Institutional Repository of Xinjiang Institute of Ecology and Geography, CAS
Not a member yet
7341 research outputs found
Sort by
Carbon Benefits of Desulfurization Gypsum Addition in the Process of Saline-alkali Soil Improvement
No full text盐碱土是地球上广泛分布的一种重要的土地资源， 是可溶性盐过多的盐土和含代换性钠较多的碱土的统称。 盐碱土会使土壤板结、 肥力下降， 抑制作物的正常生长， 严重制约生态环境的改善。 脱硫石膏是火电厂在脱硫环节中产生的副产物， 利用其对盐碱土改良的同时， 也影响着作物的生长和土壤碳库的变化。 本研究采取田间施加和室内土柱模拟实验相结合， 以绿洲典型盐土和碱土作为研究对象， 通过添加不同数量脱硫石膏（六个梯度： 0、 10、 20、 21.78（理论量） 、 30、40 t/hm2） ， 研究了脱硫石膏在盐碱土改良过程中的碳收益。 主要研究结果如下：（1） 脱硫石膏添加对典型碱土土壤碳的影响：随着脱硫石膏添加量增大， 改良层 0-20 cm， SIC 含量由 5.57 g/kg， 增加到7.76 g/kg； 土壤剖面 0-100 cm， SIC 含量明显增加， 表明脱硫石膏添加促进了无机碳的聚积； 不同土层， 随着土层深度的增加， SIC 含量在减小， 在 80-100 cm土层达最低， 并且， SICD 随脱硫石膏添加量呈现 S 型分布， 在脱硫石膏添加量为 30 t/hm2时达最大。 随脱硫石膏添加量增加， 土壤剖面 SOC 含量变化较小，数值大小为 0.99 -1.41 g/kg， SOCD 值为 0.14-0.23 t/hm2。随土层深度的增加， SOC含量减小， 而 SOCD 值增加（P＞0.05） 。 结果表明， 脱硫石膏改良碱土过程，有效促进了 SIC 的聚积， 而对于 SOC 作用不明显。（2） 盐土、 碱土改良中碳聚积：a. 盐土、 碱土土壤碳含量变化特征： 加入脱硫石膏后， 盐土 SIC 含量无明显增加（P＞0.05） ， 其含量为 6.73-7.53 g/kg， 而碱土， SIC 含量明显增加， 其含量为 4.83-6.57 g/kg； 盐土 SOC 含量， 相比对照组（脱硫石膏添加量为 0） 数值减小了 1.4 g/kg， 数值范围在 3.31-3.67 g/kg， 而碱土 SOC 含量无明显变化（P＞0.05） 。 总体上， 土壤碳含量（SOC 或 SIC） ， 盐土高于碱土。b. 盐土、 碱土作物地上/地下生物量碳变化特征： 添加脱硫石膏后， 碱土小麦地上、 地下和总生物量碳均显著增大（P＜0.05）， 地上生物量碳增加了 33.6 %，地下生物量碳增加了 35.8 %， 总生物量增加了 39.0 %。 脱硫石膏的添加降低了盐土小麦的地上生物量碳和总生物量碳（P＜0.05） ， 地上生物量碳在脱硫石膏添加量为理论量时， 减少数量最大， 达 9.46 t/hm2， 总生物量碳与地上生物量碳变化相似， 减少了 9.34 t/hm2， 而地下生物量碳的减少数量相对较小， 变化量为0.19-0.62 t/hm2。c. 盐土、 碱土土壤淋溶液可溶性无机碳（DIC） 变化特征： 无论碱土还是盐土， 随脱硫石膏添加量增加， 淋溶液 DIC 累积量相比较对照， 先减小后增加（P＜0.05） 。 并且， 碱土淋溶液 DIC 累积量无显著差异（P＞0.05） ， 仅在添加量为 40 t/hm2 时与对照相同； 而盐土淋溶液 DIC 累积量， 在 10 t/hm2 时， 降低了51.4 %， 而当脱硫石膏添加量增加后， 淋溶 DIC 累积量增加。整体随脱硫石膏添加量增大， 碱土碳聚积量增加； 盐土则变化不大（P＞0.05） 。 碳聚积量， 土壤＞植被＞淋溶液。 说明脱硫石膏改良盐碱土过程， 能够促进碱土碳聚积， 且随着脱硫石膏添加量增大， 碱土碳聚积量增大； 而对盐土的碳聚积作用不明显
Remote Sensing Crop Classification and Application Based on Time Series Spectral Reconstruction using CNN
