模拟降水量减少对大豆-冬小麦轮作农田土壤呼吸的影响

为研究降水量减少对旱作农田土壤呼吸的影响,设置大豆-冬小麦轮作田间试验.采用随机区组试验,在田间设置对照（CK）、降水量减少20%（P20%）、降水量减少40%（P40%）处理,观测了3个处理土壤呼吸、土壤温度、土壤湿度的季节动态变化,并观测土壤CO₂产生速率、硝化速率、反硝化速率、收获时的作物生物量.结果表明,在大豆生长季,CK、P20%、P40%这3个处理的季节平均土壤呼吸速率分别为（4.91±0.67）、（4.19±0.39）、（4.35±0.32）μmol·（m²·s）^-1,处理间差异未达到显著水平（P>0.05）;在冬小麦生长季,这3个处理的季节平均土壤呼吸速率分别为（2.39±0.17）、（2.03±0.02）、（1.94±0.05）μmol·（m²·s）^-1,表现为CK > P20% > P40%,处理间差异达到显著水平（P>0.05）.降水量减少降低了土壤CO₂产生速率,但对土壤硝化速率和反硝化速率的影响不明显.降水量减少对大豆根、茎叶、籽粒生物量无显著（P>0.05）影响,但显著（P<0.05）降低了冬小麦的根、茎叶、籽粒生物量.土壤温度是影响土壤呼吸季节变异的主要因素,两者间呈指数回归关系,不同处理间的温度敏感系数（Q₁₀）无显著（P>0.05）差异.     

铅锌冶炼厂周边农田土壤重金属污染空间分布特征及风险评估

以焦作某铅锌冶炼厂为例,采用网格布点法在冶炼厂周围64 km2范围内采集表层农田土壤样品135个.在实验室测定了土壤重金属(Cu、Zn、Pb、Cr、Cd、Ni、V、Co)含量,利用Arcgis 10.1进行克里格插值分析研究区域农田土壤中重金属的空间分布特征,并利用富集因子法、潜在生态风险以及健康风险模型对研究区域农田土壤中重金属污染状况及潜在风险进行评价.结果表明,研究区域农田土壤中Cd、Pb、Cr、Zn的平均值均高于河南省A层土壤元素背景值,Cd的平均值为国家土壤环境质量二级标准的2.8倍;研究区域内总体污染分布呈西高东低,中部冶炼厂附近为Pb、Cd重度污染区,在3 km范围内距离工厂越近污染越严重.在研究区域内,Cd为重度污染,部分样点Pb、Cu、Zn污染较严重,Cr、Co为轻度污染,Ni和V几乎不受工厂影响.风险评估结果显示,研究区域内Cd存在严重的潜在生态风险和健康风险,Pb、Cu存在较严重潜在生态风险,Cr存在较严重的致癌风险.     

北京地区部分农田土壤无机磷形态分析

为了解北京地区部分农田土壤磷赋存形态及其含量,选取了北京多区县农田为采样区域,采集土壤样品62个,测定了全磷、二钙磷、八钙磷、铝磷、铁磷、闭蓄态磷和十钙磷含量.结果表明,采样区域的土壤样品基本处于富磷状态,全磷含量为549.4—2474.8 mg·kg-1;有效磷(二钙磷)和作为第二有效磷源的铝磷、铁磷含量偏高,而潜在磷源(闭蓄态磷及十钙磷)含量偏低.为此,应注意有效利用土壤中的有效磷及第二有效磷源,兼顾节约用磷和降低磷的径流流失风险.     

