覆沙改良科尔沁沙地-松辽平原交错区盐碱地与造田技术研究

为了研究盐碱地改造利用,进行了沙土和盐碱土混合,研究混合后的"沙碱土"特性,并实验了其种植作物的幼苗表现。科尔沁沙地与松嫩平原盐碱地和辽河平原盐碱地在松辽分水岭两侧交错重叠分布,面积达350×10⁴hm²,具有可改造旱田100×10⁴hm²的潜力。当盐碱土中混入40%~60%的沙丘风沙土时,电导率指示的盐分含量降低20%~50%,碱化度降低40%~60%,满足种植玉米、向日葵等旱作作物的条件。此区进行盐碱地"覆沙造旱田"在理论和实践上都具有可行性。     

不同作物原料热裂解生物质炭对溶液中Cd2＋和Pb2＋的吸附特性

选择由小麦秸秆、玉米秸秆和花生壳经350-500℃热裂解制成的生物质炭,研究生物黑炭对水溶液中Cd2＋和Pb2＋的吸附特性,分析了pH值、吸附时间、溶液初始质量浓度、生物质炭粒径和投加量对吸附效果的影响。结果表明：生物质炭对Cd2＋和Pb2＋的吸附约10 min即达平衡;3种生物质炭对Cd2＋和Pb2＋的等温吸附均可用Langmuir方程和Freundlich方程拟合,玉米秸秆炭对Cd2＋和Pb2＋的最大吸附量远大于小麦秸秆炭和花生壳炭;在生物黑炭投加量为150 mg（6 g.L-1）时,3种生物黑炭对溶液Cd2＋的去除率均在90%以上,玉米秸秆炭对溶液Pb2＋的去除率达90.30%,而小麦秸秆炭和花生壳炭的去除率仅为52%和47%,玉米秸秆炭有望成为处理重金属污染废水的新型吸附材料。     

稻麦作物净初级生产力模型研究:模型检验与情景预测

利用我国若干代表性区域98组稻麦作物生产力的试验数据,对所建立的稻麦作物净初级生产力模型进行了检验.结果表明,该模型能根据常规的气象和土壤资料、化肥施用量等数据资料较好地模拟我国主要区域稻麦作物的净初级生产力.模拟值(y)与观测值(x)的线性关系为:y=1.05p-16.8(r²=0.771,p<0.001,n=98).对南京地区的情景预测结果表明:大气CO₂浓度升高促进稻麦作物的固碳能力;气温升高会降低水稻和小麦的碳固定,但对小麦的影响要小于水稻;在当前情景及未来情景(CO₂浓度为540μmol·mol^-1,温度增加1～4℃)下,氮肥施用对小麦碳固定的促进作用大于水稻,氮肥施用量高于150 kg·hm^-2时对2种作物的碳固定没有显著的促进作用,甚至降低水稻的净初级生产力.     

中国农田作物植被碳储量研究进展

作物植被碳储量是全球陆地生态系统碳库的重要组成部分。中国农田作物植被碳储量的估算主要采用参数估算法、遥感资料反演法和环境参数模型法。通过对中国近几十年来全国和区域尺度作物植被碳储量的估算研究,获得了一些作物的经济系数、含碳率和作物收获部分水分系数等估算参数值,探讨了遥感反演和环境参数模型方法,并提出加强农田基本建设、改进农业生产技术与管理、调整作物结构和加强作物秸秆利用等固碳措施。目前对中国农田作物植被碳储量的估算仍存在较大的不确定性,获取的估算参数尚不充分,估算方法和模型有待完善,对作物植被碳储量变化的源/汇效应尚未取得统一认识。虽然在农田生态系统中土壤碳储量（密度）普遍大于作物植被碳储量（密度）,但作物植被碳储量仍然是一个数量可观、并有增加潜力和可能的碳库,其大小及秸秆利用情况直接影响着土壤碳库。因此,对农田作物植被碳储量应分时段和区域具体分析,才能认识其源/汇效应。今后应在以下几方面进一步加强作物植被碳储量的研究：进一步完善和改进估算方法;加强作物植被碳储量估算及固碳措施的区域个例研究,探索不同空间尺度作物植被碳储量的尺度转换;开展作物碳储量动态及固碳机理的综合研究。此外,还应就气候变化与作物植被碳储量的相互耦合关系进行探讨。     

湘中某工矿区土壤及作物砷污染特征及其健康风险评价

为研究湘中某工矿区土壤及作物砷污染特征及健康风险,采集稻田和菜园土壤及对应的糙米和蔬菜样品,测定其砷含量,评价土壤和作物砷污染特征与人类健康风险.研究结果表明,66个稻田土壤样品中,砷含量均值为91.91 mg·kg-1;18个菜园土壤样品中,均值为69.06 mg·kg-1.对应的66个糙米样品中,砷(以无机砷计)均值为0.45 mg·kg-1;61个叶菜类蔬菜样品中,砷含量均值为4.89 mg·kg-1,8个根茎类蔬菜样品中,砷含量均值为1.03 mg·kg-1.单因子污染评价结果表明,稻田土壤样品中砷轻、中、重度污染的比例分别为36.36%、15.15%、28.79%;菜园土壤为:45.45%、39.39%、15.15%;糙米为:38.89%、22.22%、33.33%.蔬菜为:8.70%、18.83%、66.67%.人类健康风险评价结果表明,糙米、叶菜类蔬菜和根茎类蔬菜的日均暴露剂量(ADD)分别为:8.57×10-4、5.43×10-4、0.28×10-4mg·kg-1·d-1,其中糙米和叶菜类蔬菜超过了美国环境保护局(USEPA)和世界卫生组织(WHO)制定的成人砷允许摄入量3×10-4mg·kg-1·d-1.糙米的危险度(HQ)为2.86,叶菜类蔬菜为1.81,根茎类蔬菜为0.09.该工矿区土壤、水稻和蔬菜均存在不同程度的砷污染,对人体健康存在较大的潜在风险.     

