老岭自然保护区天女木兰林的群落结构

对老岭自然保护区天女木兰林群落结构进行了研究,论述了其分布、生境、种类组成、外貌特点、结构特征,提出了群落的保护措施。     

广东英德滑水山植被类型研究

用样方法对广东英德石门台国家级自然保护区滑水山片的植被类型进行初步调查，结果表明该地区具7种植被型和11种植被亚型，地带性植被是以壳斗科、山茶科、樟科、金缕梅科等组成的中亚热带典型常绿阔叶林。山体植被垂直分布明显，群落结构较简单。滑水山具有植物群落演替过程中的中间阶段和顶极群落，体现出南亚热带向中亚热带过渡的特点。     

住宅外部空间与社区文化网络——以广州市居住区为例

住宅外部空间是社区文化网络的支撑体。本文结合广州居住区，探讨了住宅外部空间建设应与社区文化相结合的一些实质性问题。     

草原植物群落物种多样性与结构稳定性之间的相关性分析

以位于内蒙古高原中东部的锡林郭勒草原的代表性植物群落做为研究对象，在不同的空间尺度上，以生物量涨落、频度涨落及微涨落种群比例做为群落结构稳定性的度量指标，与表示草原植物群落物种多样性的丰富度指数、Ｓｈａｎｎｏｎ－ｗｉｅｎｅｒ指数、均匀度指数进行了直线回归分析，主要结果如下：１）以频度涨落反映的群落结构稳定性与丰富度指数，Ｓｈａｎｎｏｎ－ｗｉｅｎｅｒ指数不相关；２）生物量涨落在区域尺度上（荒漠草原－典型草原－草甸草原）与丰富度指数、均匀度指数以及Ｓｈａｎ－ｎｏｎ－Ｗｉｅｎｅｒ指数呈正相关，即群落多样性越高，其结构稳定性越高；３）尺度对多样性与稳定性关系起着十分重要的作用．在群落尺度上（群系内三个群落类型之间相比较），微涨落种群比例、生物量涨落与几个多样性指数都不相关，说明物种多样性对于全局稳定性起着更明显的影响．     

神农架3种天然次生林的种群结构和演替趋势

应用重要值法、树木分层频度法和立木级结构法对神农架３种主要天然次生林群落的种群结构和演替趋势进行了初步研究。结果表明：巴山冷杉林和华山松林是神农架天然更新起来的较稳定的群落类型。     

农村移民安置区产业劳动力容量及安置容量研究

通过对移民安置区产业劳动力容量及安置容量研究，提出了移民安置区产业劳动力容量及安置容量的定义，计算方法及步骤，并对典型区进行实例分析，该研究成果对编制我国水利水电工程的移民安置规划，合理确定移民安置区各产业的安置容量，有一定的理论和实践意义。     

广东南岭国家级自然保护区鸟类群落的研究

对广东省南岭国家级自然保护区鸟类群落、特点进行了研究．南岭国家级自然保护区有鸟类２１７种，隶属１７目、４１科．根据南岭山地植被的垂直分布，鸟类的垂直地理分布可分为５个带：①农耕区植被带（海拔２００ｍ以下）；②低山常绿阔叶林带（海拔２００～８００ｍ）；③中山山地常绿阔叶落叶混交林带（海拔８００～１４００ｍ）；④高山亚热带山地常绿针阔混交林带（海拔１４００～１７００ｍ）；⑤山顶亚热带常绿阔叶苔藓矮林带（海拔１７００ｍ以上）．     

洪家河流域天然植物群落生态学特性研究

对洪家河流域天然植物群落主林层优势种重要值、生活型谱以及乔木层和灌木层物种多样性指数、群落均匀度进行了初步分析.研究结果显示,天然植物群落可划分为5个植被类型和17个典型群系,其群落结构复杂,生活型谱以乔、灌木为主体,为典型地带性顶极群落.多样性和均匀度随海拔高度、乔灌木层以及植被类型呈现规律性变化,其多样性变动主要是由人为干扰造成的.     

徐州市人工侧柏林的群落结构及物种多样性分析

以徐州周围山地人工侧柏林为研究对象,在全面勘察的基础上,建立了10块具有代表性的调查样地.通过对群落的生境条件、种类组成和结构等的调查,详细分析了徐州市现有侧柏林的群落结构和物种多样性.分析结果显示,徐州周围山地现有人工侧柏林群落结构简单,物种丰富度和多样性较低,生长更新缓慢.建议引种朴树、臭椿、黄连木、三角槭、梧桐、女贞等树种,以改造林相,促进地带性植被的恢复.     

Identify Implicit Communities by Grap Clustering

How to find these communities is an important research work. Recently, community discovery are mainly categorized to HITS algorithm, bipartite cores algorithm and maximum flow/minimum cut framework. In this paper, we proposed a new method to extract communities. The MCL algorithm, which is short for the Markov Cluster Algorithm, a fast and scalable unsupervised cluster algorithm is used to extract communities. By putting mirror deleting procedure behind graph clustering, we decrease comparing cost considerably. After MCL and mirror deletion, we use community member select algorithm to produce the sets of community candidates. The experiment and results show the new method works effectively and properly.