被及其分量运动轨迹有 3 种转折 : 凹、直、凸。把一阶和二阶趋势结合起来 , 我们得到 9 个组合 : 凹上、直上、凸上、凹平、直平、凸平、凹下、直下、和凸下 ; 可以比较充分、深刻、细致地描述植被组成的变化动态。 2.4 植被状态预测与卡尔曼滤波 趋势分析阐明了植被组成的变化方向、程度。根据惯性原理 , 我们可以假定植被系统会在一段时间里保持这个变化势头 , 因此 , 趋势被进一步应用于预测 , 而不仅仅满足于准确描述历史。 可以如赵氏的公式 (1), 预测 k 年后的植被状态 : P k = Y 0 * T 0 k (16) 公式 (16) 表示 , 第 k 年的植被预测值 ( P k ) 是初始状态 ( Y 0 ) 和趋势值 ( T 0 ) 的 k 次幂的积。当没有其它数据、手段时 , 公式 (16) 可以用来预测多年后的植被状态 ( 当然会有很大误差 ) 。这个公式的重要意义在于 , 它能够把捕捉到的偶然发生的细微变化放大(见微知著) , 因而可以起到预警的作用。 当有长期监测计划时 , 使用时间系列方法预测次年的植被状态的公式表现为 : P k+1|k = Y k * T k (17) 其中 , P k+1|k 是根据当年 ( k ) 信息对次年 ( k+1 ) 的预测值 ( 在上下文清楚时 , 在本文中简化为 P k+1 ) 。 Y k 是当年的植被状态向量 , 它可以用实测数据 ( D k ), 或期望值 ( E k ) 来表示 ( 关于实测数据、期望值的关系详见下文 ) 。 T k 是当年的趋势值。公式 (17) 表示 , 可以用当年植被状态 ( Y k ) 与当年的趋势 ( T k ) 的积来预测次年的植被状态 ( P k+1|k ) 。 预测肯定会有误差 , 是需要核实、修正的。我们引入航天技术中使用的“卡尔曼滤波” , 一种递归滤波的方法 , 用新的实测样本来更新预测。具体作法是用预测值 ( P ) 和新实测值 ( D ) 的加权平均做期望值 ( E ) 来表示真值 : E k+1 = α* P k+1 +(1-α)* D k+1 (18) 其中 , D k+1 是次年 ( k+1 ) 的现场实测值 ; E k+1 是次年 ( k+1 ) 的期望值 , 是用次年现场实测数据 ( D k+1 ) 更新了的预测值 ( P k+1 ) 。请注意区别 k 值的不同 , 预测值和期望值的不同。当年的植被状态 ( E k ) 和当年趋势 ( T k ) 的积是对次年 ( k+1 ) 状态的预测 ( P k+1 )(17); 当年的期望 ( E k ) 是“依去年 ( k – 1 ) 的信息 , 对当年状态的预测 ( P k|k-1 , 简做 P k ) ”和“当年实测数据 ( D k ) ”的加权平均 (18) 。这里的 α 是我们给预测值的权 , 一个小于一、大于零的标量。如果监测历史长 , 监测人员对植被的整个状况了解 , 比较倚重历史数据 , 可以给预测值较大 , 高于 0.5 的权 ; 相反 , 如果缺乏历史数据 , 监测人员要倚重现场取样 , 则给预测值一个小些 , 甚至等于零的权 ( 比如在刚开始监测 , k =0, 没有历史数据时 ) 。一般情况下 , α 的默认值是 0.5, 意味把预测 ( P ) 和实测 ( D ) 平等看待。这里需要指出的是 , 在典型的卡尔曼滤波里,权重 (α 和 1–α) 是通过计算各自的噪音来确定的。 根据卡尔曼滤波 , 期望 ( E ) 有两个信息源 : 根据历史数据的预测 ( P ) 和现场实测数据 ( D ) 。两者互相修正可以提高预测精度。卡尔曼滤波在数学上是相当成熟的方法。数学上已经证明 , 用期望 ( E ) 做真值的误差要小于单用实测 ( D ) 或单用预测 ( P ) 做真值的误差。也就是说 , 单靠现场取样 , 或单靠历史经验都不能很好地把握植被的动态。只有在总结经验的基础上 , 再做现场调查 , 才能较好地把握植被动态。预测和实测 , 两者不可偏废。 3 总结与讨论 本文主要探讨三下标植被监测数据的分析方法。关于如何建立监测网 , 选择样地 , 布置永久样本 , 不属于本文的讨论范围。但从数据分析角度 , 我们建议在初始的基本调查中一定要包括确定植物名录的工作。因为 , 确定欲监测植物的名录 , 就是确定多维空间。名录一旦确定 , 就要贯彻整个植被动态监测工作的始终。 为了更准确地传递信息 , 方便读者编写计算机程序开展植被趋势分析 , 现在把以上讨论总结、提炼成如下流程 : 现场取样 , 并通过聚类 , 将“ m n 物种 - 样本表”简缩为“ m 元植被向量” , 得到实测数据 ( D k ) 。 利用卡尔曼滤波计算期望值 : E k = α * P k + (1- α )* D k 。在初始 ( k =0) 没有 P 0 时 , 用样本数据 D 0 来代替。 计算预测误差 : R k = E k – P k 。用来评估、微调监测过程。 标准化 : E k ’ = E k /| E k |= IV k 。数学上求余弦 , 投影到超球面。植被学是求植物重要值 IV k 。 求趋势 : T k = IV k / IV k-1 , 当前重要值和过去重要值比。在 k =0 时 , 令趋势值等于 1 。 使用现有的信息预测下一时段 k+1 的植被 : P k+1 = T k * E k 。 时间下标值加 1, k=k+1, 回到现场取样 , 开始下一轮循环。 其中 : D : 实测数据向量 , 分量是分种的植物实测数据。 E : 期望值向量 , 分量是植被分种期望值。 | E | : 期望值的向量长度 , 各分量的平方和的算术根 , 是标量。 IV : 植物重要值向量 , 分量是植物在植被中的重要值。 T : 植被趋势向量 , 分量是植被分种趋势值。 P : 植被预测向量 , 分量是植被分种预测值。 R : 误差向量 , 分量是分种的预测误差。 | R | : 误差的向量长度 , 各分量的平方和的算术根 , 是标量。 根据 | R | 的大小 , 及 | R | 和 | E | 的比值 ( 相对预测误差 ), 可以评估整个监测及数据分析工作 , 然后做出相应调整 , 使 | R | 尽可能小。 至此 , 我们交代了植被动态监测的整个流程和算法。由于篇幅限制 , 本文偏重于理论推导 , 没有使用实例。习惯于通过实例来掌握新方法的读者可以参考文献 (Bai, 2006) 。是一个意大利网友提供的 5 14 的数据。读者根据本文介绍的方法 , 设 α =0.2, 则可以重复那个实验 , 得到与书中基本相同的结果。在美国生态学会统计生态学分会的网址上也可以找到这个例子。网址是 : http://atlantic.evsc.virginia.edu/Mailarch/stat_ecol_mh/msg00067.html 3.1 与马尔科夫时间链的比较 进一步讨论卡尔曼滤波。现场实测数据 ( D ) 系列是我们已知的 , 而植被状态 ( E ) 是我们所要探求的。在实行植被监测过程中 , 植被当前 , 以至未来的状态和实际测量样本系列之间是什么关系呢?按经典的马尔科夫链 , “将来”只和“现在”有关 , 而和“过去”无关 , 所谓“无后效性” ( 《数学手册》编写组 , 1979) 。但是 , 如果植被未来状态真的只和现状有关 , 我们每年取样 , 充实数据库 , 有什么意义呢?换句话说 , 历史数据有什么意义 , 以及如何把所有的历史数据都用上呢?我们尝试回答这个重要问题。根据我们的定义 : E k = α * P k + (1- α )* D k , 和 P k+1 = T k * E k , 为了更清楚地表明变量之间的关系 , 略去 ( 默认 ) 常量 α=(1 – α)=0.5, 则有 : E k = D k + P k = D k + T k-1 * E k-1 = D k + T k-1 * ( D k – 1 + P k – 1 ) = D k + T k-1 * ( D k – 1 + T k-2 * E k – 2 ) = D k + T k – 1 * ( D k – 1 + T k – 2 * ( D k – 2 + T k – 3 * ( D k – 3 +… + T 0 * D 0 ))) (19) 从展开式 (19) 我们看到 , 在不断用 T k * E k 代换 P k+1 , 用 D k + P k 代换 E k 展开后 , 依据模型 , 植被现状是植被监测时间链的最后一环。植被现状与历史上的每一个状态都有关。和现状越远的状态 , 对现状的影响越小 , 呈指数衰减 (Fading memory) 1) 。较之“无后效性”的马尔科夫链 , 我们认为本文提出的这个时间链可能比较适合用来解释生物系统代代相传 , 且接受外界影响而逐步演变进化的史实。 回顾趋势定义公式 (12), 我们用的是两个连续植被状态向量的比 , 虽然它包括了过去和现在 ( k 和 k – 1), 系统和分量 (| Y | 和 Y i ) 的信息 , 但还是令人觉得困惑 : 仅凭两个点就确定趋势是否太草率。在引入卡尔曼滤波后我们看到 , 在计算趋势 , 预测植被未来状况时 , 我们用的是期望值 ( E ) 。据公式 (19), 期望 ( E ) 包含了“自始至今”的所有信息 , 所以趋势 ( T ) 是充分有效地利用了历史数据。这不但解答了那个所谓“两点决定趋势”的困惑 , 也符合我们建立定位站长期监测植被的初衷。而且 , 根据多年的测算经验 , 在加入简易的卡尔曼滤波后 , 系统预测的相对误差 , | R | /| E | , 就已经可以小于 10% 。这虽然可能达不到其它系统 , 如航天、金融的要求 , 但对于植被监测 , 这样的误差应该是可以被接受的。此法另一优点是在总预算不变的情况下 , 把 n k 个样本纵向分布在 k 年 , 使植被的动态更清晰。而且把预算分摊给若干年 , 可以显著地减少当年的负担。监测工程一旦启动 , 每年支付一个相对小的费用 , 即可维持其运转。 3.2 方法的唯一性讨论 1) 首先 , 因为一个数字不可能携带生态监测所需要的足够的信息 , 植被动态监测的数学工具不可能是标量的 , 使我们放弃了许多强有力的、基于标量的数学分析工具。生态监测数据分析的数学工具必须是多元的。而传统的多元分析工具是统计和矩阵。 2) 统计不是为分析样本之间关系设计的。植被监测是探索不同年代的样本之间的关系 , 属于 O 分析。与此相悖 , 统计分析是在样本空间寻找变量之间的关系 , 属于 R 分析。按我们的理解 , 统计分析的前提假定是“样本独立” , 并通过随机取样来保证之。换句话说 , 从统计分析的角度 , 样本是已知的 , 样本之间是独立的 , 因此样本之间没有关系 , 不用分析。 3) 矩阵与植被趋势分析。另一多元分析的重要工具是矩阵 , 但矩阵用于植被趋势分析至今是不成功的。