导读:本文包含了典型黑土区论文开题报告文献综述及选题提纲参考文献，主要关键词:典型黑土区,东北,有机质,pH
典型黑土区论文文献综述
刘忆莹,裴久渤,汪景宽[1]（2019）在《东北典型黑土区耕地有机质与pH的空间分布规律及其相互关系》一文中研究指出为了解东北黑土地有机质下降和酸化状况,明确有机质和pH区域分布规律及其相互关系,以东北典型黑土区耕地作为研究对象,利用GIS空间插值法和相关性统计分析方法,探讨了该区域耕地有机质和pH的空间分布规律及其相关关系。结果表明:研究区耕地有机质平均值为26.57 g·kg~(-1),总体呈现由北向南、由东向西递减的趋势;耕地pH平均值为6.42,研究区由东向西pH呈现逐渐增加趋势,而南北方向并未呈现出明显的规律性;东北典型黑土区有机质和pH总体呈极显着负相关性,但局部趋势不同,其中黑龙江省呈极显着负相关,辽宁省和吉林省呈极显着正相关,表明有机质和pH这两个因素在局部的作用关系还受到其他因素的影响。研究表明,在不同区域耕地质量保护和管理中要重视多因素耦合关联分析,这对区域耕地资源合理利用的评估具有重要科学意义。(本文来源于《农业资源与环境学报》期刊2019年06期）
路中,雷国平,王居午,郭晶鹏,马鑫鹏[2]（2019）在《30年来东北典型黑土区水土流失敏感性时空分异特征研究》一文中研究指出为了精确分析研究区域内水土流失敏感性时空分异特征,本文在借鉴USLE的理论基础上,参考研究区域的实际特征,重新构建水土流失敏感性评价指标体系,研究嫩江平原北部典型黑土区近30年来水土流失敏感性时空分异特征。研究表明:①1985年～2015年间研究区域水土流失的敏感性逐年增强,其水土流失危险性指数分别为2. 08、2. 10、2. 27和2. 31,且侵蚀沟密度逐渐增大,加剧了研究区域水土流失态势;②30年来耕地的面积以47. 1 km2/10a的速率增加,但是耕地的水土流失敏感性也随之增强,其中度敏感性区域增长最快,为34. 3 km2/10a,其次为重度敏感区域,增长速率为27 km2/10a;③近30年间研究区域内其水土流失敏感性增加最为严重的区域为3°～5°坡度带内的坡耕地地区。(本文来源于《自然灾害学报》期刊2019年04期）
杨鑫,刘刚,谢云,高晓飞,王翔鹰[3]（2019）在《东北黑土区北部典型小流域融雪径流及发生条件分析》一文中研究指出为了研究黑土区小流域尺度融雪径流及发生条件,利用2005—2015年黑龙江省鹤山农场鹤北小流域把口站春季融雪径流资料和气象站日气温、降雪资料,建立融雪初日的有效积温公式,采用回归方法分析春季融雪径流深与降雪量和秋季降雨量的关系,有效积温与降雪量的关系,并探讨本研究区融雪径流发生的条件。结果表明:1)研究区内小流域春季融雪径流初日多发生于3月下旬至4月上旬,近10年平均融雪径流深为11. 9 mm,发生融雪径流的年份,冬半年累积降雪量增加1 mm使春季融雪径流深增加0. 9 mm; 2)小流域春季融雪径流深(D)可以用冬半年降雪量(Ps)和8—10月降雨量(Pr)拟合,其关系为D=0. 91Ps+0. 034Pr-21. 02,冬半年累积降雪量和8—10月降雨量满足D> 0时,才发生融雪径流; 3)在累积降雪量达到融雪径流发生的前提条件下,融雪径流发生初日前期稳定通过界限温度-2. 8℃的积温TA(℃·d)与冬半年累积降雪量(Ps)的回归关系为:TA=18. 29ln(Ps)-10. 78。研究结果可为该区小流域融雪径流快速预报及农业生产提供科学依据。(本文来源于《中国水土保持科学》期刊2019年04期）