基于PMF模型的农田土壤重金属源暴露风险综合评价:以浙江省某电子垃圾拆解区为例

为探究农田土壤重金属污染特征、来源及其人体健康风险,为农田污染治理提供重要科学依据,采集了浙江省典型电子垃圾拆解区周边农田133个表层（0~20 cm）土壤样本,测定了土壤Cd、Pb、Cr、Cu、Zn、Ni、As和Hg含量,运用多种方法评价重金属污染程度及生态风险,采用正定矩阵因子分解法（PMF）融合地统计学,解译污染来源及定量各个污染源的贡献度,将源解析结果和人体健康风险评价模型相结合,从来源暴露角度评价了各个污染源对人体健康的风险.结果表明,ω（Cd）、ω（Pb）、ω（Cr）、ω（Cu）、ω（Zn）、ω（Ni）、ω（As）和ω（Hg）平均值：0.76、65.22、92.02、103.92、198.49、36.65、5.97和0.20 mg ·kg^-1,Cd和Cu含量平均值均高于农用地土壤污染风险筛选值,点位污染占比分别为85.71%和96.24%.Pb、Cr、Zn和Ni含量平均值超过浙江省温黄平原土壤背景值,As和Hg在限值内.污染评价结果表明,土壤综合潜在生态风险以轻-中度为主,占比达90.98%,较高和高度风险占比都为4.51%,Cd为主要潜在生态风险元素.研究区重金属污染来源主要为电子垃圾拆解工序污染源（26.82%）、燃煤及交通排放混合源（34.50%）、自然母质及农业投入混合源（25.59%）和电子垃圾酸洗径流及固废淋溶来源（13.09%）.儿童重金属暴露健康风险显著大于成年人,自然母质和农业投入混合源对人体健康风险贡献最多,Cr是对人体健康风险影响最大的元素.     

基于机器学习的长江流域农田氮径流流失负荷估算

定量解析长江流域农田氮径流流失特征是实现长江及其河口氮污染有效控制的关键科学基础.基于收集的长江流域570个旱地和434个水田田间氮径流流失数据组,采用相关性分析、结构方程模型、方差分解和机器学习方法,探究了影响旱地和水田总氮径流流失强度的主要因素,建立了基于机器学习的长江流域旱地和水田总氮径流流失强度预测模型,量化了长江流域农田总氮径流流失负荷.结果表明,径流深、施氮量和土壤氮含量是影响旱地总氮径流流失强度的主要因素;径流深和施氮量是水田总氮径流流失强度的主要影响因素.与分类与回归树、多元线性回归和增强回归树方法相比,采用随机森林算法构建的长江流域旱地和水田总氮径流流失强度预测模型具有更高的精度（R²为0.65~0.94）.基于随机森林算法的预测模型估算的2013年长江流域农田总氮径流流失负荷（以N计）为0.47 Tg ·a^-1（旱地：0.25 Tg ·a^-1;水田：0.22 Tg ·a^-1）,中下游地区贡献了58%的流失负荷.模型预测5种防治情景下的长江流域农田氮流失负荷可削减2.4%~9.3%,其中减少径流量的削减效果最为显著.长江流域农田氮面源污染防治必须协同加强氮肥精准管理、减少农田径流量和提高土壤氮利用,且应将重点放在中下游地区.所发展的基于机器学习建模方法克服了氮径流流失强度与影响因素之间函数关系难以确定的问题,为估算区域或流域农田氮流失负荷提供了简便且可靠的方法.     

基于APCS-MLR和PMF模型的燃煤电厂周边土壤潜在有毒元素(PTEs)污染特征与来源解析

为探究燃煤电厂周边土壤潜在有毒元素（PTEs）的污染特征及来源,以靖远电厂周边土壤为研究对象,分别采集了36个城市土壤样品和27个农田土壤样品,测定了As、Cd、Cr、Cu、Hg、Ni、Pb和Zn的含量.采用地累积指数法、单因子污染指数法和改进的内梅罗污染指数法对土壤PTEs污染特征进行评估,并利用相关性分析、绝对因子得分-多元线性回归（APCS-MLR）和正定矩阵因子分解（PMF）法定量解析PTEs污染来源.结果表明,除农田土壤As之外,靖远电厂周边土壤其余元素含量均值都高于甘肃省土壤背景值,其中Cd、Cr、Ni和Pb相对较为富集,Hg空间分异较大,受人类活动干扰显著.地累积指数法和单因子污染指数法结果显示,周边土壤污染以Cd、Cr、Ni和Pb为主,Hg的污染范围较广.改进的内梅罗污染指数显示,周边土壤为偏中度-偏重度污染,且城市土壤的综合污染程度高于农田土壤.源解析表明,城市土壤PTEs源自于交通燃煤混合源、交通工矿混合源和工业降尘源,APCS-MLR模型的贡献率分别为35.2%、25.1%和23.4%,PMF模型的贡献率分别为40.2%、12.4%和47.7%;农田土壤PTEs源自于工矿农业交通混合源和交通燃煤混合源,APCS-MLR模型的贡献率分别为40.3%和35.9%,PMF模型的贡献率分别为36.2%和18.0%.此外,PMF模型还识别了贡献率为48.5%的燃煤农业混合源.     