青海省东部农业区作物生长期不同气象干旱指标应用研究

干旱一直是制约青海东部农业区农牧业生产最主要的气象灾害。利用青海东部12个气象站点近46年(1961-2006年)的气象资料,计算标准化降水指数(SPI)、降水Z指数和相对湿润度指数(M),并对各干旱指标表征的年、春季和夏季的干旱强度和干旱频率与实际干旱事件进行对比,分析其在研究区的适用性,进而分析研究区的干旱变化特征。结果表明:3种干旱指标相比,相对湿润度指数(M)对实际干旱事件的反映更准确,且能反映出不同地区干旱发生频率的差异。选取相对湿润度指数(M)作为区域干旱监测指标,得出时间上区域的春季干旱强度年干旱强度夏季干旱强度,夏季的干旱强度有不显著的增大趋势,而年尺度和春季的干旱强度有不显著的减小趋势;空间上,区域干旱频率和干旱强度均表现为南高北低的特征。     

大城市郊区典型区域农户作物种植选择行为及其影响因素对比研究——基于沈阳市苏家屯区238户农户的调查研究

研究从农户作物种植选择行为角度出发,以马斯洛需求层次理论为基础,通过构建社会经济及政策变化对农户种植选择行为影响机理分析框架和理论模型,基于沈阳市苏家屯区238户农户调查数据,采用统计分析法和Logistic回归分析,研究结果表明:工业化、城市化进程的加快促进了大城市郊区非农就业机会的增多和对农产品需求的增加,导致农户作物种植业选择行为出现了明显的"非粮化"和"非农化"趋势,不同区域农户作物选择行为存在明显的差异,在空间上形成近郊区以种植粮食作物为主→远郊区兼种粮食作物和经济作物为主→纯农村区以种植经济作物为主的"反杜能圈"式的种植模式特征。在此研究基础上,从外部环境包括城市扩展、经济结构、市场价格变化、政策制度安排和内部环境包括个人特征、家庭特征、资源禀赋等7类因素13个因子对产生差异的影响机理进行分析,结果显示不同区域、不同因子的作用方向、影响程度与显著性表现均有所不同。根据以上的研究结果,政府应该从鼓励农户发展休闲农业、合理引导农户把握市场和培养新型农民等方面入手,优化农业结构调整,促进农村土地合理利用,提高土地利用效率,实现农村土地资源的持续利用。     

内蒙古典型草原作物系数和实际蒸散量的时空分布特征

利用内蒙古典型草原21个气象站点的气象和牧草观测资料,结合潜在蒸散量和改进的作物系数计算方法,模拟计算了2009年草原植被作物系数和实际蒸散量.在GIS软件的支持下,分析了二者的时空分布特点,并通过反映牧草长势的NDVI变化趋势予以验证.结果表明:5-8月间随着月份的增加作物系数Kc_x最大值的变化趋势由0.6→1.2→1.4→1.4,平均值是0.28→0.36→0.40→0.38.4个时期的Kc_x值以0.2~0.6之间的区域占主体,为55%以上.实际蒸散量在时间变化和空间分布上与Kc_x值基本一致.随着月份的增加实际蒸散量低值级的区域面积逐渐缩小,相对应的高值级的面积逐渐增大,整个生长季以30~90 mm的蒸散量为主.5-8月牧草实际蒸散量和NDVI值的相关系数达到0.446,通过了0.01水平的显著性检验.     

安徽省近40年参考作物蒸散量的敏感性分析

利用安徽省79个站点1971—2010年逐日气象资料,采用FAO Penman-Monteith公式计算了近40年安徽省参考作物蒸散量(ET0)以及ET0对日照时数、相对湿度、风速、温度等气象因子的敏感系数,并对ET0的时空分布和4个气象因子敏感系数的时空变化特征进行了分析。结果表明:近40年来安徽省年平均参考作物蒸散量为862 mm,自1971年以来,年平均参考作物蒸散量总体上呈现波动下降趋势;空间分布上,基本呈自北向南、自低向高递减趋势;ET0与平均温度、日照时数、相对湿度和风速的敏感性方面,ET0对相对湿度的变化最为敏感,其次是日照时数、风速,对平均温度的敏感性最低。从近40年各气象因子敏感系数的多年变化特征来看,平均温度、日照时数和风速的敏感系数以平稳波动为主,年际间变化不是很明显,而相对湿度敏感系数则呈现明显的上升趋势(通过0.01的显著性检验),其绝对值有明显的减小趋势,表明相对湿度对参考作物蒸散的敏感性在减弱。在年内变化特征方面,总体来说,相对湿度敏感系数年内变化表现为明显的双峰型变化特征,而平均温度、日照时数和风速年内变化特征为单峰型。在这4个气象要素对ET0的贡献率方面,贡献率最大的是相对湿度,四个影响ET0的气象要素对ET0变化的总贡献为-1.33%。综合敏感性和贡献率两方面因素分析,日照时数和风速的变化趋势在很大程度上解释了ET0呈下降趋势的原因。