生物土壤结皮对黄河源区人工草地植被与土壤理化性质的影响

为探讨高寒地区生物土壤结皮（Biological Soil Crusts,BSCs）在人工草地演替中的生态作用,揭示其对人工草地植被与土壤养分恢复的影响规律。本研究选择在青海省玛沁县5个建植年限（18,14,11,4,和1年）的人工草地,调查各年限草地中BSCs的分布情况,以及BSCs的特征与植被分布特征和土壤理化性质的关系。结果表明：不同建植年限人工草地中BSCs的类型、盖度、厚度各不相同,较长建植年限人工草地中BSCs的多样性大、种类多,主要包括苔藓、地衣以及藻类,而建植年限短的人工草地中仅分布少量的苔藓,但厚度较大。BSCs盖度与禾本科（Gramineae）植物盖度、密度以及地上生物量显著正相关（P<0.05）,但与植被平均高度以及0~10 cm地下生物量显著负相关（P<0.05）。BSCs能调节pH,对累积土壤养分有明显作用,能显著增加建植年限长（14和18年）的人工草地中表层（0~5 cm）土壤速效养分以及建植年限短（1和4年）的人工草地中的全效养分含量（P<0.05）;在建植年限短的草地中,BSCs可减小（P<0.05）土壤粒径,增加（P<0.05）土壤细颗粒（细砂粒、黏粉粒）含量。本研究揭示,建立人工草地有利于增加BSCs盖度、厚度以及多样性,同时BSCs对人工草地地上生物量的增加和土壤结构和养分的恢复具有重要意义。     

草种配置对高寒人工草地群落多样性和生产力的影响

本试验在黄河源区河南县研究了不同播种物种数（1,3,6,9,12,15）草种组合的人工群落配置对植被群落多样性和生产力的影响,旨在找到最优的群落配置组合,以期为今后人工草地的科学管理和退化草地快速恢复提供理论依据。研究结果表明：与对照相比,人工草地建植第1年和第2年植被地上生物量均显著（P<0.05）增加,其中3个草种组合的地上生物量最高。各处理物种丰富度、Shannon-Wiener多样性指数﹑均匀度指数在第1年和第2年之间差异不显著（P>0.05）,其中9个草种组合的Shannon-Wiener多样性指数最大。人工草地建植第1年播种物种数与地上生物量呈显著正相关（P<0.05）,而在第2年无显著相关关系。播种物种数与物种丰富度﹑Shannon-Wiener多样性指数和均匀度指数在2018年和2019年均呈显著正相关（P<0.05）。在2018年,地上生物量与物种丰富度和Shannon-Wiener多样性指数均无显著相关关系,在2019年,线性关系表现为极显著负相关（P<0.01）,地上生物量和均匀度指数在2018年和2019年均呈显著负相关（P<0.05）。综上,在高寒人工草地建植初期,以生产力为主时,建议选择3物种组合;以多样性为主时,建议选择9物种组合。     

耕地质量评价缺失数据填充方法研究

在耕地质量数据调查与采集过程中会由于人为、环境等因素造成数据缺失,而目前数据缺失填充方法都存在适用性不足的问题,为完善耕地质量数据库从而提高耕地质量评价精度,对耕地质量评价缺失数据填充方法的研究是十分重要的。本研究以广州市从化区耕地质量数据库为样本集,根据空间相关性和空间分布将数据集划分为空间关联性数据集和非空间关联性数据集,利用多种填充方法对其进行缺失填充模拟,采用十字交叉法进行精度验证。结果表明：选取数据整体异常值比例不足1.2%,且高程、气温、有效锌等25组因素具有空间相关性。对空间关联性数据填充精度最高的是四象最近邻算法,在缺失率20%以下时精度仍高达80%,精度随缺失率增大而降低,其次为K最邻近（KNN）算法、期望最大化法、多重填充法、回归模型算法,四象最近邻算法相较于KNN算法在数据密集时精度更好。对非空间关联性数据填充精度最高的是相似聚集填充算法,在缺失率25%以下时精度超过80%,其次为期望最大化法、多重填充法、回归模型算法。综上,本研究提出的四象最近邻算法和相似聚集填充算法相比其他算法在耕地质量评价缺失数据填充中精度更高,效果更稳定,且实用性更广。     

增温和氮添加对高寒草甸土壤微生物氮素生理群的影响

为了揭示高寒草甸土壤微生物氮素生理群对增温和氮素添加的响应机制，本研究采用模拟增温和添加不同形态氮素的方法，研究了增温和氮素添加对三江源区高寒草甸土壤中硝化细菌﹑反硝化细菌﹑自生固氮菌﹑氨化细菌的影响。结果表明：各处理中土壤微生物氮素生理群的数量分布呈现自生固氮菌 > 反硝化细菌 > 氨化细菌 > 硝化细菌；增温和氮添加处理均显著增加0~15 cm和15~30 cm土壤氮素生理群数量，硝态氮处理下4种氮素生理群数量均高于铵态氮处理，且硝化细菌和自生固氮菌的数量在添加的不同氮素之间差异极显著（P<0.01），而反硝化细菌和氨化细菌的数量差异不显著；增温和添加氮素交互影响土壤微生物氮素生理群数量分布特征，具体表现为促进作用。本研究结果为揭示高寒草甸在全球气候变暖和氮沉降的背景下的响应规律提供数据支撑。     