其技术原因是 , 一般的“物种 样本矩阵”没有逆 , 不能做生物系统的趋势分析。所谓的“伪逆” , 也不一定存在。简单的理由是“自乘转置不增加矩阵的秩”。矩阵有逆的充要条件是“满秩” , 而不仅仅“凡是方阵就有逆”。满秩的另一说法是 , m 维方阵有 m 支线性无关的向量。这个要求很严格。而多个随机向量 , 尤其是高元随机向量 , 线性无关的可能性有 , 但无法保证。特别是植被监测的所有样本取自同一母体。我们一般假定 , 一块同质植被的实体只有一个 , 却可以有任意多个样本。对于同一片植被 , 甲可以取这样一组样本 , 乙可以取另外一组样本。每个样本的实现都是偶然的 , 样本之间的差别也是偶然的。偶然性使样本之间很难保证不相关。因此 , 无法用来作为植被趋势分析的基础。当然 , 植被的“物种 样本矩阵可能无逆” , 仅是矩阵用于植被趋势分析至今不成功的表层原因。其更深层的原因是 , “用‘物种 样本矩阵’表示植被是不成立的 , 是违背‘大数法则’的”。请回顾一下 , 我们为什么舍简求繁 , 要取多个样本来了解植被呢?原因是“大数法则”。然而 , “大数法则”不仅要求我们对随机变量要多多取样 , 取 n 个样 , 而且进一步要求我们在取样后要计算 n 个样本的平均值 , 并用平均值来取代 n 个样本 , 因为大数法则的核心是“平均值收敛于真值”。按大数法则 , 能代表植被的是 n 个样本的平均值 , 而不是 n 个分列的样本。我们在进行植被趋势分析前 , 需要把数据“中心化” , 把“物种 样本表”在 j 的方向上从 n 维简缩到 1 维 ; 用平均值 ( 一个数值 ) 代替 n 个数值来表示第 i 个物种 ; 用 m 个平均值 ( m 元向量 ) 来表示植被 ( 见 2.1) 就是为了满足大数法则。因此 , 如果有人告诉我们 , 说某人不是用多元向量 , 而是用物种 样本矩阵方法 , 如主分量分析 (PCA) 等 , 取得了植被趋势分析结果 , 我们不必太认真 , 把它当作一个矩阵游戏好了。即使从结果看可能有一定道理 , 也不能说明分析方法正确 , 因为它的前提就不成立。 4) 多元向量与植被的对应。通过以上的讨论 , 我们看到 , 向量空间 ( 多元向量和向量的运算 ) 为我们提供了推动植被科学从定性描述走向定量分析的有力工具。首先 , 它回答了“植被在数学上是什么”和“如何表示植被”的问题 : “植被是多维物种空间边界模糊的实体 , 可以用向量空间的多元向量来表示”。从而 , 揭示了数学概念与植被现象之 间一一对应的关系。比如 , 向量的“方向”对应植被“组成” , “长度”对应“总量” ; 向量的“夹角”对应植被的“相似” , 空间诸点的“中心”对应众样本的“平均值” ; 向量“加法”对应样本“合并” , “减法 ( 距离 ) ”对应植被的“差别” ; “除法”对应变化“趋势” , 乘幂”对应“预测”。而向量长度的结构 , 各分量的平方和的算术根 , 则揭示了大自然赋予植被使之得以生存进化 , 繁衍万年而不息的精巧构造。它也是植被给我们人类社会的重要启示 : 作为自然系统 , 和谐共荣的终极境界是“分量独立 , 资源共享”。这也正巧与中华古代文化所倡导的“和而不同”相吻合 , 与我们现在所倡导的“和谐社会”和“科学发展”相通。 当然 , 现在的植被监测模型仍然很粗糙 , 有待于更多的数量生态学工作者和专业数学工作者共同合作 , 来进一步探索、挖掘、完善。一般认为 , 植被演替可以被降解为若干线性系统来求解 ( 赵松岭等 , 1981) 。而且 , 向量空间一般也是被归入线性空间的。可是 , 在线性空间里 , 乘法运算是不封闭的 , 因此没有逆运算。为了监测、预测植被 , 我们在向量空间里定义了逆、除法、和幂。这样定义后 , 在描述植被监测的向量空间里 , 乘法运算是封闭的。而且 , 向量的商在植被分析中也有确定的意义 , 是植被的“变化趋势”。因此 , 按我们现在的理解 , 植被监测模型似乎已经超出线性空间 , 而应该属于群 (Group)( 《数学手册》编写组 , 1979) 了。有关群的性质 , 及其应用已经超出了本文的讨论范围 , 也超过了我们的专业能力。我们希望专业的数学工作者参加这项重要工作 , 来改进、完善、充实这个表示植被的代数系统 , 以实现王寿仁先生对我们的生态系统监测模型的期许 : “使模型更加精确 , 发挥真正价值”。 参考文献 Bai TJ ( 白 · 图格吉扎布 )(1982). Exploration of numerical classification of Form Leymus chinensis in Silingol River Basin. In: Bai TJ ed. Trend Analysis ( 趋势分析及其在生态股市中的应用 ) . Ethnic Publishing House, Beijing, 1 - 23. (in Chinese) Bai TJ ( 白 · 图格吉扎布 )(1984). Numerical prediction of rangeland succession trend. In: Bai TJ ed. Trend Analysis ( 趋势分析及其在生态股市中的应用 ) . Ethnic Publishing House, Beijing, 24 - 30. (in Chinese) Bai TJ ( 白 · 图格吉扎布 )(2006). Trend Analysis ( 趋势分析及其在生态股市中的应用 ). Ethnic Publishing House, Beijing, 1 - 23, 24 - 30, 104 - 116, 117 - 122, 198 - 216, 222 - 243. (in Chinese) Bai TJ, Cottrell T, Hao DY, Te TL, Brozka RJ (1997). Multi-dimensional sphere model and instantaneous vegetation trend analysis. Ecological Modelling , 97, 75 - 86. Bai TJ ( 白 · 图格吉扎布 ), Hao DY ( 郝敦元 ), Aqi A ( 阿其拉图 )(2001). Application of the Multi-dimensional sphere model in rangeland monitoring data analysis. Acta Phytoecologica Sinica ( 植物生态学报 ), 25, 687 - 692, 751 - 753. (in Chinese with English abstract) Cottrell T, Shaner D, Bai TJ (2006). Multidimensional sphere model and its application to vegetation classification. In: Bai TJ ed. Trend Analysis ( 趋势分析及其在生态股市中的应用 ) . Ethnic Publishing House, Beijing, 254 - 269. Department of Biology, Inner Mongolia University ( 内蒙古大学生物系 ) (1986). Experiments of Plant Ecology ( 植物生态学实验 ). Higher Education Press, Beijing, 188 - 193. (in Chinese) Gauch HG (Translated by Yang C ( 杨持 ), Yang ZZ ( 杨再中 ), Hao DY ( 郝敦元 ), Zeng SD ( 曾泗弟 )) (1989). Multivariate Analysis in Community Ecology ( 群落生态学中的多元分析 ). Science Press, Beijing, 5 - 6, 69, 110 - 118,123. (in Chinese) Greig-Smith P (1983). Quantitative Plant Ecology . University of California Press, Berkeley and Los Angeles, 231, 255. Jongman RHG, ter Braak CJF, van Tongeren OFR (1995). Data Analysis in Community and Landscape Ecology . Cambridge University Press, Cambridge, UK, 178, 185. Legendre P, Legendre L (1998). Numerical Ecology. Elsevier, Amsterdam, 139 - 141, 247 - 258, 279. Orloci L (1967). An agglomerative method for classification of plant communities. Journal of Ecology , 55, 193 - 205. Whittaker RH (Translated by Wang BS ( 王伯荪 )) (1986). Ordination of Plant Communities ( 植物群落排序 ). Science Press, Beijing, 1, 236. (in Chinese) Writers of Hand book of Mathematics ( 《数学手册》编写组 )(1979). Hand book of Mathematics ( 数学手册 ). Higher Education Press , Beijing, 428, 450, 871. (in Chinese) Zhao SL ( 赵松岭 ),Chen QC ( 陈庆诚 ), Li ZZ ( 李自珍 ), Wang G ( 王刚 ), Wang XA ( 王孝安 ) (1981). Linear and non-linear of plant community succession and numerical prediction. Acta Ecologica Sinica ( 生态学报 ), 1, 235 - 240. (in Chinese with English abstract) 责任编委 : 张金屯 责任编辑 : 姜联合 1) Jameson DA (1993). Environmental Monitoring and Adaptive Management . Colorado State University Fort Collins, USA, 45, 156, 317.