王文娟,邓荣鑫,张树文,岳书平[4]（2019）在《东北典型黑土区侵蚀沟发育演化特征分析》一文中研究指出沟蚀是当前东北黑土区面临的重要环境问题。该文选择东北典型黑土区中的乌裕尔河和讷谟尔河流域作为研究区,以高分辨影像Corona(1965年)和SPOT5(2005年)为基础数据源,提取了不同时期的沟蚀分布状况,通过重心分析、方向性分析和热点分析,探讨了研究区40年间侵蚀沟发育演化特征。结果表明:研究区沟蚀重心出现向西北移动的趋势,纬向上向北移动了17.88 km,经向上向西移动了10.12 km;侵蚀沟重心的纬向移动方向与耕地重心的移动方向一致,这与毁草开荒带来的耕地面积增加有密切关系;1965年和2005年沟蚀发生的主要方向基本一致,沟蚀发生的朝向主要受该区水系走向影响,2005年沟蚀发生方向性椭圆范围相比1965年有较大规模扩展;1965年约60%的侵蚀沟处于随机分布的发展模式,到2005年约70%的侵蚀沟处于集聚分布的发展模式,侵蚀沟发展模式的转变导致黑土区沟蚀状况愈发剧烈。(本文来源于《地理与地理信息科学》期刊2019年04期）
刘杭[5]（2019）在《黑土区典型作物轮作和连作对土壤微生物群落结构的影响》一文中研究指出土壤微生物是土壤生态系统重要的组成部分,在土壤有机物分解、养分循环和土传病害发生过程中发挥着引擎的作用。农田土壤微生物的群落结构主要受农田管理方式的影响,其中作物连作和轮作是重要的农田管理方式之一。在作物轮作和连作条件下,由于单一作物和多种作物组合后,土壤生态环境发生变化,导致土壤微生物的群落结构也产生相应的变化,进而影响土壤的生态功能。目前,关于作物长期连作对土壤微生物群落结构及相关功能微生物群落结构影响的系统研究鲜见报道。大豆、玉米和小麦是东北黑土区种植的主要旱地作物,因此,基于长达27年的田间定位试验开展黑土区叁种典型旱地作物连作和轮作对土壤微生物影响的系统研究。采用Biolog、qPCR以及Illumina Miseq的方法系统研究了东北黑土区大豆、玉米和小麦在长期连作和轮作条件下土壤微生物的碳源代谢特征,土壤细菌、真菌、固氮菌和碱性磷酸酶基因群落结构的变化规律,以及潜在功能细菌和功能真菌的响应变化,主要结论如下:(1)大豆、玉米和小麦长期连作和轮作间的土壤微生物碳源代谢功能差异显着。叁种典型旱地作物长期连作后显着降低了土壤微生物的代谢活性,大豆和小麦长期连作土壤微生物对糖类物质的利用率显着低于轮作,玉米长期连作土壤微生物对多聚物和胺类物质的利用率显着低于玉米轮作,叁种作物之间土壤微生物群落对土壤碳源利用存在差异。(2)大豆、玉米和小麦长期连作后对土壤细菌群落结构产生显着影响。叁种作物长期连作细菌的多样性显着降低,作物长期连作和轮作之间细菌群落结构差异显着,且叁种作物之间的细菌群落结构的差异要大于长期连作和轮作之间的差异。叁种作物长期连作显着降低了与C、N有关的优势功能细菌(Nocardioides、Pseudonocardia、Pseudolabrys、Nitrospira和Rhizobium等)的相对丰度。土壤pH是影响土壤细菌的丰度、多样性和群落结构的土壤因子。(3)大豆、玉米和小麦长期连作对土壤真菌群落结构的影响不同。大豆长期连作后真菌丰度显着高于大豆轮作,玉米长期连作后真菌丰度显着低于玉米轮作,而小麦长期连作后真菌丰度变化不显着。大豆长期连作真菌群落的多样性显着高于大豆轮作,作物长期连作和轮作之间真菌群落结构差异显着,叁种作物之间的真菌群落结构的差异大于长期连作和轮作之间的差异。