杭嘉湖面源污染林业工程生态治理原理与技术研究

梳理了国内外面源污染治理研究进展,并在此基础上,论述了面源污染生态治理的原理。针对杭嘉湖面源污染,提出了4种生态治理技术措施：水源涵养林林结构优化技术,水系岸带生物防护技术,集水区人工塘渠－湿地复合系统建设技术,污染水体的植物修复技术。     

1990—2020年滇池水质时空变化特征及评价

基于滇池10个水质监测点的实测数据,采用1990—2020年长时间序列实测水质指标,通过相关指标的年际变化,综合时空分析与统计方法,以年际间尺度对比滇池水质的时空间演化情况;通过空间插值法对草海、外海2个空间区域进行分析。结果表明：外海水质指标相对稳定,草海相关指标变化幅度大,滇池受到化学需氧量（COD）的影响较大,外海水质指标相关性较弱。1997—2015年是滇池环境恶化与修复过程;2016年后,水质问题有所好转。2000—2010年,相关指标含量（TP、TN、NH₃−N等）在滇池外海南部区域易发生变化,区域性较为集中,邻近草海区域其水质指标含量明显较高。草海水体富营养化严重;外海富营养化虽较为缓和,但富营养指数处于边缘临界。整个滇池水域的CWQI值的变化范围为64.72～92.38,在及格、中等和好的水质范围内波动。     

贵州省森林康养资源空间分布特征及影响因素分析

以贵州省内“中国森林康养基地”“贵州省森林康养基地”和“中国森林氧吧”“贵州省森林氧吧”共计103处为研究对象,运用最邻近点指数、地理集中指数、核密度分析等分析贵州省103处森林康养基地及氧吧的空间分布特征,运用叠加分析、相关分析和拟合分析探究影响其空间布局的自然及社会人文因素。结果表明：整体上,贵州省森林康养资源空间分布呈凝聚型;市域尺度上,森林康养资源空间分布差异大,贵阳市、黔南州和毕节市为随机型,黔东南州、安顺市、六盘水市、黔西南州和铜仁市为均匀型,遵义市为凝聚型;贵州省森林康养资源呈现“整体分散、多核聚集”的分布特征;社会经济因素（距中心城市距离、人口和经济发展水平）是影响贵州省森林康养资源空间分布的主要因素。研究结果可为贵州省森林康养资源的空间布局优化和森林康养产业发展提供参考。     

高黎贡山南段大型真菌多样性研究

以随机路线踏查法为主,样地法为辅,对该区林下大型真菌进行较系统地调查,除随机踏查路线外,共选取8块标准样地,调查高黎贡山南段大型真菌资源情况。结果表明：该区内大型真菌种类223种,隶属46科、86属。其中食用菌77种,药用菌21种,毒菌25种,食药兼用菌15种,不明80种;易危1种,近危1种,无危101种,中国特有种8种。优势科为红菇科（Russulaceae）、多孔菌科（Polyporaceae）、丝膜菌科（Cortinariaceae）、牛肝菌科（Boletaceae）、蘑菇科（Agaricalceae）、小菇科（Mycenaceae）。优势属为红菇属（Russula）、乳菇属（Lactarius）、丝膜菌属（Cortinarius）、鹅膏属（Amanita）、小菇属（Mycena）、小皮伞属（Marasmius）、多孔菌属（Polyporus）、粉褶菌属（Entoloma）、蜡蘑属（Laccaria）、栓菌属（Trametes）、马勃属（Lycoperdon）、湿伞属（Hygrocybe）、小孔菌属（Microporus）,不同样地的优势属各有不同。区系地理成分具有明显的温带性质,与热带—亚热带大型真菌区系具有一定的关系,与云南大围山相似性较高。     

