优化施肥对春小麦产量、氮素利用及氮平衡的影响

2009 ～ 2010年,在宁夏引黄灌区分别以宁春11号和宁春16号小麦为供试作物,利用田间试验研究了优化施肥(OPT)和习惯施肥(CON)对春小麦产量、氮素吸收利用和土壤硝态氮累积的影响,表观评估了土壤—小麦体系氮素平衡.结果表明,相对于CK处理,OPT和CON都显著提高春小麦籽粒产量地上部生物量,并促进籽粒N和地上...     

心里美萝卜生长动态和氮磷钾营养吸收特性

 对心里美萝卜生长动态及氮磷钾养分吸收规律的研究表明:播种后37～46 d（肉质根膨大初期）整株鲜、干重增长最快,吸收氮磷钾养分量最多。不同时期吸收量及比例不同。肉质根产量在75 812 kg/hm²时,平均每生产1 000 kg肉质根植株需吸收N 3.49 kg,P 0.39 kg,,K 3.46 kg,比例为1∶0.11∶0.99. 收获时植株吸收的各种养分主要贮存在肉质根中。     

智能化海量空间信息分析与地图制图软件包IMAT设计及构建

【目的】在农业与环境研究领域,受研究条件和手段限制,多数研究实际上只能集中于点过程、局部地区或某一时段问题,只能关注某些特定主题相关现象和机制。由此产生大量分散数据。通过坐标关联可以对原先在各自独立研究中获取的不同类型数据与证据进行关联,这种连接可能赋予原先所认知的过程以新的涵义。海量空间数据分析方法能够从多渠道、多角度获得对事物的认知,并能够利用新的数据与证据不断修订假设。大数据分析的主要难点是海量空间信息不仅体量大,还要根据数据异质类型进行差异化抽提、整合和表达,难以采用现有主流软件工具,针对这一问题,本研究旨在创建一个能够以自动化和人机交互方式对异源、异质海量空间信息进行抽提、整合与大尺度、大比例尺专题图表达的专用工具--智能制图工具（IMAT）。【方法】采用海量空间信息分析方法中的流程设计与软件设计原则构建IMAT。总设计由系统体系架构设计、系统数据支撑平台设计、模块与组件模型设计3部分组成。程序采用C#为编程语言,以NET Framework 4 Extended为软件开发环境,同时调用制图软件包ArcGIS、数据库软件包Access与界面制作软件包DotNet Bar控件。【结果】IMAT含38个独立功能模块,覆盖了对农业与环境领域产生的海量空间信息进行抽提与制图表达所需主要功能,各模块既可独立进行某项特定数据分析与处理,例如,海量信息调用、存贮、空间要素统计、分类码审核、赋码、要素筛选、数据整合、制图表达等,也可通过多模块组合,完成一项比较复杂的数据抽提与表达任务,弥补了国内外主流数据库软件包与专业制图软件包与在处理海量空间信息方面的功能缺失。IMAT数据分析对象为海量空间数据库。在进行数据分析时,IMAT能够根据研究目标设定对各异源、异质、异构库进行信息抽提的规则,并以自动化、批量化方式完成海量空间信息的逻辑结构与存储结构整合;在进行制图表达时,IMAT能在全图设定分幅图差异化要素抽提规则,并以智能化、自动化、人机交互方式完成由多图幅组成的大比例尺专题图全图的视图表达。【结论】在对农业与环境主题相关海量空间信息进行分析时,IMAT既适用于土壤类型、土壤质地等以多等级分类系统表示的专题要素,也适用于土壤养分含量、土壤污染物含量、面源污染排放指数等以量化分级指标表达的专题要素;既可用于对多专题要素与图层的综合性信息抽提与复合性制图表达,还能用于进行不同比例尺、不同分幅类型的可视化地图制图。IMAT设计中采用组建化模块与模型设计构筑系统体系架构,提高了设计与研制效率;利用函数化的海量空间数据集四元表达式作为IMAT系统中各空间数据库接口文件,使得IMAT各模块均能够接受和处理处于数据整合与表达进程不同阶段的异质、异构海量空间信息,从而实现了各功能模块的可装配性,分析人员能根据数据抽提、整合和表达目标选择并灵活组合适宜的功能模块。     

