不同土地利用类型下土壤养分变化及生态化学计量特征分析

为研究不同土地利用类型下土壤养分特征及碳(C)、氮(N)、磷(P)、钾(K)的生态化学计量比，采用文献计量法对全国范围内不同土地利用类型的土壤养分指标进行研究，分析水田、旱地、草地、林地土壤养分在表层(0～20 cm)的分布情况及差异性。结果表明，4种土地利用类型下土壤全钾及速效钾含量相对较为丰富，而土壤全磷含量普遍缺乏，两者达到了显著性差异(P<0.05)。土壤全氮与全磷呈正显著性相关(P<0.05)，与有效磷呈负显著性相关(P<0.05)，土壤有机质与全氮表现出极显著的正相关关系(P<0.01)，土壤全磷与全钾呈极显著的正相关关系(P<0.01)。土壤C:N值以水田最高，土壤C:K值、C:P值和N:K值均表现为草地最高，N:P值以林地最大，P:K值以旱地最高。根据土壤养分库综合指数推断4种不同土地利用类型的整体土壤养分水平，表现为水田>草地>旱地>林地。4种不同土地利用类型充分体现了土壤养分含量和元素的生态化学计量比的差异，可为不同土地利用类型的植被恢复和土壤改良提供理论支撑。     

不同土壤类型油菜免耕栽培适应性研究初报

通过选择3种土壤类型进行油菜免耕与翻犁移栽大区比较试验，结果表明，大眼泥田、大土泥田、大泥田等3类土壤类型中，以大土泥田产量最高。试验还表明，免耕移栽土壤养份量变化较小，有利于油菜营养物质的积累。     

贵州烟田不同土壤类型p H和速效钾含量分布特征

揭示贵州烟田不同土壤类型pH和速效钾含量及分布特征，指导植烟土壤保育。选取贵州代表性烟田，分析不同土壤类型耕层厚度、pH和速效钾含量的分布特征，及深耕后pH和速效钾的变化情况。结果表明，贵州烟田土壤耕层普遍偏浅，平均为18.88 cm。平均pH 6.21，依次为人为土>淋溶土>雏形土>富铁土>新成土，不同土壤类型间无显著差异。速效钾含量平均为332.81 mg/kg，依次为淋溶土>富铁土>人为土>雏形土>新成土，其中淋溶土和富铁土显著高于人为土、雏形土，淋溶土与富铁土、人为土与雏形土之间无显著差异。pH和速效钾含量均表现为递减型、递增型和均一型3种模式，pH以递增型为主(72.21%)，速效钾以递减型为主(72.21%)。深耕后不同土壤类型pH平均增加0.12个单位，速效钾含量平均减少49.43 mg/kg。贵州烟田土壤耕层偏浅，存在酸化现象，速效钾含量总体偏高，不同土壤类型pH和速效钾含量不同，剖面分布特征影响土壤深耕后pH和速效钾含量的变化。     

连作对烤烟生长和烟地土壤酶活性的影响

采用完全随机设计，通过连续6季盆栽试验，分析了灰岩黄壤和第四纪黄壤两种贵州大面积分布的烤烟土壤中，不同连作年限对烤烟生长和土壤酶活性的影响。结果表明：（1）连作严重影响烤烟植株的生长，种植各季及不同土壤类型间其生物量均达显著差异。（2）脲酶、酸性磷酸酶、蔗糖酶活性随连作年限的增加酶活性降低，过氧化氢酶活性则显著增强。（3）连作障碍在盆栽四季或五季时表现最为明显；就土壤类型而言，灰岩黄壤比第四纪黄壤更适宜烤烟连作。     