No full text精准农业是世界各国农业现代化的共同选择。 随着遥感信息技术的快速发展， 遥感在农作物分类与种植结构调查方面也取得了长足进步， 但仍然存在以下问题： 一是目前的遥感农作物分类法均需要较多的人工干预， 自动化水平不高， 二是由于数据源与分类方法的限制，分类精度有待进一步提升。近年来， 遥感的交叉学科——计算机科学与技术在深度学习领域取得了丰硕成果， 尤其在图片的分类与识别领域，卷积神经网络可自动从图片中提取深层特征，完成高精度的图片分类与识别， 相比传统的手工设计特征提取器或机器学习算法有较大的精度优势， 且自动化水平更高， 可为解决遥感农作物分类中精度有待提高、 难以自动化等问题提供新思路。因此本文采用时间序列的Sentinel-2A 数据， 以新疆沙湾县为实验区， 开展了基于卷积神经网络的农作物分 类 方 法 研 究 ， 并 提 出 了 基 于 时 序 光 谱 重 构 的 卷 积 网 络 作 物 分 类 法(TSMI+CNN)。 该方法为充分利用时间序列数据中丰富的多光谱与光谱变化信息， 以地面像元为基本单元， 以时间维为纵轴、光谱维为横轴， 对时间序列多光谱进行了重构，得到了每个地面像元基元的时序光谱图， 再采用 Adam 梯度下降法与 Dropout 40%连接率优化后的卷积网络对时序光谱图进行分类。 为验证该方法的实际分类效果，本文采用了时间序列多光谱+随机森林、 时间序列NDVI+随机森林、 时间序列 NDVI+卷积神经网络等方法进行分类对比研究，结果表明：(1) 该方法总体分类精度达到了 95.12%， 高于时间序列多光谱+随机森林(88.58%)、时间序列 NDVI+随机森林(90.25%)、时间序列 NDVI+卷积神经网络(91.79%)等对照实验组， 表明该分类法可有效提高遥感农作物分类的精度。(2) 对于―异物同谱‖情况明显，在各对照组中混淆相对严重的春玉米与番茄，TSMI+CNN 分类法的 F1-score 综合精度分别达到了 95.9%和 89.9%，相比其他对比试验组中的最高精度的分别提高了 8.2%与 8.3%。 说明该方法可有效提高光谱相似性高作物的分类精度。(3) 本研究中各对照组均有不同程度的边界轮廓线模糊现象，不利于农作物的地块边界提取。 另外， TSM+RF 分类法地块内部不均匀，出现了较多椒盐噪声。TSMI+CNN 分类法的制图结果边界清晰，地块内部均质且基本无椒盐噪声，可完成高质量的农作物遥感制图， 能为基元像元法的遥感制图提供方法借鉴。(4) 基于特征提取的传统分类方法涉及复杂的特征提取与重建工作，TSMI+CNN 分类法通过对时间序列多光谱的时间维与光谱维重新排列， 采用卷积网络完成了研究区内各农作物的提取， 不涉及复杂特征提取与重建，可有效提高遥感农作物分类的自动化水平
Preliminary Study on Parasitic Relation between Cistanche deserticola and Haloxylon ammodendron in Artificially Planted Condition
No full text肉苁蓉作为专性全寄生植物，生长所需营养物质全部来源于寄主梭梭。探明寄生植物肉苁蓉和寄主梭梭之间的相互关系，以期为肉苁蓉人工种植产业提供科学依据和指导。本文以接种和未接种肉苁蓉的梭梭作为研究对象， 分析测定了不同灌溉处理和不同龄级梭梭的生长指标及生理指标，研究后期人工抚育措施对接种肉苁蓉的梭梭影响，明确了接种肉苁蓉对不同龄级梭梭生长及生理特性的影响；并对出土肉苁蓉的个体质量进行了观测，阐释了肉苁蓉与寄主梭梭之间的相互关系。基于此，对当前两种常用的种植季节方式进行了对比试验，科学评价了两种种植季节的优劣，提出适宜的种植季节。主要研究结果如下：（1） 造林当年接种肉苁蓉对梭梭幼苗的生长及生理的影响相对较弱，均未达到显著性水平。接种肉苁蓉的梭梭植株当年株高和新枝长均小于对照，同化枝含水量出现下降，水分饱和亏增大，抗旱能力减弱， PSⅡ最大光化学效率 Fv/Fm、PSⅡ潜在活性 Fv/Fo、相对电子传递速率 ETR 和非光化学淬灭 NPQ 均有不同程度的下降；（2）不同灌溉周期处理对肉苁蓉寄生对梭梭生长生理特征的影响产生干扰，会加大梭梭生长情况和生理特征之间的差异。研究结果表明： 30 日灌溉周期处理下梭梭株高、地径和新枝长的生长速率，相对含水量和保水力，荧光参数值（Fv/Fo、 Fv/Fm、 ETR、 NPQ）均高于 15 日灌溉周期，而水分饱和亏则相反。说明基于咸水灌溉，地下水较浅且土质偏细的条件下，灌溉时间间隔应当适当延长。（3）随接种时间增加， 接种肉苁蓉对寄主生长的影响呈逐步增强的趋势。接种肉苁蓉的不同龄级梭梭同化枝荧光参数值（Fv/Fo、 Fv/Fm、 ETR 和 NPQ）均普遍小于未寄生肉苁蓉梭梭同化枝。各龄级对照组的梭梭同化枝荧光参数值的龄级间变化幅度均小于接种肉苁蓉的梭梭，对照组的各龄级梭梭同化枝荧光参数值（ΦPSⅡ、 ETR、 NPQ 和 qP）间均不存在显著性差异。