基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究—以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法（SLR-EBK）、回归克里格法（SLR-RK）、随机森林（SLR-RF）3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】（1）最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程（Ele）和土壤类型;进入RF模型的辅助变量包括高程（Ele）、土壤类型、坡度（Slo）和风力作用指数（WEI）,其中,高程（Ele）是最重要的辅助变量,其次是土壤类型,坡度（Slo）和风力作用指数（WEI）重要性相对较低。（2）3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。（3）SLR-RF法对验证集3个粒级含量预测的平均绝对误差（MAE）和均方根误差（RMSE）均低于其他两种方法,且从平均Aitchison距离（MAD）来看,SLR-RF（0.208）相似文献   

基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究——以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法(SLR-EBK)、回归克里格法(SLR-RK)、随机森林(SLR-RF)3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】(1)最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程(Ele)和土壤类型;进入RF模型的辅助变量包括高程(Ele)、土壤类型、坡度(Slo)和风力作用指数(WEI),其中,高程(Ele)是最重要的辅助变量,其次是土壤类型,坡度(Slo)和风力作用指数(WEI)重要性相对较低。(2)3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。(3)SLR-RF法对验证集3个粒级含量预测的平均绝对误差(MAE)和均方根误差(RMSE)均低于其他两种方法,且从平均Aitchison距离(MAD)来看,SLR-RF(0.208)SLR-RK(0.235)SLR-EBK(0.274),表明SLR-RF的预测精度最高。【结论】海原县土壤颗粒组成空间预测的最优方法为SLR-RF;黄土母质区高程、土壤类型是与土壤颗粒组成的空间变异相关性较强的辅助变量。     

县域尺度表层土壤质地空间变异与因素分析

【目的】以北京市平谷区为研究区域,采用传统统计和地统计学相结合的方法研究县域尺度下土壤质地空间变异的规律,探究土壤质地空间变异的机理。【方法】采用Levine’s方法进行方差奇次性检验,根据检验结果选取最小显著性差方法(least-significant difference,LSD)对土壤颗粒组成与高程、母质、土地利用和水域分布关系进行研究。空间预测采用普通克里格法,鉴于土壤质地属于成分数据,插值前对原始数据进行对称对数比转换。【结果】不同高程组、母质类型、土地利用类型及水域缓冲区组各颗粒平均含量存在一定的差异性,不同高程组和母质类型的土壤颗粒组成之间的差异性比不同土地利用类型和水域缓冲区明显。总体而言,研究区内随着海拔高度的降低,土壤颗粒呈现由粗变细的趋势;由石英含量较高的酸性岩母质发育的土壤土壤颗粒较粗;菜地土壤颗粒相对较细;随着离水域距离的增大,土壤砂粒含量呈增加趋势。地统计分析结果显示,土壤质地各颗粒表现出极强的空间自相关性,空间变异主要由结构性因素引起。各颗粒空间插值结果表明,土壤各颗粒组成空间分布总体趋势特征比较明显。【结论】传统统计分析和地统计学相结合的方法能够系统和全面地揭示土壤质地空间变异的确定性和随机性,研究区土壤质地空间格局主要受地形、母质等自然因素影响。经过对称对数比转换后,土壤质地各颗粒组成空间预测结果满足成分数据空间插值的要求。     

不同模型预测土壤有机质含量空间分布对比分析

【目的】探究土壤有机质含量空间分布预测模型的差异。【方法】在重庆市长寿区采集5162个土壤样点,结合地形、气候、植被和成土母质等9个环境变量,利用分类与回归树(CART)、随机森林(RF)、随机森林残差克里格(RFRK)和普通克里格(OK)4种预测模型对研究区土壤有机质含量空间分布进行预测制图,并利用平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R~2)和整体评价指标(GPI)评价模型精度。【结果】预测模型整体精度由低到高排序为CARTRFRFRKOK;在不同预测模型绘制的空间分布图中,土壤有机质含量空间分布的总体趋势一致,但在局部细节中存在差异。【结论】在采样密度较大区域,可以不借助辅助变量直接预测土壤有机质含量。     

