县域农业生态环境质量动态评价及预测

全面客观地评价和预测区域农业生态环境质量状况及发展趋势,对于维持农业可持续发展和生态平衡具有重要意义。基于2001-2010年临汾市尧都区农业生态环境质量相关数据,从农业自然环境状况、农业生产投入和农业生态环境响应3个方面构建农业生态环境评价指标体系,运用主成分分析法对评价指标进行了筛选,并采用灰色系统GM(1,1)模型对临汾市尧都区未来农业生态环境状况进行预测。研究结果表明:尧都区农业生态环境质量综合指数总体呈上升趋势,质量等级从2001年的"差"变为2015年的"优";尧都区农业生态环境质量状况空间差异明显,不同乡镇由于社会经济发展水平、农业发展方式、农业生态保护力度等因素不同,导致全区农业生态环境格局分布的差异性以及空间演化的异质性;农业生产投入子系统对农业生态环境质量的变化影响最大,表明了人类活动对农业生态环境质量变化的显著影响;针对农业生态环境质量不同影响因素的作用力度,尧都区应该开展植树造林活动以提高林地指数,根据区域水资源承载力状况合理加大水资源开发力度,改善农田排水系统,逐步加大生物农药施用量的比重。农业生态环境质量动态评价及预测研究能够有效地反映生态环境质量的演变趋势,为区域农业可持续发展和农业生态环境建设提供一定的决策参考。     

民勤绿洲地下水埋深影响因素分析及其变化趋势预测

水是民勤绿洲环境保护和经济发展的关键,对影响民勤绿洲地下水资源变化的主要因素及其未来变化趋势进行预测,可为绿洲地下水资源合理开发和利用提供科学依据。利用相关性分析法,找出与民勤绿洲地下水埋深观测值相关性较好的影响因素,然后运用主成分线性回归法确定地下水埋深观测值与其主要影响因素的定量关系,并利用灰色预测法对影响绿洲地下水埋深变化的主要因素（包括人口、粮食产量和上游来水量）及地下水埋深进行趋势预测。结果表明：民勤绿洲的人口、粮食产量、上游来水量、GDP、蒸发量和大牲畜存栏量与地下水位变化密切相关;人口和粮食产量的增加会导致地下水埋深的下降,且人口增加对地下水埋深的影响远大于粮食产量增加对地下水埋深的影响;未来6年中,民勤绿洲人口和粮食产量总体呈增长趋势,上游来水量呈逐年减少趋势,地下水埋深呈下降趋势。     

基于神经网络方法的土壤流失量预测研究

生产建设项目土壤流失量的预测直接关系到建设项目的水土保持分析、评价和防治措施体系的布局,目前常用的预测方法因其局限性、不合理性以及精度差等问题往往难以实现准确预测。将人工神经网络的BP算法引入到土壤流失量预测中,将降雨侵蚀力、土壤可蚀性、坡长、坡度、水土保持措施作为影响土壤流失量的主要因子,并以17个生产建设项目水土保持监测实例作为学习样本和检测样本,建立了基于神经网络方法的土壤流失量预测模型。预测结果表明,该模型拟合和预测精度高,具有很强的应用价值,能够满足工程应用需要。     

生产建设项目用地土壤风蚀量监测方法与预报模型分析

准确掌握生产建设项目用地土壤风蚀量是合理编制水土流失治理方案的必要前提和有效防控人为水土流失的重要基础;但目前对监测方法和预报模型的研究比较薄弱,一些研究中监测方法的适用性和模型参数的准确性还有待商榷。文章系统总结土壤风蚀的观测方法和预报模型,根据这些方法和模型的各自特点,分析它们在生产建设项目中的适用性。认为测扦法、调查法、扫描法、风蚀盘法、集沙仪法、核素示踪法以及Pasak模型和风蚀流失量公式都可以根据不同项目的实际情况和地区特征应用到生产实践中。在此基础上,讨论相关研究的发展方向。本文结果可为生产建设项目土壤风蚀量测算模型的构建提供参考。     