而寄生组中，一年生梭梭同化枝 Fv/Fo、 Fv/Fm、 ETR 值均显著小于二年生和三年生梭梭同化枝荧光参数值，而二年生和三年生之间不存在显著性差异，说明肉苁蓉的寄生加大了各龄级之间梭梭同化值荧光参数值的差异，且肉苁蓉寄生一年后，梭梭同化枝荧光生理动力学趋于稳定；（4）肉苁蓉的生长发育与寄主的生长状况关系密切，出土肉苁蓉的平均质量和品质的占比均随着林龄的增加而增大。寄主梭梭株高、冠幅与肉苁蓉的个体质量呈线性相关，线性回归拟合方程分别为 和；（5）无论是寄主梭梭植株的生长, 还是肉苁蓉的个体平均质量, 造林当年秋季接种均优于当年春季接种；综合考虑短期的肉苁蓉投入成本和利润回报的短期效益, 以及肉苁蓉质量和产量的长期效益, 在造林当年秋季接种肉苁蓉为宜
Analysis of Natural Vegetation Change and its Influencing Factors in Ebinur Lake Basin
No full text植被变化及其与环境的关系是维持干旱区荒漠-绿洲生态系统和社会经济发展可持续性的理论基础。论文以干旱区内陆河流域艾比湖流域为研究靶区，以该区域自然植被覆盖度变化为关键点， 选取应用最广泛的 NDVI 植被指数， 通过遥感影像提取、实验室分析和计算机处理等方法，分析了该流域植被变化的特点，并根据植被覆盖指数和气象数据等资料分析影响植被生长的因素。主要研究结果包括：（1） 艾比湖流域气候变化特征：通过对 1961-2015 年艾比湖流域气象资料的分析可知， 其气候持续表现出变暖变湿的趋势。变暖趋势在上个世纪 90 年代更加明显，另外还表现出明显的季节性差异，特别是冬季的变暖趋势更显著，气温变化倾向率为 0.395 ℃/10 年。除了温度的变化，在降水方面也持续增加，大多集中在夏半年，倾向率为 6.735 mm/10 年。降水量最高的季节是夏、秋季节，其他季节的降水变化则比较平缓。（2） 艾比湖流域自然植被覆盖度变化特征：通过提取艾比湖流域 2000-2016年植被覆盖度，近 17 年艾比湖流域平均植被覆盖年均值多在 0.30-0.45 之间波动，植被盖度总体呈减少趋势。 将植被覆盖度按照分为 5 个等级，分别为： 20%以下覆盖度为低植被覆盖等级、 20%-40%覆盖度为中低植被覆盖等级、 40%-60%覆盖度为中植被覆盖等级、 60%-80%为中高植被覆盖等级、 80%以上为高植被覆盖等级。 不同时段、不同等级覆盖度表现为： 2000-2010 年仅低植被覆盖区域有减少的趋势，其它覆盖度等级面积均呈增加趋势； 2010-2016 年中等以上覆盖度区域呈减少的趋势，中低、低植被盖度区域呈增加的趋势。艾比湖流域三面环山， 自然植被覆盖度总体上呈现流域西部植被覆盖度高、逐渐向东方向植被覆盖度变低的特点。（3） 综合气温、降水等自然条件分析，气温、降水对艾比湖流域植被的变化有一定的影响，但不是导致其发生明显变化的限制因子；同时结合上世纪 90年代以来的社会条件变化数据，分析得出：该区域植被变化主要受人为活动的影响，人口的快速增加及经济增长的发展导致耕地增加，天然植被面积减少。综上所述， 本文为深入了解艾比湖流域植被变化特性奠定了一定的基础，加强干旱区优势植被种类的研究， 深入分析环境因子的变化， 有助于维持干旱区荒漠-绿洲系统的生态稳定性，对干旱区生态保护和恢复有重要作用
Comparison of Species Resolution Rates of DNA Barcoding for Chinese Tianshan Mountains Plants
No full textDNA 条形码指基因组中长度较短的标准化基因片段。自从这一概念被提出以来，它被广泛的应用于植物物种识别中，特别是在热带，如中美洲，北非等地区，但对温带地区植物种类的鉴定关注较少。本文运用叶绿体编码区片段 rbcL，matK，非编码区片段 trnH-psbA 以及核基因片段 ITS，对中国天山地区的常见植物物种进行识别。 通过基于序列相似性（similarity-based） 方法以及 DNA 条形码树（tree-based） 方法，对不同条形码或不同条形码组合的识别效率进行比较，并最终筛选用于天山地区常见种的最优条形码/条形码组合。结果如下：(1.) 本研究包含了天山地区常见的建群种、优势种和伴生种植物共 307 种，分属于 54 科 206 属。 其中，野外实地调查并采样， 提取 DNA 样本 257 份并送公司测序。 