土壤类型及含水量对花蓟马蛹期发育及羽化的影响

基于花蓟马Frankliniella intonsa (Trybom)偏好土壤内化蛹的习性，研究不同土壤及含水量对花蓟马化蛹及羽化的影响，以期为花蓟马蛹控制技术提供重要依据。采集黏土、壤土和沙土3种土壤并在105℃条件下烘干，在3种土壤中添加纯水至其含水量达到3.00%、5.00%、10.00%、15.00%、20.00%和25.00%，随后将花蓟马老熟2龄若虫引入不同类型及含水量的土壤，观察其化蛹与羽化。土壤类型及含水量均显著影响了花蓟马的羽化，且2种因素之间交互作用显著(P<0.05)。在所有供试土壤中，随着土壤含水量的增加，花蓟马羽化率表现出先升高后降低的趋势。其中，花蓟马在含水量为10.00%沙土中羽化率最高，可达77.50%；在黏土中，当土壤含水量为15.00%时，花蓟马羽化率最高达63.33%；而在壤土中，当土壤含水量为15.00%和20.00%时，花蓟马的羽化率最高，分别为50.00%和47.50%。此外，研究发现花蓟马的羽化高峰在15.00%含水量的沙土中出现在第4天，而在其他含水量沙土以及所有含水量的黏土和壤土中其羽化高峰为第3天。土壤类型与含水量共同制约着花蓟...     

森林采伐与造林对土壤水分物理性质的影响

采用对比实验的方法，对小兴安岭林区主要森林类型采伐后土壤水分物理性质进行了测定和研究。结果表明：森林采伐后土壤容重增大，孔隙度减小，土壤持水性能降低。其中，皆伐比择伐对土壤的影响大，且俯材道土壤的破坏也最大。采伐后选择适当树种及时人工造林。有利于土壤的保护和改善。采伐亦地的撩荒则使土壤破坏加剧。     

冬种黑麦草对6种水稻土重金属含量及晚稻不同器官重金属累积与分配的影响

研究双季稻区6种不同土壤类型冬季种植黑麦草对土壤重金属含量及其对晚稻不同器官重金属积累与分配的影响, 可为水稻质量安全生产和产地安全适宜性评价提供重要参考。本文以7年定位试验为基础, 研究了南方双季稻区冬季种植黑麦草对6种不同水稻土耕层土壤重金属Cd、Pd、Hg和As含量的变化及其对晚稻不同器官重金属积累与分配的影响。结果表明, 在6种不同土壤类型中, 灰泥田土壤Cd含量极显著高于其他土壤类型; 黄泥田土壤Pd含量极显著高于其他土壤类型; 土壤Hg含量以红黄泥田最高, 达0.029 mg kg^-1, 与其他土壤类型差异达极显著水平; 土壤As的含量以黄泥田最高, 为29.5 mg kg^-1, 极显著高于其他土壤类型。6种不同土壤类型晚稻植株Cd、Pb、As含量均为根>茎叶>糙米。在晚稻植株根系、茎叶和糙米的Cd含量以红黄泥田最高, 均极显著高于其他土壤类型; 植株根系Pb、As含量以黄泥田最高, 分别为33.0 mg kg^-1和119.5 mg kg^-1, 均极显著高于其他土壤类型; 河沙泥水稻植株茎叶的Hg、As含量均极显著高于其他土壤类型。说明黄泥田种植水稻有利于降低稻米中重金属含量, 改善稻米品质。     

蔬菜生产肥料的简易识别与合理施用

<正>现在肥料品牌和类型多,如大量元素肥料、中量元素肥料、微量元素肥料、复合肥料等化学肥料,又涌现了微生物肥料、叶面肥料及水溶性肥料、缓控释肥料以及海藻酸、甲壳素肥料、腐植酸肥料、土壤调理剂等功能型肥料,生产中经常有各种各样的肥料经销商下乡推广肥料,把产品吹嘘得神乎其神,肥料使用方法也五花八门,让菜农无所适从。识别和选择一款性价比高的肥料,最大限度发挥其肥效,实现减投增效,对菜农显得尤为重要。一、肥料的包装及简易识别1.肥料包装识别     