叁种作物长期连作后属水平上的相对丰度有明显变化,叁种作物长期连作的潜在致病菌(Fusarium、Cylindrocarpon和Gibberella等)的相对丰度显着高于轮作,大豆长期连作潜在的有益菌(Mortierella、Purpureocillium和Acremonium等)的相对丰度显着高于轮作,而在玉米和小麦长期连作潜在的有益菌(Purpureocillium、Metacordyceps和Metarhizium等)的相对丰度显着低于轮作。土壤pH是显着影响土壤真菌群落结构的土壤因子。(4)大豆、玉米和小麦长期连作和轮作之间固氮菌群落结构发生变化,叁种作物之间的固氮菌群落结构也存在显着差异。大豆长期连作固氮菌丰度显着高于大豆轮作,而玉米和小麦长期连作固氮菌丰度显着低于玉米和小麦轮作。Proteobacteria和Bradyrhizobium为叁种作物相对丰度最高的优势固氮菌门和菌属,玉米和小麦长期连作后Bradyrhizobium的相对丰度显着降低。土壤pH是影响固氮菌群落结构的主要土壤因子。(5)大豆、玉米和小麦长期连作后碱性磷酸酶基因在属水平上的群落组成发生明显变化。大豆长期连作后Afipia的相对丰度降低,玉米长期连作后Amycolatopsis和Acidovorax的相对丰度下降,小麦长期连作后Pseudomonas和Stenotrophomonas的相对丰度下降。叁种作物长期连作之间的碱性磷酸酶基因的群落结构存在显着差异。(本文来源于《中国科学院大学(中国科学院东北地理与农业生态研究所)》期刊2019-06-01）
王士超[6]（2019）在《典型黑土区有机物料提升土壤碳氮固持的协同效应机制》一文中研究指出秸秆还田是促进农田土壤碳氮贮存的主要措施,但东北黑土区秸秆还田提升土壤碳氮的效果和持续时间不显着。目前东北黑土地保护与利用中,推行旋耕、深松、深翻并配合秸秆粉碎还田或有机肥施用,以构建深厚耕作层和提升土壤有机质含量,但不同耕作方式下秸秆碎混还田或配施有机肥的土壤碳氮固持效果及机制尚不清楚。本研究收集、整理了东北黑土区长期定位试验的研究结果,并结合13C、15N同位素双标记技术,定量分析了长期连续秸秆还田对土壤有机碳的提升效果,以及外源有机物料添加方式对土壤碳氮固持的影响,以此阐明土层置换、秸秆添加及秸秆配施有机肥下土壤原有碳氮变化及秸秆碳氮在土壤中的分配,明确土层置换和秸秆、有机肥添加对土壤碳氮周转的影响机制。主要结果和结论如下:1.利用东北典型黑土区叁个长期秸秆还田定位试验(分别进行了18年、21年和33年),从区域和时间尺度,定量研究了秸秆还田的土壤固碳效果。结果表明,与单施化肥相比,秸秆还田配施化肥处理土壤有机碳储量增加了4.0%(海伦)和5.7%(黑河),但公主岭处理间差异不显着;高有机质含量土壤,秸秆还田处理的土壤固碳速率显着高于单施化肥处理;秸秆还田17年(黑河)、11年(海伦)和8年(公主岭)后,达到土壤固碳速率的平衡点;秸秆还田提升了高有机质区域土壤有机碳储量,但不能显着增加低有机质区域土壤有机碳储量。因而,东北黑土区秸秆还田是维持或提升土壤有机碳的有效途径,但应考虑不同点位秸秆还田效果的差异。若实现秸秆还田长期提升土壤有机碳,应结合耕作和施肥等农田管理措施。2.通过大田秸秆填埋试验,采用同位素示踪技术定量研究秸秆不同埋深及配施有机肥对土壤碳氮固持的影响。结果表明,秸秆配施有机肥(SMS)处理土壤总有机碳和全氮含量显着高于土壤对照(S)和添加秸秆(SS)处理;分解360天后,埋深对秸秆氮的贡献率影响不显着。