崇明东滩植物根际生物活性及与理化因素的相关性研究

采用常规的方法对崇明东滩入侵植物互花米草及本地物种芦苇、海三棱藨草根际土壤微生物数量、土壤酶活性以及理化性质进行测定.结果显示:三大类群微生物中以细菌数量最多,不同植物中以海三棱藨草根际微生物量最多;过氧化氢酶活性为与海三棱藨草混生的互花米草根际最高,其他3种酶活性变化趋势相似,均以与芦苇混生的互花米草根际最高;进一步的分析表明:微生物的数量与土壤中有机质、速效磷和速效钾含量存在一定程度的正相关.说明崇明东滩植物根际土壤生物活性与理化因素有着密切的关系,为利用微生物学方法防治植物入侵提供依据.     

现代6大物种进化现象

物种进化不仅仅发生在远古的历史长河中,其实地球上的所有生命,包括人类,每天都处于适应新环境的进化过程中,有些进化现象的案例可谓令人震惊。     

物种间不确定性相互关系分析: 一种基于非参数估计的变系数模型

物种间相互作用的研究通常假定物种间相互作用具有某种固定的模式, 因此线性或者非线性参数回归模型(如指数分布或者logistic 模型)被广泛用来描述物种间的相互作用.然而, 这些模型假定了相互作用关系物种之间具有特定响应函数, 而这个假设可能并不适用于真正的生物群落, 如物种间相互作用关系随不同环境变化的混沌系统. 为了用一个更精确的方法来描述这种关系, 我们以榕树-榕小蜂为模式系统, 建立了一个变系数分析模型进行物种间相互关系的分析. 在这个模型中, 用非参数估计方法分析物种间相关系数如何随其他变量(函数)的变化而变化. 当其他因素对相关系数的影响效应可以用一个指定的参数模型来描述时, 新方法就会转化为传统的参数相关分析. 对于经验数据的分析, 新方法更具有普遍性和灵活性, 其与传统方法不同之处在于我们可以研究物种间的相互作用是否会随着某些因素变化而变化, 或者找出维持或改变物种间的相互作用其他关联因素. 这种方法在理论研究和应用研究(如流行病学和群落管理)领域都有着重要的应用价值.     

神农架保护区的川金丝猴旗舰物种生态旅游有利于自然保护吗?

旅游能给保护区周边社区及保护区管理部门带来直接经济收益, 因此它常常作为促进自然保护与社会经济发展的策略之一. 旗舰物种能吸引公众注意力并获得保护基金的青睐, 因此有旗舰物种栖息的保护区和公园在旅游活动中往往能获得更多的经济收益. 本文报道了神农架保护区利用旗舰物种川金丝猴进行的旅游活动, 开展旅游活动后神农架保护区游客数和旅游收入都显著增加, 重要的是旅游收入增加后, 保护区投入了更多资金建设旅游及保护基础设施. 从神农架旅游实践来看, 旗舰物种旅游不仅可以增加保护与管理的资金, 而且还有可能改变某些政府部门对生物多样性保护的态度. 但是, 尽管获得了丰厚的经济利益, 长远来看, 金丝猴观赏活动应该遵循科学规律, 以确保这样的活动长久与可持续性, 应该特别注意减少人猴共患疾病传播风险.     

IPv4-IPv6过渡技术下基于CIDF的入侵检测系统研究

随着互联网下一代协议IPv6的应用越来越广泛,IPv4和IPv6之间的过渡技术将被大量使用,这势必会对网络安全提出新的挑战.传统的入侵检测系统主要检测对象是IPv4协议下的数据,针对过渡时期隧道技术中所存在的安全隐患,提出了一个实际可行的基于CIDF框架的入侵检测系统的设计方案.通过先期对网络中数据包的高速捕获,从中识...     

无线局域网安全技术分析与改进

从加密、认证、密钥管理和入侵检测四个方面分析了无线局域网的安全技术.在加密、认证和密钥管理方面重点分析了最新的无线局域网协议标准802.11i,并介绍了中国的无线局域网协议标准WAPI.在入侵防御方面分析了现有的主要入侵方法,并提出了无线局域网的入侵检测框架.     

消失物种再发现意义深远

现在,只要你在google的搜索框中轻轻地键入“woodpeeker”(象牙喙啄木鸟)这个单词,你立即就会得到30多万条相关搜索结果。美国《纽约时报》为此专门发表了社论,而全球600多万观鸟爱好者则挤爆了许多鸟类网站。也许有人会说:“不就是一只鸟嘛,有什么好大惊小怪的。”虽然只是一只鸟, 但物种的再次发现却具有特别的意义。     

二叠纪大灭绝原因新探

在大约2.5亿年前的二叠纪时期,地球上曾发生过一次物种大灭绝事件,当时海洋中大约95%的物种和陆地上大约70%的物种突然间消失无踪那么,是什么原因导致了这次恐怖的大灭绝呢?2006年5月,美国科学家提出了一种有说服力的最新观点:二叠纪物种大灭绝的主要元凶其实是西伯利亚火山熔岩大爆发。事实上,这一事件在过去6亿年中都算得上是最为恐怖的事件。这次爆发所产生的酸雨和全球升温,足以使当时地球上的绝大部分物种惨遭“灭门”。直到10年前,多数科学家都还认为二叠纪物种大灭绝是一次持续了可能长达1亿年的独立事件,但是他们现在相信,这次大灭…     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

基于随机k-近邻集成算法的网络流量入侵检测

为了提高网络入侵检测模型的准确率与泛化性,提出基于随机k-近邻集成算法的网络流量入侵检测模型。首先,该模型提出一种集成赋权距离,来提高预测精度;其次,采用一种随机策略的集成方法对k-近邻模型进行集成,从而提高了其在异常检测过程中的全局和局部优化能力;然后,利用并行计算的方法提高了算法运行的效率;最后,构建了基于随机k-近邻集成算法的网络入侵检测模型,并采用KDD99数据集进行实验。实验结果表明,基于随机k-近邻集成算法相对于其他模型具有更好的检测效果,准确率和召回率分别达到99.05%和91.96%。