长期施肥对不同类型土壤中作物产量及土壤剖面硝态氮累积的影响

在潮土、褐土、砂盖黑土3种土壤上，分别自1980和1981年选点布置了氮、磷、钾定位试验。在各个处理中分别从0－20，20－40，40－60，60－80，80－100cm5个剖面层次中垂直取土样，然后进行室同内分析。结果表明：在不施肥处理、单施氮处理、氮磷配施处理、氮磷钾配施处理，NO3^--N累积量以砂盖黑土为最多，潮土次之，褐土最少。硝态氮在土壤中分布不仅与施氮量有关，而且还与土壤类型有直接关系。不同土壤类型直接影响硝态氮在土壤剖面中的移动。     

三十团不同土壤性状调查及棉花生长情况分析

通过测定不同质地土壤容重、养分含量情况及各类型土壤棉花的产量情况．探索适宜棉花生长和发育的土壤类型。     

基于LM-BP神经网络的耕地土壤养分等级划分模型──以皖南山区为例

研究旨在通过BP神经网络方法,构建起LM-BP网络结构(5-M-1)模型,达到对土壤养分等级划分的目的,为合理的土壤养分管理提供可靠依据。采用Levenberg-Marquardt (LM)训练算法,构建3层网络模型：一个输入层、一个隐含层、一个输出层,利用3层网络作为耕地土壤养分等级划分模型。利用土壤养分各级评价标准作为模型的训练样本和测试样本,以此来对BP神经网络进行训练和测试,并对歙县土壤养分进行综合评价。结果表明：LM-BP网络结构对测试样本输出的预测值和实际参考值是一致的。最终通过灰色关联模型和主成分分析方法对歙县土壤养分的综合评价结果与BP神经网络的模拟结果相对比,发现也是基本一致的。LM-BP网络结构应用于土壤养分等级划分中,得到了很好的预测效果,为智能算法应用于农业领域奠定了良好的基础。     

基于人工神经网络理论的土壤水分预测研究

土壤水分含量是影响作物生长的重要因素,精确的预测技术对水资源的合理利用与管理具有重要的指导意义。利用人工神经网络理论,建立了以降水量、蒸发量、相对湿度和地下水埋深为输入因子,土壤水分含量为输出因子的预测模型,并对其预测精度进行了评价。结果表明,BP神经网络模型预测土壤含水率的最大误差为8.66%,平均误差为4.27%,预测精度达到0.989。模型具有较高的预测精度,其结果可为制定合理的水资源调配方案和调度计划提供科学依据。     

BP神经网络在许昌土壤墒情预测模型的应用

为了科学指导农业灌溉和抗旱救灾,通过采用BP神经网络方法,研究许昌现有土壤墒情经验分析模型,建立了许昌土壤墒情预测模型并结合许昌多年的土壤水分实测数据和气象资料进行误差分析,应用结果表明BP神经网络模型可较好地应用于许昌土壤墒情分析和预测,对于不同条件的地区具有较好的适应性和推广应用价值。     

基于BP神经网络的土壤重金属污染评价方法——以包头土壤环境质量评价为例

为了克服国标(GBl5618—1995)内梅罗综合污染指数评价土壤环境质量时存在的缺点,借助BP神经网络模型,并结合GIS技术对包头土壤重金属污染的空间分布进行研究。实地调研获得221个土壤样,利用原子荧光光谱法和等离子体质谱法测试得到8种重金属含量数据。统计结果表明,研究区主要为Pb、Zn污染,考虑研究区特异性构造神经网络学习样本,建立基于特征模式的BP神经网络土壤环境质量评价模型。根据采样点评价结果,利用Kriging插值法绘制包头土壤环境质量专题图,分析得出包头土壤环境呈沿昆都伦河被污染的条带特点。结果表明,根据采样统计量信息利用BP神经网络模型,能够有效建立特殊研究区土壤中各种重金属含量与环境质量之间的非线性映射关系,为土壤污染的来源、分布、累积效应和主要影响因素以及污染链的阻断提供依据。     

