Precipitation forecasting by large-scale climate indices and machine learning techniques

Global warming is one of the most complicated challenges of our time causing considerable tension on our societies and on the environment. The impacts of global warming are felt unprecedentedly in a wide variety of ways from shifting weather patterns that threatens food production, to rising sea levels that deteriorates the risk of catastrophic flooding. Among all aspects related to global warming, there is a growing concern on water resource management. This field is targeted at preventing future water crisis threatening human beings. The very first stage in such management is to recognize the prospective climate parameters influencing the future water resource conditions. Numerous prediction models, methods and tools, in this case, have been developed and applied so far. In line with trend, the current study intends to compare three optimization algorithms on the platform of a multilayer perceptron (MLP) network to explore any meaningful connection between large-scale climate indices (LSCIs) and precipitation in the capital of Iran, a country which is located in an arid and semi-arid region and suffers from severe water scarcity caused by mismanagement over years and intensified by global warming. This situation has propelled a great deal of population to immigrate towards more developed cities within the country especially towards Tehran. Therefore, the current and future environmental conditions of this city especially its water supply conditions are of great importance. To tackle this complication an outlook for the future precipitation should be provided and appropriate forecasting trajectories compatible with this region's characteristics should be developed. To this end, the present study investigates three training methods namely backpropagation (BP), genetic algorithms (GAs), and particle swarm optimization (PSO) algorithms on a MLP platform. Two frameworks distinguished by their input compositions are denoted in this study: Concurrent Model Framework (CMF) and Integrated Model Framework (IMF). Through these two frameworks, 13 cases are generated: 12 cases within CMF, each of which contains all selected LSCIs in the same lead-times, and one case within IMF that is constituted from the combination of the most correlated LSCIs with Tehran precipitation in each lead-time. Following the evaluation of all model performances through related statistical tests, Taylor diagram is implemented to make comparison among the final selected models in all three optimization algorithms, the best of which is found to be MLP-PSO in IMF.     

长期少免耕对中国东北玉米农田土壤呼吸及碳氮变化的影响

在黑土区37年不同耕作模式定位试验田,采用原位法比较常规旋耕灭茬起垄（CT）、旋耕留高茬行间深松-少耕（RT）、免耕（NT）和深翻（PT）4种耕作模式土壤呼吸速率及其与土壤温度和湿度的关系,测定土壤总碳氮、无机氮,微生物碳氮的变化。结果表明,玉米生育期间土壤呼吸呈单峰变化,开花期达最大值,生长季平均呼吸速率依次为RT > NT > CT > PT。4个处理土壤温度与土壤呼吸速率间存在显著指数关系。不同耕作模式0~10 cm土壤温度可解释土壤呼吸速率变异的38.3%~67.9%,温度敏感性系数Q10范围为2.1~5.3;RT和NT处理显著提高0~20 cm土壤碳氮含量;RT处理在0~20 cm土壤中微生物碳含量均高于CT、NT和PT处理。RT处理土壤呼吸对温度响应提高,RT和NT处理显著增加上层土壤总碳氮含量,利于土壤质量提升。     

羊肚菌营养袋制作原料的化学成分分析及配方优化

为优化羊肚菌营养袋的原料组成与配比,以食药用菌栽培基质中常用的4种秸秆及谷壳、麦粒、麦麸,通过主成分分析归纳各原料的营养组成属性,设计出9个营养袋配方进行栽培试验,比较出菇产量,得出高产营养袋原料组合为谷壳和麦粒;再以谷壳与麦粒按11种不同的重量比混合制成营养袋进行栽培试验,综合考量制作成本、出菇产量、经济效益等因素后,最终得到高产高效的羊肚菌营养袋配方(重量比)为谷壳19%、麦粒79%、石灰1%、石膏1%。     