个人分类: 期刊文章|3449 次阅读|2 个评论
旱涝灾害与大地板结, 草原植被退化
TUGJAYZHAB 2011-6-9 01:39
原本要写一篇“大旱之年谈抗洪”的文章,因为不是水利专业,迟迟没有动笔。现在形势发生了变化。 前周还旱呢,现在好象又要涝了。让人无奈。这老天爷是怎么了?气象学家出来解释,说是:“拉尼娜”,或“恶尔尼诺”。反正意思是:人们不懂,无法控制的事儿。 可是, 旱涝急转,恐怕不是什么“拉尼娜”、“恶尔尼诺”能解释得了的。 用例子来说明。假设有一块有坡度的水泥地板, 往上泼水, 则泼的水很快就流走了。 但是, 如果在水泥地板上铺一块地毯, 然后泼水, 则不立即见水流走。 只有当泼的水足够多以后, 下部才慢慢渗出水来。 大地有地毯吗,大地的地毯是什么?大地也有地毯。大地的地毯是植被, 木本的是森林, 草本的是草原。 据林业部说, 近年来, 植树造林工作取得了很大的成绩。但,刚下雨, 洞庭湖水位就上涨了, 有点太快了, 基本没有缓冲, 说明植被相对稀薄, 大地板结得厉害, 草原植被退化得很厉害。 大寨的经验现在不见提了。 但其中有一条, 修海绵田来保水、保肥的提法值得重视,思考,提倡。 从宏观的角度, 从全国的角度, 从长远的角度, 从战略的高度, 我们要把中华大地修成“海绵地”。 把老天爷送来的水尽量留住, 保住, 用 抗洪不如纳洪 的思想来指导我们的水利工作。 找机会, 善用地理, 利用洪水,利用地理,溢洪、蓄洪,多造几个“鱼米之乡”。 从生态学的角度, 生物圈(或生物膜, 生态系统),是由水圈,岩石圈,气圈组成的。其中,岩石和大气基本是常数,变化的是水。水决定生物圈的规模,生物圈的生产力。一般以为,水量越大,在生物圈内停留时间越长,则越好。水是无可代替的资源。相对而言,“能源”虽然重要,但还是可以凑合,将就的。 但水不行。缺不得,没有水就没有一切,没有粮食,没有农业,没有生命。 所以,一旦逮着了水,最好不要轻易放它走。 而我们现在,全民奋战, 把洪水送回大海, 然后再抽取地下水“抗旱”,本末倒置。 从战略上说, 不经济, 需要调整。 非水利专业, 外行的话, 说错勿怪。
个人分类: 草原文明|1813 次阅读|0 个评论
澳洲的植物
热度 9 张三火 2011-5-11 14:11
澳洲的植物
在澳洲看到那里的植被被保护的非常好,大片的土地就那么荒芜着,杂乱地随意地长着树、草。虽然也有不少牛群、羊群的,一直在低头不停地吃那些草,可就是不见少。看来,就是地大草多啊! 见到有大片的葡萄园,却看不到任何庄稼。还是吃饭的人少啊,连粮食都不用愁,在超市看到有中国和泰国的大米,还有各种中国产的粗粮。面粉不知道是哪里产的,反正不缺。 山上的花草树木与北半球的的确不同,我也不知道都叫什么名。植物学家才能知道吧!有许多树是没有皮的。儿子说:“人要脸,树要皮。这些树没皮也能活!” 我仔细看了,有的树还自己脱皮呢。好像在我们这里,树被剥了皮,就会死掉吧。 每家庭院里面的花草果树也是种类繁多的,见到硕果累累的橘子树了,呵呵! 1、阿德莱德大学门前的树林 2、不知是什么松,很大 3、企鹅岛上的树 4、结着小果子的 5、很晶莹的 6、像是满天星 7、花朵很大、很鲜艳 8、白玫瑰超大 9、著名葡萄园前的三百龄大树 10、长着红缨的树 11、蕨类? 12、树皮脱掉了 13、橙色的花还不少呢,是我喜欢的颜色 14、不知这是什么东西 15、橘子挂满枝头 16、满目是秋
个人分类: 生活观察|9238 次阅读|21 个评论
晋豫冀交汇处太行山区生态考察
njulzy 2010-10-17 23:37
最近有幸经河南、河北入山西,考察煤化工产业带发展与环保情况。沿途在高速公路上一览太行山秋色,与我想象荒凉的北方迥异,这一带不仅煤炭储量极大,在自然生态方面也颇有特色,山势险峻、物产丰饶、植被竖向分布层次分明、色彩鲜艳,不由得赞叹祖国地大物博、处处好风景。 高速公路在山间起伏,两侧风景如画,颇有《非诚勿扰》中的感觉。只可惜我没带相机,手机效果太差,兼之时间紧迫不能停车,照片实不能反映实景之万一,只有请各位看官将就了。
个人分类: 中国生态环境|2933 次阅读|0 个评论
也说泥石流与植被
tarimriver 2010-8-20 21:20
发生在8月7日的舟曲泥石流带来巨大生命与财产损失,引起全国乃至世界的广泛关注。对于泥石流的成因,不少人指出除地质地貌原因外还有对森林植被的砍伐等人为因素的诱因,也有人认为与植被没有关系,甚至更有高论认为植被覆盖度高更增加了泥石流发生的机会。这确实有点惊世骇俗的味道,一般人都认为,植被的增加对保持水土具有积极作用,我们在新疆塔里木河下游地区常常可以发现,由于风力吹蚀,很多地方变成了凹坑,而有植被尤其是红柳的地方,则往往像坟丘甚至小山一样的沙包。虽然植被抗风沙与泥石流的机理不一样,但说植被增加泥石流发生的风险有些对植被冤枉。 之所以有人说泥石流灾害与植被有关,是因为舟曲地区山体上的植被多被砍光,现在是光秃秃的一片。而与舟曲相邻的迭部植被茂密,恰巧没有泥石流发生。 不可否认,泥石流发生的原因主要是地质因素引起的,地震也是其中之一。但同样发生地震,而且距离震中更近的汶川地区为什么就没有发生如此惨重的泥石流灾害?从图片上看汶川地区植被覆盖度要高出舟曲许多,按照一些专家的理论应该发生特大泥石流才对。 植被确实无法阻挡特大泥石流的产生,对抑制小的泥石流应该有积极作用,如果一个地区森林茂密,对涌动过来的泥石流的流动会起到阻碍作用,降低其运动速度,对处于其后的村落居民点有保护作用,这应该没有疑义吧? 所以,认为植被覆盖度降低与泥石流灾害无关的观点是不全面的。
个人分类: 时事杂谈|5394 次阅读|3 个评论
简说泥石流
热度 1 王铮 2010-8-19 12:06
2010/8/19 泥石流是种地貌现象,是地貌坡面运动的一种类型。百度百科说 : 泥石流是指在山区或者其他沟谷深壑,地形险峻的地区,因为暴雨暴雪或其他自然灾害引发的山体滑坡并携带有大量泥沙以及石块的特殊洪流。泥石流具有突然性以及流速快,流量大,物质容量大和破坏力强等特点。发生泥石流常常会冲毁公路铁路等交通设施甚至村镇等,造成巨大损失。这个定义不够准确,泥石流与滑坡是两种地貌现象。滑坡的滑体一般是块体,块体整体移动,泥石流的移动物是松散堆积物,它的运动形式是多相流,水流的参与是必要的。作为松散堆积物而且堆积在沟谷,在地面上容易被发现,除非植被太好被掩盖了;作为多相流,对它的理论表述比较困难,甚至有人认为泥石流中的泥流就是流变体。因此可以根据堆积物情况作出预警,划出风险区,但是预报泥石流发生时间却相当困难。 图 各种坡面运动(摘自王铮等《普通地理学》(2010)) 根据泥石流的物质组成,可以划分泥石流为泥流、水石流和泥石流。在南方湿润半湿润地区,发生的几乎都是泥石流,由于它的粘性大,有包含质量大的石块,运动规模大,危害也大。在北方半干旱地区,多数是水石流,泥流发生在一些特殊地貌区。不管在什么地区,构成泥石流主体的松散堆积物是必要的。这些堆积物,多数是岩石风化的产物,还有地震破坏的地区,那些具有片岩、板岩和构造破碎带地区在地震后容易堆积适合泥石流发生的松散堆积物,在一些新近系和第四系的半成岩地区也容易发生。但是人工开采的废弃石料场和废弃堆积物场所也容易发生。大规模降水是把松散堆积物变成泥石流的基本条件。在沟谷地区或者沟谷的山前地区,持续降水后,松散堆积物中粘土等形成泥浆,启动石块,泥石流就突发性地发生了。这里的持续降水是重要的,它最终构成了多相流形成的条件。 一般认为泥石流发生与植被破坏没有直接关系,甚至有的学者认为植被导致土被入渗加大,入渗深度增加,有助于大型泥石流发生。因此指责地方政府破坏了植被导致泥石流发生的舆论没有科学根据。在泥石流沟谷的前缘的洪积扇地区,一般有好的土壤水分条件和土壤,泥石流沟谷植被好,通常成为山区、半山区人口的聚集地,所以泥石流对人类危害很大。 我国中国科学院成都山地灾害与环境研究所是国际上泥石流研究的权威单位,唐邦兴、崔鹏、唐川和刘希林,以及清华大学的王光谦等是泥石流研究的优秀学者。
个人分类: 为科学而科学|5696 次阅读|5 个评论
超球面模型讲座(3-4)相似系数(2)
TUGJAYZHAB 2010-6-17 01:13
超球面模型讲座 (3-4) 相似系数( 2 ) 在上一节: http://www.sciencenet.cn/m/user_content.aspx?id=334918 ,我们曾经说:“在超球面模型中,‘相似系数’表示的是多元系统中元素之间的关系。” 一般来说,在多维空间用“坐标”表示点,用“距离”表示点之间的关系是很顺理成章的。很多计算机软件,比如 SPSS ,使用了大量的以 “欧氏距离” 及由其“衍生的距离”作为“相似系数”的分类方法。甚至还有以“距离”来进行“植物群落分类”的教科书。比如,高等教育出版社 1986 年作为高等学校试用教材出版的 《植物生态学实验》,其中,杨持老师写的实验二十八 《植物群落的数量分类》,就是用的距离,而完全没有提角度 (可能因为当时 LENGENDRE 对 OLORCI 的工作的评价还没有发表) 。由于是高等学校学校试用教材,所以影响很广。 SPSS 提供了许多“相似系数”的公式,大致可以分三类:根据 EUCLIDEAN 距离(包括其变种),余弦值,和 PEARSON 相关系数。关于欧氏距离和皮尔森相关系数,大家都已经比较熟悉了,而对余弦值可能不太了解,一般的软件、教科书介绍得也很少。 我们曾经以 SPSS 为出发点,参照国际植物数量生态学大师 ORLOCI , LEGENDRE 的工作,在 PLANTA 展开“相似系数”,多维空间中“距离和角度”的学术讨论。 http://www.planta.cn/forum/viewtopic.php?t=13385 但 PLANTA 的附件不对访问者开放。现在,将其内容稍做修改,连贯,转移到《科学网》与有兴趣的博友交流。 我们要讨论的重点是: 向量的方向携带着群落(植被)组成的信息,而不是距离 ;或者 方向、角度是“源自距离”,但“比距离更好”的度量群落(植被)相似的尺度, 也就是我们上节讲的: 用夹角余弦值做植被“相似系数” 。 抱歉,本想复印《 NUMERICAL ECOLOGY 》 276 页(列出26个“相似系数”),但遇到困难。做罢,以后再试。 相似系数的链接 超球面模型讲座 (3-4) 相似系数 http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=334918 超球面模型讲座 (3-4) 相似系数 (2) http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=336147 超球面模型讲座 (3-4) 相似系数 (3) http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=336156 超球面模型讲座 (3-4) 相似系数 (4) http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=336473 超球面模型讲座 (3-4) 相似系数 (5) http://blog.sciencenet.cn/home.php?mod=spaceuid=333331do=blogid=337635