基于数据挖掘技术的高光谱土壤质地分类研究

【目的】 寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测。【方法】 以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析。【结果】 （1）不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;（2）分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;（3）在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;（4）较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;（5）在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89。【结论】 本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据。     

集成土壤-环境关系与机器学习的干旱区土壤属性数字制图

【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度（pH）、土壤盐分含量（Soil Salt Content,SSC)与土壤有机质（Soil Organic Matter, SOM）3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河—库车河绿洲干旱区于2017年7月设计采集典型表层（0—20 cm）土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树（Gradient Boosting Decision Tree,GBDT）模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差（Root Mean Square Error,RMSE）界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林（Random Forest, RF）、Bagging和Cubist 3种非线性模型建模,并引入多元线性回归模型（Multiple Linear Regression,MLR）进行对比分析,选出最优模型并绘制出90 m分辨率新疆渭干河-库车河绿洲干旱区pH、SSC与SOM 3种土壤属性图。【结果】梯度提升决策树能有效筛选出重要协变量,高程（Elevation）、剖面曲率（Profile Curvature）、差值植被指数（Difference Vegetation Index）、扩展增强型植被指数（Extended Normalized Difference Vegetation Index）、调整土壤亮度植被指数（Modified Soil Adjusted Vegetation Index）、盐分指数S1（Salinity Index S1）以及盐分指数S6 （Salinity Index S6） 7类环境变量均参与3类土壤属性建模,其中SSC遴选出参与建模协变量15种,pH和SOM则均为17种,且遥感指标在预测土壤属性图中起到强大的作用。机器学习3种算法的结果均优于MLR。通过3种非线性模型对比发现,随机森林在3种土壤属性中均表现最佳。在随机森林预测的3种土壤属性中,土壤pH验证集效果R ²=0.6779,RMSE =0.2182,ρ_c=0.6084;在SSC预测中,验证集R ²=0.7945,RMSE =3.1803,ρ_c=0.8377;在SOM预测中,验证集R ²=0.7472,RMSE =3.5456,ρ_c=0.7009。 【结论】GBDT所筛选出的重要性因子借助机器学习算法可以用于干旱区土壤属性制图,且随机森林模型均对3类土壤属性表现出最佳预测能力。依据所绘制的土壤属性图并结合土壤分类图厘清了3种制图属性的空间分布。     

基于遥感技术的土壤质地空间预测方法研究进展

土壤质地影响土壤持水持肥性和透气性,进而驱动一系列与土壤有关的物理化学过程,结合高效快速的遥感技术预测土壤质地空间分布,对土壤质量评价与农业生产规划具有重要的理论和实践意义。本文从遥感预测土壤质地的数据、方法和模型的应用出发,介绍了用于土壤质地遥感预测的雷达、地形和植被指数等辅助数据,提出了光谱响应、特征波长选择和遥感解译这三种基于遥感特征预测土壤质地空间分布的方法,梳理了统计学、地统计学和机器学习这三类模型与遥感结合对土壤质地空间预测的应用效果,总结了几种典型方法的优缺点与适用情况,并分析了遥感预测土壤质地的应用条件和精度验证方法,最后提出未来研究需侧重于深入提取各种遥感光谱特征、利用遥感技术获取多类型环境变量和开发土壤物理属性与数据驱动机器学习特征相结合的多算法混合模型,旨在为开展不同区域尺度下土壤质地空间预测研究提供依据与技术支撑。     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