重庆农田土壤有机碳稳定性同位素空间分布特征

对重庆182个典型农田土壤剖面有机碳稳定性同位素组成(δ¹³C_SOC)的测定结果表明,所有剖面土壤δ¹³C_SOC值均随采样深度增加逐渐趋正,表、中和底层均值分别为（-23.63±1.53）‰、（-22.43±1.59）‰和（-21.42±1.90）‰.就地域而言,渝东北土壤δ¹³C_SOC值偏负程度最高,渝中土壤则偏正.水田δ¹³C_SOC值明显偏负,旱地偏正,水旱轮作则居中;三者表层土壤δ¹³C均值分别为（-25.32±0.93）‰、（-23.17±1.37）‰和（-24.75±1.28）‰;不同类型土壤表层δ¹³C均值依序为：水稻土<潮土<紫色土<石灰（岩）土<黄壤.回归树分析表明,表层土壤δ¹³C_SOC值主要受作物类型控制,中底层则主要与土壤类型有关;其它因素如土壤性质（总氮、 SOC和pH）和气象条...     

基于文献计量分析的长江经济带农田土壤重金属污染特征

长江经济带是我国重大战略发展区域之一,理清长江经济带农田土壤重金属污染特征与来源对区域土壤重金属污染防控和农业安全生产具有重要意义.在检索文献数据的基础上,结合空间分析和地累积指数法分析了长江经济带农田土壤重金属（Cd、Cr、Hg、As、Pb、Cu、Zn和Ni）的污染特征、环境风险和主要来源.结果表明：①农田土壤Cd、Cu、Pb、Hg、Zn和As超过农用地土壤污染风险筛选值的比例分别为39.8%、18.5%、8.3%、6.9%、6.9%和6.4%,其中土壤Cd的超标比例最高;②不同区域农田土壤重金属空间分异明显,上游土壤Cr、Cu、Zn和Ni含量高于中游和下游地区,中游土壤Cd、As和Pb含量高于上游和下游地区;③研究区8种重金属的地累积指数分别为：Cd （0.42）>Hg （-0.28）>Pb （-0.32）>Zn （-0.39）>Cu （-0.42）>Cr （-0.7）>As （-0.81）>Ni （-0.73）,其中土壤Cd和Hg地累积风险最高;④长江经济带中上游地区农田土壤重金属累积主要受地质高背景和矿山开采等因素影响,中下游地区主要受到快速城镇化、工业生产和高强度农业利用等因素的影响.针对长江经济带农田土壤重金属污染现状及管控需求,建议加强农田土壤重金属的源头防控,根据重金属污染程度、地质背景和农产品质量等进行农田土壤重金属污染的分区分级管控和分类管理,以期实现长江经济带农田土壤环境质量安全和农业绿色可持续生产.     

