生物多样性的分析方法
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇生物多样性的分析方法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
生物多样性的分析方法范文第1篇
Abstract： The position of microbial in surface water biosphere material circulation and energy flow is irreplaceable and vital， also plays a very important role in the lake ecosystem， and is one of the main reasons of characterization eutrophication. This paper discusses that intending to apply 16S rDNA-based PCR-DGGE technology into the study of microbial diversity in water， thus preventing and controlling eutrophication.
关键词： 微生物多样性；变性梯度凝胶电泳（DGGE）；16S rDNA
Key words： microbial diversity；denaturing gradient gel electrophoresis （DGGE）；16S rDNA
中图分类号：Q938.8 文献标识码：A 文章编号：1006-4311（2014）19-0305-02
1 湖泊水体系微生物生态学
1.1 湖泊水体系微生物多样性 ①藻类，常见的藻类约56个属138个种，包括：硅藻、裸藻、金藻、甲藻、小球藻属，栅列藻属，以及蓝细菌等。②细菌，在被研究水体中BOD符合负荷值比较低、维持好氧状态的富营养话水体中，常见的优势菌群有芽孢杆菌属、假单胞菌属、产甲烷菌属、光和细菌属、硫酸盐还原菌等。③原生动物及微型后生动物，富营养化水体中常见固着型纤毛虫、鞭虫、甲壳类、摇蚊幼虫等。
1.2 湖泊水体系微生物间的相互关系 位于食物链中的各种生物与其生存环境间通过一系列的能量和物质的转移与循环保持着相互依存的稳定关系，即生态平衡。但当湖泊水体系中大量累积N、P等营养元素时，生态系统的平衡就被破坏，主要表现为藻类通过大量繁殖，数量明显增多，进而导致水体透明度下降和臭阈值增加。经过反复试验验证，向湖泊水体系中投加复合细菌能与原有水体中微生物形成共生增殖关系，从而使藻类优势种群无法形成，起到了强化水体生物自净能力，恢复湖泊生态平衡的作用。
2.1 水体微生物多样性的传统研究方法 水体微生物多样性的传统研究方法是先将被检测水体样品中的微生物进行分离培养，经过纯培养后获得纯菌株，再研究纯菌株的特征及细胞性质，最后总结特性。但由于微生物形态简单，个体较小，仅依靠外观形态观察无法获得太多信息，且自然界中大多数微生物无法依靠纯培养分离，也不能精确鉴定分离物，进而揭示分离物间的系统发育关系。
2.2 分子生物学技术 应用分子生物学技术研究水体微生物生态学，能够在一定程度上避免微生物多样性丢失及种群构成变化等问题的发生，有利于被研究水体微生物中新的菌株、新菌种的发现，进一步提高对环境微生物多样性的认知水平。
3 应用PCR-DGGE技术进行水体微生物多样性检测的原理、步骤和主要优缺点
3.1 应用PCR-DGGE技术进行水体微生物多样性检测的原理 本论文拟采用基于凝胶中不同DN段电泳迁移率差异的变性梯度凝胶电泳DGGE技术分离被研究水体系微生物的DNA。
如图1将尿素和甲酰胺等DNA变性剂添加到聚丙烯酰胺凝胶中，使溶液呈现线性的变性剂浓度梯度变化。在电泳过程中水体微生物的DNA双链分子在变性凝胶中逐步进行解链，形成解链区域，此接连区域的形成增大了DNA分子的迁移阻力。当到达一定变性剂浓度，水体微生物的DNA分子在变性凝胶中的解链程度恰好合适，DNA分子所受到的迁移阻力与周围电场力互相平衡时，DNA分子便停留在该变性浓度的聚丙烯酰胺凝胶中。DNA双链分子由于碱基排列顺序不一样解链区域及解链行为也不相同，导致虽然处于同种变性凝胶电泳环境中，其迁移行为也不一致，因此可以在其周围电场作用下得到分离。
为了提高被研究水体样品中微生物多样性的检验精确度和检出率，能够更好的反映被检测水体微生物的实际情况，彻底分离DN段，在PCR扩增过程时将GC发夹结构添加到正向引物的5'端，使其在PCR过程中，通过扩增连接到目的DNA双链分子片段的一端上[1]，使其在含有变性剂的电泳凝胶中难以完全解链而形成DNA单链。由于单链DNA在DGGE凝胶中的电泳行为完全取决于DNA的分子大小，而与DNA的碱基排列顺序无关，因此DGGE电泳无法将其完全分离。因此，可以说只要将检测过程中的电泳条件设置合适且其满足条件足够细致，哪怕仅有一个碱基区别的DN段也可以被区分。
应用PCR-DGGE技术在水体微生物多样性研究中具有以下优点：检测极限低；检测速度快；检测费用低；结果有较强的客观性；能够针对多个样品及多种微生物进行同时检测；可以结合其他检测方法提高检测质量。
3.2 PCR-DGGE技术分析微生物多样性的主要实施步骤：①环境样品微生物DNA的提取；②环境样品微生物DNA的纯化；③Touch-down PCR[2]；④GC发夹；⑤染色和测序。
3.3 PCR-DGGE技术分析研究水体系微生物多样性的局限性 如同任何检测分析技术一样，PCR-DGGE技术分析微生物多样性也存在一定的局限性，其局限性主要表现在如下几个方面：①存在DN段检测的最理想长度一般在200～500bp之间，所以能够提供的生物系统发育信息具有局限性[3]。②在湖泊水体系微生物多样性检测中，由于被研究水体样品中个别种类的微生物16S rDNA在复制时的异质性问题及异源核酸双链分子的检出影响，会导致检测结果偏离真实值略高。③DN段扩增后的PCR产物由于受到具有不同序列的DNA共迁移问题的影响，DGGE电泳图谱中可能出现同一条带中含有不同种类的微生物，这将导致对湖泊水体环境微生物的多样性估计偏低。同时受到电泳条件的影响，也不能保证具有序列差异的DN段完全分离。④无法还原被研究水体中微生物在生活环境中的真实图景，也无法提供微生物数量、群落新陈代谢活性和基因水平等研究信息，需要进一步结合微电极测量或荧光原位杂交等其他技术方法对被研究水体系中的微生物进行更详尽地群落的复杂性分析。⑤DGGE凝胶电泳技术虽然可以检测到占有超过全部研究水体系的整个群落微生物数量1%的优势菌群的存在，但仍无法将被研究水体样品中环境微生物群落的复杂性完整地体现出来。对于以上技术方法中存在的检测缺陷，可以从改善PCR扩增及DGGE电泳条件着手；同时将与其他传统的技术检测方法与DGGE电泳技术进行有机的结合、相互补充，这样将被研究水体系微生物群落的代谢、数量、结构和功能等情况的动态变化更贴近实际地反映出来，并进一步将原位生理等环境中微生物的多样性信息进行表达，从而不断提高分析微生物生态学的研究水平。
4 总结
本文拟使用PCR-DGGE分子生物技术分析研究水体微生物群落多样性，使用该方法的研究较少目前仍然没有明确出一种具体的、行之有效的方法来对微生物群落多样性研究进行实验，实验的后续性研究拟从传统培养方法上对各种菌体进行更全面的研究，进而将分子生物技术在水体微生物群落多样性上建立起一套快捷、可靠的分析方法，在对水体微生物处理以及富营养化水体的治理研究中起到相应的作用。
参考文献：
[1]曾薇，杨庆，张树军等.采用FISH、DGGE和Cloning对短程脱氮系统中硝化菌群的比较分析[J].环境科学学报，2006，26（5）.
