光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

为了进一步提高种子含水率的高光谱估算精度，该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值，分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系，构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型，并对模型进行了验证；再结合一元线性回归（SLR，Single Linear Regression）、逐步多元线性回归（SMLR，Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR，Partial Least Squares Regression）模型与BP神经网络（BPNN，BP Neural Network）模型进行比较。结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1 410、1 900、1990 nm，一阶微分光谱特征波长位于1 150、1 950、2 080 nm；2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优，在能够满足水分估算精度的情况下，是最优的选择方法。3）将优选的特征参数作为输入，实测含水率值作为输出，构建BP神经网络模型，其建模与验模R2分别为0.978和0.973，RMSE分别为0.22%和0.242%，而RPD值分别为6.478和5.889，与其他模型相比，BP神经网络模型的建模及预测精度均最高，是估算油用牡丹种子含水率的最优模型，其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力，是估算油用牡丹种子含水率的有效方法。     

秸秆或粉煤灰添加对砂姜黑土持水性及小麦抗干旱胁迫的影响

针对黄淮海平原典型中低产土壤砂姜黑土黏粒含量较高,土壤有效水分库容较低,严重限制作物生产的现状,该文采用盆栽试验,研究了不同外源改性物料的添加对土壤持水性能及小麦生理的影响,以期获得农田水分管理过程中的关键参数。盆栽试验设置常规氮磷钾(control,CK),常规氮磷钾配施下的添加秸秆(straw returning,SR)、秸秆碳(straw carbon,SC)和粉煤灰(fly ash,FA)处理,维持土壤相对含水率在80%,培育小麦至抽穗期,开展为期10 d的干旱胁迫试验。结果显示SR和SC处理提高了土壤持水能力,且处理间的差异较小;FA处理因其表面富含大量疏水性结晶矿物,土壤相对含水率下降较快,迟效水含量显著低于其余处理,但土壤速效水含量显著提高。不同改性措施均有提高小麦叶片相对含水率,减轻干旱胁迫的趋势,但在极端干旱胁迫下,FA处理叶片相对含水率不仅明显低于其余处理,且作物体内积累大量丙二醛、过氧化氢等有害物质。田间管理中砂姜黑土相对含水率应维持在38%(SR)、36.5%(SC)和24.5%(FA)以上,当土壤相对含水率低于30.78%(SC)、28.43%(SR)和22.5%(FA)时将会对作物生理产生不可逆的伤害。鉴于秸秆优良的保水性能,粉煤灰“富水,不保水”的特性,秸秆与粉煤灰的配合施用将利于砂姜黑土的改良。相关机制值得进一步研究。     

含岩屑紫色土水分扩散规律

紫色土中存在的岩屑显著影响土壤水分扩散。以往研究主要集中在> 2 mm岩屑上而忽视了<2 mm岩屑的作用。因此,探讨>2 mm岩屑对紫色土水分扩散的影响基础上,明确<2 mm岩屑的作用对完善含岩屑紫色土水分扩散规律的研究具有重要的意义,从而为土壤水动力学模型的构建提供理论依据。以四川盆地紫色页岩发育的暗棕紫泥土和泥岩发育的红棕紫泥土为研究对象,设置3种岩屑粒径(0.25~2,2~5,5~10 mm)和4种岩屑含量(0,30%,50%,70%),利用水平土柱吸渗法测定含岩屑土壤湿润锋变化特征、水分扩散率D(θ)和土壤含水率θ,并拟合D(θ)、Boltzmann参数λ与θ之间的关系。结果表明:对于暗棕紫泥土,岩屑粒径为2~5 mm时,土壤湿润锋前进速率和D(θ)随岩屑含量增加呈先增加后降低再增加的趋势;岩屑粒径为0.25~2,5~10 mm时,土壤湿润锋前进速率和D(θ)随岩屑含量增加逐渐增加。对于红棕紫泥土,岩屑粒径为2~5,5~10 mm,随岩屑含量增加,70%岩屑含量的土壤D(θ)明显大于其余3个岩屑含量的土壤,而30%岩屑含量和50%岩屑含量土壤之间的D(θ)无显著差异,且土壤湿润锋前进速率均呈先增加后降低再增加的趋势;岩屑粒径为0.25~2 mm时,土壤湿润锋前进速率和D(θ)随岩屑含量增加逐渐增加。因此,随岩屑含量提高,土壤水分扩散速率整体呈现增加趋势;且泥岩发育的土壤水分扩散速率高于页岩发育的土壤。     