但深埋(35 cm,39.9%)秸秆碳对土壤总有机碳的贡献显着高于浅埋深(15 cm,35.8%)。SS处理秸秆碳的贡献率是37.9%,较SMS处理低2.2-10.0%(15cm)和 5.7-13.7%(35cm);SMS处理 15 cm土层的土壤碳氮平均驻留时间较SS处理长16天和27天,在35 cm土层分别长31天和37天。因此,秸秆还田配施有机肥可有效提高深层土壤碳氮的稳定性。秸秆深还不仅提高了秸秆碳的贡献率,也有效提高了土壤碳氮的稳定性。3.通过尼龙网袋法和碳氮同位素双标记技术研究了土层置换(15 cm和35 cm)与秸秆添加对土壤碳氮周转和秸秆碳氮分配的影响。结果显示,与土层置换前相比,表层土置换与秸秆添加处理土壤总有机碳和全氮含量增加了3.2%和0.9%,秸秆碳氮贡献率均提高3.6%,但秸秆碳氮残留率降低了5.8%和6.2%,也降低了土壤碳氮的固持能力;相反,底层土置换与秸秆添加降低了土壤总有机碳含量、全氮含量、秸秆碳氮贡献率和秸秆碳残留率。(本文来源于《中国农业科学院》期刊2019-06-01）
刘旭[7]（2019）在《典型黑土区耕地土壤微塑料空间分布特征》一文中研究指出微塑料通常是指一类直径或长度小于5 mm的塑料颗粒。微塑料由于尺寸小,性质稳定,难以降解,长期和广泛分布于自然环境之中,其本身释放的有毒物质和吸附的污染物已经引起了一系列生态环境问题。近年来,微塑料的生态环境效应已经成为全球生态环境中一类备受关注的问题,研究者们在河流、海岸带以及海洋中微塑料的时空分布和潜在的生态毒理效应方面做了大量工作。然而,受土壤微塑料分离、鉴定和分析方法的限制,陆地环境,特别是耕地土壤中微塑料的时空分布特征和生态效应研究不足。随着新的土壤微塑料测定方法的不断完善,部分方法实现了微塑料从土壤中的分离、鉴定和定量分析,加速了土壤微塑料时空分布及其生态环境风险评价研究的进度。陆地作为最大的塑料储存库,其微塑料的时空分布和运移过程关系到整个陆地生态系统,甚至全球生态系统,因此研究陆地土壤微塑料形态特征、时空分布特征和其主要驱动之机制十分重要。本研究以哈尔滨市周边典型黑土区覆膜耕地土壤为研究对象,通过样带和样地调查法研究了4个典型耕地土壤微塑料的空间分布特征;结合室内模拟的方法验证水蚀过程对土壤微塑料空间分布的影响机制。实验采用密度浮选分离法提取土壤微塑料,通过加热显微成像法鉴定土壤微塑料,研究了耕地土壤中微塑料的丰度、粒径、质量等空间分布特征和主要驱动机制。旨在为揭示黑土区农地微塑料的分布特征和评估其生态环境效应等提供理论依据和技术支撑。主要研究结果和结论如下:(1)野外调查的4块耕地均存在微塑料残留,0-20 cm的微塑料丰度处于60-2300μm之间,20-30 cm的丰度处于90-4000μm之间。不同采样区微塑料丰度大小与大塑料残留量有关,土壤中大塑料残留越多,微塑料丰度一般越大,表层土壤微塑料丰度最高达89个/kg;(2)影响土壤中微塑料水平分布的主要因素是土壤侵蚀,地势低、含水量高的地区微塑料丰度高。不同土层之间微塑料丰度也存在着差异,地势较低处的土壤下层20-30 cm处微塑料丰度最高(400个/kg),是对应上层土壤微塑料含量的4倍,微塑料在土壤下层的丰度取决于优先流。受风化程度影响,环境微塑料尺寸大小分布不完全一致,微塑料粒径和丰度存在强空间变异性,尺寸越小的微塑料在土壤中越容易发生迁移。(3)微塑料在土壤中的迁移主要受地表径流和壤中流的影响。