生物多样性的分析方法范文第2篇
关键词：生物多样性；多样性功能评价；湿地保护；衡水湖湿地
Biopersity Function Evaluation of the Hengshui Lake Wetland
ZHANG Xue-zhi
(Hengshui Bureau for Hydrology and Water Resources Survey of HebEi Province，Hengshui 053000，China)
Abstract: The Hengshui Lake wetland，located in the hinterland of North China Plain，is a bio-intensive wetland in the North Temperate Zone，an intersection area for the different migratory birds，and the best habitat in North China Plain for many rare and precious birds.According to the survey data of the wetland biopersity，this study conducted a persity function evaluation on species persities and ecosystem persities in the wetland.According to the wetland biopersity criteria，the Hengshui Lake wetland biopersity is at a general level.Biopersity function evaluation of the wetland we can provide scientific basis for the wetland protection.
Key words: biopersity;persity function evaluation;wetland protection;the Hengshui Lake wetland
1 衡水湖湿地属性
按照国际湿地公约的湿地分类［1］，衡水湖湿地主要为湖泊湿地、沼泽湿地、水体沼泽化湿地、盐沼湿地、河流湿地和渠道湿地等。其中湖泊湿地、沼泽湿地是湿地的主体，类型与面积占据主要地位。其他类型湿地居次要地位。此外，还有少量人工湿地如沟渠、养鱼池等。各种类型湿地关系十分密切，它们相互依存，共同构成衡水湖湿地生态系统。任一类型湿地的退化都将对衡水湖湿地的生态与环境功能产生巨大的影响［2-4］。
1.1 生物多样性保护层次
衡水湖具有非常重要的湿地生态服务功能，是北温带野生动植物聚集地和候鸟南北迁徙不同路线的交汇处，这里有植物370种，鸟类286种，鱼类26种，昆虫194种，两栖爬行类17种，哺乳类17种，生物多样性非常丰富。
保护生物多样性和生态系统功能的完整性与保护珍稀动植物有着同等重要的意义。许多物种虽然未被列入国内外各种动植物保护名录，但其或为重点保护珍稀鸟类提供栖息地和繁殖地，或直接（间接）为这些珍稀鸟类提供食物，共同构成适宜的鸟类生境。所以保护这些物种，保护生物多样性对于珍稀鸟类的保护也是至关重要的。同时，保护生物多样性也就是保护湿地这一天然物种基因库，以利于我们子孙后代对物种资源的可持续利用，对人类生存和生活也都具有重要的现实和潜在的意义［5］。
1.2 湿地保护类型
湿地是位于陆生生态系统和水生生态系统之间的过渡性地带，在土壤浸泡在水中的特定环境下，生长着很多湿地的特征植物。湿地广泛分布于世界各地，拥有众多野生动植物资源，是重要的生态系统。很多珍稀水禽的繁殖和迁徙离不开湿地，因此湿地被称为“鸟类的乐园”。湿地强大的生态净化作用，因而又有“地球之肾”的美名。根据《自然保护区类型与级别划分原则》(GB/T 14529-93)，衡水湖国家级自然保护区属于自然生态系统类的湿地类型自然保护区［6］。从生态系统特征上看属于以华北内陆淡水湿地生态系统为主的平原复合湿地生态系统。
2 湿地生物多样性功能评价方法
生物多样性的3个主要层次是物种多样性、基因多样性和生态系统多样性。这是组建生物多样性的3个基本层次。基因多样性代表生物种群之内和种群之间的遗传结构的变异。每一个物种包括由若干个体组成的若干种群。各个种群由于突变、自然选择或其他原因，往往在遗传上不同。因此，某些种群具有在另一些种群中没有的基因突变，或者在一个种群中很稀少的等位基因可能在另一个种群中出现很多。在同一个种群之内也有基因多样性，在一个种群中某些个体常常具有基因突变。生态系统多样性既存在于生态系统之间，也存在于一个生态系统之内。总之，物种多样性是生物多样性最直观的体现，是生物多样性概念的中心。基因多样性是生物多样性的内在形式，一个物种就是一个独特的基因库，可以说每一个物种就是基因多样性的载体；生态系统的多样性是生物多样性的外在形式，保护生物的多样性，最有效的形式是保护生态系统的多样性［7-9］。
作为水陆相兼的生态系统，湿地的独特生境使它同时兼具丰富的陆生与水生动物植物资源，对于保护物种，维持生物多样性具有难以替代的生态价值。湿地生物多样性是所有湿地生物种种内遗传变异和它们生存环境的总称，包括所有不同种类的动物、植物、微生物及其所拥有的基因和它们与环境所组成的生态系统［12］。
物种多样性是群落生物组成结构的重要指标，它不仅可以反映群落组织化水平，而且可以通过结构与功能的关系间接反映群落功能的特征。
在湿地生态系统评价方法的基础上，结合生物多样性的理论和实践，将物种多样性和生物多样性作为一级指标，下设二级、三级亚指标，建立可操作性较强的湿地生物多样性评价指标体系［13］，见表1。
人类威胁程度分值
对资源保护部构成威胁5保护区与未开发生境毗邻5
资源的有效保护受到一定的威胁3保护区周边尚有未开发生境3
资源的有效保护受到较大的威胁1保护区被已开发的区域环绕1
根据湿地生物多样性现状调查结果，对照以上赋值逐项打分，将所得分数累加即得到该湿地生物多样性评价总分值。计算公式为：
R=∑3i=1Ai+∑3j=1Bj(1)
式中：R-湿地生物多样性总分值；A-物种多样性分值；i-物种多样性评价项目数；B-生态系统多样性分值；j-生物多样性评价项目。
根据R值的高低，将湿地生物多样性划分为5级，见表8。转贴于 3 衡水湖生物多样性评价
衡水湖是华北平原上第一个内陆淡水湖国家级自然保护区，同时也是华北平原唯一保持沼泽、水域、滩涂、草甸和森林等完整湿地生态系统的自然保护区［14］。丰富的生物资源是衡水湖的支柱。这里有绿藻、蓝绿藻和硅藻等在内的201种浮游植物、平均密度达到了4 000个/L，浮游动物174种、平均密度达到了4 000个/L；这里有芦苇等挺水植物，藕、睡莲属等漂浮有叶植物，眼子菜属、黑藻属等深水植物；这里有两栖纲、爬行纲、哺乳纲野生动物共30多种。所以，衡水湖被称作“物种基因库”。
根据调查结果，衡水湖湿地有维管植物366种，鸟类286种，分别占河北省物种总数的42.2%和57.2%。维管束植物有国家三级重点保护植物野大豆；鸟类有国家一级重点保护的7种，有黑鹳、东方白鹤、丹顶鹤、白鹤、金雕、白肩雕、大鸨。生物多样性评价结果为：
物种多度：A1=A11+A12=7.5+10=17.5
物种丰度：A2=A21+A22=10+7.5=17.5
物种稀有性：A3=A31+A32=2+4=6
