2000-2020年玛纳斯河流域的作物种植结构与需水满足度

变化环境条件下干旱绿洲水土资源的高效利用一直广受关注。玛纳斯河流域分布着新疆最大、最典型的绿洲农耕区,其水土资源高效利用无疑应基于对种植结构和需水满足度（供水量/需水量）时空演变规律的了解。基于谷歌地球引擎（Google Earth Engine,GEE）平台并通过区域调查和调研,该研究利用面向对象的随机森林分类,建立流域地物遥感识别模型,分析当地2000-2020年种植结构的变化过程,探讨种植结构变化与膜下滴灌棉花水分供应状况和需水满足度间的关系。结果表明：基于GEE平台,融合简单非迭代聚类图像分割算法和随机森林分类算法可快速、准确识别流域地物,总体精度约90%;近20年,流域种植作物始终以棉花为主,占耕地总面积的80%以上,受益于膜下滴灌技术的节水、抑盐等功效,中、下游盐碱荒地不断被开垦为棉田,致使其面积以每年约101 km2的速度增长,但棉田面积增长与灌溉水资源供给的矛盾日益突出,棉花需水满足度显著下降,尤其是水资源相对匮乏的下游灌区及需水旺盛的夏灌期,2020年流域下游棉花夏灌期需水满足度已降至约46%,种植结构的调整和优化已势在必行。研究可为玛纳斯河流域水资源配置及农业种植结构优化提供科学依据。     

基于深度学习与激光点云的橡胶林枝干重建及参数反演

树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达（Light Detection And Ranging,LiDAR）数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法。该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集。其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类。最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演。通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32%以上。骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小。同时,反演得到的橡胶树一级枝干直径与实测值比对为：决定系数R2不低于0.94,均方根误差（Root Mean Square Error,RMSE）小于3.01 cm;主枝干与一级枝干的分枝角为：决定系数R2不低于0.91,均方根误差RMSE不高于4.94°。同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布。该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路。     

基于两级选择性聚类集成的农用地整治时空配置分区

针对传统聚类算法易陷入局部最优、不兼顾地理空间的问题,该研究以湖南省怀化市为例,从生态敏感性、用地适宜性与整治迫切性3个维度建立分区评价指标体系,应用一种基于混合距离,同时具有聚类方案质量识别功能的两级选择性聚类集成方法对怀化市农用地整治进行时空配置。通过聚类运算,将怀化市300个聚类单元划分为：近期重点整治区、近期适度整治区、中期重点整治区、中期适度整治区和远期限制整治区5个类型,面积比例分别为9.05%、30.48%、22.58%、7.33%、30.56%,符合怀化现状条件;相较于传统聚类方法,两级选择性聚类集成方法具有聚类质量识别与兼顾地理空间的优势,且更适用聚类单元较多、属性空间复杂的情况。研究结果在客观上为未来土地整治工作与聚类方法的创新提供了可供借鉴的思路。     

生态沟渠对农田面源污染的消减机理及其影响因子分析

农业生产过程中肥料和农药的大量施用,造成农田面源污染问题日益突出,开发农田面源污染的减控技术对生态修复具有重要的意义。生态沟渠不仅兼具农田排水沟的过水功能,同时是有效消减面源污染且适合中国农情的重要生态措施之一。该研究阐述了生态沟渠对农田面源污染的消减机理（底泥吸附及植物阻抗作用、植物/微生物吸收作用、降解去除作用）;通过整理分析559组生态沟渠野外观测试验数据,剖析了污染物初始浓度、水力停留时间、植物种类、生物量这4个主要影响因子对农田排水中N、P及农药去除率的影响;进而采用多元线性回归模型将多因子影响与N、P及农药去除率之间建立定量关系。结果表明总氮和总磷的去除率随单一因子污染物初始浓度、水力停留时间或生物量增大而增大,但与植物种类没有显著关系（P>0.05）;且多元线性回归模型结果表明污染物初始浓度的对总氮/总磷去除率的贡献大于生物量。农药的去除率随水力停留时间、生物量增大而增大,随污染物初始浓度增大而减小,与植物种类没有显著关系（P>0.05）。研究可为生态沟渠的合理构建和设计提供理论和技术支撑。     

