导读:本文包含了植物群落组织论文开题报告文献综述及选题提纲参考文献，主要关键词:自组织神经影射网络,植被,数量方法,梯度分析
植物群落组织论文文献综述
张金屯,孟东平,席跃翔[1]（2008）在《自组织神经影射网络排序及其在植物群落分析中的应用》一文中研究指出自组织神经影射网络(SOFM)对复杂问题和非线性问题具有较强的分析和解决功能,其特征完全适合植物群落的排序研究。该文介绍了SOFM的基本原理和排序分析过程及方法,并应用SOFM网络排序对太行山中段植物群落进行了排序分析。其计算过程在Matlab 6.5神经网络工具箱中实现。结果将68个样方排列在SOFM拓扑空间,排序轴反映了明确的生态梯度,能够反映植物群落间的生态关系,生态意义明确,符合植被实际,表明SOFM网络是有效的植物群落排序方法。在SOFM排序过程中也很容易进行聚类,有利于群落分类和排序的结合。(本文来源于《北京林业大学学报》期刊2008年01期）
张金屯,杨洪晓[2]（2007）在《自组织特征人工神经网络在庞泉沟自然保护区植物群落分类中的应用》一文中研究指出人工神经网络是较新的数学分析工具,其中的自组织特征映射网络(SOFM)具有较强的聚类功能。应用SOFM网络对庞泉沟自然保护区植物群落进行了分类研究。在讨论了SOFM网络的数学原理、聚类方法和步骤的前提下,分类过程在MATLAB(6.5)神经网络工具箱(NNTool)中编程实现。结果将89个样方分为13个植物群落类型。分类结果符合植被实际,生态意义明确,表明SOFM网络可以很好地反映植物群落的生态关系,是非常有效的植物群落数量分类方法。(本文来源于《生态学报》期刊2007年03期）
郝敦元,高霞,刘钟龄,钱进,莘智[3]（2004）在《内蒙古草原生态系统健康评价的植物群落组织力测定》一文中研究指出在草原生态系统健康评价的研究中 ,根据 1981～ 2 0 0 3年对内蒙古锡林河流域 (N4 3°38′E116°4 2′)典型草原的代表性植物群落 :羊草 +大针茅草原群落生产力动态监测和退化草原恢复演替进程的监测数据 (每年 9次采样 ,15 d一次 ,每次 2 0个 1m2样方 ) ,计算物种累积频率 fi、累积相对生物量 mi、累积植株相对高度 hi。定义 li=10 0 0 fi· mi· hi 为草原植物种群组织力参数 ,全部种群的组织力参数可作为群落的组织力参数。组织力参数有显着的分异性 ,按大小排序 ,可确定植物种在群落中的作用等级和互补效应。不同等级的物种占用环境资源的能力不同是群落自组织的根源。种间互补作用是充分利用环境资源、适应环境波动 ,维持群落生产力的自组织机制。用不同时段的短周期数据得到的原生群落组织力参数与用长期监测数据得到的结果表现了相同的等级关系 ,而退化草原群落的植物种群组织力参数则表现出等级关系的显着差异。可以认为物种间的等级关系和互补功能体现了群落的组织力。故组织力参数可用于评定群落组织力(本文来源于《生态学报》期刊2004年08期）
郝敦元,刘钟龄,王炜,梁存柱[4]（2002）在《内蒙古草原植物群落组织力的分析》一文中研究指出在进行草地生态系统健康诊断的研究中 ,根据 1 981 -2 0 0 0年对内蒙古典型草原的代表性植物群落—羊草 +大针茅草原群落生产力动态测定的结果及退化草原恢复演替进程的监测数据 ,经过对物种频率 ( fi)、累积相对生物量 ( m1)、累积植株平均高度 ( h1)的计算 ,提取出草原群落中的植物种群组织力参数。l1=fi.m1.h1.1 0 0 0。按照组织力参数排序 ,确定物种在群落中的作用等级和种间互补效应。不同等级的物种占用环境资源的能力不同 ,是实现群落自组织的根源 ,种间互补作用是充分利用环境资源、适应环境波动 ,达到群落最高生产力的自组织机制。可认为物种间的等级关系和互补功能体现了群落的组织力(本文来源于《干旱区资源与环境》期刊2002年03期）
杨悦[5]（1983）在《如何组织学生观察植物群落》一文中研究指出在假期里,教师带领中学生到野外去观察和采集植物时,如能组织学生进行植物群落观察,是十分有益的。在自然界中存在着各种各样的植物群落。一片森林是一个群落,一片灌丛、一块草地、一个生长着植物的池塘以及一块农田,也各是一个群落。组织学生观察时,最好选择森林群落,因为森林群落植物种类多,地上部分分层明显,群落内各种植物之间的关系错综复杂,有利于(本文来源于《植物杂志》期刊1983年03期）
植物群落组织论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人工神经网络是较新的数学分析工具,其中的自组织特征映射网络(SOFM)具有较强的聚类功能。应用SOFM网络对庞泉沟自然保护区植物群落进行了分类研究。在讨论了SOFM网络的数学原理、聚类方法和步骤的前提下,分类过程在MATLAB(6.5)神经网络工具箱(NNTool)中编程实现。结果将89个样方分为13个植物群落类型。分类结果符合植被实际,生态意义明确,表明SOFM网络可以很好地反映植物群落的生态关系,是非常有效的植物群落数量分类方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
植物群落组织论文参考文献
[1].张金屯,孟东平,席跃翔.自组织神经影射网络排序及其在植物群落分析中的应用[J].北京林业大学学报.2008
[2].张金屯,杨洪晓.自组织特征人工神经网络在庞泉沟自然保护区植物群落分类中的应用[J].生态学报.2007
[3].郝敦元,高霞,刘钟龄,钱进,莘智.内蒙古草原生态系统健康评价的植物群落组织力测定[J].生态学报.2004
[4].郝敦元,刘钟龄,王炜,梁存柱.内蒙古草原植物群落组织力的分析[J].干旱区资源与环境.2002
[5].杨悦.如何组织学生观察植物群落[J].植物杂志.1983