农业生产过程中土壤污染的生物监测分析研究

环境污染对于人类的影响是十分巨大的，在环境污染中土壤污染是特别值得注意的问题，在农业生产中，土壤污染不仅会造成农作物的减产，还会影响到人类的生存与发展，直接影响到下一代。对此，本文分析研究了农业生产中土壤在环境中的作用，农业生产中土壤污染的动物监测方法，农业生产中土壤环境的微生物监测以及土壤污染的生物学评价。通过这些内部的分析研究来判定土壤污染的实际情况，从而为有效地防止土壤污染，促进农业的丰产和增收提供帮助。     

土壤重金属植物修复技术研究进展

指出了我国重金属土壤污染问题的严峻性,土壤污染对生态环境和人类的健康有着极大的威胁,通过对土地污染治理应用技术方面相关文献的阅读和综合分析,简要介绍了重金属土壤污染修复的方法以及特点、植物修复技术的修复机理和优势特点,并展望了今后植物修复技术在重金属土壤污染治理方面的研究发展方向。简述了土壤重金属污染的危害及我国当前土壤重金属污染的形势与现状。与传统、物理化学技术相比,植物修复技术具有简单、高效的优点,具有广阔的发展前景与研究价值。主要介绍植物挥发法、植物提取法和植物固化法三种方法。最后展望了今后植物修复技术在重金属土壤污染治理方面的研究发展方向。     

大庆城区土壤重金属污染及潜在生态危害研究

以大庆主要城区土壤为研究对象,根据实地监测,采用单因子指数评价法及瑞典学者Hakanson提出的潜在生态风险评价法对大庆市的各功能区土壤污染进行了评价,评价结果表明:泡沼区为微污染,农牧业区为轻污染,工业区、生活区、采油区及自然保护区为中度污染;其污染的主要贡献者为镉(Cd),并且已对城市的生态环境产生了中等生态危害.     

盘锦市典型区域土壤污染情况的调查与评价

通过对盘锦市典型区域及周边地区土壤污染现状的监测与评价,查明主要污染物及其分布状况和土壤污染特征,提出有效的防治措施,以期促进盘锦市土壤环保工作的开展。     

基层政府农产品安全监管现状与对策研究

土壤污染是当前最值得中国关注的生态环境问题之一。然而,土壤污染在中国受关注的程度远远低于大气和水的污染。目前,我国土壤环境监督管理体系不健全,法律法规严重缺失,监管监测能力薄弱,土壤污染防治投入不足,土壤治理修复的科技支撑能力缺乏,土壤污染信息至今不公开,全社会防治意识不强,与严峻的土壤污染形势相比,中国的土壤污染防治工作明显滞后,处于被边缘化的状态。     

我国土壤环境管理方式亟待改变

土壤污染是当前最值得中国关注的生态环境问题之一。然而,土壤污染在中国受关注的程度远远低于大气和水的污染。目前,我国土壤环境监督管理体系不健全,法律法规严重缺失,监管监测能力薄弱,土壤污染防治投入不足,土壤治理修复的科技支撑能力缺乏,土壤污染信息至今不公开,全社会防治意识不强,与严峻的土壤污染形势相比,中国的土壤污染防治工作明显滞后,处于被边缘化的状态。     

借鉴台湾经验完善大陆土壤污染法律责任的思考

土壤是人们的衣食之源,是人类生存和发展的物质基础。迄今为止,在大陆现行的法律体系中,只有涉及土壤污染防治的零星分散的规定,还没有专门防治土壤污染的立法与明晰的土壤污染法律责任,不能综合控制当前土壤污染的客观要求。该文阐述了台湾地区土壤污染调查、台湾地区土壤污染防治"立法"的演进、台湾地区《土壤及地下水污染整治法》主要内容,分析台湾地区《土壤及地下水污染整治法》启示、大陆土壤污染防治"立法"的紧迫性;提出借鉴台湾经验,明晰大陆土壤污染法律责任,完善防治土壤污染法律机制的构想。     

城市工业用地性质变更过程的土壤环境影响预评价

城市化进程的加快,推动了城市规划及产业布局的调整,原有工业用地性质变更的地块越来越多,因土壤污染原因造成规划项目选址矛盾的问题日渐显现。为避免招拍挂取得的土地无法直接开发利用,防止矛盾纠纷及经济损失,维护各方权益,应在土地出让前进行土壤环境影响预评价。该文在分析城市工业用地土壤污染成因的基础上,选择南京某关停企业原址用地,对其土壤进行采样与污染因子的监测。根据监测结果评价地块再次开发利用的可行性,说明土地出让前进行土壤环境预评价的作用。     

光谱技术在作物生长与营养信息监测方面的研究进展

随着光谱技术的发展,植物光谱分析方法已成为监测作物生长与营养信息的重要手段。通过概述利用光谱技术监测作物叶面积指数(LAI)、生物量、含水量、叶绿素及氮素五项指标的研究进展,对光谱技术在作物生长与营养信息监测方面的研究进行了展望。     