滇池流域农田土壤氮素流失影响因子研究

本试验采用田间原位模拟降雨并结合多元线性回归(逐步)的统计分析方法,分别在滇池流域的6个点位研究了旱季和雨季农田土壤的理化性质与氮素流失的关系。结果表明:各点位进行的模拟降雨的产流起始时间、产流历时和平均出水速度,在径流和渗漏两种流失方式下差异显著;两次径流试验中,质地为砂质黏壤土的C-2点(大渔乡元宝村)的初始产流强度和平均产流强度均最大。渗漏是氮素流失的主要方式,流失的形态主要是与NO3--N为主。土壤的孔隙度与降雨平均入渗率呈显著正相关,与径流中总氮(TN)和铵态氮(NH4+-N)的流失量呈负相关。0～20 cm的土壤硝态氮含量与地表径流和渗漏中总氮(TN)、硝态氮(NO3--N)的流失量呈极显著的正相关,是影响氮素流失的最重要因子,且0～20 cm土壤有机质含量与氮素的流失量呈正相关,土壤pH、5～20 cm的土壤含水量均与TN及NO3--N的流失量呈负相关。0～5 cm土壤铵态氮与NH4+-N的流失量呈正相关。     

滇池主要入湖河道口旱季/雨季水体氮磷污染物变化研究*

 分别于旱季和雨季对盘龙江、大清河、宝象河、捞渔河、柴河、东大河等16条主要的滇池入湖河道的入湖口氮、磷污染物含量进行监测,分析不同入湖河道口氮、磷污染物的时间和空间变化。结果表明：无论是旱季还是雨季,流经昆明主城区的河道其入湖口氮、磷污染物的浓度远高于流经呈贡县的河道和流经晋宁县的河道,流经呈贡县的河道其入湖口氮、磷污染物的浓度比流经晋宁县的河道高。在雨季流经昆明主城区的入湖河道其入湖口氮、磷污染物的浓度远低于旱季;流经呈贡县的河道其入湖口氮、磷污染物的浓度雨季比旱季有明显的增加,流经晋宁县的河道其入湖口氮、磷污染物的浓度雨季比旱季有明显的降低。     

宁夏灌区不同类型农田土壤氮素累积与迁移特征

在宁夏灌区选择设施菜田(n=4)和水旱轮作大田(n=4),通过田间多点取样观测和室内分析的方法,研究了2种类型农田土壤氮素累积与分布特点,以及其迁移对浅层地下水的影响。结果表明,设施菜田0~150 cm土壤剖面溶解性总氮(TSN)、硝态氮(NO₃^--N)和溶解性有机氮(SON)含量都显著高于大田,前者分别是后者的1.5~5.6、1.5~3.4倍和1.6~9.8倍。设施菜田土壤氮素主要累积在0~5 cm和5~20 cm土层,而大田主要在40~100 cm土体。设施菜田和大田土壤溶解性总氮占全氮比例分别在5.4%~11.5%和2.2%~4.9%之间,前者的淋失风险较高。设施菜田各形态氮素累积量表现为SON>NO₃^--N>NH₄⁺-N,大田为NO₃^--N>SON>NH₄⁺-N。设施菜田浅层地下水中TSN、NO₃^--N和SON含量也都显著高于大田,前者平均含量分别是后者的9.5、13.8倍和7.0倍。因此,硝态氮和溶解性有机氮都是2种类型农田氮素累积的主要形态,也是浅层地下水污染的重要来源。     

中国农业面源污染形势估计及控制对策 Ⅱ.欧美国家农业面源污染状况及控制

 在全球范围内,农业面源污染正在成为水体污染的主要原因,对农业面源污染的控制不但逐步成为水污染治理的重中之重,也逐步成为现代农业和社会可持续发展的重大课题。20年来,发达国家在农业面源污染治理上主要通过源头控制,对农田面源、畜禽场面源进行分类控制。其核心特征为在扎实的试验研究基础上,发展环境友好的农业生产技术替代原有技术,在各主要水域和水源保护区研究和制定限定性农业生产技术标准。通过技术层面与政策层面的结合,在全流域范围内广泛推行农田最佳养分管理,限制水源保护区农田作物类型、轮作类型、施肥量、施肥时期、肥料品     

