分类： 生物学 >> 植物学 >> 应用植物学 提交时间： 2022-04-29 合作期刊: 《广西植物》
摘要： 漓江流域海拔、土壤类型和植被类型多样。为研究其土壤养分和土壤酶活性特征，该研究以漓江流 域石灰性土壤及酸性土壤的典型植被类型（自然林、毛竹林、马尾松林、果园、水稻田）的表层土壤(0~20 cm) 为研究对象，测定土壤养分含量及碳氮转化相关胞外酶（淀粉酶、蔗糖酶、脲酶、蛋白酶、过氧化氢酶） 活性及化学计量比特征。结果表明：(1)高海拔土壤的全氮(TN)、全磷(TP)、有效磷(AP)含量和淀粉酶、蔗 糖酶、脲酶、蛋白酶活性相对较高，而过氧化氢酶活性则正好呈现相反的趋势。(2)相对于酸性土壤，石灰 性土壤有较高的 TP 和 AP 含量。酸性土壤中，植被类型对氮磷养分影响较大，人工植被总体上使得土壤氮 素降低而磷素增加；而石灰性土壤养分在不同植被类型间差异相对较小。(3)相比自然林，人工植被的土壤 氮转化酶活性极大降低，而土壤碳转化酶受人为影响程度相对较少，土壤氮磷酶活性化学计量揭示，自然 林呈现氮限制而人工林呈现碳限制。(4)典范对应分析(CCA)显示土壤理化性质在第Ⅰ轴和第Ⅱ轴解释了 86.56%的土壤酶活性变异，土壤理化性质解释贡献率排序：TN>pH>铵态氮(NH4+)>AP>TP>硝态氮(NO3-)， 其中前三个因子是造成土壤酶活性差异的主要因子。综上结果表明，漓江流域的酸性土壤对人为干扰的生 态敏感性较高，植被变化易导致养分失衡，应注重土壤养分管理，防止土壤有机质的损失，提高漓江流域 景观资源可持续利用，该研究可为当地生态系统的科学保育和开发提供理论依据。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-03 合作期刊: 《计算机应用研究》
摘要： 针对海量多源异构且数据分布不平衡的网络入侵检测问题以及传统深度学习算法无法根据实时入侵情况在线更新其输出权重的问题，提出了一种基于深度序列加权核极限学习的入侵检测算法(DBN-WOS-KELM算法)。该算法先使用深度信念网络DBN对历史数据进行学习，完成对原始数据的特征提取和数据降维，再利用加权序列核极限学习机进行监督学习完成入侵识别，结合了深度信念网络提取抽象特征的能力以及核极限学习机的快速学习能力。最后在KDD99部分数据集上进行了仿真实验，实验结果表明DBN-WOS-KELM算法提高了对小样本攻击的识别率，并且能够根据实际情况在线更新输出权重，训练效率更高。
点击量
点击量
下载量
评论
