秸秆还田与优化施氮改善烤烟根际土壤碳氮转化及氮素吸收

针对华南沙泥田烟区氮肥过量施用导致烟叶品质下降的问题,拟通过秸秆还田与氮肥优化配施调节烤烟各生育期氮吸收、根际土壤碳氮转化及相关酶的活性。试验采用随机区组设计,设水稻秸秆还田与氮肥两因素,其中3个碳（秸秆还田）水平：C0,无秸秆还田,0 kg/hm ²;C1,中量秸秆还田,4500 kg/hm ²;C2,全部秸秆还田,9000 kg/hm ²;2个氮水平：N1,传统施氮,169.50 kg/hm ²;N2,优化施氮,105.00 kg/hm ²。结果表明,与N1相比,N2处理秸秆还田下烤烟前期烟叶和根系氮吸收和累积正常,而后期有所下降;C1、C2处理时,与现蕾期相比,成熟期时根系氮含量均降低4.2 g/kg,叶片氮含量降低3.8、3.0 g/kg;成熟期时,与N1处理相比,N2处理时C1、C2处理的土壤无机氮含量降低30.4%、20.0%,前期2个氮处理间土壤无机氮含量无差异,优化施氮下中量秸秆还田（C1N2）处理烤烟土壤NH₄ ⁺-N含量在整个生育期内较高且呈降低趋势,而硝态氮和土壤无机氮含量在成熟期最低,表明中量秸秆还田下优化施氮能够维持生育前期土壤无机氮含量,且降低成熟期土壤无机氮含量。2个秸秆还田量处理时,团棵期N2处理的土壤转化酶活性是N1处理的1.30、1.13倍;旺长期土壤转化酶活性是N1处理的1.27、1.10倍;与传统施氮相比,秸秆还田下优化施氮处理增加了整个生育期土壤脲酶、磷酸酶、过氧化氢酶活性。在中量秸秆还田（C1）处理下,与N1水平相比,现蕾期和成熟期的N2处理土壤水溶性碳含量提高11.2%和14.1%;与N1相比,N2处理的土壤微生物量氮含量呈降低趋势。综上所述,优化施氮耦合中量秸秆还田（C1N2）能够提高土壤水溶性碳含量,维持土壤氮素合理供应,稳定烤烟生育前期对氮素吸收与累积,减少生育后期烟叶氮素奢侈吸收,与烤烟吸氮规律比较吻合。     

蚯蚓防控西瓜枯萎病的效果及其机理探索

为了探明蚯蚓对西瓜枯萎病的影响机制,开拓西瓜枯萎病防控的新思路,本试验以西瓜连作土壤为基质,采用盆栽试验,研究不同密度的威廉环毛蚓(Pheretima guillelmi)和赤子爱胜蚓(Eisenia foetida)对西瓜长势、枯萎病发病率的影响,结合西瓜专化型尖孢镰刀菌数量、土壤微生物总量(土壤微生物量碳含量)、土壤微生物活性(土壤脱氢酶活性)以及土壤总酚酸的动态变化,探索蚯蚓对西瓜植株枯萎病的防控机理。结果表明,西瓜定植后45 d,试验组的西瓜蔓长、鲜质量较不投放蚯蚓对照分别增长了18.57%～67.27%、39.29%～87.24%。西瓜定植后30 d、45 d,对照的西瓜植株枯萎病发病率分别为62.15%、85.32%,显著高于蚯蚓试验组(P0.05)。在一定范围内增加蚯蚓密度能有效促进西瓜生长,减缓枯萎病发生。在蚯蚓质量相同的情况下,威廉环毛蚓的促生防病效果优于赤子爱胜蚓。0～45 d的试验过程中,试验组土壤中西瓜专化型尖孢镰刀菌(Fusarium oxysporum f.sp.niveum)数量、总酚酸含量较对照分别下降了36.63%～69.39%、31.0%～77.4%,45 d时试验组的土壤微生物量碳含量、土壤脱氢酶活性较对照分别提高了115.10～175.71 mg/kg、1.41～2.40μg/(g·h)。蚯蚓能有效降低西瓜植株枯萎病的发病率,促进植株生长,其防控机理可能为:蚯蚓的穴居、取食等活动直接抑制土壤中尖孢镰刀菌的快速繁殖,同时蚯蚓通过降解土壤化感物质(总酚酸),提升微生物总量和活性等方式调控土壤微生物群落结构,改善土壤微生态环境,从而有效防控西瓜枯萎病的发生。     