个人分类: 第三讲|2705 次阅读|0 个评论
[转载]气候变化导致全球范围内的植被变迁
lianas 2010-6-14 08:18
Climate Change Linked to Major Vegetation Shifts Worldwide (转载) In a paper published June 7 in the journal Global Ecology and Biogeography, researchers present evidence that over the past century, vegetation has been gradually moving toward the poles and up mountain slopes, where temperatures are cooler, as well as toward the equator, where rainfall is greater. Moreover, an estimated one-tenth to one-half of the land mass on Earth will be highly vulnerable to climate-related vegetation shifts by the end of this century, depending upon how effectively humans are able to curb greenhouse gas emissions, according to the study. The results came from a meta-analysis of hundreds of field studies and a spatial analysis of observed 20th century climate and projected 21st century vegetation. The meta-analysis identified field studies that examined long-term vegetation shifts in which climate, rather than impacts from local human activity such as deforestation, was the dominant influence. The researchers found 15 cases of biome shifts since the 18th century that are attributable to changes in temperature and precipitation. "This is the first global view of observed biome shifts due to climate change," said the study's lead author Patrick Gonzalez, a visiting scholar at the Center for Forestry at UC Berkeley's College of Natural Resources. "It's not just a case of one or two plant species moving to another area. To change the biome of an ecosystem, a whole suite of plants must change." The researchers calculated that from 1901 to 2002, mean temperatures significantly increased on 76 percent of global land, with the greatest warming in boreal, or subarctic, regions. The most substantial biome shifts occurred where temperature or precipitation changed by one-half to two standard deviations from 20th century mean values. Some examples of biome shifts that occurred include woodlands giving way to grasslands in the African Sahel, and shrublands encroaching onto tundra in the Arctic. "The dieback of trees and shrubs in the Sahel leaves less wood for houses and cooking, while the contraction of Arctic tundra reduces habitat for caribou and other wildlife," said Gonzalez, who has served as a lead author on reports of the Intergovernmental Panel on Climate Change (IPCC). "Globally, vegetation shifts are disrupting ecosystems, reducing habitat for endangered species, and altering the forests that supply water and other services to many people." To identify the areas most vulnerable to future vegetation shifts, the researchers combined statistical analyses of observed climate data from the 20th century with models of vegetation change in the 21st century. Based upon nine different combinations of IPCC greenhouse gas emissions scenarios and climate models, the researchers divided the world's land into five classes -- from very high to very low -- of vulnerability to biome shifts. "Scientists had not quantified this risk before," said Gonzalez. "We developed a simple classification system that natural resource management agencies can use to identify regions in greatest need of attention and planning. We have worked with the U.S.D.A. Forest Service and the U.S. Fish and Wildlife Service to explore the application of our results to adaptation of natural resource management." Gonzalez said that because of limited resources, it may be prudent to focus on protecting areas of greater resilience to ecological changes so that they can serve as refuges for plants and animals. "It is also useful to identify places of higher vulnerability, because agencies will need to consider adaptation measures for vulnerable ecosystems," he said. "Some shifts in vegetation could increase fuel for wildfires, for example, so prescribed burning may be necessary to reduce the risk of catastrophic fires." "Approximately one billion people now live in areas that are highly to very highly vulnerable to future vegetation shifts," said Gonzalez. "Ecosystems provide important services to people, so we must reduce the emissions that cause climate change, then adapt to major changes that might occur."