则物种多样性为：
A=∑3i=1Ai=17.5+17.5+6=41
衡水湖湿地大多数植物属于世界广布种；在调查的鸟类中，广布种占总数的23.1%，古北种占种数的68.9%，东洋种占8.0%。衡水湖为沼泽芦苇香蒲生态系统，在华北属常见生境类型；生态系统的组成结构简单、类型单一。衡水湖受人类影响因素较多，对湿地内水体、生物等资源影响较大；湿地周围为村镇和农田，没有未被开发的区域。生态系统多样性评价结果如下。
生态系统多样性地区分布：
B1=B11+B12=4+4=8
生态系统多样性生境类型：
B2=B21+B22=2+6=8
生态系统多样性人类威胁评分：
B3=B31+B32=1+1=2
则生态系统多样性为：
B=∑3i=1Bi=8+8+2=18
湿地生物多样性评价总分为：
R=∑3i=1Ai+∑3j=1Bj=41+18=59
按照湿地生物多样性评分标准，衡水湖湿地生物多样性功能进行评价，评价结果为：物种多样性为41分，生物系统多样性为18分，衡水湖湿地生物多样性处于一般水平［15］。从分析结果可以看出，衡水湖湿地物种多样性占优势，而生态系统多样性占劣势，生态环境受人类活动影响因素较大。
4 结论
利用衡水湖生物多样性资料，对衡水湖生物多样性功能进行评价。分别对物种多度、物种丰度和物种稀有性进行分析，计算出物种多样性；对生态系统多样性地区分布、生态系统多样性生境类型和生态系统多样性人类威胁等指标分析，计算出生态系统多样性指标。按照湿地生物多样性评分标准，衡水湖湿地生物多样性处于一般水平。生物多样性是自然生态系统生产和生态服务的基础和源泉。生物多样性可提供多方位的服务。人类历史上大约有3 000种植物被用作食物，估计有75 000种植物可作食用。人类就是依赖这些植物得以繁衍。生物技术是以现有生物多样性为物质基础的工作，在解决粮食短缺、人类健康、维护生物物种和环境等诸多社会经济重大问题中将发挥重要作用，将成为21世纪国民经济的支柱产业。
参考文献
［1］ 于贵瑞.全球变化与陆地生态系统碳循环和碳蓄积［M］.北京：气象出版社，2003.（YU Gui-rui．Global Change and Terrestrial Ecosystems Carbon Cycle and Carbon Deposition ［M］.BEijing:China Meteorological Press，2003.(in Chinese)）
［2］ 欧阳志云，王如松，赵景柱.生态系统服务功能及其生态经济价值评价［J］.应用生态学报，1999，10(5)：635-640．(OUYANG Zhi-yun，WANG Ru-song，ZHAO Jing-zhu.The Function of Ecosystem Services and Ecological Economic Value Evaluation ［J］.1999，10 (5):635-640.(in Chinese)）
［3］ 张学知.衡水湖湿地生态系统恢复原理与方法［J］.南水北调与水利科技，2010，8(1)：122-125.（ZHANG Xue-zhi.The Hengshui Lake Wetland Ecosystem Restoration Principle and Method ［J］.South-to-North Water Transfers and Water Scinenes & Technoiogy，2010，8(1):122-125.(in Chinese)）
［4］ 马克平，钱迎倩.生物多样性保护机器研究进展［J］.应用于环境生物学报，1998，4(1)：95-99.（MA Ke-ping，QIAN Ying-qian.Biopersity Protection Machine Research Progress ［J］.Journal of Applied Biological Environment，1990，4 (1):95-99.(in Chinese)）
［5］ 黄富祥，王跃思.试论生物多样性保护理论与实践面临的困难及现实出路［J］.生物多样性，2001，9(4)：399-406.（HUANG Fu-xiang，WANG Yue-si.Try to Biopersity Conservation in Theory and Practice，and the Practical Way to Face the Difficulties ［J］.Journal of Biopersity，2001，9(4):399-406.(in Chinese)）
［6］ GB/T 14529-93，自然保护区类型与级别划分原则［S］.（GB/T 14529-93，The Types and levels Principle of Nature Reserve ［S］.(in Chinese)）
［7］ 鞠美婷，王艳霞，孟伟庆，等．湿地生态系统的保护与评估［M］．北京：化学工业出版社，2009．（JU MEI-ting，WANG Yan-xia，MENG Wei-qing，et al.Protect and Evaluation on Wetland Ecosystem ［M］.Beijing:Chemical Industry Press，2009.(in Chinese)）
生物多样性的分析方法范文第3篇
关键词：GLOBIO3 模型 完善
中图分类号：X17 文献标识码：A 文章编号：1674-098X（2014）06（a）-0248-04
GLOBIO3 perfect predictive model of biodiversity - questions， suggestions and Prospects
JIANG Xintong
（Environmental Institute， Renmin University of China， Beijing 100872）
Abstract：GLOBIO3 model is one of the frontier achievements in global biodiversity assessment and forecast.Based on the dose-effct relationship，the model predicts the hardly available biodiversity data using the relatively attainable monitoring results of the environmental and social drivers.Though innovative，the model shows clear shortcomings.This paper will firstly introduce the core framework and fundamental methods of GLOBIO3 as a preparation， then focus on the analysis and resolution of the targeted disadvantages of the model.Following this logic，this paper tries to make meaningful improvements to the model and encourage more studies in related fields.
