模拟CCS技术CO_2泄露对C_4作物生物量的影响

模拟CCS技术CO_2泄露对C_4作物生物量的影响,以期为CCS技术CO_2泄露后可能产生的环境影响提供基础性资料。利用CO_2人工气候箱,模拟CCS技术CO_2泄露产生的高浓度CO_2环境,研究在CO_2分别为正常大气CO_2浓度(对照组),10 000,20 000,40 000,80 000mg/kg时,对玉米、高粱、谷子、糜子4种C4作物植株干重、根冠比、干湿重比的影响。试验结果表明:当CO_2浓度为10 000,20 000mg/kg时,4种C4作物植株干重逐渐增加,根冠比、干湿重比均减小,但随着CO_2浓度持续增加到40 000,80 000mg/kg时,4种C_4作物植株干重逐渐减少,根冠比、干湿重比均增大,并且随着试验天数的增加,4种C_4作物的根冠比和干湿重比会逐渐减小。在CO_2浓度为20 000mg/kg时,4种C_4作物的干重值最大,根冠比和干湿重达到最小值,此时,更利于植物地上部分的生长,其水分利用率达到最高。     

黄土高原地区淤地坝拦沙淤积监测中存在的问题及方法探讨

[目的] 探索研究科学成熟的淤地坝拦沙淤积监测方法，为精确获取淤地坝拦沙量，实现淤地坝安全运行和拦沙效益发挥提供实践支撑。 [方法] 以黄土高原为研究区，总结分析淤地坝拦沙淤积监测的重要性和存在问题，并提出黄土高原地区淤地坝拦沙淤积遥感监测方法。 [结果] 提出了基于遥感技术获取淤地坝拦沙淤积量的原理和关键影响因素；对比分析了无人机正射测量、无人机倾斜摄影、无人机载LiDAR等遥感方法的精度、工作量和可行性及在淤地坝拦沙淤积监测中的不同应用场景。 [结论] 相较传统人工调查方式，遥感监测技术在淤地坝拦沙淤积监测中具有较大优势，可满足不同的拦沙淤积监测需求，是未来淤地坝拦沙淤积测量监测的重要发展方向。     

箱体模拟地质封存CO2泄漏速度差异对植物的影响

为了解地质封存CO_2注入井破裂等快速泄漏或者通过地质甬道缓慢弥散对植物的影响,该文试验通过箱体模拟地质封存CO_2快速和慢速的不同泄漏方式,研究其对植物的影响。结果表明:快速泄漏CO_2时,泄漏量在2 000 g/(m·d)时光合值下降明显(从(22.86±0.89)μmol/(m·s)下降到(0.1±0.08)μmol/(m·s)),植株高度从(206±10.20)cm下降到(93.67±4.78)cm,叶片数也明显减少,而CO_2慢速泄漏时,在浓度控制下植物没有明显的响应,只有长期暴露在CO_2泄漏源附近的土壤p H值下降。碳捕集与封存技术(carbon capture and storage,CCS)决策者可以根据地质封存CO_2泄漏速度差异对周围生态造成的不同影响制定相应的应对措施。     

半开放式CO_2和温度递增系统(CTGC)的改进:CO_2浓度控制效果

环境控制模拟系统,是开展农田生态系统对全球气候变化响应研究的有效手段,但目前应用于试验中的模拟系统均存在一定局限,如CO_2气体过量消耗、试验成本较高、模拟的试验环境与真实的自然环境差异较大、试验空间有限、不易重复等。针对这些问题,本研究对半开放式CO_2浓度和温度递增模拟系统(CTGC)进行了硬件升级和设计改进,针对其CO_2浓度的控制效果包括CO_2浓度监测、CO_2气体释放两大系统进行改进,使其能达到精准控制CO_2气体释放,降低试验成本,精确模拟未来高CO_2浓度的生产环境,其空间面积较大,适合多种作物同时试验。改进后的系统利用电磁阀组和CO_2浓度检测传感器组成的多通道监测系统,实时检测各处理区域内的CO_2浓度,实现精准监测。在CO_2气体释放源端,采用比例调节式减压器,有效减少了CO_2从储气罐中被减压后在气体管路中的压力积蓄,控制CO_2气体精量释放;系统将CO_2释放方式由纵向改为横向,释放管道由主管加支管组成,由控制流量调节阀将主管与支管相连接,使气室内形成均匀的CO_2释放区域,从而达到CO_2浓度梯度升高的模拟效果。试运行结果表明,改进后的CTGC系统可以实现CO_2浓度387±4.5、441±13.4、490±20.9、534±24.3和567±28.9μmol·mol-1的梯度递增,系统对环境变化的响应速度加快,能够精确实时监测气室内各处理区域CO_2浓度的变化,并实现CO_2气体的精量释放;系统内的CO_2浓度梯度递增趋于稳定,从而更好地模拟大气CO_2浓度逐渐升高的过程,满足作物对气候变化响应研究的需要。     