陇东黄土丘陵区梯田土壤养分评价——以甘肃庄浪县为例

【目的】从县域尺度对陇东黄土丘陵区梯田土壤养分进行评价,为黄土丘陵区梯田土壤培肥、粮食产量增加提供科学依据。【方法】以庄浪县耕地质量评价数据为数据源,共采集3 839个样点,且采样点均匀覆盖全县农田,通过主成分分析和方差成分估计模块分析了陇东黄土区梯田土壤大量养分（有机质、全磷、全氮、缓效钾、速效磷、碱解氮、速效钾）和微量养分（有效铜、有效锌、有效锰、有效铁、有效硼）分布特征及其影响因素。【结果】1）庄浪县梯田土壤全磷和速效磷含量处于高水平,速效钾含量处于较高水平,有机质、全氮和碱解氮含量处于中等水平。土壤大量养分综合指数处于较低、中等和较高级别的样本数分别占有效样本数的14.45%,65.89%和19.66%。2）庄浪县梯田土壤有效铜、有效锰和有效铁含量为中等水平,有效锌和有效硼含量处于中下水平,且有较大面积的土壤缺硼。土壤微量养分综合指数处于较低、中等和较高级别的样本数分别占有效样本数的32.53%,63.35%和4.12%。3）土壤类型对土壤大量养分空间变异的贡献率达51.81%,海拔影响次之,其贡献率为23.60%。随着海拔的升高,土壤大量养分综合指数在较高水平样本所占比例相应增加。4）土壤微量养分空间变异性与土壤类型、土壤质地、海拔有关,土壤类型对微量养分空间变异的贡献率最高,为69.41%,土壤质地、海拔的贡献率分别为17.65%,11.76%。随着海拔的升高,土壤微量养分综合指数在中高水平所占比例总体降低。【结论】陇东黄土丘陵区梯田土壤大量养分和微量养分整体处于中等水平,有较大面积的土壤缺硼。梯田土壤养分的空间变异主要受土壤类型和海拔的影响。     

宁夏境内12种主要土壤类型分布区域与剖面特征

对宁夏境内分布面积较大、对农业和生态环境有重大影响的12种主要土壤类型特征、分布区域做了实地调查,并对各类土壤剖面特征做了研究,土壤剖面特征指标包括土壤质地、颜色、结构,土壤中的根系状况及新生体和（或者）嵌入体等。研究将进一步深化人们对宁夏境内土壤的性质和认识,可为工农业生产、土壤改良以及土壤调查工作提供参考资料,同时对于揭示自然与人类活动在土壤变化过程中的作用具有重要意义。     

基于MGWRK的土壤有机质制图及驱动因素研究

【目的】空间预测是一种获得有机质空间局部细节的重要方法,其准确性对于农田合理管理有着重要意义。本研究通过对比不同的土壤有机质空间制图方法以获得更优的预测精度,在预测的同时揭示环境协变量的空间非平稳性特征及不同环境协变量关系的空间尺度。【方法】选取晋中盆地的7个乡镇作为研究区,对比普通克里金（OK）、回归克里金（RK）、地理加权回归克里金（GWRK）和多重尺度地理加权回归克里金（MGWRK）4种不同方法对土壤有机质的预测能力和效果,并探究影响因子在空间分布中对有机质的影响效应变化和这种影响效应的空间尺度。MGWRK是一种多重尺度地理加权回归（MGWR）与普通克里金方法相结合的方法。【结果】选取坡向、坡度、年均降水量、年平均温度、海拔、植被年总初级生产力、年蒸散量、地形湿度指数、平面曲率、汇流动力指数、地形指数、地形粗糙指数、年平均NDVI为环境协变量参与建模,在多元线性回归建模中,模型统计学意义显著,这表明模型具备统计学意义。从Radius指数来看,各模型模拟效果由好到差依次为RK、OK、GWRK、MGWRK;从制图效果来看,MGWRK与GWRK制图效果相当,从有机质的空间预测图可以看出,土壤有机质在研究区呈现东西两侧偏低、中部偏高的空间格局,其中汾河以东、昌源河流经区域土壤有机质普遍偏高。坡向、年均降水量、年平均温度、海拔、地形指数、年平均NDVI对研究区东部有机质的影响强于西部,而坡度、植被年总初级生产力、年蒸散量、平面曲率、汇流动力指数、地形粗糙指数则表现出截然相反的空间非平稳性特征,地形湿度指数对有机质的影响则体现为北部强南部弱。【结论】MGWRK方法的空间预测精度分别达到了RK方法的69%、OK方法的71.74%、GWRK方法的71.17%。MGWRK在空间非平稳性特征的解释能力和空间可视化表现良好,为有机质的预测和空间非平稳性特征的描述提供方法借鉴。     