微波辐射和浸种对华山松种子生活力和发芽的影响

为了解微波辐射和清水2因素不同水平组合对华山松种子吸水、生活力和种仁发芽率的影响,以及微波辐射结合清水和GA₃溶液浸种3因素对华山松种子发芽率的影响,采用L₉(3⁴)正交设计开展试验实施。结果表明：微波辐射和清水浸种处理组合的种子生活力、种子、种仁和种壳吸水率分别为75.3%～88.0%（CK的为94.7%）、6.63%～10.44%、15.00%～23.80%和0.98%～4.87%,处理组合间种子和种仁吸水率均具有极显著的差异（P < 0.01）;影响生活力的主导因子是微波辐射和清水浸种时间的交互作用,影响种子和种仁吸水率的则是清水浸种时间;测定（TTC法）的和未测定生活力的种仁发芽率分别为4.0%～22.8%和52.7%～90.0%,CK的为4.7%和60.0%,微波辐射是影响种仁发芽率的主导因子。微波辐射结合清水和GA₃溶液浸种的组合,种子场圃发芽率为56.0%～71.6%（CK的为56.0%）,清水和GA₃浸种的交互作用是影响种子场圃发芽率的主导因子。微波辐射和清水浸种的组合降低种子生活力。清水浸种8 h时,种子吸水基本达到饱和;微波辐射15 s,清水浸种12 h后0.05 g/L GA₃溶液浸种,提高华山松种子场圃发芽率,可应用于生产实践。     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度（canopy temperature,Tc）是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数（red-green ratio index,RGRI）法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数（crop water stress index,CWSI）性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI（记为CWSITcF%）。二是基于冠层温度方差（canopy temperature variance,Var）,将玉米冠层数据分为4个区间：区间Ⅰ,Tc≤40,Var≤10;区间Ⅱ,Tc≤40,10< Var≤20;区间Ⅲ,35< Tc<45,Var>20;区间Ⅳ,40< Tc<50,0< Var≤20,并在各自区间上选择最敏感的统计分位数计算CWSI（记为CWSIn）。研究结果表明：1）利用2020年和2021年两年数据计算的CWSIn与作物生理指标（气孔导度Gs、净光合速率Pn、蒸腾速率Tr）间的决定系数R2分别为0.72、0.52、0.62 ,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI（R2分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%）,但与CWSITcF%差别不大（R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%）;2）虽然CWSITcF%能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大（2020,61.17%;2021,49.38%;两年数据,83.51%）,而CWSIn稳定性更高（与生理指标间的nRMSE分别为：2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%）。因此,综合来看 CWSIn可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。     

用于梯形渠道的仿翼形便携式量水槽水力性能

机翼形量水设施水力条件优、量水精度高,但翼形曲线的复杂性制约其推广,为此,该研究基于结构简单的仿翼形便携式量水槽,探究其在末级梯形渠道的适用性。模型试验设计5组收缩比、7组流量进行水力性能试验,在此基础上,基于FLOW-3D软件对比分析仿翼形与机翼形量水槽水力性能的差异,深入研究不同收缩比对仿翼形量水槽水力性能的影响。研究结果表明：数值模拟与试验结果的水深数据吻合,误差小于4.91%,数值模拟的方法准确可靠;简化后未改变机翼形过流顺畅、雍水高度小等特点;所有工况上游佛汝德数均小于0.5,雍水高度小于7.6 cm,满足测流精度和渠道安全的要求,收缩比在0.60~0.64范围时,量水槽水力性能最优;基于能量方程及临界流原理建立的流量公式精度较高,平均测流误差为2.75%。该研究表明仿翼形保持了原机翼形良好的水力性能,测流精度高且曲线形式简单,便于推广,对于促进灌区末级梯形渠道便携式量水槽的推广具有实用价值。     

