东北黑土nirS型反硝化细菌群落和网络结构对长期施用化肥的响应

【目的】探明长期施用氮磷钾化肥对东北黑土农田土壤nirS型反硝化细菌群落和网络结构的影响,为更加合理的肥料配施提供理论依据。【方法】基于农业农村部黑龙江耕地保育与农业环境科学观测实验站平台,选取不施肥(NoF)、氮肥(N)、磷肥(P)、钾肥(K)、氮钾肥(NK)、氮磷肥(NP)、磷钾肥(PK)、氮磷钾肥(NPK)8个施肥处理,借助荧光定量PCR、Illumina MiSeq高通量测序和分子生态网络技术,分析东北黑土nirS型反硝化细菌丰度、群落及网络结构,及影响反硝化细菌群落变异的主要环境因子。【结果】1)长期施用氮肥均在显著增加nirS基因拷贝数的同时,降低了nirS型反硝化细菌的群落多样性,而磷、钾肥对其影响并不显著。2)Proteobacteria是所有处理中的优势反硝化细菌门,相对丰度为16.96%~27.34%,且氮肥的施用促进了隶属于该菌门中Bradyrhizobium的生长。3)PCoA分析结果显示,8个施肥处理nirS型反硝化细菌群落主要分成施氮肥和不施氮肥两组,说明长期氮肥的施用显著改变了东北黑土反硝化细菌的群落结构。结合Mantel test的结果可知,土壤pH是影响nirS型反硝化细菌群落改变的主要因素。4)分别构建施氮肥和不施氮肥的反硝化细菌分子生态网络,发现施氮肥和不施氮肥网络结构存在很大差异,长期施用氮肥明显简化了nirS型反硝化细菌的网络结构,同时使其网络结构稳定性降低,易受外界环境扰动。【结论】尽管施用化学氮肥有利于土壤养分的增加,但其土壤nirS型反硝化细菌群落及网络结构发生了较大改变,而磷、钾肥的施用对反硝化细菌群落无显著影响。本试验结果为进一步研究东北黑土区农田土壤反硝化微生物对不同施肥管理的响应机制提供了重要科学依据。     

基于多元回归模型的地表水质量影响因素分析 ——以天津市津南区为例

在党的十九大上,首次把“美丽”写入了社会主义现代化强国目标,水污染防治就是其中一方面。对于天津市生态环境的2018年度报告可知,在20个国考断面中,Ⅰ-Ⅲ类水质断面10个,占50.0%,劣Ⅴ类水质断面4个,占20.0%,水污染程度较高,影响了居民的生活质量以及天津市的可持续发展。以天津市津南区为例进行影响地表水的水污染的主要因素分析,运用计量经济学中多元回归模型找到高锰酸盐指数,氨氮和总磷为主要因子,并提出了相关的对策和建议,以建设美丽天津。     

盐碱复合胁迫对白茎盐生草种子萌发的影响

为了解盐碱胁迫对种子萌发的影响，本研究以白茎盐生草(Halogeton arachnoideus)为研究对象，采用室内模拟试验，以盐分种类和盐浓度为控制因素，按照NaCl ? Na2SO4 ? NaHCO3 ? Na2CO3的顺序，以A (1 ? 1 ? 0 ? 0)、B (1 ? 2 ? 1 ? 0)、C (1 ? 9 ? 9 ? 1)、D (1 ? 1 ? 1 ? 1)、E (9 ? 1 ? 1 ? 9) 5种不同比例进行混合，共5个组别，记为A－E；每个组别分为6个浓度，共30个处理，研究盐碱复合胁迫对其种子萌发的影响。结果表明：随着盐溶液浓度的升高，种子发芽率、发芽势、发芽指数均呈下降趋势；将盐溶液中未萌发的种子转移到蒸馏水中后，种子可以不同程度地恢复萌发。经过回归分析得出，A－E的耐盐阈值依次为0.26、0.24、0.23、0.25、0.16 mol·L?1，耐盐极限值分别为0.65、0.62、0.62、0.60、0.52 mol·L?1；聚类分析得出，A－E的耐盐阈值依次为0.3、0.2、0.3、0.3、0.1 mol·L?1。对回归与聚类分析结果取均值，得出白茎盐生草种子萌发在盐碱复合胁迫下的耐盐阈值为0.234 mol·L?1，耐盐极限值为0.602 mol·L?1。盐分浓度对种子萌发的影响大于盐分种类。相较于碱性盐，白茎盐生草更耐受中性盐环境。     