大气CO2浓度升高与氮肥互作对玉米光合特性及产量的影响

为阐明大气CO_2浓度升高和氮肥交互作用对C4作物玉米光合生理和产量的影响,本研究利用自由大气CO_2富集(FACE)平台,以玉米品种‘郑单958’为试验材料,在不同施氮量[常氮180kg(N)×hm~(-2)、低氮72kg(N)×hm-2]下比较大气CO_2浓度[(400±15)μmol×mol-1]和高CO_2浓度[(550±15)μmol×mol-1]对玉米生长的影响。结果表明:1)大气CO_2浓度升高使玉米苗期叶片叶绿素浓度显著(P=0.025)增加9.5%,抽雄期净光合速率显著(P=0.009)增加9.0%;低氮和常氮下,高CO_2浓度使玉米各主要生育期胞间CO_2浓度分别显著增加34.8%～48.5%和40.0%～49.4%,气孔导度在大口期和抽雄期分别显著下降21.6%(P=0.015)和22.1%(P=0.010),玉米叶片水分利用效率在大口期、抽雄期和灌浆期分别显著增加12.9%(P=0.002)、 9.8%(P=0.019)和18.8%(P=0.001);高CO_2浓度使玉米非光化学淬灭呈降低趋势、PSII有效光化学量子产量有增加趋势;相同氮水平下,高CO_2浓度对玉米产量没有显著影响。2)高CO_2浓度和合理施氮交互作用对玉米功能叶叶绿素含量、净光合速率、PSⅡ有效光化学量子产量增加有一定的促进作用,如在大口期和抽雄期,常氮+高CO_2浓度处理叶绿素含量比低氮+大气CO_2浓度处理增加17.3%和10.7%,高CO_2浓度和合理施氮量交互作用有增加玉米产量的潜力,合理增加施氮量促进了CO_2肥效的发挥。在未来大气CO_2浓度升高条件下合理施氮对C4作物玉米生长发育有促进作用。     

无人机技术在生产建设项目水土保持监测中的应用

[目的]对无人机低空遥感技术在水土保持监测中的应用进行探索,为该技术应用于小流域综合治理、水土保持监督管理、施工监理和水土保持验收等方面奠定基础。[方法]以浙江省长龙山抽水蓄能电站工程为例,结合《生产建设项目水土保持监测规程(试行)》,从背景资料分析、遥感数据获取、监测信息提取及应用3个方面,开展无人机低空遥感技术在水土保持监测中的案例分析。[结果]利用无人机低空遥感技术并结合传统定位观测手段,能够精细化、定量化地完成土地利用类型、扰动范围及流失量、弃渣场挖填方量、水土流失隐患及危害和水土保持措施等监测工作。[结论]无人机低空遥感技术在水土保持监测中的应用可靠性高,实用性强,计算结果的精度满足《监测规程》要求,有利于提高生产建设项目水土保持监测工作的技术水平,可为防治水土流失提供技术支撑。     

面向对象分类技术在开发建设项目水土保持监测中的应用

[目的]研究基于无人机低空遥感影像的面向对象分类技术在开发建设项目水土保持监测中的应用,为水土保持监测工作的信息化能力提升提供技术支撑。[方法]利用旋翼无人机获取水土保持监测目标区域的低空遥感影像,通过倾斜摄影技术构建数字表面模型,结合ESP分割尺度评价工具获取最优分割尺度参数,采用多元特征空间指标参与最邻近分类法的监督分类,并依据位置信息的评价方法和误差矩阵对分类解译精度进行验证。[结果]本研究的水土保持监测目标区域的地物分类总体精度达到了86.10%,Kappa系数为0.841,有较好的一致性,能够满足精度需求。[结论]利用无人机低空遥感影像的面向对象分类技术实现了开发建设项目水土保持监测区域地物的快速、精确识别和分类。     