基于MWatNet模型的河套灌区解放闸灌域灌溉水体提取

为提高灌溉农田中灌溉水体的识别精度,以河套灌区解放闸灌域作为研究区,基于Sentinel-2遥感影像,结合灌区实际情况对地表水体提取模型(WatNet)进行改进,得到MWatNet模型并提取灌溉水体。采用总体精度（Overall accuracy,OA）、平均交并比（Mean intersection over union,MIoU）、F1值等水体提取精度指标进行综合评价。结果表明：改进后的地表水体提取模型(MWatNet)在解放闸灌域农田灌溉水体的提取上具有较好的识别精度,模型总体精度达到96%,平均交并比达到83%,F1值为80%,实地调研验证准确度为85.7%;对比原WatNet、水体语义分割模型(Deeplabv3_plus)和水体提取模型(Deepwatermapv2),MWatNet在灌溉水体提取的连结性、剔除道路和城镇干扰等方面,均表现出更好的效果和模型运行效率。利用该模型可以实现灌溉水体定量化表征,为灌溉用水调度提供了数据支撑。     

Mesoscale spatial variability of ichthyoplankton in the Southwest Atlantic during the autumn–winter period

To gain a better understanding of the mechanisms underlying spatial heterogeneity in ichthyoplankton communities in the SW Atlantic, we examined for the first time the latitudinal and continental shelf–slope gradients in ichthyoplankton structure and oceanographic features in the Campos Basin during the relaxation phase of coastal upwellings (late autumn to early winter). This region, located on SE Brazil's continental margin, is the most productive offshore oil basin in the country and has ecological relevance owing to the existence of areas that experiences mesoscale (tens to hundreds of kilometers) processes (eddies, filaments, and upwelling) caused by the interaction of continental shelf and slope circulation with deep water masses. The present study collected a total of 3892 fish eggs and 10,030 larvae from 36 sampling stations, averaging 22 eggs per 100 m³ and 56 larvae per 100 m³. A total of 250 taxa (5 for fish eggs and 248 for larvae) were identified, encompassing 80 families and 145 genera. Species distribution exhibited a considerable degree of spatial variability, which was related mostly to hydrological characteristics. In general, greater densities were associated with higher nutrient concentrations areas. Through distance-based Redundancy Analysis, some discriminating species were found to associate with certain areas of the continental shelf characterized by colder temperatures. The ichthyoplankton distribution patterns suggested a potential influence from mesoscale oceanographic fronts, specifically those that induce upwelling of the cold and nutrient-rich South Atlantic Central Water. Nonetheless, the methodologies used in this study faced challenges in distinctly identifying these processes.     

基于PC-RELM的养殖水体溶解氧数据流预测模型

养殖水体中溶解氧浓度一直是最重要的水质参数之一。为了精准地对水体溶解氧进行调控,提高养殖生产效率,降低养殖风险,该研究考虑外部天气条件对溶解氧的影响以及溶解氧自身的昼夜变化特征,提出一种基于正则化极限学习机（principal component analysis and clustering method optimized regularized extreme learning machine,PC-RELM）的养殖水体溶解氧数据流预测模型。首先,采用主成分分析法判断影响溶解氧浓度的强重要性因子,降低预测模型的数据维度;其次,利用熵权法计算各时刻点的天气环境指数,并利用快速动态时间规整算法（fast dynamic time warping,FastDTW）完成时间序列数据流在不同天气环境下的相似度度量;然后使用k-means算法对时间序列的相似度进行聚类分簇,并基于分簇结果完成正则化极限学习机预测模型的构建,实现溶解氧浓度的估算。最后将PC-RELM模型应用到无锡南泉试验基地养殖池塘的溶解氧预测调控过程中。试验结果表明：PC-RELM的预测均方根误差值（root mean square error, RMSE）为0.961 9,与PLS-ELM（partial least squares optimized ELM）、最小二乘支持向量机（least square support vector machine,LSSVM）以及BP神经网络模型进行对比,其RMSE值分别降低了41.54%、54.58%和67.16%。该预测模型可以有效地捕捉不同天气条件下溶解氧的变化特点,具有较高的预测精度和效率。