基于CARS-RUN-ELM算法的水稻叶片氮磷含量协同反演方法

同时反演氮、磷元素含量相对于单一元素反演可以更加全面地表达水稻的营养状况,为快速、准确获取水稻叶片氮、磷含量和精准变量施肥提供依据。该研究基于不同氮肥处理的田间小区试验,获取水稻叶片氮、磷含量数据,采用竞争性自适应重加权采样法（Competitive Adapative Reweighted Sampling,CARS）筛选氮素与磷素共同特征波长,以特征波长反射率为输入,以化学方法测得叶片氮、磷元素含量为输出,分别使用反向传播神经网络、极限学习机（Extreme Learning Machine,ELM）、龙格-库塔算法优化极限学习机（RUNge Kutta optimizer-Extreme Learning Machine,RUN-ELM）构建水稻叶片氮、磷含量反演模型并分析。结果表明：采用CARS方法有效去除了高光谱中大量无用、冗余信息,得到5个氮、磷元素共同特征波长,去除具有共线性的特征波长,最后筛选出的特征波长分别是451、488、780、813 nm。使用筛选后的特征波长反射率构建RUN-ELM水稻叶片氮、磷含量反演模型效果最好,氮素训练集的决定系数R2为0.690,均方根误差为0.669 mg/g,磷素训练集的决定系数R2为0.620,均方根误差为0.027 mg/g。通过对比,RUN-ELM在预测能力、模型稳定性上优于反向传播神经网络以及ELM模型。综上研究,基于CARS-RUN-ELM的水稻叶片氮、磷含量反演模型可以快速、准确获取水稻叶片氮、磷含量,可为水稻精准施肥提供参考。     

紫甘蓝花青素智能指示膜的制备及其在牛乳新鲜度监测中应用

为研究不同紫甘蓝花青素含量对大豆分离蛋白基智能指示膜性能的影响,提高指示膜的综合包装性能,考察指示膜对巴氏杀菌乳新鲜度的监测效果。以大豆分离蛋白（Soy Protein Isolate,SPI）为原料,添加紫甘蓝花青素（Purple Cabbage Anthocyanins,PCA）制备指示膜,对其结构、热性能、机械性能、色度及其稳定性和pH敏感性进行表征和分析,并将指示膜应用于巴氏杀菌乳新鲜度监测中。结果表明：相对于大豆分离蛋白膜,含有4%（质量分数紫甘蓝花青素的指示膜,拉伸强度从2.46 MPa增加到3.77 MPa,断裂伸长率从105%增加到131%;与标准白的色差从21.23增加到52.88,指示膜明度降低,色度偏黄绿色,结晶温度比SPI膜升高了3 ℃。指示膜的色度在常温下5 d内不出现可视性色差,但pH敏感性强。将指示膜应用于巴氏杀菌乳新鲜度监测中,指示膜的颜色随着牛乳变质由绿变红,指示膜与原始膜的色差变化与巴氏杀菌乳的pH值变化呈相反趋势,且色差可视。因此,该指示膜具有监测巴氏杀菌乳腐败过程的潜力,应用前景广阔。     

Coupled magnetic nanoparticle-mediated isolation and single-cell image recognition to detect Bacillus' cell size in soil

Microbial morphology fundamentally constrains how species interact with their environment, and hence ultimately affects their niche. However, the methodology of functional microbes in the soil ecosystem is still poorly studied since it is difficult to capture and identify the active monospecific community from the complicated environment and enormous number of microbial species in soils. To comprehensively reveal the morphology of active microbes in soil ecosystem, magnetic nanoparticle-mediated isolation (MMI) and single-cell image recognition (SCIR) were employed to study soil active Bacillus community, which functionally boosted the soil fertility in organic fertilisation compared to mineral fertilisation and unfertilised control treatments in our previous study. The results showed that MMI and SCIR can efficiently isolate active Bacillus from soil particles and other microorganisms. High throughput sequencing showed that the captured Bacillus showed similar community structure in different long-term fertilisation soils, while SCIR revealed that the active Bacillus was greater in number and larger in size in organic fertilisation treatment compared to mineral fertilisation and unfertilised control treatments. Our study demonstrates that the combination of MMI and SCIR is a potentially powerful tool to capture and identify the morphology of active and functional microbes in the soil ecosystem.     

Comparative insights into influences of co-contamination by rare-earth elements and heavy metals on soil bacterial and fungal communities

Journal of Soils and Sediments - Rare-earth elements (REEs) have been listed as emerging pollutants, and REEs often occur together with heavy metals (HMs) in the environment. Large amounts of REEs...     

Phosphorus fractionation and adsorption characteristics in drinking water reservoir inlet river sediments under human disturbance

Journal of Soils and Sediments - Sediment phosphorus fractionation, adsorption kinetics, and adsorption isotherm characteristics were studied in two rivers, Muyang River and Lengshui River in...     

N transformation mechanisms and N dynamics of organic fertilisers as partial substitutes for chemical fertilisers in paddy soils

Journal of Soils and Sediments - Knowledge of nitrogen (N) dynamics of organic fertilisers as partial substitutes for chemical fertilisers could improve the retention of mineral N and optimise...