水蚀作用下,水平方向上,土壤微塑料迁移量最多,占总迁移量的98.33%,且土壤侵蚀量越多,微塑料水平流失量越高;垂直方向上,微塑料向下迁移量少,但变化趋势稳定,迁移量在0.01-0.03 g之间;(4)水平方向上,土壤容重越小,微塑料迁移量越多;垂直方向上,容重越大,微塑料向下迁移量越多;土壤表层微塑料的流失量,1.0 g/cm3容重的比1.2 g/cm3容重的高38.92%;壤中流微塑料的流失量在底部的两个出口处,1.0 g/cm3处理比1.2 g/cm3容重处理的低6.12%和26.7%;(5)水平方向上,当土壤容重为1.2 g/cm3时,微塑料主要随泥沙携带发生迁移,当土壤容重为1.0 g/cm3时,微塑料随泥沙携带的同时,相对1.2 g/cm3处理有更多是随径流发生流失;垂直方向上,主要是随地下径流向下运移,且径流持续时间越长,特别是汩流的影响,微塑料向下迁移的量越大。总之,黑土区地膜覆盖耕地土壤普遍存在微塑料,其分布除受大塑料和耕作影响外,还主要受侵蚀、地表径流和壤中流等因素的影响,特别是水蚀作用改变了土壤微塑料的水平分布特征。(本文来源于《东北农业大学》期刊2019-06-01）
姜佩林[8]（2019）在《基于遥感的典型黑土区作物种植结构变化分析》一文中研究指出农作物的识别和作物种植结构的调整是国家制定各项农业政策的基本依据,也是估算产量信息和种植面积的基础。黑龙江省是我国的粮食大省,粮食产量连年位居全国第一,2016年初农业部提出“镰刀弯”政策,镰刀弯地区玉米发展过快,种植结构单一的问题逐渐呈现。因此,准确的获得作物种植信息显得尤为重要,传统获取作物种类的方法是对作物类型进行逐一的统计,然后逐层上报,最终汇总。此方法获取的作物种类结果详细,但费时费力,过度依赖统计的数据使得研究结果与方法都较为落后,因此急需构建一种省时、省力、客观性强、范围大且精度高的分类方法,为调整农作物的种植比例、播种面积、产量信息、分布情况提供数据支持。对于农作物产量、长势、种植结构的调整、休耕轮作、玉米水稻调减以及扎实推进农业供给侧结构性改革,努力提高农业供给体系的质量和效率有着重要的意义。由于遥感技术可获得的信息量大、周期短、探测范围大、费用低且客观性强可以节省大量的人力、财力、物力、时间,因此被用于农业生产的各个环节。例如:监测农作物种植面积、农作物长势信息、快速监测和评估农业干旱和病虫害等灾害信息、估算全球范围、全国和区域范围的农作物产量,为粮食供应数量分析与预测预警提供数据支持。目前,LANDSAT、高分一号、环境星、SAR等均可为我们提供理想的卫星数据。鉴于遥感数据的多样性,本文利用非光学数据与光学数据结合,以典型黑土区(海伦、望奎、兰西)为研究区,利用MODIS数据比较不同作物反射光谱与植被指数时相差异,进而选择最佳的分类时相进行作物分类。研究采取不同的方法进行作物分类,并对种植结构的变化进行分析,观察3年来3县农作物种植结构时空动态的变化。主要结论如下:(1)通过分析农作物的光谱特征可以对农作物种类进行辨别。不同作物反射光谱与植被指数不同时相下存在差异,本文采用MODIS16天数据提取不同作物不同时相的反射光谱并绘制曲线,结合农时,确定农作物分类的关键期为7、8、9叁个月份,同时结合农作物生长的关键期和不同作物反射光谱特性对不同的农作物种类进行大致的确定。其中由于东北地区气候原因,大多在6月份为水田灌水,因此旱田和水田可在此时期进行分辨,7月份属于播种后的生长期,此时期对作物种类不易分辨,7月末至8月大豆和水稻的冠层存在明显差异,因此,在8月中下旬时,大豆的NDVI值较高,水稻的NDVI值较低,此时期可作为提取大豆的关键时期并且地块颜色在遥感影像上体现为亮红色,9月中下旬时为玉米的成熟期,此时玉米的NDVI值最高,可以作为识别玉米的关键期,在遥感影像上体现为暗红色,水稻也在同时期成熟,在遥感影像上体现为粉色。