PCR 扩增成功率上， rbcL 为 86.38%（222/257）， matK 为 72.37%（186/257）， trnH-psbA 为 94.55%（243/257）， ITS 为 93.00%（239/257）。 测序成功率上， rbcL 为 99.55%（221/222）， matK 为 94.62%（176/186）， trnH-psbA为 97.94%（238/243）， ITS 为 89.96%（215/239）。(2.) 从 Genbank 数据库网站（NCBI/EBI） 下载序列 2356 条，平均每个序列片段 589 条。 结合上述测序数据， 对不同 DNA 条形码/条形码组合进行物种识别率分析。结果表明， 针对序列相似性方法的物种识别率上（BLAST 比较）， rbcL为 51.27%（科） /48.10%（属）， matK 为 67.09%（科） /63.29%（属）， trnH-psbA为 48.73%（科） /48.73%（属）， ITS 为 50.60%（科） /48.70%（属），且所有条形码/条形码组合在种水平的识别率均较低，不足 20%； 而基于 DNA 条形码树方法的物种识别率上， 联合数据所绘制的最大似然树中（ML 树）， 四种 DNA 条形码的组合，即 rbcL+matK+trnH-psbA+ITS 在种、 属、 科水平的分辨率均为最高， 分别为 85.34%， 95.15%及 100%。而在三种组合情况下，种、属、科水平的识别率均有不同程度的下降，如 rbcL+matK+trnH-psbA 树在种、属、科水平的分辨率分别为 82.74%，91.26%及 100%，而 rbcL+matK+ITS树分辨率分别为 84.36%，91.75%及 100%。 在联合数据绘制的贝叶斯树中， rbcL+matK+trnH-psbA+ITS 与rbcL+matK+ITS 条形码树的分辨率近似，种一级为 84.04%与 83.71%，属一级均为 95.63% ， 科 一 级 均 为 100% 。 综 上 所 述 ， 我 们 推 荐 联 合 条 形 码rbcL+matK+trnH-psbA+ITS 为中国天山地区常见植物的识别条形码
Intraspecific differentiation and their causes in seed germination of three species from different desert habitats of North China
No full text种子萌发具有重要科学意义和应用价值，它不但影响种群动态，群落演替和植物生活史表达, 而且对育苗、造林等防护林建设关键技术制定具有指导意义。 同一植物在不同沙漠生境下会表现出不同种子萌发对策。我国各大沙漠环境因子（如降水、蒸发、气温等） 差异较大，那么，生长在不同沙漠生境同一种植物种子萌发会发生什么样变化？ 机制是什么？这个科学问题未见报道。沙葱（Allium mongolicum） 是一种沙生蔬菜，沙米（Agriophyllum squarrosum）是流动沙丘先锋植物，碟果虫实（Corispermum patelliforme） 是沙区一种优质饲料。它们均为广泛分布于我国沙区的草本植物，种子萌发完全受降水调控。因此，以它们在不同沙漠生境采集的种子为对象，采用实验生态学的方法，对其种内种子萌发特性、促进种内种子萌发方法、种皮切除前后种内种子吸水率变化和处理前后种皮超微结构和种子大小的比较研究， 探索不同沙漠生境 3 种植物种内种子萌发差异及作用机制。取得以下主要结果：（1）不同沙漠生境 3 种植物种内种子最适萌发温度存在差异。沙葱 SAW（阿拉善野生沙葱）最适萌发温度为恒温 20℃，沙葱 SAC（阿拉善栽培沙葱）为恒温 15℃，沙葱 SMW（民勤野生沙葱）为变温 15/25℃和 20/30℃、沙葱 SMC（民勤栽培沙葱）为变温 20/30℃；沙米 M（民勤野生沙米）最适萌发温度为变温 10/30℃，沙米 S（沙坡头野生沙米）为变温 10/30℃、 5/15℃和 15/35℃，沙米 D（敦煌野生沙米）为变温 10/30℃和 20/40℃。碟果虫实 DW（民勤野生碟果虫实）最适萌发温度为变温为 25/15℃， DC（民勤栽培碟果虫实）为变温25/5℃。（2） 3 种植物种子萌发均为嫌光型，且在 3 种光照条件下萌发率均为 G1（24h 黑暗） >G2（14h 黑暗/10h 光照） ≥G3（24h 光照）。它们种内种子萌发对光照的响应存在差异：在 24h 光照下萌发率为 SAC>SMC>SAW>SMW，沙米为 S>D=M，碟果虫实为 DC>DW。（3） 3 种植物种内种子萌发对水盐胁迫耐受性存在差异。