基于GIS和RUSLE的滇池流域土壤侵蚀敏感性评价及其空间格局演变

土壤侵蚀是滇池流域重要的生态问题之一,掌握滇池流域土壤侵蚀敏感性的时空变化特征有助于水土保持工作的实施和改进。以降雨量、DEM、土壤类型和Landsat影像为数据源,选择降雨、土壤、坡度坡长、植被覆盖4个因子建立土壤侵蚀敏感性评价体系,对滇池流域进行土壤侵蚀敏感性评价。结果表明:滇池流域土壤侵蚀敏感性以轻度敏感和中度敏感为主。空间分布上,轻度敏感区主要分布在滇池周边。中度敏感区主要分布在滇池流域山地区域,地形陡峭。时间变化上,1999—2014年滇池流域土壤侵蚀敏感程度呈下降趋势。轻度敏感区域面积增加20.18%,中度敏感区域面积减少20.31%,轻度敏感区的增加来源于中度敏感区的转变,转变区域分布于滇池流域西北部和东南部。在土壤侵蚀敏感性影响因子中,降雨是影响滇池流域土壤侵蚀敏感性的关键因子。研究滇池流域土壤敏感性时空变化,识别滇池流域易发生土壤侵蚀的区域,有助于该区域水土保持措施实施、生态治理和土地利用优化。     

昕水河流域径流变化及其对气候和人类活动的响应

开展流域尺度气候变化和人类活动对径流的影响研究是科学制定流域综合管理规划,并实现流域可持续管理的基础。以黄土高原丘陵沟壑区的典型流域——昕水河流域为研究对象,结合流域多年(1958—2015年)气象水文数据,采用M-K趋势检验法分析年降水、年潜在蒸发散和年径流量的变化趋势,运用双累积曲线法分析年径流量序列的突变年份,并根据生态水文分析法与水量平衡原理定量解析流域尺度气候变化和人类活动对年径流的影响。结果表明:1958-2015年,流域年径流量变化呈显著下降趋势(Z=-5.84,p<0.0001),而降水(Z=-0.72,p=0.31)和潜在蒸散发(Z=-0.5,p=0.88)变化趋势不显著。双累积曲线法表明径流量突变点为1974年和2000年,其中,1975—2000年间影响径流减少的主要因素是气候变化,气候变化导致径流量减少的贡献率为73.14%,土地利用方式仅为26.86%;而2001—2015年土地利用变化是影响径流减少的主要原因,其贡献率高达103.81%,可见土地利用变化已成为昕水河流域径流量变化的主要驱动因素。在今后的流域治理中,需合理制定土地利用方案,实现昕水河流域水土资源协调发展。     

滴灌灌水均匀系数与灌水量对土壤水分分布及温室番茄产量的影响

为探索灌水均匀系数与灌水量对温室番茄产量和土壤水分变化的影响,确定合理的滴灌灌水均匀系数,本研究设置65%、75%和85%3个灌水均匀度水平, 190 mm、220 mm和250 mm 3个灌水量水平,测量番茄生育期内土壤含水率及番茄产量,计算土壤含水率均匀系数和番茄灌溉水利用效率。结果表明,当灌水均匀系数为65%～85%时,土壤水分均匀系数均值(82.57%～93.76%)接近或高于设置的滴灌灌水均匀系数的最大值(85%)。滴灌灌水均匀系数对土壤含水率均匀系数影响权重最大,灌水量、灌水均匀系数、土壤初始含水率均值3个影响因素与土壤含水率均匀系数均值之间呈线性关系(P0.05),决定系数为0.918。当土壤初始含水率占田间持水量比重60%,灌水量低于15mm时,灌水均匀系数与灌水量二者的交互作用与土壤含水率均匀系数为显著线性关系(P0.05),其他情况下均无显著性关系。灌水量对产量为显著影响(P0.05),灌水均匀系数及二者的交互作用对番茄产量无显著影响,考虑产量及灌溉水分利用效率,灌水量220 mm、灌水均匀系数75%组合为最优组合。因此在西北地区,综合考虑经济性和系统的可靠性,建议下调现行滴灌灌水均匀系数标准。     

