基于气温预报和神经网络的参考作物腾发量预报

采用反向传播人工神经网络(BP-ANN)逼近气象因子-参考作物腾发量ET0函数关系,以天气预报中的最高和最低气温为输入进行短期ET0预报。收集了南京站实测的2010年7月1日至2013年7月7日逐日气象数据和2012年7月1日至2013年6月30日逐日对未来7d的气象预报数据,以最高、最低气温及相应的日序数为3个输入因子,ET0为输出建立一个包含一个隐含层的3层BP网络,以2010年7月1日至2012年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络,以2012年7月1日至2013年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络验证。将2012年7月1日至2013年6月30日逐日对未来7d的气象预报中的最高、最低气温输入训练及验证后的网络,得到2012年7月1日至2013年6月30日逐日对未来7d的ET0预报值,并与FAO-56PM公式计算的ET0值进行比较以验证预报精度。结果表明,预见期1~7d内,预报的ET0和计算的ET0变化趋势基本一致,预报精度随着预见期的增加而降低;平均准确率(±1.5mm/d以内)达88.08%,相关系数为0.77,均方根误差为1.28mm/d,显示出了较高的预报精度。在局部时间段内出现的ET0,PM和预报ET0的较大差别的原因是该时段内的ET0更多地受到除了日最高和最低气温之外的其他因素的影响。提出的方法 ET0预报,随着气象预报准确度的提高,可实现较为精确的ET0预报。     

河套灌区土壤盐分时空变化特征及影响因素

为了研究河套灌区土壤含盐量演变特征及主要影响因素,以解放闸灌域为研究区,以0~100 cm深不同土层土壤含盐量及引排水量、地下水埋深、地下水矿化度、降雨量、蒸发量等数据为基础,结合研究区耕地及盐荒地面积变化情况,定量估算了2006—2016年耕地及盐荒地1 m深土层平均土壤盐分总量变化,定性分析了土壤含盐量变化动态,建立了1 m深土层土壤含盐量预测模型.结果表明:近10 a来,灌域年均积盐量为57.12万t/a,其中46.12%积累在1 m土层内,其余则迁移至1 m土层以下和地下水中积聚.1 m土层中,耕地盐分整体上减小6.34%,而盐荒地则增加86.8%;主成分分析结果表明灌区地下水埋深、排水量及年蒸发量对土壤含盐量影响最大,其次为地下水矿化度、引水量及降雨量;逐步回归分析表明采用地下水埋深单因子即可预测耕地1 m深土层土壤含盐量,相关系数可达0.732.     

基于气温预报的参考作物腾发量预报方法比较

为探索精确预报未来短期ET0的方法,比较了4种基于气温预报ET0预报模型,即Hargreaves-Samani(HS)、Thornthwaite(TH)、简化的Penman-Monteith(PT)及McCloud(MC)模型。收集了西藏林芝站2001年1月1日至2013年12月31日的实测逐日气象数据和2012年6月6日至2013年12月31日逐日对未来7d的气象预报数据,在气温预报精度评价的基础上,采用4种基于温度的参考腾发量计算模型直接进行ET0预报,然后采用率定后的模型进行ET0预报,最后与实测气象数据和FAO-56PM公式计算的ET0值进行比较。结果表明,未率定的4种模型预报误差均较大,其中PT公式精度稍高。经率定后,4种公式的预报精度都有所提高,平均准确率为70%,MAE值HS模型最小,平均为0.57mm/d,其他3个模型为1.27~1.50mm/d;RMSE都在2.0mm/d左右;r值总体仍不高,TH模型平均仅有0.19,其他3种模型在0.6左右。综合来看,PT模型的预报效果稳定性优于其他3个模型。对于林芝地区附近的灌区,无论有无气象观测数据供模型率定,建议采用PT模型进行ET0预报。     

灵芝多糖抑菌作用的研究

采用水提醇沉法提取灵芝多糖,采用分光光度法研究灵芝多糖对枯草芽孢杆菌(Bacillus subtilis)、大肠杆菌(Escherichia coli)、金黄色葡萄球菌(Staphylococcus aureus)、沙门氏菌(Salmonella)的抑制作用。并探讨作用时间和pH值对其抗菌活性的影响,确定最佳抑菌时间和pH值。结果表明,灵芝粗多糖对四种菌的抑制作用由强到弱依次为枯草芽孢杆菌、金黄色葡萄球菌、大肠杆菌、沙门氏菌。在酸性环境下抑菌效果有所加强,灵芝多糖的抑菌活性在与细菌作用12h或24h时达到高峰,以后抑菌作用逐渐减弱。     

年径流系数变化特征及预测模型研究

以北京市漫水河流域为研究对象,对漫水河1956-2016年年降雨量、年径流系数变化特征及径流系数突变性进行分析,以2000-2016年代表现状下垫面条件,采用主成分分析法分析了时段降雨量和年降雨量对年径流系数的影响,并建立了年径流系数与主要降雨因子的线性主成分回归模型及基于LM(Levenberg—Marquardt)算法的BP神经网络模型。结果表明:漫水河流域年径流系数在过去的61年间呈极显著下降趋势,年径流系数从1956年到上世纪70年代初、上世纪70年代末到80年代末、2000年至今有3个急剧的下降趋势;现状下垫面条件下,短时期强降雨对年径流系数的影响较大,采用神经网络模型预测的年径流系数值和实测值相关系数0.99,平均绝对误MAE为0.002 6,均方根误差RMSE值为0.005,与回归模型相比,神经网络方法构建的年径流系数预测模型精度高,预测效果好。     