基于BP神经网络的土壤容重预测模型

土壤容重是农业生产和研究的重要参数,但因成本高、工作量大等原因,其获取仍是一个紧迫的问题。数学建模技术使得科研人员尝试使用土壤传递函数PTFs间接获取土壤容重值。本研究以复合圆锥指数仪为工具,探讨应用BP神经网络建立PTFs预测土壤容重。选取粘土和粉质壤土作为实验对象,在MATLAB2008a上建立、并评价预测土壤容重的BP神经网络,即PTFs模型。研究中以均方根误差RMSE和决定系数R²为性能指标来评价所建BP神经网络。结果表明,针对复合圆锥指数仪的测量结果,应用BP神经网络算法建立PTFs可以有效预测土壤容重。粘土容重预测的决定系数R²达到0.6973,粉质壤土容重预测的决定系数R²达到0.6868。实验结果还证实土壤容重预测与测量深度无关,但与土壤类型显著相关。     

Stratification and Bearing Capacity Prediction Method Based on BP Neural Network for Foundation in Huaibei Plain

According to the features of stratification and obvious inhomogeneity in geological soil in Huaibei plain, BP neural network prediction method for stratification and bearing capacity calculation of multiple cross-bedded foundation was proposed. By comparing the results of drill sampling, static cone penetration tests and screw plate tests, plate loading tests, penetration resistance ps value was found as an evaluation index for stratification and bearing capacity prediction of cross-bedded foundation. Moreover, gradient descent algorithm and conjugate gradient algorithm BP neural network models were obtained, and the calculation results of the two algorithms were comparatively analyzed. The results show that penetration resistance value can be taken as an evaluation index for stratification and bearing capacity prediction of cross-bedded foundation in Huaibei plain. Gradient descent algorithm and conjugate gradient algorithm BP neural network models have good results for soil identification and bearing capacity determination, which can meet the accuracy requirements of actual engineering. However, the computational efficiency of gradient descent algorithm is significantly lower than that of conjugate gradient algorithm.     

土壤含水率与像素颜色之间关系的BP人工神经网络模型

建立像素颜色RGB值与土壤含水率之间的数学关系,是染色入渗法的应用基础。结合沟灌染色入渗试验。研究了染色入渗过程中土壤含水率与像素颜色分量之间关系的BP人工神经网络模型。分析土壤含水率与像素颜色分量之间的关系,确定BP人工神经网络的拓扑结构,以像素颜色分量的相对值作为输入因子。土壤含水率作为输出因子,建立了包含1个隐层的BP人工神经网络。结果表明,该模型具有较高的拟合精度和验证精度,优于二次多项式模型。     

Automatic Fingerprint Classification by GA-Based Neural Network

Fingerprint classification can provide an important indexing mechanism in a fingerprint database. An accurate and consistent classification can greatly reduce fingerprint matching time for large database. In the paper, by combining genetic algorithm and neural network is presented a fingerprint classification algorithm which is able to achieve an accurate classification. By inputting the global feature represented by directional image to three layer neural network trained by genetic algorithm, the fingerprints were classified into six categories: whorl, right loop, left loop, arch, double loop and undiscerning type successfully.     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。     

基于BP神经网络研究儿茶素在ADS-8树脂固定床中的洗脱过程

摘要：以信阳毛尖茶叶浸提液为原料,研究ADS-8树脂固定床吸附儿茶素后的洗脱过程,建立模型并优化工艺。基于BP神经网络建立洗脱模型,利用模型对因素进行仿真分析。模型误差为0.00108523,测试样本的试验值和模拟值的相关系数r=0.984,最佳工艺条件是温度20℃、流速1.0mL/min、乙醇浓度30%。基于BP神经网络建立的模型具有很强的逼近能力,为儿茶素在ADS-8树脂固定床中洗脱过程的预测、控制提供一定参考。