北京市东南郊污灌区土壤环境重金属污染现状及防治对策

通过对北京市东南郊污灌区土壤的现状监测与农业生产活动的调查，分析了东南郊污灌区土壤的环境质量状况，与 70年代末期的数据进行比较，研究了该地区 30年来土壤环境质量变化趋势，并提出土壤污染防治对策。     

不同含水量土壤光谱响应特征分析

[目的]揭示土壤水分对土壤光谱的影响机理,并为其他土壤参数的遥感监测提供理论支持。[方法]以新疆塔里木盆地北缘渭干河—库车河三角洲野外光谱反射数据为研究对象,运用光谱分析法研究土壤水分光谱特征及土壤水分特征波段。[结果]波长740、1 768、1 962、1 450、2 216 nm是土壤水分的吸收带。[结论]土壤光谱反射率比变化主要依赖于土壤含水量状况和波长。在波长较短的部分,土壤反射率随土壤水分变化迅速,而对于波长较长的部分,水分的吸收起显著的作用,反射率变化缓慢。     

砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究

有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。     

基于高光谱数据的北疆绿洲农田灰漠土有机质反演

为了探寻快速、准确估测土壤有机质含量的方法以推动精准农业化进程,以北疆绿洲农田灰漠土为研究对象,通过野外实地调查收集土壤样品,室内化学分析测得土壤样品有机质含量,暗室内利用SVC HR-768高光谱仪测定土壤样品光谱反射率。通过对土壤光谱反射率进行倒数、对数、一阶微分、倒数的一阶微分、对数的一阶微分变换,运用单相关分析法提取土壤光谱特征波段,采用多元逐步方法对土壤有机质含量定量反演,分析研究土壤有机质含量和室内土壤光谱的特征关系。结果表明,在波长567、1 697 nm和2 221 nm处,采用反射率对数的一阶微分建立的土壤有机质含量反演模型预测精度最高,模型决定系数达到0.82。北疆绿洲农田灰漠土土壤有机质含量高光谱反演模型的建立为土壤有机质的快速测定提供了新的途径。     

干旱区土壤含水量光谱特征分析与反演

[目的]建立土壤含水量遥感监测模型。[方法]选取陕西省横山县作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含水量为基础,进行高光谱数据处理,分析土壤含水量的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶导数微分等光谱变化换,计算高光谱指数,并与土壤样本含水量进行相关性分析,筛选对土壤含水量敏感的光谱特征波段,利用多元线性回归分析建立土壤含水量监测模型。[结果]随着土壤含水量的增加,土壤光谱反射率呈减小趋势。土壤含水量与光谱指数的特征波段呈良好的线性关系,所有模型均通过了0.01水平的显著性检验。模型精度验证表明,预测值与实测含水量相关系数较高,特别是反射率倒数一阶微分模型,在0.01显著性水平下,相关系数为0.886。[结论]该研究建立的土壤含水量遥感反演模型可行有效,通过了有效性检验,在一定程度上可以用来反演研究区土壤含水量。     

农田不同粒级土壤含水量光谱特征及定量预测

【目的】土壤含水量是土壤属性的关键参数。摸清不同机械组成条件下土壤水分的光谱变化并实现土壤含水量的定量预测,为农田水分的快速监测及土壤其他属性的定量获取提供依据。【方法】通过人为控制获得不同粒级和不同含水量的土壤样品,确定室内土壤光谱测定的几何条件,采集不同土样的光谱特征并进行比较,按粒径等级利用最小二乘法（PLSR）建立农田土壤含水量的光谱定量预测模型。【结果】土壤光谱反射率总体趋势是随含水量增加而降低,其差异随着波长的增加和含水量的降低而增加,在1 400 nm和1 900 nm的水分敏感波段随含水量增加光谱吸收深度也增加。但当含水量大于40%时,通过孔径为0.15 mm 筛子的土壤样品（处理D-1）,在350-1 240 nm光谱反射率随含水量增加而升高,而1 240 nm以后随含水量增加而降低。相对于将所有样本数据混合建立模型,分粒级建立的模型在细颗粒土壤中预测效果得到了明显改善,并且样品越细模型在预测效果和稳定性也越好：最优模型均方根误差RMSE=4.13%,决定系数R2=0.90。同时,数据归一化处理后所建立的模型在一定程度上降低了噪声的影响,从而在预测效果和稳定性上也有所改善。【结论】土壤光谱随含水量的变化而变化,但并不都表现随含水量增加光谱反射率降低的特点,当含水量大于40%时,细颗粒土壤样本表现为在350-1 240 nm波段光谱反射率随含水量增加而升高;土壤含水量预测模型的精度和稳定性随着土壤粒径变小、样本量增大以及光谱数据归一化预处理而得到改善。     

干旱区典型盐碱土反射光谱特征分析

地物光谱特征是遥感机理的重要内容,也是遥感应用研究的重要依据.盐碱土的反射光谱特性反映了盐碱土的理化特征.以干旱区3种典型的盐碱土为研究对象,测量了不同含盐量和含水率的土壤反射率光谱,并分析了其光谱特征.结果表明,3种盐碱土的光谱反射率在干燥状态下有明显的高低规律.经过去包络线处理后,3种盐碱土在干燥状态下具有明显不同的光谱特征,且在干湿两种状态下,两个水分吸收谷处的吸收深度的深浅均具有明显的深浅差异.根据这些特征可以将3种类型的盐碱土区分出来.研究结果可为今后进一步研究盐碱化土壤参数反演和分类,以及盐碱土监测等遥感应用服务.     