气候变暖背景下河南省夏玉米花期高温灾害风险预估

为预估未来气候变暖背景下夏玉米花期高温灾害风险,根据河南省19个农业气象观测站夏玉米抽雄期常年观测资料和未来RCPs(representativeconcentrationpathways)气候变化情景数据,构建夏玉米花期高温风险评价指标,开展河南省夏玉米花期高温灾害时空特征及风险演变分析。其中RCPs气候情景数据包括基准气候条件(1951—2005年, RCP-rf)和未来(2006—2050年)RCP 4.5(中)、RCP 8.5(高)两种浓度路径数据。以抽雄普遍期及之后7d确定为夏玉米花期,并内插匹配气候情景格点数据。以花期最高气温≥32℃和≥35℃作为轻度和重度高温灾害发生阈值,根据轻、重度夏玉米花期高温发生频率和高温积害,建立风险评价指标并分级。结果表明, RCP-rf情景下全省夏玉米花期高温发生频率在20.5%～81.0%(≥32℃)和3.9%～51.9%(≥35℃)。与基准条件相比,≥32℃高温发生频率增加9.1%(RCP4.5)和11.0%(RCP8.5),≥35℃高温发生频率增加8.7%(RCP4.5)和8.3%(RCP8.5)。RCP-rf情景下全省夏玉米花期高温积害在48.5～200.9℃·d(≥32℃)和9.8～138.5℃·d(≥35℃)。与基准条件相比,≥32℃高温积害增加25.4℃·d (RCP 4.5)和25.6℃·d (RCP 8.5),≥35℃高温积害增加25.8℃·d (RCP 4.5)和31.4℃·d (RCP 8.5)。由综合风险分析可知, RCP-rf情景下夏玉米花期高温灾害高值风险区主要分布在新乡、郑州、许昌、漯河、周口及其以东以北的地区(商丘除外),约占夏玉米主栽区面积的30.1%;RCP4.5情景下高值风险区扩大至洛阳和南阳以东的大部分地区,约占夏玉米主栽区面积的63.4%; RCP 8.5情景下高值风险区面积进一步向西扩大,约占夏玉米主栽区面积的占76.3%。     

Soil carbon change across ten New South Wales farms under different farm management regimes in Australia

This paper examines the potential influence of soil management and land use on soil carbon on cropping farms in New South Wales (NSW), Australia. Soil organic carbon (SOC) data from ten farms spatially distributed across NSW were examined on two occasions. Soil cores to a depth 0–30 cm were measured for SOC and, as expected, SOC in the A horizon (1.16%) was significantly (p < .001) greater than in the B horizon (0.74%) of all profiles. Analysis of the 2013 and 2015 SOC data indicated that in many ways, the results runs counter to other SOC studies in Australia. Importantly, the mean SOC concentration in these agricultural soils was significantly (p < .001) less under cropping (2013-1.05%, 2015-0.97%) than in native sites (2013-1.20%, 2015-1.16%). Out of the total of 35 sites sampled from 10 farms, SOC in 49% of sites did not change significantly over 2 years, in 17% it increased significantly, whereas in 34% it decreased. Further, a clear implication of drought on SOC was seen on sites that were uncropped based on a critical value for a 95% confidence interval (p < .05) and complemented by the significant correlation (p < .05) between average annual precipitation deficit (ANPD) and SOC across the state with R² = 0.39. The mean SOC was found to be directly proportional to standard deviation and standard error. In terms of spatial variability, the C0 (nugget) value was greatest for farms with a large mean SOC and the average variogram in this study has a range of approximately 200 m which is potentially useful in determining sampling spacing for soil carbon auditing purpose. Similar empirical data over more years are required to better estimate SOC levels and to determine whether at a farm scale, factors such as land management, land use and climate can be related to soil carbon change and variability.     

Short-term spatiotemporal variation of soil CO2 emission,temperature, moisture and aeration in sugarcane field reform areas under the influence of precipitation events

Soil CO₂ emission (FCO₂) in agricultural areas results from the interaction of different factors such as climate and soil conditions. Our objective was to investigate the spatiotemporal variation of FCO₂, temperature (T_soil), moisture (M_soil) and air-filled pore space (AFPS), as well as their interactions, during the sugarcane field reform. The study was conducted on a 90 × 90 m sampling grid with 100 points at 10 m spacings. Ten assessments of FCO₂, T_soil and M_soil were carried out at each point over a 28-day period. The greatest mean values of FCO₂ (0.74 g m⁻² hr⁻¹) and M_soil (31.7%) were obtained on Julian day 276, 2013, being associated with precipitation events at the study site. Also, the smallest values of AFPS (19.17%) and T_soil (20.90°C) were observed on the same day. The spatial variability of FCO₂, T_soil, M_soil and AFPS was best described by an adjusted spherical model, although an exponential model better fitted some results. The spatial pattern of all soil attributes showed little temporal persistency, indicating a high complexity for FCO₂ during precipitation. Correlation maps assisted in identifying regions where M_soil and AFPS better controlled the emission process and where T_soil was important. A major challenge for world agriculture is to increase the efficiency of conventional soil management practices. We highlight the importance of the spatial pattern of soil properties that directly influence the CO₂ emission dynamics. Future mitigation actions should involve less intense tillage and ensure homogeneous applications of soil inputs, thereby reducing production costs and the contribution of these activities to CO₂ emissions during the sugarcane field reform.