Key word：GLOBIO3 model perfect
1 引言―― GLOBIO3模型简介
1.1 基本思想
GLOBIO3[1]使用与原始环境相比的相对平均物种丰度（MSA）来表征一定环境条件下的生物多样性，这是模型需要预测的因变量。同时，GLOBIO3使用植被覆盖、土地利用程度、生态环境破碎化程度、全球平均气温、大气氮沉降量和基础设施建设量这六个驱动因子作为自变量。模型的基础是因变量与六个自变量间的六个函数关系。在对生物多样性进行预测时，先使用未来情景预测模型对驱动因子做出预测，然后将因子的预测值输入模型，其输出结果就是预测的MSA。
1.2 具体方法
对因变量与自变量的函数关系进行回归时需要使用样本数据，这些样本数据通过Meta分析得到。选取与“生物多样性和环境条件的关系”高度相关的研究，提取其中对生物多样性和环境条件进行描述的数据形成回归建模的素材。
得到自变量和因变量的函数关系后，需要对未来的自变量取值进行预测。模型中六个驱动因子的预测值依赖于对未来经济、社会和环境发展情景的预期。GLOBIO3将经济发展、植被覆盖及气候变化等领域的权威研究结果结合起来，构建驱动因子的预测模型。
将驱动因子的数值分别输入六个函数，得到每个因子影响下，生物多样性的预测值。基于驱动因子间不存在相互作用关系的假设，将六个函数的因变量值相乘，得到MSA综合预测值。
1.3 论题摘要
GLOBIO3模型的思想方法新颖、使用过程简洁。但是这不能掩盖理论分析和实践检验中显示的不足之处。为了完善该模型，该文将对三个主要问题进行分析并以此为基础提出建议。分析的三个不足之处包括：
（1）忽略重要驱动因子导致模型具有遗漏变量偏差；
（2）样本数据的收集质量不高，函数关系缺乏对某些地区和某些因子的代表性；
（3）对未来发展情景的预测结果单一，结论不够稳健；
以下三个部分将对这些问题分别进行分析。
2 忽略影响生物多样性的重要因子
2.1 问题分析
GLOBIO3的基础是六个驱动因子（植被覆盖、土地利用程度、生态环境破碎化程度、全球平均气温、大气氮沉降量和基础设施建设量）与生物多样性（平均物种丰度MSA）的剂量反应关系。其中，土地覆盖变化、土地利用强度、生态环境破碎化程度、气候变化、大气氮沉降因子源于评价全球环境的综合模型（IMAGE；MNP 2006）[3]；基础设施建设因子源于GLOBIO2模型。通过参考IMAGE团队、MNP和GLOBIO2的研究成果，GLOBIO3模型比较全面地体现了现有研究中对生物多样性具有显著影响的因子。
但是，通过文献分析找寻驱动因子的方法容易受到文献选择的制约，产生遗漏变量偏差。解决遗漏变量偏差的最佳途径就是通过更加深入的研究将以往未注意到的显著因子纳入模型。对发展问题的关注，使得很多研究注重贫困和生态的关系。已有一些研究发现，贫困地区与生物多样性热点地区高度重合（Brendan Fisher 2007）[7]，而且在经济发展水平较低的时期表现得尤其明显。这符合贫困导致生物多样性减少的理论预期。这一现象促使我们在完善GLOBIO3模型时，应当首先纳入被遗漏的“贫困水平”驱动因子以减小预测的偏差。或许“贫困水平”只是诸多遗漏变量中的一个，纳入它并不能使得这个模型足够全面。但是通过纳入“贫困水平”来完善模型却是探索更多遗漏变量的良好开端。
2.2 解决措施
（1）准确选取贫困水平的测度指标
将“贫困水平”纳入GLOBIO3模型的前提条件是找到合适的指标量化贫困水平。根据不同的研究目的，以往研究中使用的贫困测度指标包括生活水平、财产、教育水平、健康状况、营养条件等（Azariadis 2005[4]，Bowless 2006[5]，Carter MR 2006[6]）。由于在GLOBIO3中纳入“贫困水平”因子是从经济和环境的关系入手分析人类的福利水平变化，其测度应当既包括反映经济水平的货币指标，又包括反应环境变化的非货币指标。例如：选取劳动力人均收入直接度量贫困水平（Huib Hengsdijk 2007）[7]；或选取人群健康和死亡率指标间接度量贫困水平。
（2）在充分论证的基础上选择函数形式
“贫困水平”具有显著的经济发展阶段性特征，在描述它与生物多样性的关系时，许多学者以环境经济学为基础提出：应当使用库兹涅茨曲线的函数形式（Stern et al. 1996）拟合这种函数关系。这种想法来源于保护生物多样性会提高经济活动的机会成本的基本理论（M.Norton-Griffiths et al.1995）[8]，表示早期生物多样性会随着经济增长而降低；而到达一定临界状态后，生物多样性又随经济发展而升高。更多研究在试图应用这一函数形式时发现：该种形式成立的条件是生物多样性保护政策和经济发展政策协调实施，而这种双赢关系通常难以实现（D.Hulme 2001[9]， C.B.Barrett 1995[1]，M.Wells 1992[10]）。所以，在拟合生物多样性与贫困水平的函数关系时依然应当采用简单线性回归模型。
（3）在适合的尺度上使用模型
“贫困水平”的地区异质性（T.Kepe 2004）限制了模型应用的尺度条件。正如对库兹涅茨曲线临界点的计算结果常因所选取的研究地区不同而产生巨大的差异（Panayotou 1993；Cropper and Griffiths 1994[12]），经济变量受制度因素的影响极大，在不同国家和地区对生物多样性的影响差异显著。（Southgate 1990[13]， Mendelsohn 1994[14]， von Amsberg 1994[15]）可以说，“贫困水平”因子作为该模型中对经济水平的代表，对全球尺度生物多样性的影响效果已经很不明确了。因此，纳入“贫困水平”后的GLOBIO3模型应当在较小的空间尺度上使用，比如在某一国家或地区共同体范围内。
3 样本数据的收集缺乏代表性
3.1 问题分析
GLOBIO3模型中驱动因子与生物多样性的因果关系是通过Meta分析从已经发表的文献中收集数据并拟合回归得到的。GLOBIO3团队先从SCI等权威数据库中搜索以“生物多样性与驱动因子的关系”为主题的研究；然后，从这些研究中提取驱动因子和生物多样性的数据；最后，利用这些数据建立驱动因子和生物多样性的对应关系。在实际检测技术受到限制，监测数据缺失严重的情况下，Meta分析方法能够间接帮助研究人员获得数据（G?ran Arnqvist et al.1995）[16]，但是其精确度低、数据代表性不足等问题降低了研究的指导意义。下文将着重讨论如何通过建立更完整有效的网络来获取并综合利用数据来拟合函数。
GLOBIO3在拟合函数时使用的数据通过Meta分析得到，其中存在的问题主要有：第一，对不同区域的代表性不均。在温带和北半球的大多数区域，人类活动的历史较长，难以找到未受人类干扰的参照情景，所以计算相对物种丰度存在困难。这一问题使得GLOBIO3中热带地区的数据丰富程度远高于温带和北方区域，导致模型对不同地区的代表性不均匀。第二，对于不同物种的代表性不均。分析基础设施建设影响的研究多以鸟类或哺乳动物为研究对象；而分析大气氮沉降的影响的研究则主要以温带植物为研究对象。第三，数据的统计精度差异为综合利用带来困难。比如：不同利用类型的地块分布数据既可以从FAO（FAO 2006）得到，又可以通过卫星影像数据获得，两种来源的统计精度不同；不同地区的基础设施统计精度也有较大差异。这都为这些数据在同一个模型中的整合利用带来困难。
3.2 解决措施
（1）综合利用监测数据和文献数据，增强数据体系的丰富度和代表性。
首先，扩大Meta分析的文献覆盖范围，增强对弱势物种和弱势因子的代表性。比如：欧洲地区的数据对植物物种的代表性不足，可以将对欧洲植物物种（Bakkenes et al.2002）[17]和生物群系（Leemans and Eickhout 2004）[18]的研究成果纳入Meta分析，增强对植物物种的代表性。再如：气候变化因子的建模依据只有IMAGE2.4模型，在文献分析中占比较少，属于弱势因子。借助生物对气候变化适应行为的研究成果（Peterson et al.2002[19]； Thuiller et al.2006[20]；Arau jo et al. 2006[2]）为气候变化因子的建模提供更强大的理论支持。其次，将实地监测与Meta分析结合使用，增强对弱势地区的代表性。例如：GLOBIO3在温带和北方地区的数据较少，可以使用瑞典的国家生物多样性监测数据（BDM 2004）作为GLOBIO3数据的补充，因为BDM中的取样点主要位于温带阔叶混交林和温带针叶林（Laura De baan et al.2013）[22]。该数据的实用性也在一些“生命周期影响评价”的相关研究（Koellner and Scholz 2008）中得到证实。
（2）完善监测体系，打好数据基础。
