基于环境DNA宏条形码技术的北京地区鱼类多样性调查和外来鱼种入侵风险评估

来源 :生物安全学报 | 被引量 : 0次 | 上传用户:zfflygun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
【目的】调查北京地区鱼类多样性和群落分布及评估外来鱼种的入侵风险。【方法】选取北京地区水库、湖泊和河流3种水体类型共33个采样点,于2020年6月10—17日开展水生态监测,利用环境DNA宏条形码技术对各样点的鱼类多样性和群落结构进行监测和分析,对目前北京地区水生态系统中本地鱼种和外来鱼种进行分类汇总,并评估典型外来入侵鱼种的入侵风险。【结果】本次调查共检测到52种淡水鱼类,隶属于7目22科43属。首先,物种多样性和群落结构(主坐标PCOA分析和相似性ANOSIM分析)结果表明,水库、湖泊和河流3种水体类
其他文献
【目的】菜豆象是重要的检疫性害虫,预测其在全球范围内的潜在适生区可为农业部门开展菜豆象防控工作和检验检疫部门制定检疫策略提供科学依据。【方法】在收集菜豆象已有分布点和全球气象数据的基础上,采用MaxEnt模型对其在全球范围内的潜在适生区进行预测分析。【结果】MaxEnt模型的AUC平均值为0.926,预测结果准确可靠。菜豆象适生区主要分布在欧洲中西部的德国、法国、英国、荷兰、比利时、意大利、波兰、乌克兰、白俄罗斯和罗马尼亚等国家,非洲大陆和马达加斯加岛的中东部地区,北美洲的墨西哥高原和美国中东部地区,南美
油库的出库量往往关系着企业的经济效益,而目前主要是基于经验公式法对油库出库量进行年预测.通过数据分析和研究,提出了耦合经验模式分解(EMD)和长短期记忆神经网络(LSTM)的EMD-LSTM日出库量预测模型;针对油库企业连续多天的油库出库量预测需求,提出了基于prophet的旬、月出库量预测模型.结果表明:基于EMD-LSTM的日预测最小误差可以达到8.2%,但整体误差较大;基于prophet的旬、月预测,其误差大都处于10%以下,其中旬预测的误差一般处于1%至7%之间,预测误差整体较小,可信度较高.基于
基于2001~2018年的GPM卫星降雨数据,采用一致性检验、累积距平、滑动平均等方法对上海市多年暴雨时空变化进行分析,同时引入随机暴雨移置法(Stochastic Storm Transposition,SST)进行暴雨频率分析。研究发现上海市降雨年际、月际分布不均,近20年降雨量、降雨强度有所增加,空间分布上降雨自东南向西北递减,暴雨仍以局部暴雨为主,且降雨城郊分布明显。SST法得到的暴雨频率分析显示,在较大重现期下设计暴雨的空间不均匀性更为显著,包含降雨时空分布信息的设计暴雨方案可为上海地区防洪规划
期刊
教学设计关键是要设计有效的学习活动.教师需要依据课程标准的要求,结合教学内容及学生特点设定合适的教学目标发展学生生物学学科核心素养.教学过程中的学习活动需要与教学