个人分类: 生活点滴|2349 次阅读|0 个评论
超球面模型讲座(3-2)
TUGJAYZHAB 2010-5-18 11:48
超球面模型讲座 3-2 在超球面模型讲座( 3-1 )里,我们以 79*63 的股市数据为例介绍了多元数据的“简缩”问题,把 79- 股市的 63 个“日状态” 归纳为 3 个“月状态”,把 63 支“ 79- 向量”化简成 3 支“ 79- 向量”,使系统的动态,股市的动态和每支股票的动态看起来更清楚。因为我们在上面的例子中,是用 21 个 “日状态”的 代数平均值 来表示“月状态”,是用 21 个点的 几何形心( CENTROID ) 来表示 21 个点,这个过程被形象地称为 “数据中心化 CENTRALIZATION” 。 进一步解释有关数据中心化的几个概念。 只有在“构造相同的向量”之间才可以进行“中心化”。 构造相同的向量指的是,在同一“多维变量空间”的点,同一“多维变量空间”的向量。它们不但要维的数目相同,而且做维的变量相同,变量的排列次序相同。在我们的例子中, 79 支股票,按字母顺序排列,构成“ 79- 股票市场”的坐标轴,撑起“ 79- 股票空间”(这里的“-”读做“维”)。这个股市每一时刻的状态都可以用 79- 数组 ,79-空间的点, 79- 向量 表示(这里的“-”读做“元”),而这些 79- 向量都是同一空间的向量,是构造相同的向量。 在同一“多维变量空间”里考虑问题是我们的前提假定。 同一空间的向量之间的关系 同一空间的向量互相 “相似” 。 “相似”的两个极端是 “相同” 和 “垂直” 。 在同一空间的两个向量,当每个分量的值都完全相同,便是“相同的向量”。 如果两个向量没有共同分量,内积等于零,这两个向量是“互相垂直的向量”。 两个向量的相似程度,可以用 “相似系数” 来表示。关于“相似系数”的问题,我们后面将专门讨论。 在股市分析中,我们所监测的股票集合往往是现实股市的子集合。股市向量的分量很少等于零(即使在某一时刻没有交易,我们用最近的交易价格填补)。 在其它场合,分量的值可以等于零。 当两个向量的维度不同的时候,可以用补零的方法使向量构造相同。在植被调查中,我们就往往这样做。 我们先做植被的“本底调查”,列出当地的“植物名录”包括所有的植物种(即使 频度 很低的植物种),然后才开始取样。在样本里没有出现的植物,用零填补。这样,从一块样地采集的所有样本都是同一空间的向量。 因此,在植被向量中,往往出现多个零。但我们后面要讲,在“植被动态趋势分析”中,不可以出现零。这个矛盾是通过“大量随机取样”来解决的。当取样数目N足够大时,植物名录里频度低的植物便会出现。 在本讲座,我们将在“股市”和“植被”之间频繁地切换,博友们需要逐渐适应。
个人分类: 第三讲|2230 次阅读|0 个评论
沙尘暴起因之探讨兼谈草原退化问题
热度 1 TUGJAYZHAB 2010-3-21 05:21
按:本文的初稿是2005年9月11日在中央民族干部学院举行的《草原生态与游牧文明研讨会》发言的录音记录稿,被纳入本人的专著《趋势分析》。其中关于草原退化部分修改后曾尝试在国内发表,但没有找到合适的刊物。便公开发表在美国丹佛的《美中邮报》,并流传到网上。现将2008年投《牧区发展与草地资源可持续利用》的修改稿拿到《科学网》个人博客保存。供大家批评指正,文中观点:沙尘暴来自植被退化,草原植被退化源自不当政策的观点,还不很成熟。希望大家不吝赐教。 中国草原退化及沙尘暴起因之探讨 白图格吉扎布,梁应权 MDSM Research Fort Collins, CO 80524, 美国 www.sciencenet.cn/u/TUGJAYZHAB 摘要 :草原是人类文明的摇篮。中国草原是中华民族的生态屏障。草原退化问题关系到国家生态安全。草原植被退化导致了国土荒漠化和生态条件恶化。草原是自然资源,不是人们的劳动对象。农耕文化追求单位土地面积产量最大化,并在草原畜牧业中解释为牲畜存栏数最大,搞“头数挂帅”是导致草原退化的政策原因。在草原资源调查中,无视“拾壹律”,“竭草而牧”地计算载畜量是导致畜草失衡的技术原因。定居轮牧加剧了退化的速度。而定居游牧、草原文化特色旅游、风力发电将是发展方向。为了发展生产,保护资源,应当取“畜均产值”代替“存栏数”作为牧业生产指标。 首先,让我们来共同探讨 国家生态安全 这个概念。中国是有13亿人口的大国,环境保护,自然资源等生态问题是我们必须要面临的重大挑战。一位前中国领导人 曾经对生态的重要性说过一句话,大意是,当今的时代是民族觉醒的时代。外敌入侵,用武力征服中国,奴役中华民族,已经几乎不可能了。如果中国将来出问题,很大可能是内部问题,如路线问题,民族问题,或生态问题。其中尤其以生态环境问题最危险,最严重。如果我们不走与大自然和谐共处,可持续发展,自然资源永续利用的道路,而只考虑当前,搞掠夺式的经营,我们将遭到大自然的报复和惩罚。而如果真地招来了大自然的惩罚,我们人类将无法自救。与大自然相比,我们人类太渺小了,不属于同一个数量级。历史上许多文明,许多民族的衰落,很可能就是由于违背自然规律,耗尽了他们赖以生存的自然资源。无产阶级革命导师恩格斯对美索不达米亚(古伊拉克)过度地利用土地造成土地荒漠化有过很精辟的论述 。大意是说,人们对大自然的每一次胜利,都遭到了大自然的报复。搞掠夺式的经营,必然会遭到大自然的惩罚。美索不达米亚过度地盘剥土地,因此造成了土地的荒漠化。对圣经,或对西方文化有所了解的人多知道,伊拉克在古代是十分富饶的。即使现在,也不缺水,有两条河(美索不达米亚就是希腊文“两河平原”的意思),也有树。但与古代相比,伊拉克现在的自然条件恶劣得令人震惊。历史不可重演。使伊拉克恢复到历史上所记载的原状,几乎是不可能的了。而我们也不能让伊拉克的历史进程在中国重演,来检验草原退化和荒漠化之间的联系。生态学有一条规律,空间换时间。我们主张以美索不达米亚(古伊拉克)为戒,防患于未然,或防大患于已然。中国北方土地荒漠化的问题已经越来越明显,沙尘暴愈演愈烈。我们认为这场正在发展的生态灾患的成因是复杂的。其中,用农耕文化的思想指导草原畜牧业生产,致使草原植被退化是重要的原因。下面,分几个方面,分别说明。 草原是人类文明的摇篮。草原是中华民族的生态屏障。 这是根据生态位提出的一个抽象的命题,需要进一步阐述。如果相信进化论,认为人是由猿进化而来,从树上下来,来到地面,来到草原。那么,人的生活环境应当介于树与草之间。其实,即使不借用进化论,把森林、人、草原和荒漠的生态位按湿润度排列,我们也会发现,人的生态位介于森林和草原之间。由于现代物质文明,我们可以生活在森林,也可以生活在荒漠。但我们一般都接受,最适宜人类生活的环境还是介乎于森林和草原之间的环境。这样,人的生态位和荒漠之间本来有草原隔开。如果草原萎缩,功能退化,则人类将受到荒漠化的冲击。这完全是根据生态位的概念,对土地荒漠化,对沙尘暴的抽象解释。当然,其他人有别的解释,比如什么“厄而尼诺现象”,“世界气候变暖”,过度砍伐树木等。 这个观点,草原植被退化导致生态条件恶化,土地荒漠化是笔者60年代在牧区劳动时逐步认识,并在1984年主持《草原退化趋势预测及对策研究》课题时最后完成的。笔者在牧区劳动时就听老牧民反映说,现在羊的个头越来越小,马越来越不能跑路;畜群组成上,大畜(改良畜)比例越来越低;放牧场正在从居民点向远处退去,而且,牧草产量,质量也都在下降。在中国农业科学院草原研究所工作时,笔者曾主持国家《草原退化趋势分析及对策研究》课题(《中国两千年子课题》)。在课题进行中,课题组搜集了大量第一手的、让人们触目惊心的数据和资料,说明 引用: “我国牧区畜牧业的基本生产条件,或说生态环境条件正在发生严重的,缓慢而持续的变化;草场有明显的退化趋势,水源,居民点附近退化现象十分严重” 。 为了说明问题,更为了引起决策人的注意,课题组纳入了八级以上大风天数为指标,进行回归分析。课题组当时的假设是:作为植被,草原会影响风产生的原动力(太阳能对地表的加热),和风运动的阻力(改变大地和大气界面的摩擦系数)和对地面的保护。 而且,进一步的分析表明,草原植被退化和大风天数高度相关。气象数据回归分析的结果表明不但锡林郭勒草原上大风天数有增加的趋势,北京的大风天数也有增加的趋势,并定量列出回归公式。