目前，全球已有很多国家致力于生物多样性的实地监测，但因检测标准尚未统一、监测成本过于高昂，导致数据的监测质量很低，难以综合利用。为了提供比Meta分析更为有力的数据支持，必须尽快完善数据监测网络。首先，改进和统一实地监测方法。目前，在陆地生物多样性监测中，比较先进的检测体系是in situ系统，它对物种、环境因子和人类活动的空间分布综合监测。为了增强监测数据的有效性，不同的检测地点的监测频度、方法和物种应当一致（Ferrier et al.2011）[23]。其次，应当注重样地监测和遥感监测的结合。in situ系统监测成本较高，使得很多地区多项数据严重缺失。使用卫星遥感数据以及其他的远程监控数据作为对in situ监测数据的补充可以在一定程度上弥补数据空白。为了使样地监测和遥感监测结果更好地配合，应当积极发展GEO BON这样的科研项目，探索整合利用in situ及遥感监测数据的方法（Scholes et al.2008）[24]。为了促进不同地区之间的数据综合利用，应当积极构建以跨国NGO为中心，包括其他NGO组织、研究机构和大学、保护区管理机构和森林管理机构的多渠道数据收集和利用网络。
4 对未来发展情景的预测不够稳健
4.1 问题分析
情景预测对生物多样性的预测具有决定性作用（Pearson et al.2006）[25]，因此情景预测的准确性和稳健程度至关重要。目前的生物多样性预测研究通常在常用的情景预测模型中选择一个加以使用，有时会援引其他研究支持自己所选用的模型（Olden，J.D.and Jackson，D.A.2002；[26]Anderson.R.P.2004[27]）；GLOBIO3模型也使用了类似的方法，但并没有预测模型的选择依据进行论证。具体而言：GLOBIO3使用IMAGE2.4模型预测一定社会经济发展框架下土地利用的变化，以Global Land Cover 2000地图作为补充以提高精度；使用FAO和世界土壤地图预测全球氮沉降和超额氮负荷；用Digital Chart of the World数据库（DMA 1992）预测道路和管线建设的分布情况；根据土地利用的变化计算群落面积未来的变化（代表生态破碎化程度）；用IMAGE模型预测全球平均气温的变化情况。不加论证地选择预测模型的问题是说服力不足（Schmit et al.，2006）[3]；用单一而确定的预测结果取代多种潜在预测路径的问题是预测的稳健型和全面性缺失。
4.2 解决措施
（1）对多种模型的预测结果进行交互验证
情景预测模型有很多范本，但是不同研究对象地理条件和自然禀赋的差异使得从理论层面对比研究模型的适用性很难；而通过实地监测结果对模型有效性进行验证的成本又高。为了在不违反成本有效性的前提下增强预测结果的稳健程度，建议综合使用多种预测模型，并且将模型的输出结果进行交互验证。
为了给这种交互验证提供素材，这里对处于国际前沿的情景预测模型及其主要思想进行回顾。IMAGE综合评价模型通过模拟全球贸易情景判断对农林产品的需求变化，从而间接计算农、林用地的面积变化。其优势在于充分考虑到预测范围之外的国际因素，适合开放条件下的情景预测（MNP 2006）[29]。Dyna-CLUE模型充分考虑用地需求、地理位置、管理政策、用地改变的难易程度等多重因素的交互作用，其中不同利用方式在同一地块上相互竞争的假设很符合日趋紧张的用地预期（Yongyut Trisurat et al 2010）[30]。但是该模型变量较多，数据需求高，只在小尺度研究中有较强的模拟能力。（Castella and Verburg 2007； Pontius 2008[31]； Verburg and Veldkamp 2004[32]）该模型包含40种具体的气候变化情景。已经初具概率预测的意义，其最新进展Post-SRES还考虑了政策选择与发展情景的交互作用（Strengers et al.2004）[33]。GCMs （Global Climate Models）模型可以分析气候变化情景预测的不确定性（Polvani et al.2004[34]）。人类足迹模型通过预测人口密度、对生态系统的干扰程度（Cardillo et al.2004[35]）、人类活动足迹（Sanderson et al.2002）和对初级产品的分配方式来预测未来环境的变化。（Imhoff et al. 2004）[36]。
因为难以捕捉影响未来环境经济情景的所有因素及影响机理，任何预测模型给出的结果都是不尽准确的。但是，这些模型从不同的角度提出的经济与环境发展的假设都是基于一定的历史趋势，因此模型间应当存在对未来情景预测的共性。如果能够比较这些模型的预测结果，剔除造成预测结果差异的变量，就能够在一定程度上找到这些模型对未来发展情景的公共认知并以次为平台构建未来的宏观图景。这一宏观图景就是分析在未来某一时点的生物多样性变化驱动因子的基础。模型预测结果之间的交互验证能够使用比较分析的方法推进对潜在发展路径的全面探索，增强预测结果的稳健性。
（2）利用“集合预测”和“一致预测”方法
预测情景是多方面输入条件给定后的一个输出结果，其核心层面包括“基年情景”、“模型类别”、“参数设定”等。每个方面在不同的发展模式假设下都会有不同的预测结果，将各方面的多种预测结果排列组合能够形成一系列综合预测图景。虽然难以在繁多的组合情景中筛选出最为准确的一个，但是从这些组合中体现的总体趋势却会在很大的概率上接近真实的发展情景。
“集合预测”方法同时考虑由不同的“基年情景”、“模型类别”、“参数设定”等多种条件组合生成的众多发展情景组成的情景预测集合。依据统计学的方法，以预测集合为样本数据，“集合预测”可以划定未来发展情景的变化区间并给出估计的可靠程度。使用“集合预测”方法建立气候变化―生物多样性预测模型（Pearson， R.G.et al.2006[37]；Thuiller，W.et al.2004[38]）的尝试可以认为是将这一方法应用于未来情景预测的范本。统计学的研究证实，集合预测能够比任何一种单一的预测方法产生更小的平均误差。（Cramer .W. 2001）
由“集合预测”发展而来的“一致预测”可以认为是在“集合预测”给出的大概率范围中求得一个未来发展情景的期望值作为最终的预测结果。目前，“一致预测”方法已经在建立气候变化情景的概率分布模型中有较好的应用（Stainforth.D.A et al.2005[39]），在此基础上，将“一致预测”推广到情景预测的其他方面需要更多持续的研究。同时，“一致预测”的研究人员强调使用这一方法的一个条件是尽量穷尽可能的组合情景，因为只有当这些组合全面地覆盖未来的发展路径，才能维持稳定的概率分布，从而得出更加稳健的预测结果。（Allen， M. et al. 2002[40]）
5 结语
GLOBIO3模型是对生物多样性进行预测的创新性方法，为了完善该方法，本文从纳入“贫困水平”驱动因子、增强建模数据的代表性和提高未来情景预测的准确程度三个方面入手，分别提出具有针对性的解决办法。在纳入“贫困水平”驱动因子时，应当使用货币指标与非货币指标相结合的方法来测度贫困水平、使用简单线性模型并在较小的地理尺度上应用改进后的模型；为增强数据的代表性，一方面发掘已有的文献数据和监测数据，提高对弱势因子、弱势物种和弱势地区的代表性，另一方面发展综合检测体系为以后的研究提供更加准确的数据基础；在预测未来情景时，既可以对不同模型的预测结果进行交互验证来发现共同的趋势，又可以使用不同条件的多种取值排列组合形成的预测集，划定未来发展情景的变化范围并求得期望趋势。
该文的建议主要针对三个比较明显的问题，但是GLOBOI3模型的完善仍需要对更多潜在的不确定性进行深入讨论。比如：同样没有包含在GLOBIO3模型中，却可能对生物多样性有重大影响的因素还有“生物交换”和“大气CO2聚集”等（R Leemans et al.2007）[41]，对这些因子影响的认识还很粗浅，只有通过更大力度的文献分析来逐步加深对他们的理解才能在此基础上建立合适的函数模型。再如：在深入挖掘现有的数据时，以何种方式将样地数据和遥感数据进行完美结合仍然需要探讨；在构建数据监测体系时面临的现实问题就是政策选择只对监测频度高，从而时间序列数据全面的物种有利（M de Heer， 2000），这就为发展定量方法，确定不同物种在数据收集时应当占据的权重提出诉求。只有继续推进相关领域的深入研究与国际合作才能为这些潜在的问题提出更明确的探索方法和更准确的答案。
参考文献
[1] Rob Alkemade，Mark Van oorschot，Lera Miles，et al.Globio3： a Framework to Investigate Options for Reducing Global Terrestrial Biodiversity Loss[J].Ecosystems，2009，12（3）：374-390.
[2] MNP. Integrated modeling of global environmental change. An overview of IMAGE 2.4.（2006）.Bilthoven，the Netherlands： Netherlands Environmental Assessment Agency （MNP）.