基于卷积神经网络的水稻钵体软盘穴播量检测

为避免水稻钵体软盘穴播量检测过程中的秧盘背景分割和稻种特征的手工设计及提取,本文提出了一种基于卷积神经网络的水稻钵体软盘穴播量检测方法,该方法可自动学习和提取不同穴播量的水稻种子特征,实现常规稻、杂交稻和超级杂交稻钵体软盘穴播量为0、1、2、3、4、5、6及7粒以上共8种播量的自动检测。本文在每层卷积单元网络结构参数保持固定的前提下,选取2～4层共3种不同卷积单元数量的网络结构对RiceCountCNN模型性能进行试验,试验结果表明随着模型深度加深,模型检测精度逐渐提高。本文在3层RiceCountCNN模型网络框架下,按卷积核的大小递减和数量递增原则选择得出不同的卷积核网络参数组合方式,最终优化得出网络结构为9C16-AP2-7C32-AP2-5C64的模型性能最佳,平均正确率达到98.76%。为测试RiceCountCNN模型的性能,每个水稻品种选取1幅19穴×14穴的图像作为测试集对模型进行测试,试验结果得出模型针对常规稻、杂交稻和超级杂交稻的检测正确率分别达到97.37%、98.12%和90.98%,每幅图像的检测时间小于2.33 s。研究结果满足精密育秧播种实际工况检测要求,该研究为实现水稻精密衡量播种作业提供参考。     

2020-02ml 目录

目的采用非线性分位数回归方法构建樟子松树干削度方程，并对比分析9个分位数（τ = 0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9）模型和传统的非线性回归削度方程的预测精度。方法以七台河市林业局金沙林场154株人工樟子松干形数据为研究对象，选取简单削度方程、分段削度方程和可变指数削度方程，利用非线性回归和非线性分位数回归方法构建樟子松树干削度方程。采用确定系数（R2）、平均误差（MAB）、相对误差（MPB）、均方根误差（RMSE）为统计指标对构建的削度方程进行对比分析。结果（1）在9个分位点（τ = 0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9）下的各削度方程都可以收敛，分位数回归方法可以灵活预测各分位点树干曲线的变化。（2）与非线性回归相比，基于中位数（τ = 0.5）时的各削度方程在拟合过程中表现最好，其中以可变指数削度方程表现最优。（3）检验结果也表明:相对于非线性回归的各削度方程，基于中位数（τ = 0.5）的简单削度模型的MAB和MPB均下降26.7%，RMSE下降19.9%；基于中位数（τ = 0.5）的分段削度方程和可变指数方程预测能力较强。（4）中位数回归的各削度方程在树干大部分的预测能力都优于相应的非线性削度方程。结论分位数回归方法是一种稳健的建模方式，基于中位数（τ = 0.5）的可变指数削度方程的预测精度最高，适合该区域樟子松树干干形的预测。      

东北红豆杉种群的回归成效及影响因素

  目的  回归是一种濒危物种保护与种群恢复的重要方法。本研究以极小种群物种东北红豆杉为研究对象，选择3种不同的林型以及两组不同苗龄的东北红豆杉幼苗开展野外回归试验，研究适宜东北红豆杉回归林型以及回归过程中幼苗生长及存活的主要影响因素，以期为东北红豆杉回归保护提供科学依据。  方法  选择杨桦林、红松云冷杉林和红松紫椴林3种林型作为回归试验地，以1 ~ 2年生和4 ~ 5年生东北红豆杉实生幼苗作为试验材料，移栽后调查土壤因子、地形因子等指标，逐月调查幼苗存活率、苗高、地径、冠幅等指标。对幼苗各生长指标进行差异性显著分析和多重比较，通过灰色关联分析等方法研究回归幼苗生长过程中的影响因子。  结果  东北红豆杉回归幼苗当年存活率达86%以上，地径、苗高、冠幅均有所增长，除1 ~ 2年生东北红豆杉幼苗苗高生长量外，各林型中东北红豆杉幼苗生长指标生长量均无显著差异，红松紫椴林的1 ~ 2年生东北红豆杉幼苗苗高生长量显著高于杨桦林和红松云冷杉林。由于越冬期间，4 ~ 5年生东北红豆杉幼苗受到狍啃食，存活率显著下降且长势极差；1 ~ 2年生幼苗受长时间的低温胁迫生长状况也受到一定影响。东北红豆杉回归幼苗的存活和生长受到多种环境因子的影响，关联度最大的是林型，其次是坡向、坡度和郁闭度，土壤化学性质指标的关联度较小。  结论  4 ~ 5年生幼苗因受动物啃食而回归效果不良；1 ~ 2年生幼苗适应杨桦林、红松云冷杉林和红松紫椴林下这3种生境，回归最适宜的林型是红松紫椴林；林型、坡向、坡度、光照是影响东北红豆杉回归的主要环境因子。