回归公式预测,15年后,到2000年,北京的大风日数将达到每年60天。 同时,也有其他人员指出了这个趋势。如人民日报有一篇文章,“风沙逼近北京城”。但是,当时的人们普遍不能接受。为此,还有人专门上课题论证,说明北京的尘降不是来自内蒙古,而是来自北京郊区的大兴。意图否定中国北方,北京地区存在土地荒漠化的趋势。但是,事情却不幸被我们的研究报告言中。报告上交15年后,2000年,中国北方发生了特大的沙尘暴,并袭击了北京。而15年前追寻沙源的错误作法也影响着今天人们的思维。说它错误,是因为寻找中国沙尘暴之源的提法比较粗浅。沙尘暴的物理,或地理源头,应该不难找。一定的风速能携带一定尺寸的沙粒,而且不同地区的沙土有不同的组成成份。所以沙尘暴的源头本来不值得大惊小怪地寻找。寻找源头的提法不但粗俗,浅薄,更不妥的是这种提法有制造地域分歧和民族偏见之嫌。有意无意地把沙尘暴问题划分为加害地区和受害地区。把沙尘暴的责任归咎于经济落后地区,少数民族地区,不仅无助于解决问题,而且是有害的,没有道理的。虽然现行的法规规定防沙治沙的责任在地方,但象沙尘暴这样大范围的生态环境问题只有从全局把握,从指导思想、方针政策、生产实践等多方面全面检讨、修正,正确规范人类的生产活动,才有可能解决。除了中国,近代历史上世界范围内还发生过几次规模较大的沙尘暴。比如,美国历史上发生过黑风暴,被认为是由于过度开垦种植小麦所致。前苏联也发生过沙尘暴,被认为是由于过度砍伐森林所致。美、苏两国从全局着手,宏观解决问题的历史经验也许值得我们借鉴。 现在,好多科学工作者已经达成了一个共识,沙尘暴的重要原因是草原植被退化,草原退化的重要原因是长期过牧超载造成的。那么,草原为什么会超载呢?有人说,是牧民有追求牲畜头数的本性。中科院的一位专家写道 : 引用: “在游牧民族传统的畜牧业观念中,头数占有非常重要的地位。这是由于在严酷的自然环境下,人们几乎没有能力同自然抗争,较多的牲畜数量是维持生存和生产所必需的”。 听起来,似乎有道理,小农经济思想是造成追求头数的政策原因。但是什么人持有这种小农经济思想呢?说游牧牧民有小农思想似乎有点牵强,而且,这套说法无法解释,为什么,违背自然规律的“追求头数”的游牧民族,在草原上生存了几千年,而没有早早被大自然所淘汰?我国北方草原形成于百万年前,利用历史也超过三、四千年,为什么直到近几十年才出现大面积退化?而且,如果不是政府要求“存栏数”,哪个牧民愿意,哪个牧民敢于保留过多的牲畜?我们以为,牲畜超载,草原退化是政策失误造成的;是忽视草原文化而用农耕文化思想,指导牧业生产的结果 。“上世纪50年代,我国草原所承受的压力已接近天然草原承载能力的极限。由于人们缺乏对草原的科学认识,不顾草原承载力,而一味增加牲畜数量,结果使草原生态系统入不敷出,破坏了自然平衡 ”。 当时的口号是:“千条万条,发展牲畜头数第一条”,还要“人畜两旺”。这不是某个个人的责任,也不是地方政府的责任,而是全局性的,属于政策、策略的不当,或说是文化层面的差别造成的。政府把 农业生产中追求单位土地面积产量最大化的政策搬到草原畜牧业生产,并解释为牲畜存栏数最大,成为指导牧业生产的基本政策。 当时,在政府的“头数挂帅”政策推动下,基层领导追求存栏数,争当牲畜头数超百万的大旗大县。为此大搞“抗灾保畜”,给畜群形成了一个向乏弱者看齐的生态压力:哪个牲畜乏弱,就给好吃好喝地保起来;哪个肥壮,就杀就卖。哪个畜种繁殖得快(如山羊绵羊),就大力繁殖。几代下来,牲畜整体质量就自然下降了。这实际上,完全不符合“适者生存,劣者淘汰,优者优饲”的牧业生产规律,也完全违背了游牧牧民传统的做法。在牲畜质量退化的同时,几十年的时间,把草原牲畜头数推到了草原载畜量的极限,甚至逼近或达到了草原生物量。而且,这种“头数挂帅”政策一旦形成,便有极大的惯性。以至于,当大家都已经认识到畜草失衡是制约草原畜牧业的主要障碍后,仍然有人坚持发展头数,甚至提出“种草养畜”这样本末倒置的策略。我们以为现在还在主张“种草养畜”的人,如果不是蹲在城里的书呆子,就是顽固的农耕主义者,用“发展畜牧业”的招牌,在贩卖“开垦草原”的勾当。因为稍加匡算,就可以算出“种草养畜”是赔钱的买卖。如果以内蒙古自治区,恩格贝的水、热、土壤条件,以鄂尔多斯羊绒集团的财力,尚不能维持“种草养畜”,要水热条件更差、运输通讯更不方便、人力财力更缺乏的广大牧区“种草养畜”则纯属误国之清谈。 与这些草原科技工作者的说法相反,我们认为,是游牧牧民和他们的草原文化保护了草原。游牧文化的核心是大自然崇拜,牧民视草原为母亲、老天,本能的保护草原,甚至采取非常艰苦的游牧的生活方式和生产方式来保护草原。由于游牧时,在一处停留时间很短,牲畜仅仅采食草尖,不但保证牲畜得到最好的营养,更重要的是使草原得到最适度的利用。用牧民的话说是,“俄布斯乃素日古格,乌苏乃通拉嘎”,意思是“采草之精,饮水之清”。牧民跟着牲畜在草原上漫游,让牲畜采食牧草最精华的一小部分,被中原人描述为“逐水草而居”,实际上,很不恰当。游牧牧民之所以搬家,不是因为草被吃完了,不得不“逐草”搬家到有草的地方,而是为了保护草原,使草原得到最适度的利用,而主动离开;同时也是为了让牲畜拣吃最好最嫩的草,用牧民的话说是“采草尖”。注意,是“采”,不是“吃”,更不是“啃”。同时再注意,野生动物是从来不因“水草丰美”而驻足不动的。两种文化的差别,在“盲流”的身上表现得非常充分。五、六十年代,草原上有从农区来的所谓“盲目流入人口”。他们非常不愿意搬家。到了倒场的时候,总是和生产队的领导争论,“草坡上还有草呢,牲畜还有吃的呢,为什麽要搬?” 因为他们习惯了农耕文化的“颗粒还家”,认为只有把草吃光了后搬家,才不浪费。有句老话,形容一个地方富饶:“棒打獐子,瓢舀鱼,胖胖的野兔钻锅底。”遇到这种地方,有识之士首先是要把它保护起来,以便我们自己和我们的子孙后代永续利用。但另外一些有殖民心态的人就不同。他们要来“开发”,直到把獐子都打完了,把鱼都舀光了,把兔子都炖着吃了,才歇心。然后再去寻找新的宝地继续开发。 游牧牧民的做法,让牲畜只采食草原产草量很小的一部分,约十分之一,便主动离开是“师法自然”的结果,是符合生态学原理的。我们现在讲科学发展观,探讨草原退化的原因,就要好好挖掘探索草原文化的内涵,及其科学性。比如,金字塔,食物链,这些生态学基本概念大家可能都已经比较熟悉了。世界图书出版公司翻译出版的“英汉双解生态与环境词典”,对PYRAMID的解释是:“每一个营养级的生物量大约是其下面营养级生物量的10%”。虽然按字面,PYRAMID也可以翻译作金字塔,但我们建议按意译作“十一律”比较妥当。因为在这里说的生态系统上下营养级生物量之间的数量关系其实是等比关系,10%,10%,再10%,往下逐级递减,而不是等差关系。 相反,金字塔表现的实际是等差关系:10块砖,9块,8块,…..,2块,1块,每级差1块,一直摞到顶上,就形成个金字塔。“生态系统”,“食物链”这些生态学概念传入中国时,笔者也参加了部分工作。大约是1979年,美国科罗拉多州立大学草原生态学实验室创建人,范.达因教授及其夫人访问中国,并到内蒙古大学开展学术交流。已故科学院院士李博先生主持接待工作。当时,笔者是李博先生的研究生。导师要笔者把范.达因的文章翻译成中文,以便大家了解他的学术思想。范.达因在他的著作中的提法类似剩余价值:自留90%用于维持自己的生存,把大约10%,提供给下一个营养级别。他文章中的示意图,看起来根本不是金字塔。比较形象的描述是,一个大办公桌上放着一本精装书,书上立着一小截粉笔头。办公桌、书、和粉笔头分别代表初级生物量(草原产草量)、次级生物量(草食动物)、和肉食动物的生物量。它们之间的比例是按照1000,100,10画的;而不是3,2,1。当然,有人会争辩说,把等比级数指数化后可以作为等差级数处理。1000,100,10,是10的3次,2次,1次方,也就是3,2,1,成等差级数了。当然,这样做,数学上看起来和谐了,但用来指导生产,会造成混乱。我们以为还是称“十一律”好。 离开“十一律”,就无法解释中国草原退化的问题,“沙尘暴”的问题,就找不到原因,就只有到老天那里找原因,到国外找原因,什么“厄尔尼诺现象” 呀,什么“气候变暖”呀,什么“外蒙古”呀,反正不是我们自己的错。