浅析我国南方冬闲田种植一年生黑麦草的应用研究

针对我国南方地区冬闲田数量多、利用率低的现象,充分利用冬闲田种草养畜,不仅可以解决牲畜季节性青绿粗饲料缺乏问题,还能促进农民增收和农业可持续发展。一年生黑麦草由于适生范围广,鲜草产量高,营养丰富且柔嫩多汁,适口性好,家畜家禽喜欢采食,深受农户青睐,成为一种极具发展前途的越年生优质牧草,近年来在畜牧业生产中得到广泛应用。本文从一年生黑麦草生物性状、营养特性、冬闲田的丰产栽培技术、青贮技术以及在各类畜禽的饲喂研究角度进行综述,并指出今后的研究重点和方向。旨在为一年生黑麦草在畜牧业中的进一步推广应用提供参考。     

岩溶地区水土流失生态风险评价——以贵州省六盘水市为例

以贵州省六盘水市为研究区,结合岩溶地区特殊的生态环境和人类活动因素,从风险源(基岩裸露率、地形起伏度、沟谷密度、降雨量、植被覆盖度、人类活动)和风险受体(生态服务价值、核心生态保护区、潜在经济损失)的角度分析了六盘水市的水土流失生态风险情况。运用层次分析法和专家咨询法确定了各个因子的权重,对2015年六盘水市的水土流失生态风险进行了分级评价。结果显示:盘县东部、水城西南部、六枝特区南部生态风险较高。六盘水市中险型及以上风险面积达6400.18km2(占总面积的64.55%),整体水土流失生态风险偏高。     

基于高光谱的喀斯特地区典型农田土壤有机质含量反演

【目的】利用高光谱数据定量反演喀斯特地区土壤有机质含量,为喀斯特地区快速、大范围、实时地监测土壤有机质含量提供更多的技术手段。【方法】利用机载高光谱成像系统和便携式地物光谱仪分别获取土壤光谱数据,基于原始光谱反射率和不同光谱变换数据,分析其与土壤有机质含量的相关性,以偏最小二乘法建立模型预测土壤有机质含量。【结果】2种数据源都可以用于土壤有机质含量预测,其中,基于ASD光谱一阶微分变换建立的模型预测精度较高,验证集决定系数(Rv~2)为0.910,相对分析误差(RPD)为2.68;基于GS光谱二阶微分变换建立的模型预测效果较好,验证集Rv~2为0.772,RPD为1.49。【结论】ASD光谱与GS光谱建模预测精度相差较大,ASD光谱客观条件影响较小、光谱波段更宽、光谱分辨率更高,具有更好的预测能力;低空无人机获取的GS光谱也具有一定的预测能力。     

工程堆积体植被类型对土壤有机碳组分特征及影响因素研究

为明确工程堆积体不同植被类型下土壤有机碳(SOC)及易氧化有机碳(EOC)变化特征及其影响因子,分别设置乔木、灌木、草地和裸地这4种类型样地,分层采集0—10,10—20,20—40,40—60,60—80 cm的土壤并测定其有机碳组分及理化性质,采用主成分分析法及相关性分析法进行分析。结果表明:(1)不同植被类型之间SOC含量存在显著差异,乔木、灌木、草地和裸地下SOC均值依次为45.73,41.81,34.75,21.11 g/kg,植被恢复显著提升SOC含量,且表层土壤提升效果优于深层土壤。(2)乔木和灌木下土壤碳库活度(活性有机碳与非活性有机碳之比)显著高于草地,乔木、灌木下SOC更容易被植物吸收利用。(3)全氮(TN)、全磷(TP)、水解氮(HN)与SOC、EOC均呈显著正相关(p＜0.05),对SOC的提升起主要作用。因此,混种具有固氮作用的豆科植物有利于SOC的提升和积累。     

贵州省水土保持功能的重要性评价

明确贵州省水土保持重要性等级及其空间分布,为水土保持功能区划和水土保持措施合理布局提供科学依据。结合贵州省土地利用情况、自然环境和社会经济特征,选取水源涵养、土壤保持、蓄水保水、生态维护、水质维护和人居环境维护6项水土保持功能进行重要性评价,并在此基础上作出综合评价。结果表明:贵州省水土保持功能重要性总体处于中等重要与极重要等级,其占比达99.17%,其中极重要功能区占比为53.90%,中等重要功能区占比为45.27%;比较重要功能区占比最小,仅0.83%。贵州省水土保持功能主要表现为生态维护、蓄水保水、水源涵养和土壤保持。     

岩溶槽谷区撂荒耕地空间分异特征及其驱动因子

以地处岩溶槽谷区的贵州省铜仁市碧江区和万山区为研究区,以2017年土地利用变更调查数据库和2019年高分遥感影像为基础,经目视解译和野外实地调查获取撂荒耕地数据,运用热点分析揭示撂荒耕地的空间分异特征,并采用二分类Logistic回归模型分析撂荒耕地的驱动因子。结果表明:研究区耕地总体撂荒率为17.32%,旱地撂荒率比水田高,分别为23.54%和9.52%。撂荒水田的极热点区分布于西南部和东北部的城乡结合部乡镇,冷点区空间分布规律不明显;撂荒旱地的极热点区分布于西部和东北部的城乡结合部乡镇,极冷点区和冷点区主要分布于东部乡镇。水田和旱地撂荒的驱动因子大致相同,但主次有所差异。水田撂荒的驱动因子从高到低依次为地块面积>距聚落距离>坡度>灌溉距离>交通距离>高程>地块形状指数,旱地撂荒的驱动因子从高到低依次为距聚落距离>地块面积>坡度>灌溉距离>高程>交通距离>地块形状指数。总体而言,岩溶槽谷区耕地撂荒的主要驱动因子是距聚落距离,说明劳动力析出、农村空心化是影响耕地撂荒的主要原因。同时,地块面积、坡度、灌溉距离等也与耕地撂荒密切相关。