丛生竹林下竹荪富硒菌棒覆土栽培技术

在丛生竹林下对不同基质配方和硒浓度菌棒进行埋棒栽培以及覆土方式栽培试验，结果表明，菌棒不同基质配方对竹荪产量及其营养成分有显著影响，而且三列浅沟形和双列龟背形2种覆土方式有利于提高竹荪产量。改良基质配方菌棒竹荪产量比常规配方提高约50%；在添加外源硒质量分数为0~2.0 mg/kg的浓度范围内，竹荪子实体产量先随着硒浓度的增加而逐渐增加后再有所降低，基质中添加1.5 mg/kg硒肥比不添加产量提高了195.30%。基质中添加硒质量分数为1.0~2.0 mg/kg的硒肥可以较显著地提高竹荪花的硒含量，其干物质中硒含量平均值从约2.50 mg/kg提高到8.05~13.30 mg/kg，外源硒肥利用率达到9.70%~15.36%。菌棒不同基质配方对竹荪子实体的粗蛋白及粗多糖含量有明显影响，改良配方竹荪蛋与竹荪花的粗蛋白含量是常规配方的1.21和1.29倍，其粗多糖含量是常规配方的4.81和1.35倍；基质中添加硒肥与不添加硒肥相比，竹荪蛋与竹荪花中粗蛋白含量分别增加了40.90%和14.30%。在硒质量分数为1.0 mg/kg的竹荪菌棒林下覆土栽培试验中，三列浅沟形覆土方式单位面积鲜竹荪蛋产量最高，为10.27 kg/m²；双列龟背形覆土方式单个菌棒的鲜竹荪蛋产量最高，达1.40 kg。三列浅沟形和双列龟背形2种覆土方式基质生物转化率分别为93.00%和94.14%，达到了较高水平。     

青冈栎林分空间结构对林下更新的影响

林分空间结构会显著影响其林下幼树更新。为明确其影响林下幼树更新的关键因子,以湖南省青羊湖国有林场青冈栎林天然次生林为研究对象,测量幼树株数密度、树高、地径和冠幅,计算混交度、大小比数、开敞度指数以及聚集指数代表林分空间结构,评价林下幼树更新情况,并用灰色关联度分析方法探究两者间的相关关系。结果表明,青羊湖国有林场13块青冈栎林样地林下更新幼树有6种,分属于4科5属,分别是青冈栎、苦槠、多脉青冈、南酸枣、黄檀、马尾松,青冈栎在更新幼树中占明显优势,是优势树种,幼树重要值为63.09%。青冈栎林各林分空间结构指数与林下更新指数均大于0.5,关联度较高,综合所有林分空间结构指数对林下更新指数关联度的均值来看,对林下更新的影响由大到小为大小比数>开敞度>聚集指数>混交度,大小比数对青冈栎林下更新影响最为显著。在促进青冈栎天然次生林林下更新时,应以调整林木大小分化程度为主,综合考虑林木空间分布格局的调整方案。     

吕梁山地区植被物候变化及对气候的响应

吕梁山地区地形垂直差异明显,植被对气候变化反应敏感,研究吕梁山地区植被物候变化,探索植被物候变化与气候的响应关系,旨在为高海拔山区植被物候研究和生态治理提供借鉴。基于2000—2015年MODIS NDVI时间序列数据,通过动态阈值法提取吕梁山地区的植被物候,对气温、降水进行空间插值,并对植被2个关键物候期与气候因素进行偏相关分析。结果表明：（1）植被生长季开始日期(the start of the growing season,SOS)提前的区域约占85.7%,其中16.2%显著提前;植被生长季结束日期(the end of the growing season,EOS)推迟的区域约占90.6%,其中33.3%显著推迟。（2）区内74.8%、87.7%植被SOS分别与气温、降水呈负相关,气温升高或降水增加,植被SOS提前。植被SOS在高海拔山区受4月气温影响显著,而低海拔地区受4月降水影响显著。（3）区内72.6%、65.1%植被EOS分别与气温、降水呈正相关,气温升高或降水增加,植被EOS推迟。植被EOS在北部和西部地区受11月气温影响显著,而高海拔地区受9月降水影响显著。2000—2015年吕梁山地区植被物候发生显著变化,各地区对气温、降水的响应不同,研究结果可为区域物候、气候变化研究和陆地生态治理提供科学依据。     

