复垦土壤细菌群落结构及其与土壤肥力的关系

为了解两淮煤矿区复垦状况及其对土壤微生物的影响机制,合理人工干预,快速有效提高复垦土壤生产力,本研究以煤矸石充填复垦土壤为研究对象,通过野外调查与采样分析,采用Illumina MiSeq 高通量测序分析土壤细菌特定基因片段V4 区域,基于非度量多维尺度分析、冗余分析、方差分析、肥力指数、回归模型方法,对矸石充填土壤不同复垦方向的土壤细菌优势群落和生物多样性进行了探索,明晰土壤细菌群落及其与土壤肥力的响应作用。研究结果表明：细菌群落组成上,不同复垦方向对细菌优势群落分布并无显著性影响,变形菌门、酸杆菌门和放线菌门菌群为主要优势菌群。土壤微生物多样性层面上,表层土壤微生物有较高的丰富度和多样性,均匀度并无显著性差异。微生物多样性在不同复垦方向不存在显著性差异,Shannon_Wiener指数介于5.23～6.91之间,Chao1指数为867.1～5436,Pielou指数介于0.79～0.84之间,表中层同深层土壤的细菌群落结构具有差异性。TN、SOM、AP和AK是影响土壤细菌群落的主要肥力因子,土壤肥力质量指数与奇古菌门相对丰度呈显著正相关（P＜0.01）,同链霉菌属呈显著负相关（P＜0.05）,在一定程度上可将二者的相对丰度作为评价复垦土壤肥力状况的重要生物指标。研究成果可为两淮矿区矸石充填复垦土壤在微生物层面提高肥力质量提供理论支持。     

变异系数法结合优化神经网络的无人机冬小麦长势监测

高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法（Coefficient of Variation Method,CV）构建综合长势监测指标（Comprehensive Growth Monitoring Indicators,CGMICV）,通过16种植被指数与CGMICV进行相关性分析,计算植被指数间的方差膨胀因子,筛选最优植被指数作为模型输入变量,采用偏最小二乘（Partial Least Squares Regression,PLSR）、随机森林（Random Forest,RF）、反向传播神经网络（Back Propagation Neural Networks,BPNN）及遗传算法（Genetic Algorithm,GA）优化的BPNN模型建立冬小麦长势反演模型,结合评价指标获得冬小麦最优长势反演模型,最终得到研究区冬小麦长势空间分布信息。研究结果表明：以变异系数法得到的冬小麦CGMICV相关性比单一指标的相关性有不同程度的提高;利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN,其决定系数R2可达0.71,模型精度较传统赋权法提高了26.79%;采用GA优化后的BPNN模型的不稳定显著下降,其平均相对误差中位数下降了22.22%,决定系数R2也有所提高;研究区内半数以上的冬小麦长势集中于第Ⅲ等级,其所占比例为55.83%,其次集中于第Ⅰ等级,其所占比例为36.08%,研究区冬小麦整体长势较为稳定。研究结果可为冬小麦长势监测及区域作物生产监测提供重要参考。     

北京市农田土壤有机碳密度空间变异及影响因素

探明区域农田土壤有机碳密度（soil organic carbon density, SOCD）空间分布特征及其影响因素对增加农田土壤碳汇、实现“双碳”目标具有重要意义。该研究以北京市为研究区,基于2022年采样实测的0～60 cm各层SOCD数据,采用3D概念模型、Mantel test、地理加权回归、地理探测器模型开展SOCD空间变异分析,探究不同因素对SOCD的影响程度及各因素间交互后的作用力。结果表明：1）研究区SOCD在空间上呈自表层向深层逐渐降低的趋势,其中0～15 cm土层的SOCD显著高于30～60 cm（P < 0.05）,0～60 cm土层的有机碳储量约为10.80 Tg。2）土壤含水率、土壤亚类、地形部位分别对0～15、15～60、45～60 cm土层的SOCD产生了显著影响（P < 0.05）;土壤亚类、土壤母质、土壤质地、地形部位与SOCD的空间关联性较强,关联程度自表层向下逐渐增大。3）各重要因子交互后对研究区SOCD的解释能力呈双因子增强或非线性增强的关系,土壤亚类与其他各因子交互后对SOCD的解释能力提升最为突出。今后研究区内开展土壤有机碳空间变异等相关研究时应尽可能综合考虑多因素间的交互作用,其中土壤亚类（土壤类型）可作为重点指标。研究结果可为优化农田资源空间结构,制定农田固碳增汇措施提供科学参考。