高寒草甸土壤微生物功能多样性对氮肥添加的响应

采用Biolog-ECO生态板法研究了4个施N水平[0 g/m²（CK）,10 g/m²（N₁₀）,20 g/m²（N₂₀）,30 g/m²（N₃₀）]下土壤理化性质和微生物功能多样性的变化规律。结果表明:中高水平氮肥添加显著增加了速效氮、速效磷含量和根土比,但降低了土壤含水量。施N肥0-10 cm土层平均颜色变化率降低,而10-20 cm土层则被提高,且N₂₀最大。施N肥后降低了0-10 cm土层土壤微生物Shannon-Wiener指数、Pielou指数和McIntosh指数,但10-20 cm土层则被提高。PCA分析表明,施N肥改变了土壤微生物代谢功能类型,糖类、氨基酸、酸类是土壤微生物主要利用的碳源类型。RDA分析表明,在0-10 cm土层,土壤含水量和全氮是影响土壤微生物功能多样性的主要因子,而10-20 cm土层主要受土壤含水量和速效磷的影响。综上,施N肥增加了土壤的有效养分含量,进而改变土壤微生物功能多样性、碳源利用能力和数量。     

典型自然带土壤氮磷化学计量空间分异特征及其驱动因素研究

植物生活型、地形及区域气候特征等对土壤养分的空间分布有着重要的影响。通过对我国典型自然带土壤氮磷化学计量与植物生活型、地形及气候因素间相互关系的研究,探讨了我国土壤氮磷的空间变异与分布特征及其主要控制因素。结果发现,5个自然带的土壤全氮(TN)和氮磷比(N/P)存在显著差异(p0.01);除温带荒漠带较低(0.47 mg g~(-1))外,土壤全磷(TP)均值总体变化不明显(p0.05)。在不同自然带区域内,TN、TP及N/P变化与海拔、温度及降水呈现出显著的线性和非线性二次相关,即表现出线性与单峰模式。暖温带落叶阔叶林带、温带草原带、温带荒漠带森林土壤中TN,以及青藏高原高寒植被带草本土壤中TP、温带荒漠带森林土壤的N/P主要受海拔因素的影响,而温带草原带草本植物的土壤TP则主要受降水的影响。同时,研究还发现,在多要素共同作用时,其影响程度也略有差异,温度和海拔作为控制因素影响亚热带常绿阔叶林带森林和温带草原带草本土壤TN变化,但前者受温度控制更为明显,后者则以海拔为主要驱动因素,而温带荒漠带草本土壤和森林土壤的TN主要受海拔和降水作用的影响,但以降水影响为主;亚热带常绿阔叶林带森林土壤TP,温带草原带、温带荒漠带和青藏高原高寒植被带草本土壤的N/P受植物生活型、地形及气候的共同影响,但程度略有不同,其中TP表现为降水温度海拔,而N/P为温度海拔降水。因此,在自然带和植物生活型的主控背景下,海拔、温度和降水的主控或交互作用直接驱动土壤氮磷及其化学计量特征的空间分异。     

干湿度梯度及植物生活型对土壤氮磷空间特征的影响

通过对我国土壤氮磷含量及化学计量比值的分布特征研究,探讨了湿度梯度与植物生活型对土壤氮磷空间分布的影响。研究结果表明:中国陆地系统自然土壤氮、磷含量及氮磷比分别在0.02~8.78 g/kg,0.05~1.73 g/kg和0.06~9.85范围内变化,地形和气候因素对其空间变异性的影响均较为显著。干湿度梯度分带对土壤氮含量和氮磷比值的影响较磷含量更为明显,氮含量与氮磷比呈现出明显的梯度变化特征,表现出湿润区半湿润区干旱区半干旱区的规律,而磷含量变化不显著。在不同生活型植被土壤中,森林土壤氮磷的变化规律较灌木和草本土壤更为复杂;其植物磷平均含量低于全国平均值,说明森林生态系统植物受磷元素的限制作用与其较低的土壤磷含量供给有关。土壤氮磷含量和氮磷比与年均降水量和年均温度的相关性及逐步回归分析表明,土壤氮磷及其化学计量的变异性主要是受降水的影响。     

不同年限毛竹林土壤固氮菌群落结构和丰度的演变

应用变性梯度凝胶电泳(denaturing gradient gel electrophoresis,DGGE)和荧光定量PCR(real time fluorescent quantitative PCR,q PCR)方法研究了不同年限毛竹林土壤固氮菌群落结构和丰度的变化。结果表明:土壤p H、有机质、有效磷、速效钾和铵态氮含量在马尾松林改造成毛竹林5 a后明显提高,而后逐渐降低,并趋于稳定;土壤固氮菌多样性和nif H基因丰度也呈现相似的趋势。条带测序分析表明,毛竹林土壤固氮菌均为不可培养的固氮菌,与慢生根瘤菌(Bradyrhizobium sp.)具有较高的相似度。冗余分析结果表明,不同栽培年限毛竹林地土壤固氮菌群落组成发生了明显变化,长期栽培毛竹林引起的土壤养分变化对土壤固氮菌多样性具有重要影响。     

东江中上游4树种水势日变化特征及其与环境因子的关系

在东江中上游,以6a生树种木荷、红锥、火力楠和藜蒴为材料,采用PSYPRO露点水势仪对4树种在旱季与雨季的土水势、根水势、茎水势和叶水势日变化过程进行了测定,探讨了4树种在自然生境下的水势梯度变异及叶水势与气象因子的关系。结果表明,叶水势日变化均呈"单峰"型曲线,日均值表现为木荷>火力楠>红锥>藜蒴,旱季叶水势明显低于雨季;叶水势与大气温度(Ta)和光合有效辐射(PAR)呈极显著负相关(P<0.01),而与空气相对湿度(RH)和大气水势(Фa)呈极显著正相关(P<0.01),气象因子对东江流域主要造林树种叶水势直接作用由大到小结果如下:火力楠和藜蒴(Ta>RH>Фa>PAR),红锥(RH>Фa>Ta>PAR),木荷(Ta>Фa>RH>PAR)。     

