北方草地及农牧交错区草地植被碳储量及其影响因素

【目的】 草地生态系统在全球碳平衡中有重要的意义,草地植被碳库及其变化机制研究是植被生态学的重要命题。本文研究北方草地和农牧交错区草地植被碳密度及其空间格局,解析不同区域草地植被碳密度的关键影响因素,分析了气候、土壤、放牧等因素对地上地下植被碳库的相对贡献。【方法】 基于2002—2009年北方草地及农牧交错带草地植被调查数据,结合同期MODIS/NDVI遥感影像和1﹕100万草地类型图,建立了我国主要草地类型的生物量估算模型;整合野外考察数据和前人研究结果,探讨了研究区地上地下生物碳库及其空间格局;基于研究区255个县级行政单元,分析了不同类型草地植被碳库与气候要素、土壤要素及家畜承载量的关系,应用一般线性模型（GLM）解析了不同影响因素对草地碳密度的相对贡献。【结果】 （1）北方草地与农牧交错区草地地上平均生物碳密度为36.9 g C·m^-2,地下生物碳密度为362.9 g C·m^-2,地下生物碳密度高于地上10倍,均呈从东到西递减的趋势,频率分布图基本服从对数正态分布,不同草地类型的生物碳密度存在明显差异;（2）整个研究区及草原亚区、荒漠亚区、农牧交错亚区内,地上生物量与年降水量（MAP）呈极显著正相关、与年均气温（MAT）均呈极显著负相关,与土壤黏粒含量（Clay%）呈显著正相关、与土壤砂粒含量（Sand%）呈显著负相关,整个研究区家畜承载量与草地地上生物量之间呈极显著正相关;（3）一般线性模型（GLM）分析结果表明,年平均降水量（MAP）、年均气温（MAT）、土壤黏粒含量（Clay%）、放牧强度对地上生物量空间变异的解释率分别达到29.6%（P<0.001）、5.8%（P<0.001）、0.8%（P<0.05）、1.3%（P<0.001）;地下生物量的空间变异主要来自于年降水量（MAP）、年均气温（MAT）、土壤砂粒含量（Sand%）,对方差的解释率分别达到12.1%（P<0.001）、6.8%（P<0.001）、1.9%（P<0.005）,放牧强度没有明显贡献。【结论】 气候条件尤其是年降水量是草地生物量碳库的主要影响因素,但对地上生物量影响更为明显;土壤质地对植被生物碳库也有显著贡献,尤其对地下生物量的影响更加显著;放牧强度只能解释地上生物量变化的1.3%、对地下生物量没有显著贡献,这一发现意味着气候对生物量碳库的贡献远大于放牧影响。     

呼伦贝尔地区苜蓿人工草地CO_2通量变化特征

试验采用密闭箱技术对呼伦贝尔地区种植的苜蓿人工草地进行碳通量研究,采用反硝化-分解作用模型(DNDC)进行模拟。试验结果表明:对苜蓿人工草地CO2通量24h连续观测发现,CO2通量全天变化的平均值(238.15mg/(m2·h)与11∶00(245.32mg/(m2·h)的通量变化值接近,试验从早上9∶00~11∶00进行温室气体的采集方法合理、可行;在整个生长季变化表明,7、8月CO2通量变化较显著(P0.05),且受到降水的影响较大,伴随降水的发生,CO2通量会发生不同幅度的变化,土壤温度和含水量对CO2通量有一定的影响(r0.45,P0.05);通过DNDC模型的模拟,能较好的反映苜蓿人工草地CO2通量的变化情况,但模拟结果数值普遍有些偏高。     

氮肥和化学调控对小麦品质的调节效应

在大田条件下,研究了氮肥和化学调控对小麦品质的影响。结果表明,氮肥和化控处理对籽粒蛋白组分和加工品质有一定的调节作用。研究表明,与180kg/hm2的施氮量相比,施氮270kg/hm2显著提高了清蛋白、干湿面筋含量以及面粉吸水率,但增氮肥不利于球蛋白和醇溶蛋白含量的提高;与对照相比,起身期喷施麦巨金对蛋白组分和加工品质有明显的正调节效应,其中对清蛋白、干湿面筋含量和吸水率的影响达显著水平;喷施乙膦水剂有利于粉质参数的改善;喷施多聚氨基酸钾盐对沉降值和吸水率有一定的正调节效应。     

提高仔猪成活率的综合措施

仔猪成活率的高低直接影响着养猪效率的多少,也是衡量和反映种猪场管理水平高低的重要指标,尤其是对实行自繁自养模式的规模化猪场显得尤为重要,甚至关系到企业的成败。因此,提高仔猪成活率无疑对于提高生猪生产力起到至关重要的促进作用。通过对仔猪的生理特点、影响仔猪成活率的应激因子及结合实际工作中的实践经验来分析,综合阐述了提高仔猪成活率的几种预防措施,旨在为生产实践提供一定的依据与帮助。     

