县域尺度土壤有机碳储量估算的样点密度优化

县域是我国国家尺度土壤碳库估算的基本地域单元,合理的土壤样品采集密度是保证估算精度要求的基础。以桃源县为例,设置4.70、0.90、0.60、0.40、0.25、0.15、0.10和0.05个km-2共8个样点密度梯度,利用经典统计学和地统计学方法,研究样点密度对县域尺度土壤有机碳库估算精度的影响。经典统计表明,随着样点密度的降低,重复抽样下土壤有机碳均值及其变异系数的波动逐渐增大,标准误差呈幂函数增加(Y=0.025X-0.47,R2=0.97,p0.01)。地统计学分析表明,随着样点密度的降低,块金值和基底效应逐渐增加,偏基台、变程和决定系数的波动幅度逐渐增大,拟合残差呈幂函数增加(Y=0.001 4X-1.66,R2=0.56,p0.05);土壤有机碳空间分布的局部差异逐渐被弱化,重复抽样下县域土壤有机碳库储量及其平均误差的波动逐渐增强,均方根误差呈幂函数增加(Y=0.77X-0.05,R2=0.59,p0.05)。从整体上看,样点密度小于0.15个km-2时,以上变化均急剧增强,土壤碳储量估算的精度快速降低。因此,综合科学、高效和经济方面的考虑,估算县域农田表层土壤有机碳储量的最佳样点密度为0.15个km-2。本研究结果可为开展区域尺度土壤有机碳野外调查提供辅助支持。     

河北省表层土壤有机碳和全氮空间变异特征性及影响因子分析

【目的】在陆地生态系统中, 土壤全氮和有机碳是重要的生态因子。本研究基于土壤调查获得大量土壤剖面的空间和属性信息,研究河北的土壤有机碳和全氮的空间分布特征,为河北的土壤养分监测和管理提供科学依据,同时也为其他类似地区土壤采样提供参考,减少采样成本。【方法】运用传统统计学和地统计学分析方法,以变异函数为工具,初步分析了河北土壤全氮和有机碳的空间变异特征,并应用普通克立格法和回归克里格法进行插值, 得出全氮和有机碳含量的分布格局。【结果】研究区土壤有机碳和全氮的平均值分别为15.25 g/kg和1.23 g/kg,变异系数分别为0.73和0.63,属于中等强度变异。经对数转换后,土壤有机碳和全氮均符合正态分布。选择球状模型作为土壤有机碳和全氮的半方差函数理论模型,土壤有机碳和全氮的块金值/基台值的比值分别为1.8%和1.2%,有机碳和全氮的块金系数均小于25%,表明有机碳和全氮具有强烈的空间相关性。有机碳和全氮空间变异的尺度范围不同,分别为50.400 km和59.200 km。研究区的有机碳总体空间分布规律是有机碳在北部较高、南部较低,呈自北向南递减趋势,土壤全氮与有机碳的空间分布趋势相似,但有机碳的空间变异特征较全氮明显,这种空间分布格局主要受环境因子、 土壤质地、 土壤类型以及土地利用类型等的影响,其中环境因子中的气温和海拔对有机碳和全氮的影响较大。通过比较普通克里格和回归克里格的预测结果,回归克里格能较好地反映东南部有机碳和全氮较低地区的局部变异外,对于西北部的山区也能更好地反映碳、 氮与地形及气候等因素的关系。【结论】河北土壤有机碳和全氮的空间变异和分布特征较为类似,受地形地貌、 气候等因素的影响。通过比较普通克里格法和回归克里格法的空间预测结果,回归克里格法可以消除环境因子的影响,从而得到更准确的空间预测结果,因此建议使用回归克里格法进行预测,以期获得一个更为准确的土壤有机碳和全氮的空间预测结果。     

洞庭湖生态经济区养猪业污染物排放时空格局分析

养殖污染时空格局研究对于有的放矢地开展污染综合治理与促进养殖业的可持续发展具有重要意义。以洞庭湖生态经济区湖南省部分为研究区域,利用2000-2014年农业统计数据,采用污染排放系数法和空间格局分析技术,系统分析区内养猪业主要污染物化学需氧量(COD)、总氮(TN)、总磷(TP)排放的年际动态及其空间格局,探讨污染负荷形成的原因。结果表明,近15 a来洞庭湖地区养猪规模与污染排放量总体呈现先增后略减然后再持续增加的变化态势,2007年达到最高峰。研究区养猪业存栏规模从2000年的1 469.4万头上升到2014年的2 010.2万头,COD、TN和TP排放量分别由2000年的112.99、11.75与1.10万t/a增加到2014年的154.56、16.07与1.51万t/a。从空间格局来看,养猪污染负荷最大的县(市)主要为洞庭湖西部的常德市区、东南部的汨罗市和望城区,且高污染负荷区呈逐年扩大的态势。洞庭湖生态经济区养猪业的空间格局与当地人口密度、生产习惯、政策及市场导向密切相关。因此,从政策层面推进健康养殖和发展生态循环农业是洞庭湖生态经济区养猪污染防控的关键。     