石灰性土壤中锰素营养的研究——Ⅲ.土壤中MnSO4的转化及不同形态锰的含量变化

土壤中养分的存在形态不同对作物的可给性不同。从植物营养的角度虽然可将土壤中的锰分为三种形态:即速效锰(为作物直接吸收利用的二价锰)、缓效锰(主要为三价锰的氧化物,易于转化为二价锰)和无效锰(不易为作物吸收利用的四价锰),但用试验手段却很难获得这些结果。习用的方法是采用某种提取剂以提出某一形态的锰。本文根据盆栽试验和土壤测定的资料^[1,2],对易还原态、代换态、有机络合剂络合态、磷酸盐溶解态以及水溶态锰在石灰性土壤中的转化和含量变化进行了初步探讨。     

土壤有机碳作用及转化机制研究进展

对土壤有机碳作用的综述研究显示:直至20世纪末,对于土壤有机碳的研究主要集中于阐明具不同化学结构有机物质在土壤中的功能,如胡敏酸、富里酸、黄腐酸的化学结构特征及在土壤肥力中的作用。中欧近年的研究则更关注按照有机碳在土壤中的转化特征进行分组,尝试建立这一分组与土壤有机碳功能的关联。按照转化特征,土壤有机碳可分为稳定性有机碳和营养性有机碳两大类型。前者主要指封存于土壤黏粒中的有机碳,很难被土壤微生物分解和矿化。后者主要指通过作物收获后地表及根系残留物、还田秸秆、有机肥施肥进入土壤的有机碳,是土壤有机碳中易于转化的、活跃的组分,也是形成土壤腐殖质和团聚体的主要前体物质。对土壤肥力具有重要意义。多点长期定位试验研究结果显示:土壤有机碳含量实际上表达了土壤中有机碳输入与分解两个过程的动态平衡。当输入量小于矿化量,将导致土壤有机碳含量和土壤肥力下降。当每年输入的有机碳量大于矿化量,土壤有机碳含量会持续上升;直至每年输入量与矿化量相等,土壤有机碳含量不再增加,此时,土壤有机碳含量达到平衡点。在一般农业生产条件下,达到平衡点的时间周期为20—30年。在营养性有机碳投入量过高情况下,这一动态平衡系统也会...     

海量空间数据提取、整合与制图表达方法概要

海量空间数据提取、整合与制图表达方法是农业与环境科学、地学、制图学、信息科学及计算机科学多个学科方法融合形成的新方法,主要是通过数据模型设计和海量空间信息分析与制图表达流程设计,对农业与环境领域产生的海量、异源、异质、异构、异形信息进行有效的抽提、关联、分析与专题图制图表达。该方法可用于对不同地区、不同时段、不同调查获得的海量观测数据、地图数据、遥感影像数据进行抽提与分析,从而能适应现代农业与环境研究主题中,研究区域尺度变大、对区域内信息精度要求提高、对系统内多要素进行量化表征的需求。依据笔者多年科研实践,本文介绍了这一方法的边界与内涵、应用范围、相关概念、基本思想与主要内容,为农业与环境领域的科研及管理人员了解和在今后采用这新的一方法提供参考。本方法作为一种大数据分析方法,可广泛用于土壤资源数量与质量评价、气候变化、作物适生性分析、环境质量演变、农业面源污染源防治、水土流失防治、抗旱防涝减灾等多专业领域,也可用于对土壤肥力、环境质量等要素进行精准化、定量化和可视化表达,使农民和相关行业技术人员更易于采用现代技术和公益性科研成果,并为国家实施农业与环境奖惩政策提供科学依据。海量空间数据分析方法的核心是根据科学目标界定对海量空间信息的分类依据,并按照信息类型对异源空间信息进行赋码、抽提与表达。由于海量空间数据集数据结构的水平与垂直方向特征,在对海量空间信息进行分析时需要采用空间集四元表达式。利用四元表达式判定各异源数据逻辑结构与存储结构异同,以逻辑结构的归一化带动对实体库的抽提、整合与表达。在农业与环境科学研究范畴应用本方法时,易出现的问题是数据分析处理过程中科学目标的弱化以至迷失。因此不仅在进行海量空间信息分析之初需要准确界定科学及专业目标,分层次进行数据分析流程设计,在数据分析过程中还应当及时审视科学或专业目标的落实。农业与环境领域专业人员对数据分析科学目标理解最到位,应完成高层级分析流程设计,并按方法学规范编制流程设计文档。