中国旱作农田一氧化氮排放及减排:Meta分析

农田是大气污染物一氧化氮（NO）的主要排放源之一.与水稻田相比,旱作农田NO排放量和排放系数高,但其异质性及影响因素尚不明确.目前,我国农田NO排放和减排的研究以原位观测为主,缺乏系统的整合（Meta）分析.通过收集文献数据,定量分析玉米-冬小麦、水稻-冬小麦旱地阶段、蔬菜、茶园和果园等旱作体系NO排放量和排放系数的异质性及主要影响因素;定量评价减量施氮、有机肥替代化肥、配施新型增效氮肥和施用生物质炭等管理措施对NO排放量和排放系数的影响.收集相关文献共计49篇（发表于2006~2021年）.结果表明,玉麦轮作、茶园和果园体系年排放量平均值分别为1.44、7.45和0.92 kg ·hm^-2,在这3个体系间有显著性差异（P<0.05）,稻麦轮作旱地阶段和蔬菜季节排放量平均值分别为2.13 kg ·hm^-2和2.09 kg ·hm^-2.在玉麦轮作、稻麦轮作旱地阶段和茶园体系中,NO排放量均与施氮量呈正相关关系（P<0.01）,但在蔬菜和果园体系中二者无显著相关性.玉麦轮作、稻麦轮作旱地阶段、蔬菜、茶园和果园体系排放系数平均值分别为0.31%、0.71%、0.96%、1.74%和0.13%,除玉麦轮作分别与稻麦轮作旱地阶段和蔬菜体系间的差异不显著外（P>0.05）,在其余体系间均有显著性差异（P<0.01）.由于各体系间排放系数差异大,在编制区域或全国农田NO排放清单时,有必要对各作物体系采用不同的排放系数.减量施氮仅在减氮比例高于25%时可显著降低NO排放量（36%）,但对排放系数的影响不显著.由于减氮比例过高可能会造成作物减产,尚需进一步确定既不影响作物产量又降低NO排放的减氮比例.有机肥替代化肥在土壤有机碳含量低［ω（SOC）<15 g ·kg^-1］或酸性（pH<7）条件下以及配施新型增效氮肥在玉麦轮作农田中可显著降低NO排放量（-46%~-38%）和排放系数（-62%~-45%）,施用生物质炭的影响不显著.可为不同田间条件下分别采取有效的NO减排措施提供依据.     

Changes in distribution patterns of weed species richness in agricultural lands on Qinghai-Tibet Plateau under climate change北大核心CSCD

农田杂草是阻碍农业生产的主要因素之一.明确农田杂草丰富度分布格局对农业生产管理具有重要意义.以青藏高原农田杂草为研究对象,利用物种分布模型探讨基于县域尺度的农田杂草物种丰富度分布格局及其未来(2050s)的变化,利用逐步回归筛选影响物种丰富度的环境因子,基于传统最小二乘法(OLS)和地理加权回归模型(GWR)分析环境因子对农田杂草物种丰富度的影响,并对两种分析方法进行比较.结果显示:(1)分布在青藏高原的农田主要杂草有51科284种,其中59种单子叶杂草、222种双子叶杂草、135种一年生杂草和149种多年生杂草.青藏高原农田杂草物种丰富度呈由西向东递增的变化规律,物种丰富度中心(丰富度值为167-194)主要集中在一江两河、河湟谷地和川西北等地区;(2)全球气候变化背景下,未来(2050s)青藏高原农田杂草物种丰富度整体呈由东南向西北方向增加的趋势,其中SSP1-2.6情境下最多增加43种,SSP5-8.5情境下最多增加49种;(3)GWR模型优于OLS,其结果表明青藏高原农田杂草物种丰富度的主要驱动因子是最冷季平均温、太阳辐射和最干月降水量,上述变量对杂草丰富度的影响存在明显的空间差异性,其中最冷季平均温由南向北逐渐从负向影响转变为正向影响.太阳辐射整体在青藏高原东部边缘等地区对农田杂草丰富度起正向的影响,在藏东南、青藏高原北部边缘等地区起负向的影响.最干月降水量对整个研究区域起负向影响,并表现出影响力由南向北逐步递增的趋势.上述结果表明青藏高原农田杂草物种丰富度调查不足,实际观测到的丰富度值明显低于当前气候下潜在的丰富度值,存在低估现象.当前气候背景下的农田杂草物种丰富度中心分布地区在未来仍是重点监管对象,且未来青藏高原部分地区作物可能面临新的杂草入侵风险.建议未来研究应注重于青藏高原粮食主产区农田杂草群落结构和功能调查、杂草和作物种间关系、耕地尺度上丰富度驱动因子分析等方面,为区域杂草管理和防治提供充分科学依据.(图6表2参53)