河南省冬小麦种植频率时空变化及影响因素分析

【目的】通过对河南省2001—2015年间不同时期（2001—2005、2006—2010及2011—2015年）冬小麦种植频率（winter wheat planting frequency,WWPF）时空变化及其主要影响因素定量分析,进一步明晰区域作物种植频率变化时空变化分布特征和主要影响因素顺序。【方法】以河南省为研究区,冬小麦为研究作物,在利用中低分辨率MODIS EVI时序遥感数据和CART决策树算法进行连续15年（2001—2015年）作物种植空间分布信息提取基础上,获取了研究区不同时期冬小麦种植频率空间信息。在此基础上,开展不同时期冬小麦种植频率时空变化分析,并利用相关分析、主成分分析和线性回归分析等数理统计方法对不同时期研究区种植频率变化的影响因素进行分析,最终确定主要影响因素的重要性排序。【结果】基于MODIS EVI时序遥感数据和CART决策树算法可获得河南省较高精度连续多年冬小麦种植空间分布信息,经验证,研究区冬小麦遥感提取平均总体精度为90.39%,Kappa系数在0.82—0.92之间,可满足区域冬小麦种植频率变化研究所需作物空间分布精度要求;通过分析河南省不同时期冬小麦种植频率时空变化信息,省域内冬小麦主产区大部分具有较高的冬小麦种植频率（WWPF>80%）,而豫西南和豫南等山区由于地形复杂、自然条件较差导致冬小麦种植频率普遍较低（WWPF≤40%）。此外,3个时段期间,河南省冬小麦主产区高频种植冬小麦面积呈逐步增加趋势,WWPF>80%的面积比例分别为42.68%、59.94%和63.07%,低频种植面积呈减小趋势,WWPF≤40%的面积比例分别为28.53%、17.99%和16.63%,这对我国冬小麦主产区稳定粮食种植面积具有重要意义;从冬小麦种植频率影响因素分析结果看,河南省冬小麦种植频率与有效灌溉面积比例、土壤质量综合指数、播期气候适宜度、坡度和高程等指标间均存在显著的相关性,且除与坡度、高程呈负相关外,与其余因素均为正相关关系。以上指标对河南省冬小麦种植频率变化影响程度的排序结果为土壤综合质量指数>播期气候适宜度>有效灌溉面积比例>坡度（高程）,即土壤质量>播期气候条件>灌溉条件>地形条件。【结论】通过对河南省冬小麦种植频率时空变化及其影响因素进行定量分析,明确了河南省冬小麦种植频率时空分布特征和变化规律,明晰了河南省区域冬小麦种植频率变化影响因素及其重要性排序,为开展作物种植面积变化分析提供了一定技术方法和思路借鉴,为区域农业土地利用决策模型构建提供一定基础理论支撑。     