不同浓度CO2施肥对温室番茄果实积硒效应的影响

试验以"兴海12号"番茄为研究对象,在施用4种不同浓度的CO_2的基础上,又对每个CO_2浓度处理下的番茄做了4个不同浓度的硒处理。研究了不同浓度CO_2施肥对番茄积硒效应的影响。设各独立隔间CO_2浓度依次为大气浓度(CK)、(600±25)μmol·mol~(-1)(T1)、(800±25)μmol·mol~(-1)(T2)、(1 000±25)μmol·mol~(-1)(T3)。在此基础上每个隔间的番茄材料实施包括空白在内的4个硒水平的处理L0(空白)、L1(2 mg·L~(-1))、L2(4 mg·L~(-1))、 L3(6 mg·L~(-1))。在相同的CO_2条件下叶面喷硒,随着施硒浓度的升高,使番茄果实内总硒和有机硒含量均有所升高,并且当施硒浓度相同时,随着CO_2浓度升高,番茄果实内总硒及有机硒都有显著的提升,且800μmol·mol~(-1)处理下效果最佳。本次试验在研究了CO_2施肥对番茄硒积累及转化的同时也比较了不同CO_2与亚硒酸钠的不同组合配施下成熟果实主要营养物质含量,结果为单独施硒与CO_2以及硒与CO_2的配施均使番茄营养品质得到提升。果实内维生素C、番茄红素及可溶性总糖在组合T2L3(CO_2浓度为800μmol·mol~(-1),硒浓度为6 mg·kg~(-1))时含量最高,提升显著。在T3L2(CO_2浓度为1 000μmol·mol~(-1),硒浓度为4 mg·kg~(-1))时有较高的糖酸比。     

大气CO2浓度升高和干旱互作对谷子光合及抗旱生理特性的影响

为明确谷子光合作用以及抗旱生理过程对高大气CO_2浓度和干旱交互作用的响应机制,在开顶式气室中(OTC)开展大气CO_2浓度和干旱交互对谷子影响的研究。设置两个CO_2浓度:环境CO_2浓度(400μmol·mol~(-1))和高CO_2浓度(600μmol·mol~(-1));两个水分处理:正常水分(70%～80%田间持水量)和干旱(45%～55%田间持水量),对高CO_2浓度和干旱互作下谷子光合气体交换参数、荧光动力学参数及抗旱相关生理指标的变化进行了研究。结果表明:高CO_2浓度可降低干旱条件下光合色素含量,加剧孕穗期谷子气孔关闭,减轻灌浆期干旱对谷子净光合速率的负效应并增加其水分利用效率。孕穗期高CO_2处理使正常水分处理下谷子气孔导度下降66.7%,而干旱处理下减少77.7%;灌浆期高CO_2使正常水分处理和干旱处理下谷子净光合速率分别增加19.0%和87.7%,水分利用效率增加37.1%和39.2%。干旱处理显著降低谷子除非光化学淬灭系数(NPQ)以外所有荧光动力学参数值,灌浆期高CO_2能缓解该作用。高CO_2处理显著减少纤维素含量和正常水分处理下过氧化物酶活性。干旱极显著升高POD活性(高CO_2浓度)及脯氨酸含量、可溶性总糖、淀粉含量(环境CO_2浓度)和纤维素含量(高CO_2浓度)。因此CO_2浓度升高能够改善谷子的PSⅡ光化学效率和提高抗氧化酶活性来增强谷子的抗旱性。     

高CO2浓度对不同氮素供给形态下水稻叶片光合作用的影响

为探究水稻叶片光合作用对高CO_2浓度([CO_2])的响应是否与氮素供给形态有关,利用人工气候生长箱,以粳稻(武运粳23号和淮稻5号)、籼稻(扬稻6号)和杂交稻(Y-两优6号)为试验材料,设置主处理:大气[CO_2]和高[CO_2]处理(+200μmol/mol),副处理:硝态氮和铵态氮处理,测定水稻新展开完全叶片的光合作用。试验结果表明:高[CO_2]会增加硝态氮处理下粳稻和杂交稻叶片的净光合速率(P_n)、铵态氮处理下粳稻武运粳23号叶片P_n以及各氮素供给形态下水稻叶片胞间[CO_2](C_i)和水分利用效率(WUE),其中在硝态氮处理下P_n和WUE的响应要高于铵态氮处理;高[CO_2]会降低水稻叶片的气孔导度(g_s)和蒸腾速率(T_r),其中在硝态氮处理下粳稻g_s和T_r的响应要高于籼稻,而在铵态氮处理下高[CO_2]对杂交稻g_s和T_r的影响要高于粳稻和籼稻。可见,不同的氮素供给形态会影响水稻叶片的光合作用对高[CO_2]的响应,且这种影响在水稻品种间存在很大差异。     