(2)监督分类精度高于非监督分类精度。目前为止对农作物进行分类的方法有很多,本文采用了监督分类与非监督分类两种方法对研究区(海伦、望奎、兰西)进行分类,得出结果后进行对比,并选择精度较高的结果,并且对耕地范围内的分类结果进行精度评价,最终选择监督分类方法所得结果用于后续研究。监督分类与非监督分类结果的精度分别为91.82%和84.98%,Kappa系数分别为0.88和0.78,因此可见,监督分类精度较高于非监督分类。(3)从时间与空间角度分析种植结构调整的变化趋势。随着时间的推移,研究区内大豆面积逐年上升,玉米种植面积下降,但大豆和玉米依然是研究区内的重要作物,水稻、马铃薯面积与占比在叁年内均呈现上升的趋势,且上升幅度较为稳定。从空间角度看研究区内种植结构划分为纯玉米种植区、纯大豆种植区、纯水稻种植区、以玉米为主的种植区、以大豆为主的种植区、以水稻为主的种植区、以马铃薯为主的种植区、混作区,共八类种植区。叁年内纯玉米种植区种植重心有向南移动的趋势;以玉米为主的作物种植区重心呈现出由北部向南部转移的趋势,纯大豆种植区整体呈现由北向南移动趋势,以大豆为主的作物种植区重心由海伦市北部向南部移动,并且在兰西县西部也有少量分布。混作种植区空间分布广泛,呈现出由研究区的西部向东部迁移的趋势。纯水稻种植区与以水稻为主的种植区面积稍有变化,但变化幅度不大。(4)种植结构调整及其影响因素。通过对2015、2016、2017年作物种植结构调整时空的变化进行分析发现此叁年研究区大豆种植面积呈上升趋势,玉米面积呈下降趋势,水稻面积几乎不变,2015年玉米面积最多、大豆面积偏少是因为玉米适应性强,在各类土壤类型中均能生长,且收益高,大豆对土壤要求较高,2016年开始研究区内的大豆种植面积及占比逐年上升,玉米的种植面积及占比逐年下降,此结构调整变化的原因大部分在于国家政策的导向,同时随着国家政策的提出与落实,农民积极响应国家政策,使得自身收益提高,实现了种植结构的调整。(本文来源于《东北农业大学》期刊2019-06-01）
秦乐乐[9]（2019）在《基于主动微波遥感的典型黑土区表层土壤水分反演研究》一文中研究指出土地是人类获取物质资料和生产资料的重要基础,人类所有生活和生产活动都离不开土地。在近万年的岁月中,人们对土地的利用方式由浅到深,人地交互方式越来越频繁,这其中离不开水的参与。大田耕地进行精准灌溉和施肥、区域农田实时监测土壤水分含量是土地保护和耕地高效管理的基础。土壤水分作为干旱变化的指示因子,直接影响全球粮食产量和质量,进而制约着农业的发展。传统土壤水分监测是根据土壤湿度和温度进行大范围布点,采样过程耗时耗力,且成本较大。遥感技术的兴起为快速获取大田土壤水分时空分布信息提供了技术支持。其中主动微波遥感凭借对土壤水分的高敏感性,全天候、全天时观测能力,不受云、雨、雾的影响的优势,成为区域土壤水分监测的主要方法和可靠数据来源。所以研究土壤水分空间分布状态对区域耕地质量评价、作物估产和精准灌溉都具有一定的指导意义。本文选择黑龙江省赵光农场为研究区,选取8 m分辨率Radarsat-2、30 m分辨率DEM影像为数据源,针对野外测量相关长度不精确的问题,提出了一种新的面向黑土区土壤水分反演的经验模型。