免耕对土壤微生物量碳影响的Meta分析

为综合分析免耕(NT)对土壤微生物碳含量的影响程度,以常规耕作(CT)为对照,收集国内外关于免耕对土壤微生物碳研究已公开发表的41篇文献的田间试验数据162组,采用Meta数据整合分析方法,定量分析中国不同区域、气候类型和试验年限下,免耕对于中国农田土壤微生物碳含量的影响。结果表明,与常规耕作相比,免耕能显著提高土壤微生物碳的含量,免耕-常规耕作(NT-CT)的加权均数差值(WMD)为49.29 mg·kg^-1;免耕对土壤中微生物碳含量的影响存在区域差异性,西南地区WMD最大,湿润区(年降雨量>800 mm)免耕对土壤微生物碳含量的正效应最显著;年均温度10~15℃和年均温度>15℃时,免耕土壤中微生物碳含量显著高于常规耕作,且随着温度的升高而增加;免耕年限能够显著影响土壤微生物碳含量,以长期免耕(免耕年限≥8 a)效果最佳。综上,免耕对土壤微生物碳的增加效应存在区域特征,以西南地区最高,随着区域水热条件、免耕年限的不同有所差异,免耕措施的采用应该根据区域特点因地制宜。本研究结果为免耕的区域性合理利用提供了参考依据。     

敖汉旗林地土壤有机碳垂直分布研究

以内蒙古赤峰市敖汉旗黄花甸子流域的试验区中栽植山杏、小叶杨的样地土壤为研究对象,通过现场采样,分别采集15个土壤剖面,225个土壤样品进行分析,以期研究土壤有机碳垂直分布规律。结果表明:除小叶杨样地外,不同林地土壤有机碳含量及密度随土层深度加深显著降低,土壤有机碳储量主要集中在40cm以上的土层。     

下辽河平原区农田土壤有机碳含量时空变异研究

以1980年第二次土壤普查数据和2010年下辽河平原区耕地地力评价数据为基础,采用GIS空间分析的方法,对该地区耕地土壤有机碳的含量随时间和空间的变化特征进行分析和研究。分析结果表明,上世纪80年代,下辽河平原耕地土壤有机碳分布的差异越来越小,该地区耕地土壤中有机碳的整体呈减少的趋势。农田土壤有机碳含量空间分布总体而言呈现东高西低、南高北低的趋势。从土壤有机碳含量空间分布的变化看,下辽河平原区农田土壤有机碳含量呈南部增加、北部降低的趋势。30年来,在人类活动的干预下,土壤有机碳含量分布相同的趋势在慢慢减小,小范围内的变化非常明显并且变化幅度较大,整个地区的含量分布变得错综复杂。     

中农集团控股股份有限公司

<正>关爱土壤健康关注作物生长"多酶金"复合肥"多酶金"是德国进口、以高科技手段提纯的多营养生长因子,富含氧化还原酶、转移酶、水解酶、脲酶等,可调控作物生长,改善土壤中碳氮元素的供应状况,促进植物吸收,提高肥料利用率。多酶金复合肥具有吸收快、见效快等特点,可迅速激活土壤自身酶和植物体内酶的活性,提高土壤供养能力和植物吸收能力。     

