Root structure,distribution and biomass in five multipurpose tree species of Western Himalayas

【Title】

【Author】

【Addresses】1

The tree root distribution pattern and biomass of seventeen year old trees of Grewia optiva, Morus alba, Celtis australis, Bauhinia variegata and Robinia pseudoacacia were studied by excavation method. B. variegata roots penetrated to a maximum depth of 4.78 m, whereas, M. alba roots were found down to 1.48 m depth. Lateral spread was minimum in B. variegata （1.10 m）and maximum inR. pseudoacacia （7.33 m）. Maximum root biomass of 6.30 kg was found in R. pseudoacacia and minimum （2.43 kg） was found in M. alba. For four species viz.,G. optiva, M. alba, C. australis andR. pseudoacacia, 68%-87% root biomass occurred within top 0-30 cm soil depth, but forB. variegata this was only45%. The soil binding factor was maximum in G. optiva and minimum in B. variegata. Soil physico-chemical properties also showed wide variation. The study suggests thatB. variegata with a deep root system is the most suitable species for plantation under agroforestry systems. R. pseudoacacia and G. optiva with deep root systems, more lateral spread and high soil binding factor are suitable for plantation on degraded lands for soil conservation.     

土壤粒径空间预测方法研究综述

土壤粒径（砂粒、粉粒和黏粒）是各种陆表过程和生态系统服务评估等模型的关键参数。作为一种土壤成分数据,土壤粒径的空间预测方法有和为1（或100%）等特殊要求,其空间分布精度受预测方法影响较大。本文针对土壤粒径相较于其他土壤属性的特殊性,提出了土壤粒径空间预测方法框架,综述了土壤粒径数据变换、空间插值和精度验证等系列方法,总结了提升土壤粒径空间预测精度的各种途径,包括通过有效的数据变换改善数据分布、结合数据分布特点选择合适的预测方法、结合辅助变量提升制图精度和分布合理性、使用混合模型提升插值精度、使用多成分联合模拟模型提升预测的系统性等。最后,提出了今后土壤粒径空间预测方法研究的未来方向,包括从考虑数据变换原理和机制角度改善数据分布、发展多成分联合模拟模型和高精度曲面建模方法,以及引入土壤粒径函数曲线并与随机模拟结合等。     

科尔沁沙质草甸土壤微生物数量的垂直分布及季节动态

通过对中国农牧交错带科尔沁沙质草甸土壤微生物数量的垂直分布及其季节动态的研究分析表明:(1)微生物总数、细菌和放线菌数量均表现出与降雨量同步的季节动态,即6月份较5月份有所减少,7月份增至最多,7月份以后微生物数量逐渐下降,真菌则表现出从5月份到8月份一直增加,9月份开始回落;(2)土壤微生物具有明显的垂直分布差异.细菌和放线菌的垂直分布表现出随土壤深度增加逐渐减少的趋势,真菌数量表层最高,20 cm以下变化不够规律;(3)土壤微生物的层化比率均大于2(5月份放线菌除外);(4)不同土壤生态因子对微生物的影响不同,相同因子对不同微生物类群的影响也不相同.细菌受水分影响较大,真菌与地温的变化趋势相近,放线菌与水热条件的共同作用有关.土壤养分(有机碳和全氮)与微生物数量呈显著的正相关.     

室内模拟水位下退耕还湿地表层土壤温室气体排放研究北大核心CSCD

在中国科学院东北地理与农业生态研究所的科研温室中,进行了实验期为60 d的室内模拟实验,在-5 cm、0 cm和5 cm的模拟水位下,测定和计算出采集自洪河国家级自然保护区的2010年、2014年、2016年弃耕的退耕还湿地和天然小叶章沼泽表层(0~20 cm深度)土壤的CO2、CH4和N2O排放通量。研究结果表明,随着水位的上升,2010年、2014年、2016年弃耕的退耕还湿地和天然小叶章沼泽表层土壤的CO2和N2O排放通量在减小;与-5 cm和5 cm的模拟水位下相比,0 cm水位下表层土壤的CH4排放通量相对最大;随着实验天数的增加,2014年、2016年弃耕的退耕还湿地和天然小叶章沼泽表层土壤CH4排放通量在波动增大;水位越高,其对退耕还湿地表层土壤CO2、N2O总排放量和温室气体的全球增温潜势的抑制作用越明显。     

放牧对浑善达克沙地丘间低地植被群落及土壤的影响

为探究放牧对丘间低地植被群落及土壤的影响,分析了浑善达克沙地丘间低地在重度和轻度放牧下植被的地上生物量、物种重要值、物种丰富度、Shannon-Wiener多样性指数、Pielou均匀度指数、Simpson生态优势度指数及0~10 cm土壤中黏粒、粉粒、砂粒、有机碳和全氮含量。结果表明：（1）植被地上生物量、土壤黏粒、粉粒、砂粒、土壤有机碳和全氮含量在不同放牧程度下存在极显著差异（P<0.01）,物种丰富度、Shannon-Wiener多样性指数和Pielou均匀度指数在不同放牧程度下差异不显著（P>0.05）,Simpson生态优势度指数在不同放牧程度下差异显著（P<0.05）。（2）放牧区植被以禾本科为主,禾本科植被地上生物量占整个植被群落的54.88%~57.76%;重度放牧区植被地上生物量为63.59 g·m^-2,比轻度放牧区低26.61%。（3）羊草（Leymus chinensis）和狗尾草（Setaria viridis）是放牧区的优势种,其重要值依次为14.16%（重度放牧区）和19.10%（轻度放牧区）、13.40%（重度放牧区）和15.42%（轻度放牧区）,重度放牧下雾滨藜（Bassia dasyphylla）、克氏针茅（Stipa krylovii）和猪毛蒿（Artemisia scoparia）的重要值较显著高于轻度放牧区,而羊草则低于轻度放牧区。（4）重度放牧加剧了土壤沙漠化,使砂粒含量增加,草地生产力下降,土壤有机碳和全氮含量降低。     