地质封存CO2泄露对地表水中非金属类指标的影响

[目的]探讨地质封存CO_2泄露对地表水中非金属类物质指标的影响,为相关研究提供理论依据。[方法]通过控制二氧化碳泄露时间、泄露速率、泄漏时的温度等条件,分析其对地表水中pH值、溶解氧(DO)、HCO-3和化学需氧量(COD)等指标的影响。[结果]一定时间内,二氧化碳泄露对pH值和DO的影响最大,对HCO-3和COD的影响较小;泄露速率的增大将提高pH,DO,HCO-3的反应速率,即加快pH值和DO的下降,加快了HCO-3的升高;而温度的升高对COD的影响最大。[结论]建议将地质封存CO_2的监测指标选取为地表水中的pH值、DO和HCO-3,因为此三者的变化明显。     

模拟CCS技术CO2泄露对C4作物种子萌发的影响

模拟CCS技术CO₂泄露对C₄作物种子萌发的影响,以期为CCS技术CO₂泄露后可能产生的环境影响提供基础性资料。利用CO₂人工气候箱,模拟CCS技术CO₂泄露产生的高浓度CO₂环境,研究在CO₂分别为正常大气CO₂浓度(对照组),10000,20000,40000,80000 mg/kg时,对玉米、高粱、谷子、糜子4种C₄作物发芽率、发芽势以及平均发芽天数的影响。高浓度CO₂对玉米发芽率无明显影响,而高粱、谷子和糜子分别在10000,20000, 20000 mg/kg时发芽率达到最高值;高浓度CO₂对玉米发芽势亦无明显影响,而高粱、谷子和糜子均在20000 mg/kg时发芽势达到最高值;高浓度CO₂对4种C₄作物发芽天数均产生较小影响,其中,对糜子影响较为显著。在不同CO₂浓度范围内对C₄作物种子发芽率分别有促进和抑制作用,促进和抑制作用不是很显著,其中,促进范围1%~5%,抑制范围1%~4%;高浓度CO₂对C₄作物种子发芽势有比较显著的促进作用,较对照组,发芽势的促进范围为9%~16%;高浓度CO₂对4种C₄作物发芽天数均产生较小影响。     

基于无人机遥感影像的大豆叶面积指数反演研究

作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,可作为指导精准农业研究的一种新方法。     

基于微小型无人机的遥感信息获取关键技术综述

近年来,基于微小型无人机的遥感信息获取技术广泛应用在农业领域。采用微小型无人机遥感信息平台获取农田作物信息,具有运行成本低、灵活性高以及获取数据实时快速等特点,是目前农田作物信息快速获取的主要方法之一,是精准农业发展的重要方向。该文主要对微小型无人机遥感技术平台的发展、遥感信息获取技术、遥感图像的处理与解析、以及微小型无人机遥感平台应用在作物信息监测和生产管理等方面进行了深入剖析,强调了遥感信息获取与解析技术的重要性和存在的问题,受微小型无人机飞行稳定性和载荷量的限制,如何实时快速准确地调整机载遥感传感器的姿态使被测目标始终处于监测视野中,并实现图像信息的远距离获取与传输,以及如何处理和解析无人机遥感系统获取高质量的遥感图像是微小型无人机遥感技术能否被广泛应用在各研究领域的关键技术。最后,提出了增强无人机飞行控制系统的高稳定性、遥感图像的精确获取及数据的实时传输和高精度的图像后处理方法,对作物信息监测技术的发展和应用具有重大意义,是实现大面积精准农业生产管理决策的重要依据。     

Elevated carbon dioxide and nitrogen supply affect photosynthesis and nitrogen partitioning of two wheat varieties

The response of wheat to elevated carbon dioxide concentration (e[CO₂]) is likely to be dependent on nitrogen supply. To investigate the underlying mechanism of growth response to e[CO₂], two wheat cultivars were grown under different carbon dioxide concentration [CO₂] in a chamber experimental facility. The changes in leaf photosynthesis, C and N concentration, and biomass were investigated under different [CO₂] and N supply. The result showed an increase in photosynthesis under e[CO₂] at all N level except the one with the lowest N supply. Furthermore, a significant decrease in g_s and Tr for both the cultivars was also observed under e[CO₂] at all N levels. A considerable increase in WUEi was observed for both the cultivars under e[CO₂] at all N levels except for the lowest concentration one. Therefore, the study shows that a stimulation of plant growth under e[CO₂] to be marginal at higher N supply.     