[3] Fisher，B.，Christopher，T. Poverty and biodiversity： Measuring the overlap of human poverty and the biodiversity hotspots[J]. Ecological Economics， 2007，62（1）：93-101.
[4] Costas Azariadis，John Stachurski.Poverty Traps[J].Handbook of Economic Growth， 2005，1（2）：295-384.
[5] Samuel Bowles，Steven N Durlauf，Karla Hoff.Poverty Traps[M].[S.l.]：Princeton University Press，2006.
[6] Michael R Carter，Christopher B Barrett.The Economics of Poverty Traps and Persistent Poverty： an Asset-based Approach[J].The Journal of Development Studies，2006，42（2）：178-199.
[7] Huib Hengsdijk，Wang Guanghuo，Marrit M Van den berg， et al.Poverty and Biodiversity Trade-offs in Rural Development： a Case Study for Pujiang County， China[J].Agricultural Systems，2007，94（3）：851-861.
[8] Michael Norton-griffiths，Clive Southey.The Opportunity Costs of Biodiversity Conservation in Kenya[J].Ecological Economics，1995，12（2）：125-139.
[9] David Hulme，Marshall Murphree.African Wildlife and Livelihoods： the Promise and Performance of Community Conservation.[M].[S.l.]：James Currey Ltd，2001.
[10] Christopher B Barrett，Peter Arcese.Are Integrated Conservation-development Projects （icdps） Sustainable？ on the Conservation of Large Mammals in Sub-saharan Africa[J].World Development，1995，23（7）：1073-1084.
[11] Michael Wells，K Bradon.People and Parks：Linking Protected Area Management with Local Communities[M].[S.l.]：World Bank，1992.
[12] Maureen Cropper，Charles Griffiths.The Interaction of Population Growth and Environmental Quality.[J].American Economic Review，1994，84（2）：250-4.
[13] Douglas Southgate，John Sanders，Simeon Ehui.Resource Degradation in Africa and Latin America：Population Pressure， Policies， and Property Arrangements[J].American Journal of Agricultural Economics，1990，72（5）：1259-1263.
[14] Robert Mendelsohn.Property Rights and Tropical Deforestation[J].Oxford Economic Papers，1994：750-756.
[15] Joachim Von amsberg.Economic Parameters of Deforestation[R].The World Bank，1994.
[16] G?ran Arnqvist，David Wooster.Meta-analysis： Synthesizing Research Findings in Ecology and Evolution[J].Trends in Ecology & Evolution，1995，10（6）：236-240.
[17] M Bakkenes，JRM Alkemade，F Ihle， et al.Assessing Effects of Forecasted Climate Change on the Diversity and Distribution of European Higher Plants for 2050[J].Global Change Biology，2002，8（4）：390-407.
[18] Rik Leemans，Bas Eickhout.Another Reason for Concern： Regional and Global Impacts on Ecosystems for Different Levels of Climate Change[J].Global Environmental Change，2004， 14（3）：219-228.
[19] A Townsend Peterson，Miguel A Ortega-huerta，Jeremy Bartley， et al.Future Projections for Mexican Faunas Under Global Climate ChangeScenarios[J].Nature，2002，416（6881）：626-629.
[20] Wilfried Thuiller，Guy F Midgley，Greg O Hughes， et al.Endemic Species and Ecosystem Sensitivity to Climate Change in Namibia[J].Global Change Biology，2006，12（5）：759-776.
[21] Miguel B Araujo，Antoine Guisan.Five （or So） Challenges for Species Distribution Modelling[J]. Journal of Biogeography，2006，33（10）：1677-1688.
[22] Laura De baan，Rob Alkemade，Thomas Koellner.Land Use Impacts on Biodiversity in Lca： a Global Approach[J].The International Journal of Life Cycle Assessment，2013，18（6）：1216-1230.
[23] Simon Ferrier.Extracting More Value From Biodiversity Change Observations Through Integrated Modeling[J].Bioscience，2011，61（2）：96-97.
[24] RJ Scholes，GM Mace，W Turner， et al.Toward a Global Biodiversity Observing System[J]. Science， 2008，321（5892）：1044-1045.
[25] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Modelbased Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.
[26] Julian D Olden，Donald A Jackson.A Comparison of Statistical Approaches for Modelling Fish Species Distributions[J].Freshwater Biology，2002，47（10）：1976-1995.