科学淘汰母猪是猪场盈利的重要因素

<正>众所周知,母猪的淘汰率直接影响着猪场的生产成绩和经济效益,高淘汰率问题备受养猪生产者关注,因为只有一少部分母猪的胎龄处于生产价值最高的时期。考虑到培育后备母猪的生产成本,Stalder等人研究发现,后备母猪一般要经过3胎生产后才能达到最佳的经济效益。要想管理好猪群必须要对科学合理淘汰母猪有一个正确的理解和认识,只有这样才能保障生产上的母猪处于最佳的胎龄结构。这需要维持后备猪     

PHANTOM 4 RTK+大疆像控处理技术在燕麦长势模拟中的应用

【目的】 利用小型消费级无人机航拍获取地物影像,通过地物阴影、高度差、色差快速提取地物,进而获取地物结构信息。【方法】 文章选取云南省曲靖市会泽县的大桥乡为研究区域,针对冬闲田闲置土地资源、种植结构相对单一的区域展开试验,利用高分辨率无人机遥感影像对燕麦进行识别,同时结合超声波传感器数据估算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度进行相关性分析,获取高精度、可靠性强的数据。【结果】 基于可见光燕麦的总体分类精度为91.46%,Kappa系数为0.857,在增加DSM数据后的分类总体精度为98.91%,Kappa系数为0.982。研究表明由无人机获取的代表燕麦冠层高度信息的DSM数据能够显著提升燕麦的识别效果。相对于传统无人机测高方法生成数字表面模型提取地物高度的方法,依赖于光谱和高程信息识别地物信息的方法在计算地物高度时,精度更高,识别结果更可靠。【结论】 该文提出的小型消费级无人机利用地物阴影计算燕麦高度的方法,改进了相机镜头光心地位和RTK天线中心点地位补偿作用,打通了RTK模块、飞控模块及相机云台模块之间的通讯,能够应用于实际准确获取影像地位信息,为无人机遥感快速、准确地获取地物高度信息提供了一种新的思路。     

苜蓿智慧管理研究进展与应用

【目的】 结合现有苜蓿智慧管理研究进展,提出基于小型无人机+超声波检测在苜蓿智慧管理上的具体应用,为精准农业和苜蓿规模化生产的远程诊断提供思路。【方法】 文章以苜蓿为研究对象,以内蒙古呼伦贝尔市谢尔塔拉农牧场为研究区,在总结归纳当前苜蓿智慧管理研究及应用现状的基础上,进行了无人机+超声波的苜蓿田数据采集及应用。【结果】 研究进展表明与卫星相比,无人机在农作物识别与长势估算中,识别精度和速度表现出明显优势,苜蓿智慧管理的前提是数据的获取与分析,从无人机获取的代表苜蓿冠层高度信息的DSM数据能够显著提升苜蓿识别精度、苜蓿形态三维建模、苜蓿相对高度估算等方面,实时获取苜蓿生长过程中的相关参数使结果更为可靠。【结论】 该文总结现阶段苜蓿智慧管理研究进展,归纳现有研究成果的优势与不足,提出结合无人机采集的高分辨率图像和超声传感器,对不同状况下的苜蓿进行准确数据获取的方法。基于此方法配套相应的苜蓿管理决策支持系统,将可以为用户提供苜蓿长势、产量预测和实时灌溉、施肥等管理策略。     

基于时序归一化植被指数的冬小麦收获指数空间信息提取

为获取农作物收获指数（HI）空间分布信息,该研究充分利用遥感技术,以冬小麦为例,利用时序归一化植被指数NDVI构成的作物生长过程曲线提取MODIS NDVI阶段性累积特征参数,并用生殖生长关键阶段和营养生长关键阶段对应的NDVI累积参数比值HINDVI_SUM构建了用于反演冬小麦收获指数的参数,并建立了参数HINDVI_SUM与冬小麦实测收获指数的定量关系,利用上述定量关系实现作物收获指数空间信息的提取。经过对反演冬小麦收获指数的精度验证,结果表明,利用构建参数HINDVI_SUM在区域范围内反演冬小麦收获指数取得了较好的效果。其中,冬小麦收获指数预测的平均相对误差为2.40%,均方根误差（RMSE）为0.02,证明了该研究利用时序NDVI构建参数HINDVI_SUM反演区域冬小麦收获指数空间信息的方法准确性和可行性。     

基于遥感技术的气象因素变化影响水稻单产定量研究

以黑龙江省五常市为研究区域，应用在水稻移栽期至成熟期选择的系列MODIS影像反演NDVI，通过NDVI间接反演LAI，并逐日拟合水稻全生育期的LAI，结合SIMRIW模型，计算研究区域2006年低温影响下的水稻单产。经演算，水稻单产值为5411．74kg／hm^2，是实际值的84％。研究结果表明应用高时间分辨率MODIS图像能够准确反演并拟合逐日LAI，可以为冷害影响下水稻单产的研究提供参考。     

基于MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究，以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响，使得NDVI时序曲线能更好的反映植被季相变化特征，分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题，利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证，NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。