秸秆还田与化肥配施对汉中盆地稻麦轮作农田土壤固碳及经济效益的影响

为汉中盆地秸秆还田技术和合理化肥减量技术提供科学依据,2015—2017年小麦和水稻生长季,设置秸秆不还田+常规施肥(SN+NPK);秸秆常规还田+常规施肥(S+NPK);秸秆促腐还田+常规施肥(SD+NPK);秸秆促腐还田+化肥减量15%(SD+85%NPK);秸秆促腐还田+化肥减量30%(SD+70%NPK),共5个处理,研究其对土壤总有机碳(TOC)、活性有机碳(LOC)、碳储量(SCS)、作物产量及经济效益的影响。结果表明与秸秆不还田配施常规施肥处理(SN+NPK)相比,秸秆还田配施不同比例化肥处理显著提高了稻田0～15cm土层的TOC和LOC,增幅分别为3.62%～25.07%和23.01%～46.79%; S+NPK和SD+NPK处理提高了0～30 cm碳储量,增幅分别为4.67%和18.20%。而SD+85%NPK和SD+70%NPK分别降低8.31%和9.83%。S+NPK和SD+NPK处理显著增加了小麦和水稻籽粒产量,而SD+85%NPK和SD+70%NPK处理均降低了小麦和水稻产量,周年产量2年平均增幅分别为3.47%、8.70%、-3.65%、-8.12%。与SN+NPK处理相比, S+NPK、SD+NPK、SD+85%NPK、SD+70%NPK处理周年经济效益2年平均增幅分别为16.91%、23.56%、6.02%、1.06%。土壤有机碳、作物产量和经济效益SD+NPK处理的最高, S+NPK处理次之,SD+70%NPK处理最低,与之相比,SD+85%NPK处理在小麦和水稻两季共减少化肥80kghm–2,作物周年产量降低不明显,经济效益略有增加。秸秆还田与常规化肥配施是提高汉中盆地稻麦轮作体系农田固碳、产量及经济效益的最佳措施,两季作物全量还田条件下化肥用量减少15%是适宜该区域的绿色生产模式。     

火干扰对喀纳斯泰加林土壤有机碳的影响

为了研究不同火干扰烈度对喀纳斯泰加林土壤有机碳含量及碳储量的影响,以喀纳斯泰加林同一火烧时间不同火干扰烈度的火烧迹地为研究对象,对不同土层(0~10 cm,10~25 cm)有机碳含量进行测定并估算其碳储量,采用单因素方差分析及LSD多重比较进行差异显著性分析。结果表明,相同火干扰烈度下0~10 cm土层土壤有机碳及碳储量均大于10~25 cm土层。0~10 cm土层中碳储量表现为：未火烧>轻度火干扰>中度火干扰>重度火干扰,在10~25 cm土层中碳储量表现为：轻度火干扰>中度火干扰>未火烧>重度火干扰。0~10 cm土层的土壤有机碳含量和碳储量以及10~25 cm土层的有机碳含量损失程度会随着火干扰烈度的增加而增加。10~25 cm土层碳储量会在轻度和中度火干扰后出现增加。     

外源褪黑素对干旱胁迫下大豆鼓粒期生理和产量的影响

干旱胁迫降低大豆产量,探究提高大豆耐旱能力和降低产量损失的机制对大豆生产具有重要意义。施褪黑素能缓解干旱胁迫对植株生长的抑制和氧化损伤。本试验于2017—2018年研究叶面喷施褪黑素对干旱胁迫下大豆鼓粒期叶片光合、抗逆、碳氮代谢和产量的影响表明,外源褪黑素提高干旱胁迫下大豆叶片抗氧化酶活性,抑制活性氧的产生和细胞膜损伤,缓解干旱胁迫对光合能力的抑制,提高碳氮同化能力,最终缓解干旱胁迫造成的产量损失。与干旱胁迫相比,褪黑素处理下单株荚数、单株粒数和百粒重两年平均提高了2.9%、0.8%和17.2%,产量(单株粒重)平均提高了14.7%。     

