苹果树腐烂病田间分布型及其抽样技术调查

采用空间分布型检验、聚集强度指标检验和线性回归方法研究了武威市凉州区苹果树腐烂病田间分布型及其抽样方法。结果表明,苹果树腐烂病田间分布型呈聚集分布,聚集程度受栽培环境影响较大。建立了其理论抽样模型。     

滴灌下生物质改良材料对盐渍土水盐氮运移的调控效应

为探究生物质改良材料对滴灌盐渍土水、盐、肥运移过程的调控效应，采用土箱模拟试验，研究了水肥一体化滴灌条件下，生物炭和腐殖酸两种改良材料对盐渍土水、盐、氮运移和再分布过程及其时空分布特征的影响规律。结果表明：在滴灌条件下，盐渍土壤水盐的时空动态变化表现出明显的水分入渗驱动的盐分运移过程和蒸发扩散驱动的水盐再分布过程；铵态氮含量在时间上表现出先增大、后减小的变化趋势，在空间上的运移再分布特征较弱；硝态氮含量初始时空分布表现出与水盐相似的运移特征，受铵态氮硝化作用的多重影响，后期空间分布与铵态氮空间分布相似；生物炭通过提高土壤饱和导水率，增大了入渗阶段土壤水、盐、氮的运移速率和分布范围；腐殖酸通过提高土壤田间持水率增大了再分布过程土壤水、盐、氮的分布范围和强度，同时其对尿素的水解和硝化过程表现出更强的抑制效果。应用生物质改良材料在改变土壤物理性状进而调控滴灌土壤水盐运移的同时，还影响土壤氮素转化运移过程及其分布，这为水肥一体化滴灌盐渍农田的节水、控盐、减肥治理提供了理论基础。     

液态饲喂模式的价值体现

我国各地方有丰富的地源性饲料资源,本地加以开发和应用,具有成本低的特点。液态饲喂技术可充分利用鲜基饲用资源,近年来在养殖场的应用呈增加趋势。从全行业系统性的角度思考,要真正体现液态饲喂模式的价值,地源饲料日粮配方、多元化饲料应用技术、养殖生态化指标和兼容性液态饲喂国产设备制造是核心。     

1981—2011年长海县大雾变化特征分析

利用1981—2011年长海县国家基准站逐月大雾日数统计资料,对大雾日数的年、季和月分布情况进行分析。结果表明,1981—2011年长海县大雾日数总体呈上升趋势,气候倾向率为9 d/10年。四季大雾日数占比由高到低依次为夏季、秋季、春季和冬季,四季大雾日数均呈上升的变化趋势,秋季的气候倾向率最大,春季和冬季最小。近31年长海县月大雾日数变化呈先增加后迅速减少的抛物线变化规律,大雾天气主要出现在5—7月,其间应加强相关的预警预报服务。     

安徽南陵地区土壤养分丰缺状况研究

以安徽南陵地区土壤大量养分元素为主要研究对象,通过对区内土壤样品的采集与测试,统计分析土壤氮、碱解氮、磷、有效磷、氧化钾、速效钾等的含量特征,并对其分布特征加以研究,最终开展研究区土壤养分地球化学综合等级评价.结果表明,土壤氮和碱解氮在研究区内以丰富为主,且两者相关性较好,相关系数高达0.85,可能与土地利用类型有关;磷及有效磷在区内主要表现为较缺乏-缺乏,两者相关性较差,可能与磷在土壤中的存在形式及人为活动有关;氧化钾在区内分布主要表现为较丰富-中等-较缺乏3种,呈正态分布,孤峰河两侧分布差异明显,速效钾在区内零星分布,特征不明显;区内土壤养分地球化学综合评价结果以三级(中等)土壤为主,占研究区总面积的58.45％.     

云南怒江傈僳族自治州古树名木资源现状调查

对怒江傈僳族自治州人为活动区域古树名木资源现状进行调查。结果表明:共记录到古树名木496株,涉及36科54属76种,其中有8种国家重点保护野生植物,分别为澜沧黄杉、秃杉、南方红豆杉、云南榧树、千果榄仁、红椿、光叶珙桐和香果树;怒江州古树名木主要分布在乡村街道及远郊野外,占总数的98.8%,63.6%的古树生长在海拔1500~1999 m;古树名木的生长环境及长势总体较好,但保护力度相对薄弱,应采取相关措施加强保护和管理。     

群井开采对毛乌素沙地地下水位的影响——以榆林市榆阳区昌汗敖包村土地开发项目为例

为探究毛乌素沙地大规模现代化高标准农田地下水开采对地下水位的影响，以榆林市榆阳区昌汗敖包村土地开发项目地下水监测网覆盖区作为研究区，选取分布于研究区的8眼机井进行了为期1年的地下水位埋深动态特征监测。结果表明:在灌溉期间，地下水位埋深呈先减小后增大的趋势；灌溉结束至进入下个灌溉周期之前，地下水位埋深逐渐增大至正常值。因此群井开采并未对项目区地下水位造成实质影响。      

面向养殖水体分布差异的COD光谱法检测研究

面向养殖水体，传统光谱法对化学需氧量（Chemical Oxygen Demand，COD）检测模型构建的基础：源域（现有样本库）与目标域（检测地水体）间光谱数据独立同分布。但是当源域与目标域分布间存在差异时，由源域得到的低误差模型常在目标域上表现下滑。针对该问题，提出面向UV Vis光谱的域对抗训练网络（DAUVwpNet），将分布不同的源域和目标域数据映射至相同分布的特征空间中，使其在该空间的分布距离尽可能接近，从而在特征空间中对源域训练的目标函数也可以迁移至目标域上，以降低模型在目标域的误差。试验表明：面向同一批测试数据，DAUVwpNet的预测误差为0.78，要低于传统模型的预测误差（0.85）；DAUVwpNet预测值与实测值间相关系数为0.95，要高于传统模型的相关系数（0.89）。表明了该网络能够较好对齐两域特征空间数据分布，降低因分布差异带来的COD检测误差。