Assessing the effects of vegetation and precipitation on soil erosion in the Three-River Headwaters Region of the Qinghai-Tibet Plateau,China

Soil erosion in the Three-River Headwaters Region (TRHR) of the Qinghai-Tibet Plateau in China has a significant impact on local economic development and ecological environment. Vegetation and precipitation are considered to be the main factors for the variation in soil erosion. However, it is a big challenge to analyze the impacts of precipitation and vegetation respectively as well as their combined effects on soil erosion from the pixel scale. To assess the influences of vegetation and precipitation on the variation of soil erosion from 2005 to 2015, we employed the Revised Universal Soil Loss Equation (RUSLE) model to evaluate soil erosion in the TRHR, and then developed a method using the Logarithmic Mean Divisia Index model (LMDI) which can exponentially decompose the influencing factors, to calculate the contribution values of the vegetation cover factor (C factor) and the rainfall erosivity factor (R factor) to the variation of soil erosion from the pixel scale. In general, soil erosion in the TRHR was alleviated from 2005 to 2015, of which about 54.95% of the area where soil erosion decreased was caused by the combined effects of the C factor and the R factor, and 41.31% was caused by the change in the R factor. There were relatively few areas with increased soil erosion modulus, of which 64.10% of the area where soil erosion increased was caused by the change in the C factor, and 23.88% was caused by the combined effects of the C factor and the R factor. Therefore, the combined effects of the C factor and the R factor were regarded as the main driving force for the decrease of soil erosion, while the C factor was the dominant factor for the increase of soil erosion. The area with decreased soil erosion caused by the C factor (12.10×10³ km²) was larger than the area with increased soil erosion caused by the C factor (8.30×10³ km²), which indicated that vegetation had a positive effect on soil erosion. This study generally put forward a new method for quantitative assessment of the impacts of the influencing factors on soil erosion, and also provided a scientific basis for the regional control of soil erosion.     

基于温度植被干旱指数的兖州煤田煤炭开采影响边界遥感提取

为识别植被覆盖区煤炭开采的生态影响边界,该文以兖州煤田为研究区域,应用温度植被干旱指数TVDI(temperature vegetation drought index)反演沉陷积水区外围的土壤湿度空间分布特征,利用MATLAB拟合TVDI变化趋势并依据其趋于稳定的渐近线,反解煤炭开采活动对矿区生态的影响边界,将其与采用MSCS(mining subsidence prediction system,MSCS)软件预计获得的下沉10 mm沉陷边界进行对比。结果表明:不同距离的TVDI中位数随距积水区边缘距离的变化表现为先增加后趋于平稳、呈指数变化特征;基于TVDI分析得到的煤炭开采的非积水影响范围,仅相当于沉陷积水面积的2.07倍,预计沉陷非积水面积与预计沉陷积水面积之比为4.63倍。通过模型拟合遥感指数随距离的变化特征,能够获得煤炭开采的影响边界;兖州煤田基于TVDI获取的煤炭开采影响面积,相对小于预计的开采沉陷面积。该研究可为确定煤炭开采对生态影响的边界提供参考。     

基于Lab颜色空间的棉花覆盖度提取方法研究

基于手持高清可见光图像和无人机可见光遥感影像中植被与非植被像元在不同颜色空间单通道上分布的差异性,以苗期和蕾期的棉花为对象,进行了棉花覆盖度的提取方法研究。基于不同天气状况和不同采集时刻等光照条件下采集的29幅具有不同覆盖度的棉花地面可见光图像,分别对比分析了Lab颜色空间a通道、RGB颜色空间2G-R-B指数和HIS颜色空间H通道对棉花的识别能力,以及使用动态阈值和固定阈值两种情况下的棉花覆盖度提取精度。其中动态阈值通过植被与非植被像元的高斯分布交点确定,固定阈值在3种颜色空间分别设置为动态阈值的均值。结果表明,植被像元与非植被像元在a通道、2G-R-B指数和H通道上呈现高斯分布,可以采用非线性最小二乘算法实现高斯分布拟合。通过高斯分布拟合求解交点得到的动态分类阈值分布范围较为集中,将其均值-3.78、0.06、0.13设定为固定分类阈值。相比于2G-R-B指数和H通道,a通道对绿色植被的识别能力最好,更适合提取棉花植被覆盖度;相比于动态阈值,固定阈值的提取精度更好,平均提取误差为0.009 4。将该方法应用到无人机尺度时,同样可以较好地提取不同天气状况和不同土壤干湿类型的棉花覆盖度,且总体平均提取误差为0.012。经过初步检验和分析认为,基于植被与非植被像元在Lab颜色空间a通道上分布的差异性,结合固定分类阈值,可以精确地提取不同光照条件下的苗期和蕾期棉花覆盖度。     