三峡库区农业面源污染风险评估及治理清单

针对三峡库区农业面源污染风险评估指标体系不完善、个别指标计算时基础数据获取难度大的问题，该研究充分考虑农业面源污染产生、形成及调控全过程因素，构建了基于层次分析法的三峡库区面源污染风险评价指标体系，以更易获取的数据为基础参数、应用韦伯-费希纳定律克服个别风险指标过大的问题，给定了三峡库区面源污染风险评估指标计算方法，评估了三峡库区农业面源污染风险，并提出了三峡库区县域单元的纵向和横向污染治理清单。研究结果表明，三峡库区各县域农业面源污染总体处于中风险，库区内湖北省夷陵区、重庆市南岸区风险值最高，其次是重庆市大渡口区、沙坪坝区等市辖区、巫溪县以及湖北省兴山县和秭归区，之后是开州区、万州区、丰都县、云阳县等区域；化肥强度指数、畜禽养殖强度指数、降雨侵蚀指数、环保投资指数是三峡库区农业面源污染风险的主要影响指标；三峡库区各县域化肥强度指数以及畜禽养殖强度指数风险值之和占总压力指数风险值的比例平均为79%，巫溪县、巴东县、巫山县甚至达到90%；重庆市南岸区、大渡口区以及湖北省各县域化肥施用强度较高，建议开展茶果树施肥技术提升，畜禽养殖强度相对较大的区域主要集中在重庆市云阳县、开州区、巫溪县、巫山县以及湖北省各县区，建议更多开展猪和羊畜禽废污处理能力提升，此外还应加大环保投入以及合理调整种植结构；从纵向管控来看，三峡库区农业面源污染治理应以南岸区和夷陵区为优先管控区域，河流水质优先治理区域为大渡口区、九龙坡区以及湖北省的各县区，从横向管控来看，大部分县域的主要污染防控因素为化肥减量和畜禽养殖治理，其中三峡库区上游和下游地区应当更多关注化肥减量，中游则更多关注畜禽养殖的污染防控，该研究成果可为三峡库区农业面源污染政策制定提供有力参考。     

基于多模式集成输出天气变量的参考作物腾发量预报

参考作物腾发量（reference evapotranspiration, ET0）是农业生产中一项重要的参数,对评估未来的干旱程度和实现农业精细化管理具有重要意义。为进一步提高ET0的预报精度,该研究将多模式集成方法应用于ET0的预报,运用遗传算法-回归型支持向量机对欧洲中期天气预报中心、美国国家环境预报中心、日本气象厅和韩国气象厅4个中心全球集合预报模式输出的天气变量进行多模式集成处理,基于最优的模式和方案使用Penman-Monteith公式对山西运城站未来1～7 d的ET0进行预报,并对其在站点附近农业试验田的适用性进行验证。结果表明,多模式集成能够调和单一模式在气象预报中的优劣,从而提高ET0预报的精度和长预见期下的稳定性;在ET0预报中,多模式方案的性能明显优于原始单一模式,由最优模式和方案组成的重组方案预报性能最好,具有最小的均方根误差、平均绝对百分比误差,分别为0.65～0.81 mm/d和19.43%～23.78%,以及最高的决定系数（0.83～0.89）。在对试验田未来1～7 d的ET0预报中,重组方案仍表现出良好的预报性能,均方根误差、平均绝对百分比误差不超过0.83 mm/d和34.57%。该研究能有效提升数值天气预报在运城站下属乡镇地区的适应性,为当地农业实际生产提供准确的ET0预报信息,对于农业需水预测以及水资源优化管理具有重要意义。     

坝上高原杨树人工林的枯落物及土壤水源涵养功能退化

为探究坝上高原不同退化程度杨树人工林对枯落物及土壤水源涵养功能退化的影响,于2016年7—9月在张北县进行样地调查,对不同退化程度杨树人工林地枯落物及土壤水源涵养功能进行定量分析。结果表明:(1)林下枯落物储量表现为轻度退化(24.68t/hm~2)中度退化(13.43t/hm~2)重度退化(3.66t/hm~2),枯落物有效拦蓄量表现为轻度退化(29.28t/hm~2)中度退化(23.18t/hm~2)重度退化(3.30t/hm~2),最大持水量为轻度退化(34.90t/hm~2)中度退化(24.13t/hm~2)重度退化(3.86t/hm~2),最大持水率表现为轻度退化(228.80%)中度退化(228.70%)重度退化(119.94%),枯落物持水量、持水速率与浸水时间分别符合对数函数与指数函数;(2)不同退化程度土壤容重范围为1.65～1.80g/cm~3,毛管孔隙度为27.42%～33.64%,总孔隙度为29.97%～38.57%;(3)林地土壤入渗速率与入渗时间呈幂函数关系,稳渗速率表现为中度退化(3.32mm/min)轻度退化(2.58mm/min)重度退化(2.44mm/min)。坝上高原退化杨树人工林的枯落物及土壤的水源涵养能力处在较低水平,随退化程度增大而显著下降。因此,在森林经营中应注意合理的树种选择,对退化较严重的林地通过补植其他树种或促进更新进行修复。研究结果可为当地杨树人工林退化评价及相关恢复重建提供一定的理论依据及参考。     

基于气温预报和HS公式的不同生育期参考作物腾发量预报

根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。     

形成性评价对大学生口语能力影响的实验研究

形成性评价对大学英语口语教学有积极的促进作用。以福建农林大学87名非英语专业大学生为受试对象,开展了历时一个学期的形成性评价口语教学实验活动。通过分析实验中收集到的问卷、评价表、测试成绩和访谈数据,对口语教学中实施的形成性评价方式如何影响大学生口语能力的提高进行了分析论证。结果显示:口语教学中的形成性评价方式激发了学生口语学习的热情和积极性,有效提高了学生整体的口语表达能力。