松嫩典型黑土区耕地黑土层厚度数字制图方法比较

黑土层厚度与农田土壤肥力和质量密切相关,准确刻画东北松嫩典型黑土区耕地黑土层厚度的空间分布对黑土地保护和农业可持续发展具有重要意义。然而,常用的预测模型在平原漫岗地区进行数字制图具有较大的难度,如何准确预测黑土层厚度的空间分布特征是亟待解决的问题。选取东北地区松嫩典型黑土区作为研究区,以研究区内106个剖面点和45个环境因子为基础数据,通过因子重要性排序和相关性剔除法筛选变量,利用多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、梯度提升树(Gradient Boosting Decsion Tree,GBDT)、极端梯度提升(Extreme Gradient Boosting,XGBoost)、随机森林回归克里格(Random Forest-Regression Kriging,RF-RK)和堆叠泛化模型(Stacking)对黑土层厚度进行空间预测制图,评估不同模型预测精度并研究影响黑土层厚度空间分布的最优协变量,并基于较优模型绘制东北黑土区耕地黑土层厚度分级图。结果表明：(1) Stacking组合多种模型的...     

西藏自治区的土壤理化特性探讨

通过对西藏自治区主要土壤类型的实地踏勘和采样分析,并结合全国土壤普查资料的结果进行分析,揭示了本区土壤具有4点特性:即多砾石性、砂质性、成土幼年性和低矿化的富有机质性。因此,在改良本区土壤时,应重视去石与防治沙漠化措施,加强矿质养分肥料的施用,稳定有机肥的投入。     

流动沙地灌丛内外生境中土壤动物群落结构研究

以中国科学院奈曼沙漠化研究站为依托,调查了小叶锦鸡儿灌丛内外生境中土壤动物群落特征及土壤理化特性,分析了灌丛内外生境中土壤动物群落结构的差异性,并探讨了土壤动物对灌丛覆盖流沙地表产生小生境的响应特征。结果发现,共捕获土壤动物30科,优势类群有大赤螨科、等节跳科和虱啮科,常见类群有球角跳科,中型土壤动物占绝对优势。土壤动物密度、类群数和多样性指数灌丛内显著高于灌丛外（p<0.05）;土壤动物群落均匀度和优势度变化趋势相反,但灌丛内外无显著差异性（p>0.05）。调查季节（夏季）灌丛内外小生境的土壤温度、酸碱度及有机碳含量差异是主要影响因素。流动沙地灌丛下生境中土壤动物分布表现出了明显的聚集现象,土壤动物多样性显著增加,表明小叶锦鸡儿灌丛覆盖流动沙地后能够显著改变土壤动物生存的微生境,从而导致土壤动物群落结构发生了深刻变化。而且,由于对灌丛内外微生境的选择性和适应性差异,动物类群产生了不同的响应模式。     

Denitrification potential of marsh soils in two natural saline-alkaline wetlands

Little information is available on denitrification potential of marsh soils in natural saline-alkaline wetlands. The denitrification potentials of an open wetland in the floodplain(Erbaifangzi wetland) and a closed wetland(Fulaowenpao wetland) in backwater areas in Jilin Province of Northeast China were monitored by an anaerobic incubation at 30℃ for 25 days. Our results showed that the relative denitrification index(RDI) increased gradually with incubation time, and showed a rapid increase in the first 5 days of incubation. The RDI values declined quickly from surface soils to subsurface soils and then kept a small change in deeper soils along soil profiles over the incubation time. Denitrification proceeded much faster in the top 20 cm soils of open wetland than in the closed wetland, whereas no significant differences in RDI values were observed in deeper soils between both wetlands. The RDIs were significantly negatively correlated with bulk density and sand content, while a significantly positive correlation with clay content, soil organic matter, total nitrogen and phosphorous. The maximum net NO–3-N loss through denitrification in 1 m depth were higher in the open wetland than the closed wetland with higher soil pH values. Future research should be focused on understanding the influencing mechanisms of soil alkalinity.     

基于机器学习模型的区域土壤重金属空间预测精度比较研究

为识别区域土壤重金属的空间变异特征并厘清其影响因素,本研究构建了多元线性回归（MLR）、弹性网络回归（ENR）、随机森林（RF）、随机梯度提升（SGB）、堆叠（stacking）集成模型、反向传播神经网络（BP-ANN）、基于模型平均的神经网络集成（avNNet）、线性核支持向量机（SVM-L）和高斯核支持向量机（SVM-R）共九种机器学习模型,利用山东省中部土壤重金属（Cd、Cu、Hg、Pb和Zn）和环境辅助变量数据,开展区域土壤重金属空间预测精度比较研究。结果表明：RF对五种重金属空间预测的决定系数（R²）介于0.263~0.448之间,平均绝对误差（MAE）和均方根误差（RMSE）分别小于8.408和10.636,预测值/实际值（P/O）均接近于1,对五种重金属的预测效果均较为理想,是研究区土壤重金属空间预测的最优模型;SVM-R整体预测性能仅次于RF,各项精度评价指标均相对稳健,可作为备选模型;其余七种模型的预测性能均明显低于RF和SVM-R。RF的空间预测结果显示,研究区五种重金属呈现出相似的空间分布格局,含量均由研究区东北部向西南部递减,包括东北部、北部和南部3个高值区,且高值区与当地工业–交通密集区的分布格局一致,反映出人类活动是研究区土壤重金属空间分异的主要影响因素。本研究可为区域土壤污染调查、评价和管控提供科学参考。