[27] Robert P Anderson，Miroslav Dudík，Simon Ferrier， et al.Novel Methods Improve Prediction of Species’Distributions From Occurrence Data[J].Ecography，2006，29（2）：129-151.
[28] Christian Schmit，Mark DA Rounsevell，Isidore La jeunesse.The Limitations of Spatial Land Use Data in Environmental Analysis[J].Environmental Science & Policy，2006，9（2）：174-188.
[29] AF Bouwman，Tom Kram，Ke Klein goldewijk.Intergrated Modelling of Global Environmenthal Change： an Overview of Image 2.4.MNP，2006.
[30] Yongyut Trisurat，Rob Alkemade，Peter H Verburg.Projecting Land-use Change and Its Consequences for Biodiversity in Northern Thailand[J].Environmental Management， 2010，45（3）：626-639.
[31] Robert Gilmore Pontius jr，Wideke Boersma，Jean-Christophe Castella， et paring the Input， Output， and Validation Maps for Several Models of Land Change[J].The Annals of Regional Science，2008，42（1）：11-37.
[32] Peter H Verburg，Paul P Schot，Martin J Dijst， et al.Land Use Change Modelling： Current Practice and Research Priorities[J].Geojournal，2004，61（4）：309-324.
[33] Bart Strengers，Rik Leemans，Bas Eickhout， et al.The Land-use Projections and Resulting Emissions in the Ipcc Sres Scenarios Scenarios as Simulated By the Image 2.2 Model[J]. Geojournal， 2004，61（4）：381-393.
[34] Lorenzo M Polvani，RK Scott，SJ Thomas.Numerically Converged Solutions of the Global Primitive Equations for Testing the Dynamical Core of Atmospheric Gcms.[J].Monthly Weather Review，2004，132（11）：2539-2552.
[35] Marcel Cardillo，Andy Purvis，Wes Sechrest， et al.Human Population Density and Extinction Risk in the World’s Carnivores[J].Plos Biology，2004，2（7）：24-35.
[36] Marc L Imhoff，Lahouari Bounoua，Taylor Ricketts， et al.Global Patterns in Human Consumption of Net Primary Production[J].Nature，2004，429（6994）：870-873.
[37] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Model-based Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.
[38] Wilfried Thuiller，Miguel B Araújo，Richard G Pearson， et al.Biodiversity Conservation： Uncertainty in Predictions of Extinction Risk[J].Nature，2004，430（6995）：145-148.
[39] David A Stainforth，T Aina，C Christensen， et al.Uncertainty in Predictions of the Climate Response to Rising Levels of Greenhouse Gases[J].Nature，2005，433（7024）：403-406.
生物多样性的分析方法范文第4篇
关键词：桉树；人工林培育；进展
中图分类号：S792.39文献标识码：B文章编号：16749944（2013）05005002
1引言
在19世纪末，桉叶曾被认为是万能的。澳大利亚本地人将被桉叶捣碎，将其敷在伤口，伤口愈合的效果出乎意料。再加上桉树具有空气消毒的效果，有益于人体健康，所以其人工培育很有现实意义。如何保护和维护桉树的生物多样性成为现在各界研究的重点和热点话题。所谓生物多样性是指所有动物、植物，甚至还包括微生物物种的生命实体组特征多元化发展，形成了丰富的生态系统。根据这个观点，生物多样性一般包括三个层次的多样性，即遗传多样性、物种多样性和生态系统多样性三个层次。但是需要我们注意的是生命与物种之间的多样性是相互依存的，不可分割的，具有整体效应。
桉树约有500余种，最初的原产地是在澳大利亚及其周边岛屿。但是由于这些年全球环境问题的不断出现，导致天然森林和木材资源被严重破坏，所以越来越多的关注和重视桉树的人，开始将它作为一个利用树种栽培。现在全世界有96个国家商业化种植桉树，在中国16个省、市、自治区的600多个县种植桉树2008年达260万hm2，中国是仅次于巴西的桉树第二大种植国。
根据目前全世界栽种桉树的实际效果来看，这种单一栽培的方法逐渐地导致了一些生态环境问题，比如土地退化、生产力下降、生物多样性减少、地下水位下降、气候变化，等等。
出现这些问题，最本质的原因在于生物多样性减少。桉树人工林种植生态环境恶化和生产力下降的问题引起了很多的关注。
2桉树人工林单一栽培的现状
单一栽培的方法逐渐地导致了一些生态环境问题，主要的问题是会导致生物多样性减少，特别是桉树。比如桉树的第一大面积工程的人工生态系统取代其他种类的生态系统。这是生物多样性丧失的第一层次性能，
即生态系统类型还原。桉树人工林生物多样性丧失的第二层次的性能是物种多样性减少。桉树工业群落，生物多样性通常比其他物种的人工群低，甚至混合森林生物群落比其他树种混交林及纯林低。因此，桉树人工森林被称作“绿色沙漠”，“没有生物多样性的绿色沙漠”。桉树纯林或混合在林下植被比天然林他在植物种植少
在关于桉树纯林和混交林的观测结果中，桉树林中林地植物很少，只有零星的草本植物生存。比较典型的例子就是华南地区桉树人工林。
桉树人工林，无论是纯林或混交林，树林的动植物物种不会很多。由于森林植物物种纯，昆虫的数量和种类非常少，因此，相应的椎骨类型和数量的物质不多，无论是在纯桉林和人工生态系统混合桉树等树种，其人工林生物多样性、包括植物多样性、动物的多样性，生物多样性都比较低。
随着这几年种植技术的不断推广，桉树人工林的遗传多样性也越来越低。这是桉树人工林生物多样性减少的第三层次的性能，即遗传多样性减少。
如果生物多样性下降，桉树人工林生物多样性就会逐渐减少，生产力会降低，即单位面积的产量会减少，然后导致生产材料减少，生态环境变差。它与生物多样性的变化有着直接的原因。但生物多样性下降，特别是地表植被的减少或损失，主要会造成土地养分流失、有机物质的流失，使得土地质量变差，造成可耕作土地深度更低，土壤持水、供水能力差，浅根植物不能生长。
3桉树人工林生物多样性下降的原因
3.1替代效应
桉树人工林一旦落定，将对原来的环境产生很大的影响，甚至会逐渐彻底破坏原来的生态系统。其主要的本质原因在于造成生物多样性减少，桉树人工群落和人工生态系统大面积更换其他各种原生态系统，生态系统类型变得单调乏味。桉树人工林由于地表植被减少或罕见地缺乏，导致水土流失非常容易，形成一个恶性循环。此外，还会造成土地养分流失、有机物质流失，使得土地质量变差，缺乏营养物质，无法维持植物等生物的基本生存条件。
3.2竞争效应
桉树人工林中原来的植被如果被逐渐地取代，那么原来的生态系统必定会被打破，对原先系统中的动物群和植物区造成很大的影响。比如植物为了争夺水分和养分，会产生竞争效应，这种竞争效应会逐渐累积，直到形成更大的环境变化。所以它与原生境完全不同，动态面积也会受到影响。
3.3化感作用
化感作用是指在生物间的生化关系，包括促进和抑制两个方面。它不同于直接竞争的矿质营养，水和阳光的影响，它主要是指以桉树分泌体的特殊物质对其他植物，包括作物混合树种，以及林下植被和土壤生物的抑制作用。生产实践表明，一些物种和桉树难以和谐共生。比如落下的桉树叶，枯枝落叶的可溶性物质和森林土壤含水量，如酚类化合物，能抑制其他植物、动物和微生物的生长。作为桉树水提取物可抑制根瘤菌的活动。非水在树林可溶性易挥发的化感物质比水溶性挥发性物质所起的抑制作用更为重要，更重要的是，因为后者在土壤中易分解，而且由于雨水淋洗，使得它很难在土壤中积累，而前者在土壤中的分解速度慢，水的冲洗对土壤中的吸附物质破坏效果不会太大。
3.4继发性人为干扰效应
桉树人工林生态系统中人为的种植和干扰也是一个主要的障碍，后一种被称为主要的人为干扰，包括对木材资源的分配管理、砍伐时的收获形式和对枯落物的处置等。人为地从林地上收到枯枝落叶使林地地表，直接导致桉树人工林的水源涵养能力下降。
4结语
在过去桉树的研究中，很多的研究仅限于实验室，现场设立观测点缺乏重复性和生态环境的条件类型代表性。许多机构已采取相应干预措施来解决这一问题，使桉树不仅可以大量种植，而且避免生物多样性对生态环境造成不利影响。对桉树人工林生物多样性进行系统研究，非常有必要。
参考文献：
[1] 苏素霞.福建三明木荚红豆树人工林生长与生物量[J].福建师范大学学报：自然科学版，2011（2）.