基于Landsat OLI的绿洲灌区土壤盐度最优预测尺度分析

【目的】基于遥感提取的多尺度遥感指示因子和土壤实测电导率数据,借助统计分析,试图探寻适合干旱区典型绿洲灌区土壤盐度变异的最佳观测尺度和指征变量,为快速评估绿洲土壤盐渍化提供备选方案。【方法】以新疆渭干河-库车河绿洲为研究区,以野外采集的土壤盐度数据(采集0—10、10—20、20—40和40—60 cm土层土样,制备土壤饱和溶液并测试电导率(ms·cm-1))并将其作为预测对象(n=87),借助Landsat OLI遥感影像数据,利用栅格重采样(30—1 000 m)和领域滤波(原始分辨率为30、60、90、120、150、180、210 m,滤波尺度为3×3至31×31)两种方式,生成多个尺度若干种指示因子(主成分分析、缨帽变化、植被指数、湿度指数),共计获得1 078个(其中,栅格重采样生成352个,领域滤波生成726个)环境变量。在此基础之上,利用线性和非线性曲线模型分别拟合上述两种模式下土壤盐度和环境变量之间的相关性,进而找出最优环境因子和预测尺度。【结果】栅格重采样模式下能够较好响应各层土壤变异性的皆为非线性模式。其次,该模式下,拟合精度随着空间分辨率的降低而降低。此模式下最佳推理尺度为30 m,该尺度下最佳响应变量除了40—60 cm处为三波段差分指数(Three-band Maximal Gradient Difference,TGDVI)外,其余深度皆为扩展的归一化指数(Extended Normalized Difference Vegetation Index,ENDVI)。领域滤波模式下的最佳推理尺度为180 m(滤波尺度3×3),同时,各层最佳拟合变量皆为扩展的增强型植被指数(Extented Enhanced Vegetation Index,EEVI)。相比较栅格重采样模式,该模式下的拟合精度全面优于前者,各层依次提高14.60%、34.40%、32.10%和21.70%。【结论】基于领域滤波模式下,像元分辨率为180 m,窗口大小为3×3的ENDVI指数更适合预测本研究区土壤盐度的空间变异性。     

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。     

天山南坡农区土壤养分空间分布特征

[目的]研究天山南坡农区土壤养分空间分布状况,分析土壤养分与地形因子间的相关关系.[方法]共采集研究区487个样品,土壤指标有pH、有机质、全氮、碱解氮、有效磷、速效钾.采用GIS和地统计学相结合的方法,研究区土壤养分的空间分布特征,并分析土壤养分含量与地形因子之间的相关性.[结果]土壤pH值的变异性最低,而有效磷和速...     

宁夏年、季平均气温时空变化及其对农业生产的影响

【目的】探讨宁夏年、季平均气温时空变化及对农业生产的影响,为提高农业生产应对气候变化的能力提供参考。【方法】对宁夏全境19个气象观测站的年、季平均气温资料进行分析,利用EOF分解法、谱分析法和Mann-Kendall法对宁夏年、季平均气温进行时空分解、周期分析和突变分析。并根据分析结果探讨宁夏年、季气温变化对农业的影响。【结果】宁夏春、夏季平均气温有一个明显的增高趋势,秋、冬季气温变化不明显,且宁夏夏季平均气温的局地性差异较大,冬季一致性较高。宁夏年平均气温分布有较好的区域一致性,且自1995年以来温度升高显著。宁夏平均气温南低北高,六盘山区是相对阴冷区。宁夏年平均气温具有年代际的振荡变化,20世纪60年代平均气温趋势变化频繁,发生了两次突变。年平均气温在1978、1986、1999年趋势发生了突变。【结论】宁夏是我国西北主要农业生产区,气温变化对农业生产有利影响与不利影响并存,需要针对不同区域采取不同措施,积极主动应对气候变化。     

马铃薯生物炭对土壤水分入渗及蒸发的影响

【目的】研究施加马铃薯生物炭对宁南山区土壤水分运移和氮素的影响。【方法】采用室内土柱模拟试验,研究不同马铃薯生物炭添加量(0、1%、2%、3%、5%、6%)对宁南山区典型土壤(山地草甸土、黑垆土)水分入渗、蒸发特性及硝态氮淋溶的影响规律及差异。【结果】山地草甸土的入渗湿润峰进程和累积入渗量随生物炭添加量的增加逐渐降低,黑垆土呈现先增加后递减的趋势;Philip入渗模型适合山地草甸土的水分入渗过程,Kostiakov模型适合黑垆土的水分入渗过程;生物炭显著降低了2种土壤的累积蒸发量,土壤蒸发量和蒸发时间复合幂函数关系;2种土壤硝态氮(NO^-₃-N)淋溶损失质量减少幅度均随着生物炭添加量增加呈现先增加再减小后加强的趋势,且均在1%添加量时减幅最小,6%时减幅最大。【结论】施加马铃薯生物炭能提高宁南山区土壤持水能力,减小土壤硝态氮损失。