沙葱忍受水分胁迫能力为 SAW>SAC>SMW>SMC，忍受盐分胁迫能力为 SMW> SAW> SAC>SMC，且忍受水分胁迫能力强于盐分胁迫；沙米种子萌发忍受水分胁迫能力为M>D>S，忍受盐分胁迫的能力为 D>S>M，且沙米种子忍受水分胁迫能力强于盐分胁迫。 2 种碟果虫实种子萌发忍受水盐胁迫的能力均为 DC>DW。（4） 3 种植物种子萌发均较缓慢，种内种子萌发休眠程度不同。沙葱种子休眠程度 SMW>SMC>SAW>SAC；沙米 M 种子休眠， S 和 D 种子不休眠；碟果虫实 DW 种子休眠， DC 不休眠；沙葱和碟果虫实休眠均属于物理休眠和化学休眠， 且以物理休眠为主； 沙米为物理休眠。（5） 3 种植物种内种子萌发差异均是由种子大小和种皮结构差异造成的，这些差异与种子采集地土壤含水量有关。而且， 每种生境种子具体原因不同。（6） 3 种植物种内种子大小与种子萌发率均呈现线性正相关关系。其中，沙葱种子大小与种子萌发率的关系为 y=29.07x-24.14（R2= 0.912）；沙米为y=223.6x-253.0（R2= 0.998），碟果虫实为 y=0.662x+0.541（R2= 1.0）。（7）造成 3 种植物种内种子萌发差异的种皮结构不同，而且种皮表面超微结构越粗糙，种子萌发越容易；颜色越浅，种子萌发越困难；种皮越疏松，种子萌发越容易，而且种皮颜色的影响大于种皮粗糙。沙葱主要是由种皮表面纹饰结构粗糙程度、颜色、种皮疏松程度和种子浸泡液对种子萌发抑制性差异造成。种皮纹饰粗糙度为 SAC>SAW>SMC>SMW，种皮纹饰颜色由浅到深依次为 SMW、 SMC、 SAW 和 SAC，种皮疏松程度为 SAC>SAW>SMC>SMW，种子浸泡液抑制性 SMW>SAW；沙米由种皮表面超微结构粗糙程度，颜色、种皮疏松程度和种子浸泡液对种子萌发促进作用差异造成。种皮粗糙程度为S>D>M，种皮疏松程度 S>M>D，种子浸泡液对种子萌发促进程度为 S>D>M；碟果虫实主要由种皮表面纹饰大小、颜色和水解性，萌发孔堵塞程度，堵塞物水溶性以及种皮浸泡液对种子萌发抑制性差异造成。碟果虫实种皮纹饰大小DC>DW，颜色 DC 较深， DW 较浅，纹饰水溶性 DC>DW，萌发孔堵塞 DW>DC，种皮浸泡液对种子萌发抑制性 DW>DC。（8） 阐明了野生碟果虫实种子休眠机制以及栽培后种子萌发休眠被打破的原因。野生碟果虫实种子休眠是由种皮透水性差和种皮中含有种子萌发抑制物引起。栽培后种子不休眠的原因是由种皮透水性增强和种皮中种子萌发抑制物消失所致。种皮透水性增强体现在种皮水溶性增强，萌发孔堵塞减弱，堵塞物水溶性增强。（9）获得了一种沙米种子浸泡液，种子在该浸泡液中进行催芽 2d，萌发率可达 100%. 该方法能克服现有技术种子萌发时间长，播种后保苗率低的缺点。（10）不同沙漠生境 3 种植物种内种子萌发存在差异。如果要在不同沙漠进行人工栽培，沙葱最好选择 SAC 或 SMC，沙米选择 S，碟果虫实选择 DC
Application of Hydrogen and Oxygen Isotopes to Study the Source of Water and Competition in Shelter-Forest-Crop Systems in the Xinjiang Oasis
No full text新疆干旱区水资源缺乏，风沙侵蚀严重，农田防护林作为绿洲生态保护屏障，防风固沙，在该区生态系统中扮演着重要角色。 然而，传统上，间套种植的人工林对农田作物存在水分养分的竞争，导致农作物产量下降。因此由人为因素导致大量防护林衰退、 死亡。本研究通过运用氧同位素焦点法与 SIAR 模型，结合人工添加氘同位素，量化本区间套作的防护林与人工经济林根系分布和主要用水范围， 分析潜在竞争区域及防护林对农作物水分负面影响程度。研究结果对新疆绿洲地区防护林的合理管护与绿洲生态平衡有重要意义。策勒绿洲大水漫灌的杨树-玉米-核桃树体系中，研究发现：玉米在拔节期与吐丝期主要吸收浅层土壤水分（0-40 cm） , 贡献率分别为 60%、 58%；核桃树水分主要来源于玉米根部之下土壤中， 7 月和 8 月根系主要吸水区间 80-100 cm、60-80cm, 40 cm 土层以下贡献率为 75%，并且根系分布范围超过深 200 cm，可延申到距树干 5m 之外。但其有大约 35%水分来自土壤表层（0-40 cm），其巨大的耗水量对玉米的水分竞争不可避免；杨树根系水分利用具有很强的可塑性，漫灌前主要利用距地表 140 cm 之下土层水分(140-200 cm 贡献率为 43%，主要水分利用层为 140-160 cm)，漫灌后用水量逐渐向上迁移（0-40 cm 土层贡献率为36%， 100-120 cm 为主要吸水区间）。