基于纳米碳添加的减量施肥模式对寒地水稻产量及氮肥效率的影响

为解决减量施肥造成北方寒地水稻肥料供给不足和产量低的问题,以纳米碳增效剂为材料,采用仪器快速检测和植株常规测定分析方法,研究纳米碳添加的常规施肥和减量施肥模式对水稻产量性状和肥料利用效率的影响。结果表明：与常规施肥(CK)相比,纳米碳添加的常规施肥模式(SM-A)、减施氮肥10%(SM-B)和减施氮肥20%(SM-C)对水稻植株形态特征、光合生理特性、产量性状和肥料利用效率产生显著的影响,其中以SM-B增幅最大,SM-A次之,SM-C最小;SM-A、SM-B和SM-C增加经济效益分别为563.56、1374.20和-1391.08元/hm ²,以SM-B增效值最高。本研究表明,SM-B能改善生育期光合生理特性,提高植株产量和肥料利用效率,是寒地水稻较为理想的减量施肥安全利用模式。     

一氧化碳(CO)在植物体内的生理生化作用研究进展

为了促进一氧化碳(CO)在植物生理生化方面的研究,本文归纳了CO在植物体中的生物合成途径,CO作为信号分子对植物各种生理功能的调控,以及CO与其他信号分子之间的相互作用。经过分析得出,CO在植物生物胁迫过程中的作用及其作用机制方面的研究还很少,因此,CO在这方面的研究将会成为今后的研究重点。     

不同产量水平下枣园土壤微生物量碳、氮与土壤和植株养分的关系

【目的】 研究不同产量水平下枣园土壤微生物量碳、氮与不同时期枣园土壤和植株养分的关系,为南疆红枣高产提供土壤管理的理论依据。【方法】 选取南疆高中低3种不同产量水平的枣园为研究对象,采用田间试验,研究不同时期不同产量水平下枣园土壤微生物量碳、氮与不同土层和植株氮、磷、钾养分含量之间的关系。【结果】 土壤碱解氮、速效磷含量随着土壤深度的增加逐渐降低,而速效钾含量逐渐升高。土壤微生物量碳(MBC)和土壤微生物量氮(MBD)含量之间呈极显著正相关,相关系数为0.836 7;土壤微生物量碳与骏枣展叶期0~20 cm土层速效钾含量呈显著正相关,与果实膨大期20~40 cm土层速效钾含量呈显著正相关关系。【结论】 枣园土壤微生物量碳、氮及各养分含量均保持在良好水平,土壤养分及植株养分能对微生物量碳、氮产生显著影响。     

川西高山树线交错带海拔梯度上土壤有机碳稳定性特征

高山树线交错带是高海拔地带对环境变化最为敏感的生态系统之一,土壤有机碳库及其稳定性在生态系统变化中具有显著指示作用。通过物理-化学方法对土壤不同活性有机碳进行连续分级分离,研究土壤有机碳不同组分在海拔环境梯度下分布特征及稳定性。结果表明,高山树线交错带土壤有机碳主要集中在物理分级组分（≥0.02 mm）,且粒径越大有机碳含量越高,即主要以颗粒态有机碳形式存在,占比均高于98%;在<0.02 mm有机-无机复合体中有机碳采用化学分级分离,这部分有机碳占比低于土壤总有机碳2%,且主要以腐殖质（胡敏素）形式存在（占土壤总有机碳0.6%~0.8%）,腐殖质占有机碳比例远低于一般土壤;随着海拔升高,土壤有机碳总量上升,颗粒态有机碳（物理分级组分）比例升高,胡敏素类腐殖质比例下降。因此,川西高海拔树线交错带的高寒土壤有机碳,主要以不稳定有机碳（POC）形式存在,随着温度上升（海拔降低）将导致土壤矿质化和腐殖化加剧,有机碳总量下降,土壤不稳定性组分（物理分级组分）降低,土壤稳定性（腐殖化比例）上升。