亚热带丘陵小流域土壤碳氮磷生态计量特征的空间分异性

了解土壤碳氮磷生态化学计量特征的空间变异有助于土壤养分管理。以湖南省长沙县金井镇脱甲河小流域(52 km2)为研究区,系统分析了亚热带丘陵小流域表层(0~20 cm)土壤碳氮磷的生态化学计量特征及其空间变异性。该流域土壤有机碳(SOC)、全氮(TN)和全磷(TP)平均含量分别为13.09、1.50和0.51 g kg-1,C∶N、C∶P和N∶P平均值分别为10.42、72.71和7.19,均具有高等变异水平和中等程度的空间自相关性。土壤C∶N、C∶P、N∶P高值区域主要分布在海拔高、人为干扰少和肥料使用少的林地区,而低值区主要分布在海拔较低、人类活动频繁以及化肥施用量大的农田区。菜地、茶园、林地和稻田等不同土地利用方式下,土壤C∶N∶P差异显著;在高海拔和陡坡地区,土壤C∶N∶P均明显偏高。这表明研究区域表层土壤碳氮磷比率的空间分异与土地管理措施和地形有着密切的关系。     

亚热带小流域COD负荷及影响因子分析

化学需氧量(COD)是农业面源污染的重要方面。以湖南省长沙县9个典型小流域为研究对象,利用连续5 a(2011-2015)的定位观测资料,系统分析了亚热带典型小流域COD浓度与负荷的时空变化特征及其主要影响因素。结果表明:1)研究区近5 a来COD浓度的变化范围为0.31-42.63 mg/L,平均值为12.95 mg/L。不同类型小流域COD平均浓度的变化顺序为:种养养殖森林-种植森林,从季节变化来看,COD浓度夏秋季节较高,而冬季与春季相对较低;从年际变化来看,从2011年到2015年COD浓度总体上呈波动上升趋势。2)COD月负荷的变化范围为3.15-1 086.6 kg/hm~2,研究区平均值为152.06 kg/hm2,不同类型小流域COD负荷时空变化规律与浓度基本一致。3)COD浓度主要与畜禽养殖密度及人口密度呈显著正相关关系,相关系数分别为0.86(P0.05)和0.69(P0.05);COD负荷则与养殖密度、种植比例、径流深等因子呈显著正相关,相关系数分别为0.87(P0.05)、0.69(P0.05)和0.54(P0.05)。适当控制畜禽养殖密度、加强小流域生活污水治理以及促进养殖废弃物资源化利用是控制亚热带小流域COD排放的关键途径。     

亚热带源头流域梯级池塘氮磷含量的时空变异及其影响因素

研究亚热带源头流域梯级池塘氮磷含量的变异机制,有利于理解农业小流域池塘水体氮磷面源污染的发生机制。本研究以亚热带红壤丘陵区典型农业小流域——金井小流域为研究区,选择18组典型梯级池塘（每组上、下游池塘各1个,共36个池塘）进行长期定位观测,采用2017年6月到2018年5月期间共12个月梯级池塘水体氮磷的定位观测数据,分析总氮（TN）和总磷（TP）含量的时空变异及其影响因素。结果表明：梯级池塘水体TN含量呈现上游（1.86 mg·L^-1）低于下游（2.56 mg·L^-1）,TP含量上游与下游接近,且上下游池塘TN和TP含量趋势在旱季偏高;梯级池塘水体TN和TP指标超标严重,超标率72.8%以上;周边土地利用类型和养鱼影响了梯级池塘水体TN和TP含量,相对不养鱼池塘,养鱼池塘水体TN和TP含量分别增加了60%、34%。研究结果表明,农业土地利用和养鱼加剧了研究区梯级池塘水质恶化,加强农田面源污染和水产养殖管理有助于梯级池塘水质提升。     

智能养殖:生猪行为研究及其应用

信息技术与各行业的深度融合是当前全球信息化发展的显著特征,这些技术在生猪养殖中的引入推动了生猪智能养殖的发展。智能养殖已成为了生猪养殖未来发展的重要方向,其基础是生猪养殖产业链中信息数据的规模化动态收集。生猪养殖过程是联系产业链各个链条的中枢环节,对其智能控制是生猪养殖转型升级过程中的关键。作为生猪养殖过程中最具丰富信息的载体,生猪行为的动态监测数据,可作为生猪运动功能、健康状态和精神状态的重要评估依据。本文全面梳理了生猪行为的细化分类;分析了遗传、营养状态和日粮组成、养殖环境、养殖管理、健康状况等因素对生猪行为的影响;探讨了基于射频识别(RFID)和加速度等传感器、机器视觉、声音等生猪行为监测方式;提出了生猪行为监测技术规模化应用所面临的挑战。研究表明,生猪行为的监测将为生猪智能养殖提供又一有力数据抓手,可借此实时监控养殖过程中的生猪健康和福利状态,助推生猪养殖过程控制的智能化发展。