基于XGBoost-Shapley的玉米不同生育期LAI遥感估算

针对当前快速准确获取叶面积指数（Leaf area index, LAI）时大部分遥感预测方法将光谱信息作为模型主要特征,忽略时序变化特征的问题,利用无人机搭载五通道多光谱相机获取研究区玉米不同生育期的影像数据,基于该数据计算玉米相应生育期植被指数,然后采用植被指数建立各生育期子模型,采用Shapley理论计算子模型均方根误差对全生育期模型均方根误差的贡献度,从而确定各子模型权重,根据权重组合形成具有LAI时序变化特征的估算模型,分别基于支持向量回归（SVR）、多层感知机（MLP）、随机森林（RF）和极限梯度提升树（XGBoost）算法构建组合估算模型。结果表明：采用Shapley理论构建的组合LAI估算模型估算效果优于直接构建的全生育期LAI估算模型。相较于SVR-Shapley、MLP-Shapley以及RF-Shapley模型,XGBoost-Shapley模型的估算效果最佳（R²为0.97,RMSE为0.021,RPD为6.9）。将最优模型XGBoost-Shapley应用于研究区LAI预测,预测结果符合不同生育期玉米长势。本研究为大田玉米长势遥感监测提供...     

基于DGT技术的土壤铅生物有效性评价研究

采集我国15个省份的耕作土壤进行盆栽试验,通过外源添加不同浓度梯度的Pb并种植小白菜,比较梯度薄膜扩散技术(Diffusive gradients in thin-films,DGT)与传统化学方法(土壤溶液法、EDTA法、HAc法、CaCl_2法和全量法)评价土壤中Pb生物有效性。简单回归分析表明,各评价方法测定的土壤Pb含量与小白菜Pb含量都呈显著相关关系,但DGT技术相关性(R~2=0.97)最高。通过逐步多元线性回归分析,融合土壤pH值、有机碳(OC)含量、阳离子交换量(CEC)、粘粒含量等土壤基本理化性质,建立多元回归模型,结果表明:各传统评价方法融合了pH值、OC含量等土壤性质,R~2较对应的简单回归分析有所提高,都能用于评价土壤Pb的生物有效性,但通过DGT技术所构建的模型方程(R~2=0.97,p0.01)几乎不受土壤性质的影响,且较传统化学方法相关性更高,因此,DGT技术是一种可以用于评价土壤中Pb生物性的较优方法。     

仿人机器人头部设计与目标跟踪运动控制

针对仿人机器人视觉目标跟踪任务需求,设计了一种高精度、灵巧型仿人机器人头部系统,构建了视觉感知模块与3自由度机械臂运动机构。利用虚拟连杆方法对仿人机器人头部进行运动学建模,将目标跟踪问题转换为机械臂的运动学逆解问题,通过计算机构可操作度与条件数,显示机器人头部对目标跟踪任务具有良好的运动学灵活性。在此基础上,基于梯度投影法建立了目标跟踪运动学逆解与规避关节极限位置的同步优化算式,并针对视觉测量系统带宽较窄、容易造成较大跟踪误差的问题,提出了在两次视觉测量间隔内用轨迹预测的方法获得目标位置的估计值,以提高跟踪精度。仿真与实验结果表明,在测量盲区内采用轨迹预测方法,可将跟踪精度提高约80%,实现高精度目标跟踪。所提出的仿人机器人头部及控制方法,对动态目标具有良好的跟踪性能。     

张正友法的摄像机标定试验

针对机器视觉领域的摄像机标定问题,采用介于自标定与传统标定之间张正友法,对Sunway-130D数字摄像机进行标定。本研究首先阐述张正友法标定原理,即利用针孔模型匹配模板平面与其所成图像中的角点,计算出图像和模板之间的单应性矩阵,利用该单应矩阵线性解出摄像机内部参数,并由单应矩阵求出理想成像模型下的摄像机外部参数。然后考虑非线性畸变因素,求出畸变系数的初始值,最后对所有的标定参数进行迭代修正,通过非线性优化得到所有标定参数的最优解。制作模板并采集模板图像,利用MATLAB提取模板图像角点坐标并进行标定。结果表明:该方法可以有效地对摄像机进行标定;绝大多数偏差在(-1.5,1.5)像素之间,个别偏差超过1.5个像素,达到像素级精度,有较高标定精度。研究结果为进一步研究农业机械机器人奠定基础。     

基于梯度分布不均匀性的干瘪红枣识别

为了从混合的饱满红枣和干瘪红枣中识别出干瘪红枣,首先分析了颜色空间模型的特性,选择灰度图、RGB颜色空间模型的R分量、L*a*b*颜色空间模型的a*分量,并使用不同的梯度算子作为对比;然后通过形态学运算、逻辑运算去除异常梯度,进行梯度归一化变换;最后采用归一化的梯度直方图作为红枣表面的纹理特征表示方法,并计算其梯度分布不均匀性作为判别准则。利用12通道红枣分选机采集240幅饱满与202幅干瘪红枣图像作为样本图像。实验结果表明,采用简单梯度算子对L*a*b*模型的a*分量提取纹理信息效果最好,误判率为0.83%,正确识别率高达99.01%。