首先利用Oh模型模拟后向散射系数在不同地表参数、系统参数下的响应曲线,然后结合影像数据和实地测量数据,建立后向散射系数与土壤水分、均方根高度的函数关系式,并进一步探讨土壤水分与地形的关系,得到以下结论:(1)对比各微波散射模型,选用Oh模型描述裸露地表微波散射特征,在各极化方式下,雷达后向散射系数随入射角的增大而减小,随土壤水分增大而增大,随均方根高度的增大而减小;影像提取值与模拟值相关性较高,为后期建立经验模型奠定基础。(2)提出了Oh模型和经验模型联合反演土壤水分的方法。新建立的模型仅有两个未知数参数(s和mv),结合VV、VH极化后向散射系数之差去除均方根高度的影响,即可进行地表土壤水分测算。(3)对本文提出的经验模型进行验证,结果验证点的模拟值与实测数据相比总体偏小,相关系数为0.655,平均绝对误差为0.053 cm3/cm3,表明本文提出的经验模型精度较高,可以用于研究区土壤水分反演。(4)利用分布指数研究各等级水分数据在不同等级地形因子上的分布特征,结果表明:在低高程和小坡度范围内,土壤水分湿润等级占主导优势地位;反之,高程较高和坡度较陡地带,水分干旱等级处于优势主导地位。(5)在限定高程范围内,土壤水分分布面积与高程存在正相关性;各级土壤水分面积与坡度之间均存在负相关关系;土壤含水量在阴坡(西坡、西北坡)分布最高,其次是阳坡(东南坡、南坡)。进行裸土区土壤水分预测,最重要的是消除土壤粗糙度对后向散射的影响,本文提出Oh模型和经验模型联合反演土壤水分的方法,为区域土壤水分监测提供了一种新的技术手段,也为大田精准灌溉和科学管理等提供了科学依据。(本文来源于《东北农业大学》期刊2019-06-01）
齐北松[10]（2019）在《基于Landsat影像的典型黑土区土壤有机质时空变化特征研究》一文中研究指出东北黑土区是世界上少有的典型黑土区之一,是全中国最大规模的粮食储备基地之一,也是我国至关重要的战略性资源地。但经历漫长的历史变迁,由于各种自然因素以及人类生产活动的长期影响,东北黑土区土壤逐渐退化,不仅肥沃黑土的整体数量减少,而且土壤的质量也在不断下降。如何挽救我们岌岌可危的耕地资源,成为了当今社会急需探讨和解决的重要课题。寻求合理的水土保持的方案和着手对耕地质量的动态监测也是“振兴东北”战略的必由之路。本研究通过获取海伦市1988年、2009年、2016年叁个时期Landsat影像,利用2009年野外土壤采样数据,分析土壤有机质含量与其多光谱反射率的关系,进行多元逐步线性回归分析,并引入地形因子,建立土壤有机质含量预测模型。以点及面的反演叁期遥感影像中海伦市有机质含量,绘制有机质含量分布预测图。并结合地形变化和气候特征等方面,分别从宏观和微观揭示典型黑土区土壤有机质时空变化特征,结论如下。(1)由于本研究时间跨度较大,采用了两种传感器的影像,两个传感器影像各个波段之间存在线性关系,将两种传感器两种影像校正至同一水平,可以使由2009年TM传感器影像反射率拟合建立的模型同时适用于2016年OLI传感器的影像。(2)将多光谱影像中的土壤反射光谱值数学变换,有助于消除大气、地形、水分等因素的影响,大大提高了有机质与光谱数据的相关性,其中蓝波段的倒数与有机质含量的相关性达到了0.781~(**)极显着相关。(3)在同一坡面单元上,有机质含量会随坡高程的降低而升高,坡底有机质含量一般高于坡顶有机质含量;当坡型由凹面转为凸面时,有机质含量降低,当坡面由凸面转为凹面时,有机质含量升高;坡向也会影响有机质含量的分布,阳坡有机质含量一般会低于阴坡有机质含量。