我们是计算了产草量,计算了草原载畜量的呀;是按照畜草平衡的思想做的呀,怎么可能超载呢。问题的关键就在,我们没有遵照“十一律”,把草原生物量的90%留给草原供其休养生息。这个问题是个普遍存在的问题,并不是笔者在这里杜撰。笔者在做研究生时,曾随中国科学院自然资源综合考察委员会和中国科学院北京植物研究所的科学家们在国家锡林郭勒草原生态定位站实习。后来到中国农业科学院草原研究所工作。在多年的工作中,笔者和导师们、同学们、同事们一直都是用“收割法”来估算草原载畜量的:随机取若干1平方米的样方,贴地面把草剪净,称鲜重;烘干,再称干重。1平方米的干草产量克数就是1平方公里草原产草的吨数。然后,把草原产草量乘草原可利用面积除单位牲畜年食量便得出该片草原的年载畜量。这是经典的草原载畜量估算法,是能在教学参考书和实验手册上找到的唯一的草原载畜量估算法。然而,大家可能已经注意到,从草原产草量到草原载畜量的转换过程中没有任何扣除,是百分之百地转换。虽然现在也开始有专家建议,要做50%以上的折扣,但总地来说,我们的“畜草平衡”是建立在“颗粒还家”,“竭草而牧”的思想基础上的。这样,我们便实际上过高几倍地估计了我们的草原家底,因此繁殖了过多的牲畜。其直接结果便是造成畜草非常的不平衡,草绝对地不够吃。牲畜吃不饱,营养不够,便啃灌木,刨草根,不但造成了草原的退化,而且影响了牲畜的生长发育。 我们认为,草原长期的(几十年),大面积的,高强度超负荷过牧导致草原植被退化,才是沙尘暴的真实原因。 与这样长期,高强度的超负荷过牧相比,其它因素的影响(如,所谓“厄尔尼诺”现象的解释)就显得微不足道了。而且,“厄尔尼诺”现象,“世界气候变暖”等说辞无法解释,既然整个世界气候变暖,何以只有中国北方沙尘暴肆虐,世界其它各地却相对的平静;也无法解释,何以同样位于中国北方,而宁夏沙坡头的风沙多年来呈下降的趋势,而其它地区,如北京,呈上升趋势。“厄尔尼诺”现象,“世界气候变暖”是中国草原退化和沙尘暴的外部原因,通过畜草失衡的内因而起作用。我们希望“厄尔尼诺”现象,“世界气候变暖”的讨论有助于加深我们对草原退化和沙尘暴的理解,而不是掩盖矛盾。况且,现在普遍认为地球气候变暖主要也是人类活动的结果。 另一方面,我们认为草原退化的另一个重要原因是政府在牧区实行“定居轮牧”的政策造成的。游牧生活是很艰苦,很简陋的。世界上尚没有一个游牧民族实现了现代化的先例。因为财富的积累需要时间,需要稳定,所以,让游牧民定居是牧业现代化的先决条件。让牧民定居是好事。但如何在定居的条件下保持发扬草原文化的传统,保证(荒漠,半荒漠)草原的永续利用呢?这是个历史的难题,我们至今还没有确定的答案。我们看过中央电视台的节目,似乎牧业现代化就是房子,车子,票子。牧民定居了,住上房子了,骑上摩托车了,有钱了,似乎牧业现代化也就实现了。可是草原的状况如何呢。在定居点附近,甚至几里之内,地面光溜溜的,什麽也不长。在卫星照片上,一个定居点,一口深机井就是一个白点。而且定居点的历史越久,白点就越大,颜色就越白,显示草原退化和定居轮牧是高度相关的。进一步分析表明两者之间还有因果关系,简单说明如下。从定居点早上出牧晚上归来的牲畜都必定有一个最大的放牧半径。最大放牧半径以外的草场,家畜就利用不上了,是为“不可利用草场”。如果,以定居点为圆心,以放牧半径为半径做圆,则,圆周以外的草场是“不可利用草场”,放牧强度等于零。圆周上的草场,家畜刚刚够得着,放牧强度最轻。从圆周到圆心,放牧强度(家畜通行密度,放牧频度/强度)和距原点的距离的平方成反比,放牧强度=1/R*R。原点处,定居点上,距离等于零,放牧强度最大,理论上趋于无穷大,会被牲畜啃为裸地。牲畜啃噬和践踏的双重作用,会导致定居点周围植被退化,土壤变性,以致最终不可恢复。随着时间的推移,裸地会呈同心圆向外逐步扩张,草场会退离定居点越来越远(验证了上述老牧民的反映)。最后,不得不放弃旧定居点,盖新的定居点,开始新一轮的退化过程。所以“定居轮牧”必定导致草原退化。 世界上几大草原都退化了,多个当初的游牧民族后来都衰落了或者转业了,也许就是他们经不住定居的诱惑的结果。而欧亚草原之所以成为世界上保存得最好的草原(李博语),可能是和蒙古民族一直坚持游牧,有完整科学合理的草原文化有关。 这个课题值得我们继续深入发掘,探讨。比如,蒙古牧民宁愿在野外寻捡牛粪背回来,也不肯砍伐灌木作燃料。再比如,蒙古牧民特有的蒙古包,便是最坚固,最保暖,兼有抗风,防火功能,科学合理的可移动民居(另有专文论述)。蒙古牧民的牲畜是由五种牲畜:驼、马、牛、山羊、绵羊组成的。草原文化是华夏文化的重要组成部分,是中华民族的骄傲,是我们对世界文明的贡献。我们设想,发扬光大草原文化,开展草原文化特色旅游,推广风力发电,是草原牧区今后发展的一个方向。以房子,车子,票子为标志的牧业现代化,以牺牲生态环境,牺牲草原为代价,换取人民生活的提高,是不可取的。因为那很可能会给整个中华民族带来一场生态灾难。如何实现草原牧业现代化,提高牧民生活,发展牧业生产,同时保持草原的生态环境,生态功能,是我们这代人面临的一个重大课题。在西方发达国家目前实行的是“定居游牧”。这里的游,是漫游的游(ROAMING,如手机漫游)。牧民家属定居,畜群在放牧场上在一定范围内自由游走,随机、均匀地利用草场。“游”“轮”一字之差,造成完全不同的结果。“定居游牧”的关键是要有足够的牧场。要压缩牧区的牲畜和人口, 在厉行“十一律”的基础上,建立畜草平衡,少而精的发展牲畜 。另一方面,要使限量的牲畜产生足够的产值,牲畜的质量,畜产品的深加工产业链,农牧区之间的分工(牧区繁殖,农区育肥)等配套措施都要跟上。其中,最关键的政策措施是修订牧业生产指标,指引群众的生产。 中国农业科学院草原研究所《草原退化趋势预测及对策研究》课题组1984年曾经建议把草原畜牧业综合生产指标由"存栏数"修订为“畜均产值”,单位:元/畜。畜均产值与产值成正比,而与头数成反比。 如果中国政府真正能够实行以畜均产值为指标,将对压缩牲畜头数,发展牧业生产,繁荣牧区经济起积极深远的影响。 我们认为,那种以为牧业生产,游牧生活原始落后,坐视其消亡,或无视草原文化,用“先进的”农耕文化思想指导牧业生产是战略失误,其严重后果不可低估。草原文化,是中华文化的一个重要组成部分,是黄河,长江以外的又一个中华文化的源头。草,草原,除了我们上面提到的环境保护,生态屏障,自然灾害缓冲器的意义外,在人类历史发展过程中,起过特别的作用,留下了特别深的痕迹。例证就是,我们的主要家畜,驼,牛,马,羊等多是草食动物。我们的主要食物,主要农业作物,都是禾本科植物,是草原植物。 作为人类文明摇篮的草原,其实是很神奇的。 草原是自然形成的原生植被,是自然资源,既不同于作为放牧对象的草场,也不同于作为耕作对象的草地,当然更不是农耕文化所定义的待开垦的“荒地”。草原是可更新的自然资源。如果我们能够与草原和谐相处,适度利用,草原可以让我们的子孙后代永续利用,而且能保证我们天蓝,地绿,水清,保证我们的可持续发展。我们都知道森林有水土保持功能。同为植被,草原也有水土保持的功能,而且有和森林不同的、 更独到的防止“土壤风蚀”的特殊功能 。根据宁夏沙坡头,据说已经得到联合国教科文组织认可的,防沙治沙的经验,在沙地表面用人工布草格子是非常成功有效的方法;是至今为止唯一成功有效的方法。沙坡头的人们最先曾经尝试种树,但失败了。沙坡头的经验从一个侧面说明了草本植被防止沙尘暴的功能。草本植物耗水量小,而且它的根系发达,且主要分布在浅、表层土壤,能有效地网住土壤,防止风蚀。相比之下,树木的耗水量大,而生物量却主要分布在空中和地下。所以,对防止沙尘暴来说,植树的作用不如种草。尚且不说,草原地带降雨量不够,钙基层浅露,基本上种不活树。可是却听说有林业上的人乐观的报告说,种了多少多少树,因此沙尘暴已经被有效地遏制了。我们觉得这样的说法是不负责任的。或者他是个外行,在说外行的话。按我们上面的讨论,虽然,宏观上说, 植树可以改善生态环境,但具体到防治沙尘暴,防止土壤风蚀,草原植树却几乎无能为力,是白白的浪费草原上宝贵的水资源。 而且生态环境的变化,气候的变化是以年代,世纪,甚至地质年代为单位来表现的。一年两年不出现沙尘暴,并不能说明土地荒漠化趋势的转变(其实,要想知道气候变化的趋势,把气象资料作回归分析即可)。我们已经欠了太多的生态债,在短期内是根本无法偿清的。