两种复合肥在叶菜类蔬菜上的应用效果比较

在山东省莱阳和寿光两地露地及保护地生长的芹菜和大白菜上进行新型复合肥 2 1 8 11S肥效研究 ,同时与市场上较为流行的 15 15 15S复合肥进行比较。结果表明 ,2 1 8 11S复合肥比 15 15 15S复合肥在增加产量、提高品质方面效果更好。 2 1 8 11S复合肥最佳用量大白菜为 14 14～ 170 0kg·hm-2 ,芹菜为 2 0 6 2～ 2 4 78kg·hm-2 。     

不同培养基成分对薄荷试管苗生根的影响

[目的]筛选薄荷试管苗生根的最佳培养基组合。[方法]以薄荷试管苗茎段为试验材料,探讨不同培养基成分、凝固剂种类及添加量对其生根的影响。[结果]在薄荷试管苗培养过程中,使用琼脂为凝固剂,且添加量为7 g/L的1/2MS培养基时,其生根时间最短,生根数和生根长度较高。[结论]为薄荷试管苗的大规模、优质、高效生产提供理论依据。     

复杂疾病的遗传咨询技术

复杂疾病大面积爆发使人们的生活健康面临着重大挑战。在这一环境下,遗传咨询在人们的生活中占据了越来越重要的地位。依据基因与环境互作共同影响个体健康的原理,咨询者在遗传咨询师的指导帮助下合理解决各种遗传学问题可以有效降低复杂疾病的发病率。目前国内的遗传咨询发展尚处于萌芽期,随着遗传咨询在健康领域的地位上升,该技术在未来将会进一步推广应用。     

Proximal sensor-enhanced soil mapping in complex soil-landscape areas of Brazil

Portable X-ray fluorescence (pXRF) spectrometry and magnetic susceptibility (MS) via magnetometer have been increasingly used with terrain variables for digital soil mapping. However, this methodology is still emerging in many countries with tropical soils. The objective of this study was to use proximal soil sensor data associated with terrain variables at varying spatial resolutions to predict soil classes using the Random Forest (RF) algorithm. The study was conducted on a 316-ha area featuring highly variable soil classes and complex soil-landscape relationships in Minas Gerais State, Brazil. The overall accuracy and Kappa index were evaluated using soils that were classified at 118 sites, with 90 being used for modeling and 28 for validation. Digital elevation models (DEMs) were created at 5-, 10-, 20-, and 30-m resolutions using contour lines from two sources. The resulting DEMs were processed to generate 12 terrain variables. Total Fe, Ti, and SiO₂ contents were obtained using pXRF, with MS determined via a magnetometer. Soil class prediction was performed using the RF algorithm. The quality of the soil maps improved when using only the five most important covariates and combining proximal sensor data with terrain variables at different spatial resolutions. The finest spatial resolution did not always provide the most accurate maps. The high soil complexity in the area prevented highly accurate predictions. The most important variables influencing the soil mapping were MS, Fe, and Ti. Proximal sensor data associated with terrain information were successfully used to map Brazilian soils at variable spatial resolutions.     

基于气候变化和地形湿度指数的锡林浩特市水土流失趋势分析

气候因子和土壤水分是影响水土流失的重要因素,将气候因子与地形湿度指数相结合进行分析,对于预测研究区的水土流失趋势具有指导性的作用。以锡林浩特市为研究对象,利用Excel分析近10a来锡林浩特市气候变化趋势,结果表明:平均气温上升,降水量减少,平均风速增加,气候条件的变化使得草地生产力下降。以锡林浩特市数字高程图为基础,利用GIS的分析功能计算地形湿度指数。根据行政区划找出研究区域内地形湿度指数较小的区域,基于气候变化和地形指数进行综合分析得出:毛登牧场、白音希勒牧场、宝力根苏木3个地区土壤含水率较低,气候变化背景下,这3个地区风力侵蚀更易发生,因此应采取相应保护措施减少不必要的人类活动造成的水土流失。     

引入地形因子的黑土区大豆干生物量遥感反演模型及验证

为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型.结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高.2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4％,验证结果显示预估精度为96.2％.反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据.     

秦巴山区土地利用时空格局及地形梯度效应

自然景观的垂直地带性为区域土地利用的垂直景观格局奠定了基础,同时也决定了垂直景观带上土地利用的强度及其变化情况。该文采用地形位指数、分布指数、土地利用程度综合指数和土地利用信息图谱法等,分析了1989-2010年秦巴山区土地利用格局的地形梯度效应和图谱信息,揭示地形控制下土地利用时空格局和土地转移的变化规律。结果表明:1)秦巴山区土地利用以林地和耕地为主,呈西林东耕分布;1989-2010年间林地减少显著,建设用地增加明显,其中耕地是建设用地主要转入来源,林、草地是耕地主要转入来源。2)秦巴山区各生态亚区用地类型差异明显,各生态亚区土地利用转移方向也存在差异性。3)秦巴山区土地利用强度指数呈东高西低,中高周低的态势;土地利用强度变化率稳定少动,增加趋势不明显;土地利用动态度呈中高周低的态势,整体变化不大。4)水域、建设用地和耕地主要集中在地形起伏度小和坡度小的低地形位,且耕地主要转移为其他两种用地类型,建设用地有向中低地形位分布的趋势。林地和草地集中在地形起伏大、坡度陡的中高地形位,且存在着相互转移演替现象,中低地形位往往是耕地、林地、草地间的相互转换,未来势必加强坡耕地和低山丘陵区林草地的管治工作。     

适应玉米的溶磷细菌筛选及其对玉米生长的影响

从石灰性土壤中分离获得4株高效溶磷细菌X5、X6、Z4和Z8,研究其生物学特征,探索其单独及复合的溶磷促生潜能。研究发现菌株X5、X6、Z4和Z8均可以利用玉米根系分泌物作碳源生长。菌株X6和Z4均能产生吲哚乙酸(IAA)和铁载体,菌株Z8可产生IAA不产生铁载体,菌株X5可产生铁载体不产生IAA。盆栽试验结果表明,接种单一溶磷菌及4株菌复合处理均可促进玉米生长,但复合菌群的溶磷促生效果显著高于单一菌株。通过16S r RNA基因序列分析研究菌株的分类地位,初步鉴定X5、X6、Z4、Z8分别为荧光假单孢菌(Pseudomonas fluorescens)、草假单胞菌(Pseudomonas poae)、巨大芽孢杆菌(Bacillus megaterium)和枯草芽孢杆菌(Bacillus subtilis)。     

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。