利用高光谱技术估测小麦叶片氮量和土壤供氮水平

有效的监测作物氮素营养水平及土壤供氮能力可以为合理施用氮肥提供重要依据。本文以2 年3 点不同氮素水平下不同小麦品种的田间试验数据为基础,运用植被指数和偏最小二乘回归法,比较和分析小麦冠层光谱与叶片氮含量及土壤氮含量的关系。结果表明：小麦冠层光谱与叶片氮含量的相关性分析在可见光波段存在显著负相关,在近红外波段呈显著正相关,而与土壤氮含量的相关性呈相反趋势。基于光谱参数ND705 和GNDVI所建叶片氮含量估算模型的决定系数分别达到0.827 和0.826。基于光谱参数VOG2 所建土壤氮含量估算模型的决定系数达到0.646;与植被指数所建模型相比,综合350~1350 nm光谱波段反射率分别与小麦叶片氮含量、土壤氮含量建立偏最小二乘回归模型的预测精 度均有所提高,决定系数分别达到0.842 和0.654。本研究结果可为小麦氮素营养及土壤供氮水平的诊断监测与合理施肥管理提供了理论依据和技术支持。     

长江口潮滩地带典型盐沼植被光谱特征分析

以长江口典型盐沼植被为研究对象,考虑不同盐沼植被类型、盖度、土壤类型、土壤湿度以及高中低潮滩地形分布因素,分别在崇明东滩国家级自然保护区、崇明北湖边滩、南汇边滩设置光谱测量样带和样方,使用ASD光谱仪进行现场光谱测量,分析不同植被盖度、土壤下垫面、潮位条件下典型盐沼植被的光谱特征反射曲线。研究结果表明:同一类型盐沼植被的光谱反射率差异是由植被盖度和下垫面共同导致的。在相同土壤背景下,光谱反射率与植被盖度在可见光波段相关系数接近-1.00,呈负相关,在近红外波段相关系数接近0.99,呈正相关。不同潮滩土壤背景,盐沼植被光谱反射率有明显差异。在可见光波段,土壤下垫面对植被光谱反射率影响较大,而在近红外波段的影响则较小。植被盖度越小,其反射光谱受土壤下垫面影响越大。盐沼植被与潮位的相关系数最大可达0.97,低潮位时植被反射光谱高于无潮汐时的光谱,且呈现随潮位升高反射率增大的趋势;当潮位上涨到一定高度,植被反射光谱低于无潮汐时的光谱,且呈现随潮位的升高而下降的趋势。     

干旱区典型盐碱土反射光谱特征分析(英文)

地物光谱特征是遥感机理的重要内容,也是遥感应用研究的重要依据。盐碱土的反射光谱特性反映了盐碱土的理化特征。以干旱区3种典型的盐碱土为研究对象,测量了不同含盐量和含水率的土壤反射率光谱,并分析了其光谱特征。结果表明,3种盐碱土的光谱反射率在干燥状态下有明显的高低规律。经过去包络线处理后,3种盐碱土在干燥状态下具有明显不同的光谱特征,且在干湿两种状态下,两个水分吸收谷处的吸收深度的深浅均具有明显的深浅差异。根据这些特征可以将3种类型的盐碱土区分出来。研究结果可为今后进一步研究盐碱化土壤参数反演和分类,以及盐碱土监测等遥感应用服务。     

基于组合模型的黑土区土壤有机质含量预测分析

为提高典型黑土区土壤有机质含量的预测精度,结合田间实测数据与遥感影像反射率数学变换数据筛选出最佳特征波段,并建立多种回归模型,对研究区土壤有机质含量预测模型进行优选。结果表明:对影像反射率进行不同的数学变换处理能够扩大数据中对有机质含量变化敏感的细微吸收特征,突出敏感光谱信息。利用标准化模型对处理后的光谱数据贡献率进行量化,结合相关系数筛选最佳特征波段。建模结果显示,支持向量机模型在检验集上的决定系数为0.89,均方根误差为2.81 g·kg^-1,模型整体的相对分析误差为2.14,对土壤有机质含量的预测能力极好。研究结果可为黑土区土壤有机质含量的预测模型优选提供参考,也可为中国北部地区耕地的有机质含量监测和有效开发提供基础理论依据。