低分子量有机酸对亚热带地区典型土壤磷吸附的影响

为探索低分子量有机酸对亚热带地区典型土壤磷吸附的影响,采用批处理法研究了柠檬酸和草酸对旱地土、水稻土磷素吸附特征的作用,重点探讨了不同浓度有机酸和柠檬酸钠、有机酸加入顺序等对土壤磷吸附的影响。结果表明：柠檬酸和草酸显著降低了土壤磷吸附动力学的颗粒内扩散模型拟合度,减弱了磷素在土壤颗粒内部扩散过程。Langmuir和Freundlich方程对有机酸存在下土壤磷吸附等温数据均有较好的拟合效果（R2=0.863～0.996）。有机酸降低了土壤磷素最大理论吸附量。土壤磷吸附量与有机酸浓度呈指数函数关系,0.1～5 mmol/L有机酸对土壤磷吸附的影响最大。有机酸浓度小于1 mmol/L时,柠檬酸对土壤磷素吸附的抑制程度大于草酸;而当浓度大于5 mmol/L时,草酸的抑制程度更大。在相同浓度时,0.1～5 mmol/L的柠檬酸钠比柠檬酸对土壤磷吸附能力抑制程度更大,先加入有机酸进一步降低了土壤对磷素吸附量,说明阴离子竞争吸附是低浓度柠檬酸降低土壤磷吸附能力的主要原因,而柠檬酸浓度为5～50 mmol/L时,有机酸与土壤铁铝等金属离子的络合作用占主导。     

管道孔径对西南喀斯特坡地水土漏失的影响

基于西南喀斯特坡地近地表岩溶管道的调查统计,建立喀斯特区地表—地下二元空间水土过程试验微区,通过人工模拟降雨试验,研究不同雨强下(52,133 mm/h)岩溶管道孔径大小(1,2,5 cm)对水土地下漏失过程的影响.结果表明:(1)岩溶管道孔径的增大显著增大了地下径流系数和径流强度,但对初始产流时间的影响并不显著;在中...     

亚热带典型农业小流域井水水质季节 变化与空间分布特征

井水是亚热带农业区域农民的饮用水源,其水质状况直接影响到当地农民的身体健康。本文选取亚热带典型农业小流域中井水铵态氮(NH4+-N)、硝态氮(NO3--N)、总氮(TN)和总磷(TP)为研究对象,采用地统计学方法,分析其季节变化和空间分布特征。结果表明,研究区农户井水中NH4+-N、NO3--N、TN和TP含量在全年4个季节的平均值分别为0.05~0.10 mg(N)·L-1、3.0~4.9 mg(N)·L-1、3.4~5.1 mg(N)·L-1和0.03~0.17 mg(P)·L-1,超标率分别为2.3%、10.4%、9.5%和7.9%。在季节动态变化上,NH4+-N在全年变化不显著(P0.05),这主要与土壤的吸附有关;而NO3--N、TN和TP均在夏季达到最高,春季最低,并且两个季节之间的变化具有显著性(P0.05),这主要与农业施肥活动和降水条件有关。在空间变异性上,NH4+-N、NO3--N、TN和TP含量在各季节的块金值与基台值的比值都为0,并且各变量在各季节的变程各不相同,说明这4个变量在各季节分别在不同尺度范围内表现出较强的空间自相关性。在空间分布上,NH4+-N、NO3--N、TN和TP含量都具有斑块状分布,而斑块的位置、大小和形状各不相同。NO3--N和TN在全年的空间分布与研究区地形和土地利用方式有关,在东南部和西南部地势较低的水稻种植区含量较高,而在北部地势较高的林地含量较低。而NH4+-N和TP的空间变异系数高于NO3--N和TN,这主要是由于NH4+-N易被土壤吸附,而磷素在土壤中易被固定,迁移较困难,导致NH4+-N和TP在不同地方的含量差异比较大。地形、水文气候条件、土壤类型、土地利用方式和农业施肥等是造成亚热带农业区域井水水质季节动态变化和空间分布格局差异的主要因素。     

钝化材料组合对酸性土壤镉铅砷和中微量元素有效性的影响

采用土壤培养试验的方法，研究了在同等剂量下（6 g/kg土）海泡石(S)、铁锰矿粉(F)和生物炭(B)及其组合对酸性土壤镉(Cd)、铅(Pb)、砷(As)、锌(Zn)、铁(Fe)、锰(Mn)有效性的影响，以期筛选出同步钝化酸性土壤镉铅砷且对中微量元素锌铁锰有效性影响小的钝化材料组合。结果表明：海泡石、铁锰矿粉、生物炭及其组合均在一定程度上提高了土壤pH，降低了土壤中Cd、Pb和As的有效态含量，组合处理降低了土壤Cd、Pb和As有效性的效果均优于单施处理。3种钝化材料及其组合在一定程度上降低了土壤中Zn的有效态性，3种钝化材料及其大多数组合降低了土壤Fe和Mn有效性。S5F1B0组合同步钝化土壤Cd、Pb和As效率均较高，该处理土壤有效态Cd、有效态Pb、有效态As和有效态Zn含量比CK分别降低了30.9%、84.5%、60.2%和32.5%，有效态Mn含量上升了19.9%。土壤中有效态Cd、Pb、Zn和Mn含量与pH均显著负相关。S5F1B0组合同步钝化复合污染土壤Cd、Pb、As的效率均较高，可适当提高土壤Mn的有效性，应用时需适当补充Zn元素。     

面向亚热带丘陵区小流域土壤有机碳空间预测的四种模型构建及性能比较

土壤是陆地生态系统最大的碳库,在提升生态系统服务功能和调节气候变化等方面发挥关键作用。对复杂多变环境下土壤有机碳(SOC)含量的精确预测将有助于正确评估区域土壤质量和碳汇功能。本研究以亚热带丘陵区一个典型小流域为研究对象,以地形、气候和植被三类环境变量为驱动因子,分析支持向量机回归(SVR)、随机森林(RF)、极端梯度提升算法(XGBoost)和轻量级梯度提升机(LightGBM)四种不同的机器学习算法在土壤(0~20 cm)SOC含量预测中的精度差异,并筛选影响SOC分布的主要环境影响因素。结果表明,RF模型、XGBoost模型和LightGBM模型均能较好预测SOC含量,以RF模型的表现相对最佳(R^(2)=0.540),其预测精度优于XGBoost(R^(2)=0.528)和LightGBM模型(R^(2)=0.504)。而SVR模型的预测精度(R^(2)=0.427)低于模型预测精度的最低可接受值0.50,并不适用于亚热带丘陵地貌SOC含量的预测。相关分析表明,在亚热带丘陵地貌区,地形(主要为海拔)对几种模型预测的贡献最大,是预测SOC的重要环境变量。基于四种模型预测的SOC数字制图显示,SOC空间分布趋势总体相似,均表现为北部区域、西南和东南边缘区域SOC含量较高,而中部区域SOC含量普遍偏低。