不同生境下的粗梗水蕨所在群落生物多样性的比较

采用α-多样性指数研究了湖北省4个不同生境(不同湖泊、湿地和水沟)的4个粗梗水蕨群落(梁子湖的湖泊群落LZH1,梁子湖的湿地群落LZH2,赤龙湖的水沟群落CLH1,赤龙湖的湖泊群落CLH2)的基本特征和物种多样性.结果显示:4个粗梗水蕨群落的群落类型、物种组成呈现差异性,LZH1的物种丰富度最高(13种),CLH1的物种丰富度最低(6种).Duncan的多重比较分析表明:CLH2的物种多样性与CLH1和LZH2的物种多样性有显著差异(P0.05),而与LZH1的物种多样性无差异性.与粗梗水蕨相伴生的入侵植物,在群落CLH1中为喜旱莲子草和水盾草,而在群落LZH2和CLH2中为喜旱莲子草;粗梗水蕨在4个不同生境的群落中的重要值和相对重要值均较低.4个群落之间的物种相似性也呈现差异,最高的是CLH1与CLH2之间(I=53.3),最低的为LZH2与CLH1之间(I=11.8).生境差异和人为干扰影响粗梗水蕨群落植物成分和结构,因此,建立保护点、降低过度养殖和理顺管理体制是保护粗梗水蕨和物种多样性的有效对策.     

基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

近年来，机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明，设计良好的输入特征能够适应多种算法，从而减少调参时间和计算成本，并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入，使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明，良好的特征向量组合对损伤更加敏感，不仅有助于识别在传感器周围发生的损伤，而且能有效地定位结构边缘和远离传感器位置处的损伤，从而提高算法的损伤识别效果。此外，多种噪声强度下的实验表明，组合特征具有良好的鲁棒性，能较好地适应外界环境的变化。