(4)通过逐步线性回归分析,将1/b2(蓝波段倒数),24差比和(红蓝波段差/红蓝波段和),24比(红蓝波段比),tanα(6)(Swir1波段处夹角tan值)和SOS(坡度变率)引入模型作为模型输入量,使遥感反演模型的决定系数R2达到提高至0.671。对比单波段模型,多波段光谱指标模型,得出引入地形因子的多波段光谱指标模型为最适合本研究有机质反演的模型的结论。(5)近30年海伦市有机质含量是缓慢下降的,从1988年平均有机质含量4.87%降至2016年平均有机质含量3.98%;有机质含量降低区域主要分布在海伦市的中下部和西南部,并且西南部有机质含量一直处于较低水平;1988年至2009年有机质含量下降幅度大,速度快,而2009年至2016年有机质含量下降幅度小,速度较慢。(6)海伦有机质含量时空变化趋势和分布特点受到气候和地形的影响,分析得出由于海伦市地处小兴安岭丘陵区至松嫩平原过渡区,因春秋多风干燥,夏季高温冬季寒冷的气候特点和漫川漫岗高低起伏的地形也是导致有机质含量时空变化特征的重要原因。(本文来源于《东北农业大学》期刊2019-06-01）
典型黑土区论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了精确分析研究区域内水土流失敏感性时空分异特征,本文在借鉴USLE的理论基础上,参考研究区域的实际特征,重新构建水土流失敏感性评价指标体系,研究嫩江平原北部典型黑土区近30年来水土流失敏感性时空分异特征。研究表明:①1985年～2015年间研究区域水土流失的敏感性逐年增强,其水土流失危险性指数分别为2. 08、2. 10、2. 27和2. 31,且侵蚀沟密度逐渐增大,加剧了研究区域水土流失态势;②30年来耕地的面积以47. 1 km2/10a的速率增加,但是耕地的水土流失敏感性也随之增强,其中度敏感性区域增长最快,为34. 3 km2/10a,其次为重度敏感区域,增长速率为27 km2/10a;③近30年间研究区域内其水土流失敏感性增加最为严重的区域为3°～5°坡度带内的坡耕地地区。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
典型黑土区论文参考文献
[1].刘忆莹,裴久渤,汪景宽.东北典型黑土区耕地有机质与pH的空间分布规律及其相互关系[J].农业资源与环境学报.2019
[2].路中,雷国平,王居午,郭晶鹏,马鑫鹏.30年来东北典型黑土区水土流失敏感性时空分异特征研究[J].自然灾害学报.2019
[3].杨鑫,刘刚,谢云,高晓飞,王翔鹰.东北黑土区北部典型小流域融雪径流及发生条件分析[J].中国水土保持科学.2019
[4].王文娟,邓荣鑫,张树文,岳书平.东北典型黑土区侵蚀沟发育演化特征分析[J].地理与地理信息科学.2019
[5].刘杭.黑土区典型作物轮作和连作对土壤微生物群落结构的影响[D].中国科学院大学(中国科学院东北地理与农业生态研究所).2019
[6].王士超.典型黑土区有机物料提升土壤碳氮固持的协同效应机制[D].中国农业科学院.2019
[7].刘旭.典型黑土区耕地土壤微塑料空间分布特征[D].东北农业大学.2019
[8].姜佩林.基于遥感的典型黑土区作物种植结构变化分析[D].东北农业大学.2019
[9].秦乐乐.基于主动微波遥感的典型黑土区表层土壤水分反演研究[D].东北农业大学.2019
[10].齐北松.基于Landsat影像的典型黑土区土壤有机质时空变化特征研究[D].东北农业大学.2019