草原同时又是不可再生的自然资源。草原是主要由耐旱、耐寒、耐牧的地下芽植物,禾草,组成的植被。植物把生长芽保留在地下,是一种进化。使再生芽得到更好的保护(好比胎生比卵生进化,因为胎儿得到更好的保护)。由于地下芽的作用,草原本身有一定的恢复功能。局部的,轻度的,短期的破坏,如短期的干旱,小量的超载,轻微的火灾,过后可以恢复。但如果超过它的恢复能力,一旦毁灭,草原是不可再生的。据报道,许多大跃进时期的大片的撂荒地,现在仍然没有恢复植被,从而成为沙尘暴的沙源地。美索不达米亚是不可再生的植被资源被破坏后的典型例子。我们的观点是: 草原是自然资源,而不是我们的劳动对象。我们可以认识它,利用它,但不可以改造它,“建设”它,否则,将会遭到大自然的惩罚 。举例来说,海洋是自然资源,不是我们的劳动对象。我们可以近海养殖,可以远洋捕捞,可以修港口,建码头。但我们不能“建设海洋”。因为海洋是一种自然存在,是不以人的意志为转移的自然存在。与大自然相比,我们人类太渺小了。有人说,人定胜天,他们要搞“草原建设”,他们要“种草养畜”,他们要在干草原上植树造林。我们但愿自己错了,他们能“种草养畜”,他们能在干草原上植树造林。但我们建议先冷静冷静,反思一下《人口论》的教训。即使再伟大的人物,也不能违背自然规律。在自然规律面前,我们都是小学生。希望我们认真挖掘、探索草原和草原文化的涵义,按生态规律办事,维护好草原这个中华民族的生态屏障,否则中华民族已经面临的各种生态灾害,如:沙尘暴、污染、干旱、洪水将会越来越严重,社会生产成本会越来越高,人们生活质量会越来越低,中华民族的复兴将不可能实现。因此,绝对不可以掉以轻心。 赵紫阳。 恩格斯:自然辩证法。 白永飞:“发展骆驼,保护草原,加固中华民族的生态屏障”一文中的某些观点值得商椎,植物生态学报,2002, 26:(6)748-749。 李博:“生态学与草地管理”,中国草地,1994。 有兴趣的博友请继续阅读《草原文化的科学性》 http://www.sciencenet.cn/m/user_content.aspx?id=281219
个人分类: 草原文明|4609 次阅读|8 个评论
1+1=?
热度 3 TUGJAYZHAB 2009-11-15 07:00
(在多维空间)一加一等于... 我们在钱老走好(2) http://www.sciencenet.cn/m/user_content.aspx?id=266537 中曾说: “根据超球面模型,我们现在对钱老‘草业系统’的理解,草业系统有两个理论支柱: '十分之一定律’和 ‘一加一小于二’。 其中,‘十分之一定律’讲的是草畜关系:放牧的家畜只可以(允许)消费大约十分之一的草原产草量;而 ‘一加一小于二’讲的是:植被的产量不超过每个单个物种产量的标量和。” 论1+12的成立 我们先几何解释‘1+1=2': 两根单位长线段,在数轴上首尾相连,则‘和线段’的长度是2。 但, 如果,同样两根单位长线段,在平面(二维空间)上首尾 垂直 相连,则‘和线段’的长度是 ,小于2。 这样定义的“向量加法”有“商高定理”(“勾股定理”:3 2 +4 2 =5 2 )保证在二维空间成立;又有费尔马定理(X n +Y n =Z n ,在n大于2无整数解)保证在多维空间唯一(待讨论,待批评)。 空间的 向量 可以按矩形合成,也可以分解。也就是说,任何向量可以被分解为‘弦向’和‘径向’两向量的和,所以向量垂直相加有普遍意义,也即:1+1= 2。 以上(在二维空间垂直相交) 是特例。在多维空间( m -空间),在一般的情况下,向量加法按平行四边形法则,‘和向量’是以两‘加向量’为边的‘平行四边形’的对角线,因此大于、等于0,而小于、等于2(0=1+1=2)。夹角等于零、夹角等于180为两个极端值。 由此看来,‘ 向量加法’包括了‘标量加法’,是‘标量加法’的扩展;‘标量加法’是‘向量加法’的特例。更概括地说:‘ 向量’包括了‘标量’,是‘标量’的扩展;‘标量’是‘向量’的特例。 也就是说, ‘向量加法’是普遍规律 。人们用“标量”在实数集合(R)里考虑一元问题,而用“多元向量”在“多维空间”(R m )考虑系统问题。 论1+12 的植被学意义 设玉米单产为A,大豆单产为B,且玉米和大豆互补,大豆为土地增加氮素,玉米为大豆遮风,防倒伏,减蒸发。玉米套种大豆能提高产量,套种的产量大于A,也大于B。但产量的增加有限度,(玉米+大豆)(A+B),因为共享资源。 反过来,如果套种没有限度,(玉米+大豆)大于(A+B),则我们可以继续加C,加D,使生产无限发展。但这是不可能的,因为有限资源(资源竞争、资源分享)。 所以说,在植被学中,1+12。这告诉我们,与物理/工程系统相比,农业生产发展的局限性;生物系统、自然系统和物理/工程系统的差别。极而言之,工业文明,在物理/工程系统中,1+1必定要大于2:几个电容,电感,电阻等组合起来可以极大地提高功能、效益、价值,而且这种提高是无上限、无止境的,但,却是不稳定的。与工业系统相反,草原文明,自然,生态系统中,1+12。生产力虽然底,但确实是稳定的。认识两类系统,工业系统和自然系统的区别对我们有重要意义。 ‘一加一大于二’与‘一加一小于二’ 物理/工程系统的输出大于输入,一加一大于二(也许是由于有人的智慧加入)。 植被系统(农业系统,生物系统,自然系统),用传统的观点,原本也是输出大于输入,一加一大于二。比如,古人有:“春播一颗黍,秋收万粒籽”的说法。但是,从现代科学的角度,把能量、水份、养料考虑进去,则植被系统(农业系统)的输出小于输入,一加一小于二。系统有衰减,有耗散。而衰减耗散是必须的,这‘衰减耗散’的部分(不能输出的部分),用来维持养护系统的持续发展。所以,用改变系统中元素之间的搭配来提高产量是很有限的,但可能提高系统的稳定性。比如,在投资股市时,即使绩优股,也不能把宝全押上,而要分散;这样增益可能不是最高,但分散了风险。 以上所讨论的被认为耗散的大部分,比较被认可的解释之一是‘十分之一定律’:物质能量在生态系统不同营养级别间的转化、传递中有所谓的‘十分之一’定律。即,把大约十分之九的物质、能量留给本营养级用来修养生息,而只把大约十分之一的物质、能量传递给下一个营养级。我们将在后面另外讨论。 更多的关于向量加法的讨论,请参考超球面模型第二讲, http://www.sciencetimes.com.cn/m/user_content.aspx?id=276221
个人分类: 草原文明|4013 次阅读|10 个评论
再上东灵山
秋天的布鲁斯 2009-9-1 17:54
东灵山是北京境内最高峰,主峰海拔2303米。五年前的六月底(04.6.26)曾和绿野从下马威上去过。山上人很少,没感觉到商业气息。下山途中,朋友帮忙照的像片,截下风景部分。 上周末,又上灵山。缆车上去后只给了1个小时时间在山上游览。我们还是上了顶峰,很高兴五年后再次登顶。为了赶时间,下山时就只好跑山了。 可惜的是,太多的马,太多的商贩,太多的烧烤,太多的游人拿着刚采的山花。。。不再是记忆中的清纯、宁静,植被也不如从前。是马踩的?人踏的?还是季节的原因?
个人分类: 旅行见闻|4728 次阅读|4 个评论
九顶山何时能恢复她的美丽
九顶山 2008-9-5 02:50
都汶公路终于通车了!在汶川5.12特大地震发生时,我不知道这个地震的破坏有多大,当时也想象地震造成的泥石流和山体滑坡有多严重,虽然从电视中看见了一些画面,以为只是房屋受损严重、人员伤亡严重,泥石流和滑坡也不过是只在路边森林植被被破坏了的区域才发生,还以为在房屋重建以后,九顶山很快就能够恢复她往日的美丽! 直到地震两周后的5月28日,我到了彭州的小鱼洞,才初步看见了地震引起的塌方对植被造成的严重破坏,但是救援工作正在进行,不允许进入受灾的核心区。由于我们在九顶山植物区系调查中,与彭州市白水河国家级自然保护区有广泛的合作,在地震后随时与他们保持联系,了解当地的余震状况。不断的余震伴随着绵绵不断的雨季,
31 次阅读|0 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-19 22:31

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部