基于无人机遥感影像的冬小麦氮素监测

精准氮素管理是一项提高作物氮肥利用效率的有效策略,利用无人机遥感技术精确估测小麦氮素状况是必要的。试验在山东省乐陵市科技小院实验基地进行,利用八旋翼无人机搭载Mini-MCA多光谱相机于2016年获取冬小麦4个关键生育时期(返青期、拔节期、孕穗期、扬花期)冠层多光谱数据,同步获取地上部植株样品并测定其生物量、吸氮量、氮营养指数,及成熟期籽粒产量,根据各关键生育期与全生育期分别构建植被指数与农学参数回归分析模型,评估基于无人机遥感影像的冬小麦氮素营养诊断潜力。结果表明:基于无人机遥感影像能够较好地估测冬小麦氮素指标(R2为0.45~0.96),决定系数随着生育期推移而逐渐增大。拔节期、孕穗期和扬花期估产效果接近且具有很好的估测能力,扬花期DATT幂函数模型对小麦氮营养指数的解释能力最强(R2=0.95)。因此,以多旋翼无人机为平台同步搭载多光谱相机对冬小麦有较好的氮素诊断潜力,可利用估测结果指导精准氮肥管理。     

1979—2020年杭州市富阳区土地利用对耕层土壤有机碳储量变化的影响

土地利用变化对陆地生态系统碳储量变化影响显著,在制定土地政策时,必须考虑土地利用变化对土壤碳储量的动态影响。以杭州市富阳区为研究对象,探讨了1979—2006年间土地利用变化对碳储量的影响,并预测评价了县区级土地利用规划政策对土壤碳库的影响。结果显示:研究区1979—2006年间土地利用变化导致全区植被碳总量损失为273.4 Gg,表层土壤(0—20 cm)有机碳总量损失为771.0 Gg,建设占用耕地和林地是导致土壤碳储量下降的主要原因。预测2006—2020年间研究区植被碳损失的年均速率将减至25.93 kg·hm^-2,土壤有机碳损失的年均速率将减至27.48 kg·hm^-2。制定合理政策和有效措施来保护林地,抑制建设用地增长,扭转土壤碳损失趋势势在必行。     

上海半自然森林更新苗物种组成与多样性研究

城市半自然森林具有独特的群落结构和生物多样性特征,研究城市化影响的半自然森林更新特征,可以为城市生物多样性保育与地带性植被恢复重建提供借鉴。文章以上海辰山残存半自然森林1 hm^2固定监测样地为对象,调查分析半自然森林更新苗的物种组成特征。结果表明:1 hm^2样地更新苗共5 937株,分属22科32属37种,其中上海自然分布的乡土种占57.89%,明显高于城市人工林的乡土树种比例;香樟、构树、天竺桂、朴树和小蜡等5种更新苗占总数的57.2%,聚集性分布格局明显;在11个植被群落类型中,各类型更新苗的丰富度普遍较高,不同树种的更新苗存活和发育潜力存在差异。     

基于Sentinel-2多光谱数据的棉花叶面积指数估算

棉花叶面积指数(leaf are index, LAI)的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证(LOOCV, leave-one-out cross validation)和交叉验证对模型精度进行了检验。结果表明:1)对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差(RMSE, root mean square error, RMSE=0.378);2)对于各类植被指数,花蕾期(20170616)和花铃期(20170802)时增强植被指数(EVI, enhanced vegetation index,)表现最佳(RMSE分别为0.352和0.367),开花期(20180623)时校正土壤调节植被指数(MSAVI2, modified soil adjusted vegetation index 2,)估算精度最高(RMSE=0.323);3)单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的(invertedred-edge chlorophyllindex)全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。