在莫索湾绿洲滴灌的棉花-杨树试验中，结果表明：棉花在膜下滴灌方式下主要吸收表层土壤水，蕾期主要利用 0-20 cm 的土壤水，花铃期主要利用 20-40cm 土壤水；而杨树在漫灌前主要利用深层 40 cm 以下土壤水，在灌溉后水分来源虽有向上迁移倾向，但仍大约有 60%的水分源于土壤 40 cm 以下。 δD 同位素示踪发现杨树根系垂向可生长到土层 200-400 cm 范围，水平延伸至棉田内 5-8m，在 5 m 内棉花必定面临着杨树的水分与养分竞争。本文通过应用人工添加氘同位素与自然稳定同位素，克服了传统上自然同位素无法准确量化干旱区植物根系分布与误差较大的不足，最终较为精确的量化植物水分利用与根系分布，对之后同位素在生态水文学中的应用具有借鉴意义
The effects of snowfall variation on mass loss and relative nutrient contents of litter decomposition of desert plants
No full text凋落物分解是生态系统中能量流动和养分循环的重要过程， 该过程主要受环境因素和生物因素的影响。冬季积雪可改变地表的水热条件和土壤生物活性，进而影响凋落物的分解。 干旱区荒漠凋落物分解主要受光照的影响， 但冬季积雪是否会显著影响荒漠植物凋落物分解特征，鲜见报道。 本研究以我国最大的固定和半固定沙漠——古尔班通古特沙漠为研究区， 通过设置自然降雪、 加倍增雪和去除降雪实验，研究了冬季地表积雪量变化对荒漠植物凋落物分解的影响。 本研究选择该地区优势种梭梭（Haloxylon ammondendron）和白梭梭（Haloxylon persicum），以及常见种黑沙蒿（Artemisia ordosica）， 粉苞菊（Chondrilla piptocoma） 等 9 种广泛分布的荒漠植物， 模拟 3 种积雪处理（去雪处理、自然条件和加雪处理），采用凋落物分解袋法， 研究了雪被期（2017 年 11 月~2018 年 3 月）和无雪期初期（2018 年 3 月~5 月）荒漠植物凋落物的质量残留和凋落物养分相对含量及其养分比率随分解时间的变化特征， 并分析其影响因素。本研究对因气候变化引起的积雪变化环境下， 预测荒漠生态系统养分循环研究提供一定的数据积累。研究结果表明：（1）凋落物质量残留率和分解率对不同积雪处理的响应因种而异。不同积雪处理显著影响凋落物质量残留率，但对其分解率无显著影响。 9种荒漠植物凋落物中，梭梭凋落物的质量残留率最小（80.19% ~ 92.74%），膜果麻黄凋落物最大（96.21% ~ 98.16%）。 具体表现为：在雪被期， 去雪处理下凋落物质量残留率显著高于其他处理（P＜0.05）；在融雪后无雪被初期， 3 种积雪处理之间凋落物残留率无显著差异。 无论是雪被期还是无雪被期， 3 种积雪处理之间凋落物分解率无显著性差异。（2） 三种积雪处理下不同植物凋落物碳、 氮、 磷相对含量随分解时间呈现出不同的变化趋势， 且受物种差异影响。 凋落物全碳含量随分解时间呈现先增加后下降的趋势，且在雪被期的加雪处理条件下，全碳含量高于其他积雪处理； 凋落物全氮含量表现出整体下降的趋势，且不同植物凋落物全氮含量对不同积雪处理的响应无明显规律； 凋落物全磷含量随分解时间总体呈减少趋势。雪被期的木本植物凋落物在去雪处理下全磷含量显著高于其他处理，而草本植物凋落物在加雪处理下的全磷含量在显著高于其他处理。 在无雪被期，凋落物碳、氮、磷相对含量在三种处理之间无显著差异。（3） 三种积雪处理下，不同植物凋落物木质素和纤维素相对含量变化特征不同。 在木质素方面， 木本植物凋落物总体呈现增加趋势， 草本植物凋落物多为先增加后减少的趋势；在纤维素方面，木本植物和草本植物凋落物表现出一致的规律， 表现为先减少后增加的趋势。（4） 凋落物的分解与凋落物养分含量和养分比率显著相关。 凋落物残留率与凋落物初始养分含量的相关性分析中， 在雪被期， 凋落物质量残留率与凋落物中初始纤维素含量呈显著正相关（P＜0.05），与其他养分含量和养分比率无显著相关性；在实验后期（无雪被期）， 凋落物质量残留率与初始全碳、木质素和纤维素含量呈显著正相关（P＜0.05），与凋落物初始全氮含量呈显著负相关（P＜0.05）。 凋落物质量残留率与凋落物初始碳/氮值和木质素/氮值呈显著正相关（P＜0.05），与氮/磷值呈显著负相关（P＜0.05）。结果发现： 积雪量变化对荒漠植物凋落物的影响主要表现在分解早期冬季雪被期阶段， 积雪覆盖条件促进凋落物分解， 去除地表积雪显著抑制了凋落物分解过程（P＜0.05）。除此之外，地表积雪的存在改变了凋落物在不同分解阶段的分解贡献率。积雪融化后，三种积雪处理之间的凋落物质量损失无显著差异，但凋落物各养分含量和养分比率不同，进而会对下一分解阶段（如夏季光分解阶段）产生影响。研究表明， 荒漠生态系统中凋落物分解的不同阶段主要影响因素不同。凋落物基质质量的影响贯穿整个分解过程， 凋落物在冬季雪被期的分解主要受积雪覆盖的影响（积雪覆盖引起的水分和温度的改变），积雪融化后凋落物的分解可能与微生物分解和光分解相关