Surface-active properties of particle size fractions in two humic acids

The relationships between surface active properties and humic acid (HA) particle sizes were investigated. Two HAs from an Ando soil and a Brown forest soil were separated into 6 particle size fractions by gel permeation chromatography. Surface-active properties characterized by surface excess value (\gT mol cm^-2), cross-sectional surface area per molecule (A nm²), critical micelle concentration (CMC g L^-1), efficiency and effectiveness of water surface tension reduction were obtained by the measurement of the surface tension of HA solutions from different particle size fractions. For the HA from the Ando soil, except for the smallest particle size fraction, increasing particle size enhanced the efficiency of reduction of the water surface tension and decreased the CMC, while the effectiveness of reduction of the water surface tension was about the same. The surface activity of the HA from the Ando soil increased with increasing particle size. This phenomenon was similar to the surface activity of a homologous series of surfactants, which increased with increasing alkyl chain length. For the HA from the Brown forest soil, the smallest particle size fraction and three large fractions showed a high efficiency, namely a high surface activity. The smallest fraction from the Brown forest soil showed the highest efficiency and the lowest CMC value. In both HAs, the smallest particle size fraction showed exceptional surface-active properties compared with the other fractions and three fractions with large particle size showed a higher surface activity than other smaller fractions.     

大尺度采样下不同模型方法预测土壤全氮空间分布研究——以海南岛为例

在大区域尺度、有限土壤样点情况下,为探索准确预测土壤属性的方法,以海南岛为研究区,采用近似网格采样方法,采集130个样点,用多元线性回归(MLR)、普通克里格(OK)和回归克里格(RK)3种模型方法进行土壤全氮预测,并以29个验证点比较了预测精度。结果显示:1)对较大区域进行土壤全氮的空间分布的预测精度为OKRKMLR;2)3种模型对土壤全氮含量空间预测分布趋势基本一致,总趋势为岛内自东向西方向逐渐降低;3)0~5 cm土壤全氮含量与土地利用方式呈极显著相关关系,0~20 cm土壤全氮含量与归一化植被指数呈显著相关,20~40、40~60 cm土壤全氮含量与归一化植被指数、坡度呈极显著或显著相关。     

基于HJ时间序列数据的农作物种植面积估算

通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。     

土壤水分对黄土丘陵区演替序列种种间竞争的影响

种间竞争是不同物种为争夺资源发生的相互关系,对群落植被演替、恢复有重要意义。同时水分是黄土丘陵区植物生长的限制因素,该区多物种种间水资源竞争研究较少,为此选取该区6种演替序列种,采用种对试验法研究其对土壤水分变化的竞争响应。结果表明:(1)除狗尾草外,其他5种植物的生长指标和土壤水分变化趋势基本一致,地下部分变化程度大于地上部分。不同植物最适水分条件不同。(2)单位竞争能力与总竞争能力相似地反映植物种间竞争状况。狗尾草和白羊草在中高水竞争力均高于同组的猪毛蒿、达乌里胡枝子,低水反之。铁杆蒿随着水分减少,竞争力低于茭蒿。受水分胁迫时,达乌里胡枝子、白羊草的竞争力茭蒿、铁杆蒿猪毛蒿、狗尾草,即演替后期种竞争能力演替中期演替初期,符合演替生态位理论。竞争的不对称随着环境生产力的增加而降低。随着演替中土壤水分的减少,物种耐水分胁迫的能力逐渐增强,从而促使演替的继续。     

中尺度土壤预测制图中地形变量提取的适宜分辨率探讨

地形变量是土壤预测制图中重要的预测变量之一,为了满足中尺度土壤预测制图的精度要求,又能够减少数据的冗余,需要选择合适分辨率范围的地形变量。基于ASTER GDEM数据,对不同地形起伏状况的3个样区,通过重采样得到30 m、60 m、90 m、120 m、150 m共5组不同分辨率的DEM数据,分别选取土壤预测制图中常用的高程、坡度、平面曲率和剖面曲率4组地形变量,通过地形信息熵、局部方差均值以及比例尺和空间分辨率的关系,选取巢湖流域用于土壤预测制图的地形变量提取的适宜分辨率范围。研究表明:对于特定比例尺的土壤预测制图,地形变量的提取需要综合考虑两个因素:一是土壤预测制图的比例尺,二是地形变量提取的分辨率。中尺度土壤预测制图地形变量提取的适宜分辨率为30m,既能保留有实际意义的地形信息,又能满足土壤预测制图的精度要求。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。