多光谱低空遥感图像光照辐射度校正

为了提高受云层阴影影响的遥感图像的信息提取准确度,该文以水稻小区试验过程中为进行氮素水平检测而采集的低空机载高分辨率多光谱遥感图像为对象,对受云层阴影影响的高光谱图像进行光谱校正,从而提高氮素水平检测的精度。试验中采用机载的双摄像机同步采集可见光和近红外的水稻遥感图像,并将两摄像机的图像进行几何校正后合成得到彩红外(color infrared,CIR)光谱图像;同时在图像采集区域布置3块不同反射率的1.2 m×1.2 m标定靶,利用便携式光谱仪测定标定靶的反射光谱曲线,并统计标定靶在图像中各通道的亮度均值。以标定靶在晴天无云和有云图像中的亮度值为节点,对G、R和近红外(near infrared,NIR)通道分别建立分段的线性变换模型进行校正。为验证校正精度,在遥感图像中分别选择大田水稻、小区试验田块和裸地3个不同区域的图像的G、R和NIR通道像素亮度均值及归一化植被指数(normalized differential vegetation index,NDVI)作为评价指标。试验结果表明,和传统的整体线性变换相比,采用分段线性变换校正具有较高精度,G、R和NIR通道校正后的平均误差为8.6%,9.1%和11.7%,NDVI平均误差为11.5%,有效提高了阴影条件下的遥感图像的信息提取精度,提高了受云层影响遥感图像的利用率。研究为低空遥感的图像校正提供了参考。     

基于无人机遥感的农作物长势关键参数反演研究进展

无人机遥感是生态-环境-资源领域新兴的重要研究手段,近年来在农作物长势研究中得到了迅速的发展与应用。清楚、透彻地认识基于无人机遥感的农作物长势研究现状及存在问题,有利于更好地把握当前的核心领域并开展更进一步的研究。首先回顾了国际上"基于无人机遥感农作物长势研究"为主题的论文发表情况,其次对无人机遥感平台及不同传感器的基本遥感原理、反演的参数类型、各自的优势及局限性进行梳理,并概述了基于无人机遥感的农作物长势反演流程。在此基础上,一方面将农作物长势参数归纳为形态指标、生理生化指标、胁迫指标、产量指标等4类;另一方面将农作物长势参数的反演方法归纳为经验统计回归与机器学习法、形态特征与光谱特征识别法、辐射传输模型法、多角度航拍与卫星-无人机影像结合法等4类,并针对不同反演方法的优势与不足进行总结。最后综合国内外的研究现状进行了讨论分析与展望评价。该文通过综述近10 a来无人机遥感农作物长势关键参数反演的研究成果,可为今后基于无人机遥感方法的农作物长势研究的理论基础与技术支持方面提供参考。     

基于无人机遥感植被指数优选的田块尺度冬小麦估产

田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。     

基于无人机影像的SEGT棉花估产模型构建

及时、准确的产量估算对农业经营管理和宏观决策具有重要意义。该研究利用无人机高分辨率遥感影像,提出了一种基于苗铃生长趋势的SEGT(Seedling Emergence and Growth Trend)模型用于棉花产量估算。首先借助无人机可见光影像数据,通过植被指数与大津法、形态学滤波相结合的方法,获取研究区内棉花出苗信息;然后利用无人机多光谱时间序列影像数据,分析各时期归一化差异植被指数NDVI(Normalized Difference Vegetation Index)与实际产量的相关特征,对棉花生长状态进行等级划分,反演每株棉花的预测成铃数;最后结合棉花单铃质量构建SEGT模型进行产量估算,并根据实测产量数据进行精度验证。试验结果表明:ExG-ExR(Excess Green-Excess Red)植被指数对棉花苗识别和提取效果较好,精确率、召回率、F1值分别达到93%、92.33%和92.66%,VDVI(Visible-band Difference Vegetation Index)植被指数精度次之;将预测产量与实测产量进行对比验证,估产模型的决定系数达到0.92,表明利用SEGT模型进行棉花产量估算是一种切实可行的方法。研究结果可为无人机遥感在作物估产中的应用提供参考。