The Analysis and Projection of Dry/Wet Climate Change in Central Asia
No full text近几十年来， 随着全球气候的逐渐变暖， 极端气候事件频发， 其中造成严重损失， 持续事件较长的一种就是干旱。 对于干旱的研究一直是气候变化研究领域中的热点问题。 研究干旱的起因， 历时， 以及影响是全球气候变化研究领域中尤为重要的一个研究方向。本文以标准化降水蒸散指数作为衡量中亚地区干旱严重程度的量化指标， 首先分析了中亚地区 1961－2015 年气候干湿变化的事实， 其次讨论了中亚地区气候干湿变化与其所对应的大气环流场之间的关系， 最后预测了中亚地区未来气候变化情景下的干湿变化趋势， 最终得出以下结论：首先， 我们从众多干旱指数中选择标准化降水蒸散指数作为干旱指标， 并分析了 1961 年至 2015 年中亚干旱的时空变化特征。 结果表明： 整体上来看， 中亚地区的干旱主要发生在 1975 年和 1996 年， 哈萨克斯坦在 20 世纪 70 年代中期，90 年代后期经历了一个比较干旱的阶段。 塔吉克斯坦整体上表现出湿润的态势，历史时期比较干旱的年份是 1971 年， 干旱指数达到了-1.11， 属于中度干旱； 最湿润的年份是 1969 年， 干旱指数为 1.94， 达到严重湿润。 吉尔吉斯斯坦的气候呈现出干旱和湿润交替变化的特征， 其中比较干旱的年份是 1961 年， 1962 年，1974 年， 1975 年， 1984 年， 1995 年， 1997 年和 2007 年， 干旱程度是轻度干旱。最为湿润的年份是 1969 年和 2003 年， 为严重湿润。 土库曼斯坦和乌兹别克斯坦的干旱指数均表现出下降的趋势，干旱主要发生在 20 世纪 90 年代中后期。其次，中亚地区 1961-2015 年标准化降水蒸散指数逐月分布特征是： 整个中亚地区 20世纪 60 年代到 70 年代初比较湿润， 从 1975 年 4 月份开始出现了干旱， 干旱程度为轻旱， 5 月到 8 月干旱程度逐渐加剧， 干旱程度由轻度干旱转变为中度干旱，干旱水平在 9 月达到严重干旱， 干旱指数为-1.53。 干旱程度在 10 月得到缓解，由严重干旱转变为中度干旱状态。 这次中度干旱事件一直持续到 1976 年的 4 月份， 历时 12 个月， 干旱的严重程度， 干旱的持续时间之久都是中亚地区近 55a来罕见的。 最后， 分析了近 55a 来中亚地区的干旱面积覆盖率的变化特征。 中亚地区干旱面积覆盖率在 20 世纪 60 年代至 70 年代初， 都在 22%以下； 1975 年，中亚干旱面积覆盖率最高， 达到 60.7％。 从 20 世纪 80 年代到 90 年代初，中亚的平均干旱面积覆盖率不到 30％。 从 20 世纪 90 年代中期到 21 世纪初， 是中亚地区的干旱面积覆盖率较高的一段时期。干旱的发生往往与大规模大气环流场的异常密切相关。 因此， 本文利用正交经验函数分解（EOF） 分析了 55a 来中亚地区干湿变化的主要模态， 以及主要模态所对应的大气环流场背景。 结果表明： 中亚地区干湿变化的第一空间模态表现为中部与南北部反向变化的空间型， 中西部地区是干湿变化异常的高值中心， 这一空间分布型对应在中高纬度地区存在明显的纬向波列， 北太平洋和欧洲东部，亚洲西部地区的气压表现为异常偏低， 欧洲西岸、 贝加尔湖南部呈现异常高压，在 500 hPa 位势高度场显示出明显的欧亚太平洋遥相关型， 表明贝加尔湖阻塞高压活跃。 因此， 欧亚太平洋遥相关型可能是影响中亚地区干湿变化的一个重要环流因子。 中亚地区干湿变化的第二主要模态为南北相反变化的空间型， 中亚地区的这种干湿分布类型可能是受到了北极涛动的影响。全球气候模式是预测未来全球气候变化的重要工具。本文在分析了中亚地区近半个世纪的干湿演变事实后， 采用全球气候模式用于估计中亚地区未来的干湿变化趋势。 本文采用了 CMIP5 中 21 个全球气候模式的数据， 利用多模式集合平均的方法， 分别计算了标准化降水指数（SPI） 和标准化降水蒸散指数（SPEI） 。利用不同的干旱指数对典型浓度路径 RCP4.5 情景下的中亚地区未来的干湿变化趋势进行预测。 结果表明， 在未来全球持续变暖背景下， 未来中亚地区干旱化的趋势将延续， 变干明显的是中亚地区的西南部地区， 特别是乌兹别克斯坦和土库曼斯坦的沙漠地区。 基于 SPI1 和 SPI3 计算得出的中亚地区未来的干旱频率将呈现下降趋势， 由 SPI12 得到的干旱频率在未来时段呈现出先下降后增加的趋势。基于 SPEI1、 SPEI3、 SPEI12 的干旱频率在未来时段前期下降， 中、 后期逐渐增加