[2] 赵鹏舟，郭明锐，吴利国，等.齐齐哈尔地区杨树人工林丰产栽培技术[J].中国西部科技，2007（4）.
[3] 张跃田.浅谈杨树人工林丰产栽培技术[J].民营科技，2008（2）.
[4] 邹威，龙作义.沙松人工林生长培育技术的研究[J].牡丹江师范学院学报：自然科学版，2005（4）.
[5] 郭伟，张健，黄玉梅，等.森林凋落物生态功能研究进展[J].安徽农业科学，2009（5）.
生物多样性的分析方法范文第5篇
关键词：城市；绿化建设；生物多样性；增加
1 城市绿化建设过程中增加生物多样性的必要性
随着社会的不断发展，城市化的进程不断加快，越来越多的工业和人工企业得到发展，随之而产生的环境问题日益增多。生态环境不断遭到破坏，资源的无节制浪费，生物多样性不断遭到严重破坏，几乎每天都有数10种生物灭绝。面对这样裸的环境问题，社会各界都已经认识到保护和增加生物多样性在城市绿化建设过程中的必要性。生物多样性包含遗传多样性、物种多样性以及生态系统多样性。在城市绿化过程中增加生物的多样性，并不是回到原来没有现代工业发展的时代，而是以绿化建设作为其它产业发展的基础，于此同时，保护生物多样性，并在可能的情况下增加生物的多样性。在这样的情况下，不仅为人类提供了绿色适宜的生活空间，而且还可以带来生态效益。在人们不断追求绿色生活的同时，适时发展绿色产业不仅可以为城市带来绿化建设，还可以完善城市的生物多样性，确立人与自然和谐的发展关系，真正做到可持续发展。
当下的城市绿化建设大都采取单一的种植绿色植物，很少有与现代生活结合，其实生物多样性才是促进城市绿化建设的基础。城市绿化应该以大自然的生产力为主体，与该城市的发展有机结合起来。生物多样性作为人类赖以生存的重要潜在资源，在绿化发展的同时，能有效地促进物质的循环、净化空气、保持水土，保证生物基因库的完整，这都是大自然的宝贵资源，同时，在城市绿化过程中保护和增加生物多样性，有利于城市生物多样性的恢复和发展。所以，在城市绿化建设过程中保护和发展生物的多样性有必要，也很重要。
2 城市绿化建设过程中增加生物多样性的方法及探索
尽力将城市绿化布局做到完美，从物种的分配，品种的匹配到群落的分布，都要与该城市的气候环境，居民生活习惯结合，建立绿网系统。在保留自然植被的基础上，给生物提供更加适宜的生存空间，这样就能有效地增加生物多样性。反过来生物多样性的发展会保持该城市的物种多样性，建立起复杂的生态系统，从而有效地保护城市环境，防止城市污染，实现绿色合理的多赢城市绿化建设。
2.1 加强对生物多样性以及城市绿化的认识
其实现在我们对城市绿化建设的认识还很不足，只有掌握和了解城市绿化与生物多样性在历史和地域上的联系才能在城市绿化的过程中增加生物的多样性。在绿化过程中将荒地野草全部废除，这样何尝不是对物种多样性的破坏，这些物种群落的价值不能低估，所以，要从不同层次上了解生物的多样性对于城市绿化的帮助。在建设中不能忽视原来不被重视的地段，有很多濒危物种就存在其中，应对它们进行调查和保护，可以变相、多角度的进行绿化建设，将这些被忽视，甚至要废除的地域规划为公园或者生态园区的一部分。
2.2 保护和发展城市生态结构
一个地域的所有物种可以形成群落，城市的群落是一个较为完善的结构，城市绿化应该尽量选取与该地域环境相适应的物种，改善物种布局，使得绿网系统更加完善。应该以城市的原有植被为基础，在绿化前对该城市的结构进行分析和了解，绿化建设的同时丰富物种的多样性。只有这样才能加强城市物种结构的稳定性和自我恢复能力，将建设的同时带来的危害降到最小。与此同时，要找到该城市在绿化建设中的薄弱地方，通过合理的规划和新物种的引进进行宏观上的生态绿化建设。例如，城市的绿化建设不能只考虑增加植物的多样性，还应该考虑动物的多样性。这样不仅注重了群落垂直结构，形成了层次上的绿化建设，而且给生物提供了最大的生存空间，有利于系统的稳定。
2.3 完善
虽然，增加生物的多样性有利于城市的绿化建设，但生物多样性高并不是人为拼凑。如今的绿化建设中人为种植所占比重大，所以，生物多样性不能等同于物种的多样性。要考虑他们是否能有机结合在一起，能否融入绿网结构中。人工搭配的不稳定性客观存在，必须要在保护中发展，要充分挖掘原有的生态多样性，这样会节省大量的人力、财力，并且达到意想不到的效果。在绿化建设中增加生物多样性，进而以生物多样性维护城市绿化的成果，构建优良的生态结构。
3 结语
社会发展的同时，我们对城市绿化建设提出的新要求就是保护和增加生物的多样性，为此，相关部门首先要充分研究城市原有的生态结构，充分挖掘原有的生态潜力，然后再引入新的物种，完善生态结构，建成全新、有机并更加稳定的垂直结构，进而真正保护和发展生物的多样性。
参考文献
