不同还田方式下稻草的腐解速率及养分释放规律

采用尼龙网袋法和砂滤管法研究了稻草不同还田方式下的腐解及养分释放规律。结果表明：稻草还田后，前期腐解快，后期较慢。翻埋还田的稻草腐解速率明显快于覆盖还田稻草，整个试验期间（210d）翻埋还田的稻草腐解率达到76．55％，而覆盖还田的稻草仅为53．50％。稻草覆盖与翻埋两种还田方式下养分释放速率均以钾（K）最快，磷（P）次之，氮（N）最慢。还田10d内，两种方式下K分别释放了50．32％和90．13％。稻草与土壤充分混合条件下，稻草和土壤矿化释放的氮以NO3-N为主（〉80％），NH4-N和可溶性有机氮较少；在稻草还田后的前40d存在土壤微生物与作物竞争土壤矿质氮的现象，40d之后此现象消失，稻草开始氮的净矿化；在稻草埋入土壤时同时配施适量的氮肥，则不会出现微生物的夺氮现象。整个试验期间，该土壤氮净矿化量达90．4mg／kg土。     

基于神经网络模型的中国表层土壤有机质空间分布模拟方法

基于全国第二次土壤普查得到的6 241个典型土壤剖面数据,采用主成分分析方法和径向基函数神经网络模型建立不同植被类型—土纲单元内土壤有机质与气候、地形和植被等环境因子间的非线性关系,模拟全国表层土壤有机质的空间分析格局。结果表明,该模型具有较准确的预测能力,性能指数达到1.94。与普通克里格法、反比距离法和多元回归模型相比,神经网络模型对621个验证点模拟结果与实测值的相关系数为0.799,分别提高了0.265、0.181和0.120,平均绝对误差分别降低了4.25、4.43和2.34 g/kg,平均相对误差分别降低了30.16%、32.66%和5.93%,均方根误差则分别降低了8.61、8.24和6.24 g/kg;从模拟结果图来看,神经网络模型能够提供更多的细节信息。该方法为大尺度土壤性质空间分布模拟提供了有益的参考。     

基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

应用灰关联分析法对成都龙泉山区饮用水质量分析

通过对成都龙泉山区主要饮用水源宝狮湖的自来水一厂处河流和东风渠大面镇河段的自来水二厂处河流进行断面监测，运用灰关联分析方法，对饮用水环境进行综合分析。结果表明：各监测断面均属于Ⅰ类标准，自来水一厂的断面1、2与Ⅰ类标准之间的关联度为0．96，东风渠大面镇河段的断面3与Ⅰ类标准之间的关联度为0．94，符合生活用水的标准。同时针对龙泉山区的水质特点提出适当建议，使今后龙泉山区的经济与水环境达到持续协调发展。     

川中丘陵区不同母质发育的紫色土水分特征

通过测定川中丘陵区三种主要母质（沙溪庙组灰棕紫色砂泥岩、遂宁组红棕紫色泥砂岩及蓬莱镇组暗紫色砂泥岩）发育的紫色土的耕作层土壤水分特征曲线及其相关物理性质，并结合冬小麦耗水量盆栽实验，比较了基于不同母质条件下的三种主要紫色土耕作层土壤的水力特征差异。结果表明：本研究区二台土上由三种不同母质发育的土壤其持水性为棕紫泥土（蓬莱镇组）〉灰棕紫泥土（沙溪庙组）〉红棕紫泥土（遂宁组）；有效水含量及对冬小麦的水分有效性为灰棕紫泥土（沙溪庙组）〉棕紫泥土（蓬莱镇组）〉红棕紫泥土（遂宁组）；全生育期内耗水量为灰棕紫泥土（沙溪庙组）〉红棕紫泥土（遂宁组）〉棕紫泥土（蓬莱镇组）。     

1981-2011年川南山区地温和气温的变化特征

利用气象站点1981—2011年逐日0 cm土壤温度和气温数据，运用基本统计、线性回归、累积距平和信噪比分析了川南山区6个分区地温和气温的空间分布、变化趋势以及突变特征，分析并对比了地温和气温的关系。结果表明：川南山区年均地、气温变化范围分别在15.6~20.5 ℃和12.2~17.2 ℃之间，呈现出北低南高、高山低河谷高的空间分布格局。31 a来6个分区的年均地、气温均有显著上升趋势，但季节变化差异明显，冬季地、气温的增温率高于夏季。从不同区域来看，高山地带(Ⅵ区)的年、季增温趋势最为显著，是其他区域的2~6倍，且地、气温在1990年左右发生突变；河谷地带(Ⅱ区)的年、季温度变化最小且未发生突变。各区地温和气温呈极显著正相关(P<0.01)，具有较高的一致性，但也存在非对称增温现象。山地(Ⅲ、Ⅴ、Ⅵ区)的年均、季均地温和河谷(Ⅰ区)的春季地温增温比气温更加强烈，故地气温差出现显著上升趋势，甚至发生突变。