Inversion of Soil Salinity Content and Soil Moisture Content in The farmland in the Aral Sea Basin Based on Multi-source Remotely Sensed Data
No full text中亚咸海流域（锡尔河流域与阿姆河流域） 绿洲农田盐渍化问题突出。土壤盐渍化破坏农业安全与生态环境， 制约中亚咸海流域国家的可持续发展。 “盐随水动”； 遥感技术是大面积精确估计土壤盐分含量（Soil Salinity Content,SSC） 与土壤水分含量（Soil Moisture Content, SMC） 的关键手段。 将擅长处理变量关系的机器学习方法与多源遥感数据结合，构造反演模型，反演 SSC 和SMC，具有显著优势。 但基于机器学习方法的 SSC/SMC 反演因子，通常包括主动微波雷达的后向散射系数，和基于可见光近红外数据的植被因子如 NDVI以及这两类数据的组合； 较少考虑温度、蒸散、高程等重要因子对 SSC/SMC的影响，这在一定程度上增加 SSC/SMC 反演结果的不确定性。 因此，本文研究以锡尔河流域和阿姆河流域的绿洲农田为研究区，以谷歌地球引擎（GoogleEarth Engine, GEE） 为平台获取微波遥感物理量、植被、温度、蒸散发、地形、盐分指数等 SSC/SMC 的影响因子，基于相关分析挑选与 SSC/SMC 显著相关的影响因子作为反演因子。 将随机森林（Random Forest， RF）、支持向量回归（Support Vector Regression, SVR）、 BP 神经网络（Back Propagation NeuralNetwork, BPNN） 3 种机器学习方法与 SSC/SMC 反演因子相结合， 建立SSC/SMC 反演模型， 定量反演 2017 与 2018 年生长季中亚咸海流域绿洲农田SSC 与 SMC 的时空变化。结论如下：（1）基于 GEE 平台， 获取微波遥感物理参量、植被、温度、 蒸散发、地形、下垫面反射条件 6 大类共 32 个 SMC 影响因子；在 SMC 影响因子的基础上增加盐分指数，即 7 大类共 44 个 SSC 影响因子。相关分析结果中， 在锡尔河流域，基于 2017 年数据挑选出 24 个 SSC 反演因子，基于 2018 年数据挑选出 22 个SMC 反演因子和 12 个 SSC 反演因子。 在阿姆河流域，基于 2018 年数据挑选出16 个 SMC 反演因子和 8 个 SSC 反演因子。（2） 将 SSC/SMC 反演因子分为 3 组与 3 种机器学习方法结合，精度验证表明随机森林 RF 与全部因子（多因子）结合在训练与验证阶段具有最高的精度。在锡尔河流域，基于 2017 年的数据，SSC 反演验证阶段结果 RMSE 为 2.17/g/kg；基于 2018 年数据， SSC 反演验证阶段结果 RMSE 为 2.31/g/kg， SMC 反演验证阶段结果 RMSE 为 0.033m³/m³。 在阿姆河流域， 基于 2018 年数据， SSC 反演验证阶段结果 RMSE 为 2.28/g/kg， SMC 反演验证阶段结果 0.041m³/m³（3） 采用最小显著性差异法比较生长季的不同季节（春、夏、秋）内锡尔河流域或阿姆河流域不同子区域（上、中、下游段）之间的绿洲农田 SSC/SMC 差异，并采用该方法分别比较热量条件（LST）、植被状况（NDVI）、土壤质地，以分析 3 者的季节空间差异对 SSC/SMC 时空格局差异造成的影响。 锡尔河流域2017、 2018 生长季与阿姆河流域 2018 生长季中不同季节的宏观主控因素为热量条件、 植被状况、 土壤质地， 3 者单独地或者共同作用影响 SSC、 SMC 时空分布。基于多源遥感数据尽可能全面获取 SSC/SMC 的影响因子，在此基础上采用机器学习模型，可显著提高 SSC/SMC 反演的精度，这在一定程度上克服了因考虑 SSC/SMC 因子不足获取更高 SMC 精度的限制。 作为干旱区盐渍化评估和农田干旱监测补充研究，为干旱区农业安全与生态保护提供一定支持