以多年生草本黑麦草为对象,模拟喀斯特生境土壤特征设置浅而宽(Shallow and wide,SW:30×30×5 cm^3)和深而窄(Deep and narrow,DN:10×10×45 cm^3)两种土壤容器,以正常降水量为对照供水(W100%),设减水50%(W50%)和减水...以多年生草本黑麦草为对象,模拟喀斯特生境土壤特征设置浅而宽(Shallow and wide,SW:30×30×5 cm^3)和深而窄(Deep and narrow,DN:10×10×45 cm^3)两种土壤容器,以正常降水量为对照供水(W100%),设减水50%(W50%)和减水70%(W30%)共3种水分处理进行盆栽实验,探究了两种不同土壤生境中土壤水分变化对黑麦草生长及光合生理的影响,以进一步理解喀斯特地区植物的适应对策。结果显示:(1)SW生境对水分变化敏感,随供水减少土壤含水量显著下降。轻度减水下植物叶面积增大,光合速率提高,地上部分生长得到促进,但水分严重减少对其生长和光合生理有抑制作用,但地上质量分数和水分利用效率却显著升高;(2)DN生境保水能力较好,随供水减少土壤水分含量下降较为平缓。叶片相对含水量、气孔导度和比叶面积在各水分处理之间差异不显著,但严重减水条件下总生物量、地上质量分数和水分利用效率均有回升。研究表明:浅而宽生境中植物倾向于通过提高地上部分的生长,保持较高的光合速率,并向地上部分分配较多生物量来应对水分胁迫;而深而窄生境中植物会充分利用土壤空间条件,促进根系的生长来提高对水分的吸收,从而维持植物的生长。展开更多
近年来,利用高阶交互信息进行多层网络社区检测已成为复杂网络分析领域的研究热点。尽管多层网络社区检测的研究已取得了一些进展,但大多数方法忽略了网络各层之间的联系。为了解决这一问题,提出了一种模体(motif)感知的自适应跨层游走...近年来,利用高阶交互信息进行多层网络社区检测已成为复杂网络分析领域的研究热点。尽管多层网络社区检测的研究已取得了一些进展,但大多数方法忽略了网络各层之间的联系。为了解决这一问题,提出了一种模体(motif)感知的自适应跨层游走社区检测算法(Motif-aware Adaptive Cross-Layer random walk Community Detection,MACLCD)。该算法充分考虑了多层网络各层内的高阶交互特性以及层间的相关性,有效整合了多层网络的结构信息,提高了社区检测结果的准确性。具体地,首先从网络和节点的角度进行综合度量,揭示网络层间相关性;其次,考虑了各层网络可能具有不同的局部和全局结构特征,利用motif识别各层网络特有的高阶交互结构,构建多层加权混合阶网络;进一步,设计了多层网络跨层游走模型,并引入跳转因子,以确保随机游走能够自适应地遍历多层网络,从而捕获更丰富的网络结构信息。在4个真实的网络数据集上进行实验比较分析,结果表明MACLCD算法在社区检测方面性能较优,相比目前表现最佳的对比算法在ACC和NMI上分别提高了10%和8.9%。展开更多
文摘以多年生草本黑麦草为对象,模拟喀斯特生境土壤特征设置浅而宽(Shallow and wide,SW:30×30×5 cm^3)和深而窄(Deep and narrow,DN:10×10×45 cm^3)两种土壤容器,以正常降水量为对照供水(W100%),设减水50%(W50%)和减水70%(W30%)共3种水分处理进行盆栽实验,探究了两种不同土壤生境中土壤水分变化对黑麦草生长及光合生理的影响,以进一步理解喀斯特地区植物的适应对策。结果显示:(1)SW生境对水分变化敏感,随供水减少土壤含水量显著下降。轻度减水下植物叶面积增大,光合速率提高,地上部分生长得到促进,但水分严重减少对其生长和光合生理有抑制作用,但地上质量分数和水分利用效率却显著升高;(2)DN生境保水能力较好,随供水减少土壤水分含量下降较为平缓。叶片相对含水量、气孔导度和比叶面积在各水分处理之间差异不显著,但严重减水条件下总生物量、地上质量分数和水分利用效率均有回升。研究表明:浅而宽生境中植物倾向于通过提高地上部分的生长,保持较高的光合速率,并向地上部分分配较多生物量来应对水分胁迫;而深而窄生境中植物会充分利用土壤空间条件,促进根系的生长来提高对水分的吸收,从而维持植物的生长。
文摘近年来,利用高阶交互信息进行多层网络社区检测已成为复杂网络分析领域的研究热点。尽管多层网络社区检测的研究已取得了一些进展,但大多数方法忽略了网络各层之间的联系。为了解决这一问题,提出了一种模体(motif)感知的自适应跨层游走社区检测算法(Motif-aware Adaptive Cross-Layer random walk Community Detection,MACLCD)。该算法充分考虑了多层网络各层内的高阶交互特性以及层间的相关性,有效整合了多层网络的结构信息,提高了社区检测结果的准确性。具体地,首先从网络和节点的角度进行综合度量,揭示网络层间相关性;其次,考虑了各层网络可能具有不同的局部和全局结构特征,利用motif识别各层网络特有的高阶交互结构,构建多层加权混合阶网络;进一步,设计了多层网络跨层游走模型,并引入跳转因子,以确保随机游走能够自适应地遍历多层网络,从而捕获更丰富的网络结构信息。在4个真实的网络数据集上进行实验比较分析,结果表明MACLCD算法在社区检测方面性能较优,相比目前表现最佳的对比算法在ACC和NMI上分别提高了10%和8.9%。