氮添加对不同坡度退化高寒草甸土壤细菌多样性的影响

选取三江源区果洛州不同坡度退化程度相近的高寒草甸,进行氮添加试验,运用Miseq PE250测序技术对土壤细菌16s rDNA进行序列测定和分析,探讨3个氮添加水平低等量氮添加（LN, 2 g N·m^-2）、中等量氮添加（MN, 5 g N·m^-2）、高等量氮添加（HN, 10 g N·m^-2）对不同坡度退化草地土壤细菌多样性的影响。结果表明：放线菌门（Actinobacteria）、变形菌门（Proteobacteria）是研究区草地土壤中最主要的两大类群。缓坡地与陡坡地土壤细菌个别丰度极低的门以及61.4%以上（包括未鉴定的细菌属）细菌属存在显著差异（P<0.05）。不同施氮水平对退化高寒草地各细菌门以及大部分细菌属影响不显著,对一些丰度较低的属的影响显著（P<0.05）,且在不同坡度所响应的细菌属不同。无论是缓坡地还是陡坡地,氮添加对退化高寒草甸土壤细菌群落结构存在显著差异（P<0.05）,土壤微生物丰富度和多样性整体上呈现出随着施氮量增加先减少后增加的趋势,中等量氮添加显著降低了土壤细菌丰富度和多样性,高水平氮添加显著抑制了土壤细菌的丰富度和多样性的下降（P<0.05）,说明氮添加对细菌多样性的影响具有阈值限制性。     

基于协同克里格的县域耕地质量监测点优化布设

根据耕地质量的空间分布特征优化监测样点布局,可提高耕地质量的监测效率和准确性。本研究筛选与耕地质量协同变化的环境因子作为辅助变量,利用地统计学方法分析耕地质量的空间变异特征,采用协同克里格法优化耕地质量监测样点的布设。结果表明：利用与耕地质量相关性较好的地下水位为辅助变量,在不同规格网格的样点布设下,协同克里格在最适（5 km×5 km）网格尺度下得到66个监测点的插值精度,优于普通克里格在小（2 km×2 km）网格尺度下得到390个监测点的插值精度;而在相同规格网格的样点布设下,协同克里格方法得到监测点的插值精度均优于普通克里格。研究表明,结合易于获取的辅助变量信息的协同克里格方法可优化耕地质量监测点布设,得到更少的监测点的样点方案,在耕地质量监测中可实现减少成本的同时提高监测精度。     

基于分层多元复合模型的广东省农田土壤有机碳高精度制图

农田有机碳库是唯一可在较短时间尺度上通过合理利用而进行适度调节的碳库，农田土壤有机碳高精度制图对进一步明析地理环境背景，提升区域土壤固碳潜力，促进碳交易、碳中和等具有重要的意义。本研究以广东省为研究区，在中大空间尺度区域综合特征分区的基础上，基于地理探测器确定农田土壤有机碳空间分异的变量结构，分区构建分层多元复合模型，根据208 503个土壤采样点数据编制研究区高精度农田土壤有机碳密度空间分布图。结果表明：耦合自然地理特征和社会经济特征，引入多距离空间聚类进行中大空间尺度综合特征分区，能够显著收敛样本离散程度，土壤有机碳样本标准偏差均值、方差均值较未分区前分别下降0.55、3.53，Moran''s I指数上升0.08。受自然环境与人为扰动双重影响，农田土壤有机碳空间变异的变量众多，且不同综合特征分区内变量结构差异较大，年均降水量、海拔高度、地形坡度等变量在不同特征分区的影响力存在显著差异，土地利用方式及土壤理化性质等变量对不同特征分区均存在较大的影响力。基于地理探测器构建的分层多元复合模型，较好地解决了中大尺度和复杂情景下土壤有机碳空间分异规律与空间突变的同步表达矛盾，抑制了多变量插值噪声增加，其综合精度较地理加权回归模型（GWRK）、径向基函数神经网络（RBFNN）和普通克里格（OK）分别提升6.45%、10.45%和7.50%。在大密度样本集支持下，综合区域综合特征分区、地理探测器、分层多元复合模型等技术手段编制的广东省高精度农田土壤有机碳空间分布图，预测结果准确，空间细节表达清晰，为编制大空间尺度的土壤有机碳分布图探索了有效路径。     

基于Hive的高寒草地海量数据高效分析系统设计研究

解决高寒草地的退化问题需要对高寒草地退化现状进行综合评价，而这需要相关数据作为支撑，本研究设计并实现了一个基于Hive的高寒草地海量数据高效分析系统，能对高寒草地的海量数据进行可靠、高效地存储分析。首先，平台设计基于Hadoop、Hive、Sqoop环境，通过节点和集群配置等步骤搭建完成；然后，通过期望最大化（EM）算法进行数据填充、数据导入、数据分区存储等步骤，完成数据抽取、转换、加载（ETL）及数据存储；最后，系统通过混合函数编码实现模糊查询功能，实验测试表明系统达到了预定的效果。随着文件大小的增加和总体数据规模的增大，系统整体存储和读取时间一直处于增长的状态，但平均运行时间（平均处理1 MB数据所使用的时间）处于降低的趋势，说明随着数据量的增加，系统并行处理海量数据的能力得到体现。使用2014年青海省称多县高寒草地样方监测数据和部分虚拟数据（总数据量约为3 958万条，7.56 GB），对Hive集群以及关系型数据库SQL Server的数据查询效率进行对比。结果显示，当查询数据量为3 958万条时，Hive集群数据查询的时间为SQL Server查询时间的67.8%。说明在数据量较大时，系统数据查询的效率比SQL Server更高。通过HiveQL对高寒草地生态数据进行分析处理，并开展相应的对照实验，对比发现，Hive数据分析技术与对照实验的处理结果相同。综上，将分布式数据仓库技术应用于高寒草地海量数据的存储与分析，较传统的数据存储与分析技术相比有明显的进步。本系统对海量数据处理效率高、可开发性强，可以很好地满足海量高寒草地数据的存储和分析要求。