奥林匹克森林公园碳通量监测站实时显示绿地吸收固定二氧化碳能力

正夏末秋初,奥林匹克森林公园北园内,仍是骄阳似火,绿意正浓,放眼望去这片占地680公顷的城市仿佛城市绿洲,为市民提供休憩场所的同时,也提供了清新空气。而经常在这片公园里面锻炼、游玩的市民,会发现在这片绿海深处矗立着一座铁塔,有设备在不停运转,旁边能看到有数字显示屏     

鄱阳湖湖滨湿地土壤酶活性及影响因素

土壤酶参与有机碳和养分转化的生物化学反应,对土壤有机质的循环起重要作用。为探讨湖滨湿地土壤酶 活性变化规律及其影响因素,以鄱阳湖滩地土壤为研究对象,在2011 年的2、5、9 和11 月分别采集0 ~ 10 cm 的土 壤样本,对土壤性质和与有机碳转换相关的3 种水解酶和2 种氧化还原酶的活性进行测定,并分析了土壤性质参 数与酶活性的相关性。结果表明,不同月份的土壤pH 值、有机碳和氮含量的差异不显著,但土壤酶活性变化有显 著差异。纤维二糖酶和茁鄄糖苷酶活性在9 月份达到最大值;而酚氧化酶活性在2 月份最高,9 月最低;过氧化物酶 活性则在11 月最高;己丁质酶活性未表现出显著差异。相关分析表明,土壤水分含量与酚氧化酶和过氧化物酶活 性呈极显著相关;地表温度与纤维二糖酶活性呈显著正相关,而与过氧化物酶活性呈极显著负相关。土壤有机碳 和全氮含量与茁鄄糖苷酶活性呈显著负相关,而与过氧化物酶活性呈极显著正相关。综合分析认为,湖滨湿地土壤 水分的变化显著影响不同土壤酶活性的变异,而土壤有机碳和氮对土壤酶活性的影响相对较小。      

贺兰山主要森林类型土壤和根系有机碳研究

土壤有机碳是陆地碳库的重要组成部分,其形成常和植被、气候等环境要素相关。为了解贺兰山地区土壤有机碳状况,2011年对贺兰山东麓青海云杉(Picea crassfolia)、油松(Pinus tabulaeformis)和灰榆(Ulmus glaucescens)林下土壤和根系取样,测定了各自的有机碳含量。结果表明:青海云杉、油松和灰榆林林下土壤平均有机碳含量分别为34.12g/kg、17.83g/kg和15.32g/kg,林下根系有机碳密度分别为869.12g/m2、532.17g/m2和242.68g/m2,林下土体(土壤和根系)有机碳密度分别为17.58kg/m2、9.55kg/m2和4.00kg/m2;林下根系有机碳占林下土体有机碳的比重为4.94%～6.0%。贺兰山青海云杉林下土壤碳储量高于全国森林土壤碳储量平均水平,油松林下碳储量略低于全国森林土壤碳储量平均水平,灰榆林碳储量仅为全国森林土壤碳储量平均水平的36.7%。青海云杉和油松林利于土壤有机碳累积,其林下土壤是贺兰山地区重要的有机碳库。     

基于遗传算法的波长选择方法对土壤有机碳预测模型影响

以黑龙江农田黑土为研究对象,利用遗传算法(GA)波长选择结合偏最小二乘法(PLS)回归建立土壤有机碳(SOC)的预测模型。通过设定以下GA参数:波长选择数量上限k、初始种群大小P及迭代次数N,采用单点优化方式逐一确定各参数。结果表明,在主成份数为7的情况下,当GA的参数取N=300、P=300、k=50时,GA模型最优;模型的校正决定系数R2=0.922、校正均方根误差RMSEC=1.74、交叉检验均方根误差RMSECV=1.80;模型的预测决定系数R2=0.931、预测均方根误差RMSEP=1.84、预测相对误差RPD=3.81。与原始光谱的PLS模型相比,R2由0.900提升至0.922,RPD由3.38提升至3.81。结果表明,通过GA进行波长选择能够优化模型,提升模型稳定性以及预测精确性。