森林土壤不同粒径颗粒的碳矿化研究

土壤是由不同粒径颗粒组成的,各粒径颗粒的性质差异大、在土壤中的空间位置不同。为了研究它们各自碳的变化差异,评估这些颗粒在土壤有机碳稳定和周转中的作用。选择亚热带阔叶林土壤,采用物理分组的方法,获得不同粒径土壤颗粒(>2000、2000~250、250~53、<53、53~20、20~2、<2μm),与全土等质量开展矿化试验,研究碳矿化量差异、主要碳形态变化及其相互关系,反向探究不同粒径颗粒在全土壤中的作用。结果表明,不同粒径颗粒按照质量比例作为权重计算的CO_(2)累积排放量、全碳、C/N、芳香性指数、游离氧化铁含量占全土的95.0%~101.8%。<2μm和20~2μm土壤颗粒CO_(2)累积排放量显著高于其他颗粒和全土。全土及各颗粒土壤CO_(2)累积排放量与比表面积、总孔隙体积、全碳、土壤可溶性有机碳(DOC,Dissolved organic carbon)、土壤微生物生物量碳(Soil microbial biomass carbon,MBC)、易氧化有机碳、游离氧化铁呈正相关性,而与C/N呈负相关性。通过对不同粒径颗粒16个指标降维分析,综合特征指数显示<2μm和20~2μm颗粒最高,即它们的综合作用最大。因此,全土壤的碳变化可追溯到土壤不同粒径颗粒碳的不同变化及关系,且土壤小粒径的团聚或被大粒径颗粒包闭可能是降低全土碳矿化的机理之一,有利于维持全土壤碳的稳定或增加保存。

高校数控铣床实训过程中的问题与解决方案研究

《数控技能实训》是高等学校本科机械类专业一门重要的专业基础课程。通过本课程学习,使学生初步掌握数控加工的基础工艺知识,掌握基本的编程指令,具备数控车床、数控铣床、数控加工中心、特种加工机床的程序编制能力,并能独立完成简单零件的加工工艺设计及加工,为后继课程的学习打好基础。但目前各高校在数控铣床培训方面还存在各种各样的问题,需要不断的提出探索与研究,本文通过阐述数控技能实训过程中出现的问题,提出了相对应的解决方案。

PCBN刀片铣削QT450球墨铸铁的试验研究

为研究PCBN铣刀片铣削球墨铸铁的性能,采用陶瓷结合剂PCBN铣刀片(T-PCBN)和金属结合剂PCBN铣刀片(J-PCBN)进行铁素体球墨铸铁(QT450-10)铣削试验,对比研究两种铣刀片的铣削力、振动、磨损机理和使用寿命。结果表明:相同切削参数下,T-PCBN刀片的铣削力和振动小于J-PCBN铣刀片;两种刀片均存在黏结、扩散、氧化以及磨粒磨损,T-PCBN铣刀片主要的失效形式是崩刃,J-PCBN铣刀片的失效形式为磨损,直至达到磨钝标准;J-PCBN铣刀片的服役寿命远高于T-PCBN铣刀片。

哪类教学支架对提升初中生计算思维更有效?--基于算法支架、程序支架和有限性型支架的比较

如今,编程作为计算思维培养的重要途径已得到广泛应用。其中相较于图形化编程,文本编程需要更高的抽象思维和逻辑思维能力,教师有必要提供教学支架帮助学生设计算法、完成编程任务。虽然目前已有研究发现应用教学支架可以有效发展学生的计算思维,但鲜有研究探讨为学生提供不同类型教学支架对其计算思维发展的影响。为此,文章面向初中生Python编程课程,以136名初一学生为对象,分别应用算法、程序以及有限型支架,开展了一个学期的准实验研究,以探究三种不同类型教学支架在发展初中生计算思维方面的差异。综合量化和质性数据发现:在计算思维技能方面,程序支架的提升效果最为显著,明显优于算法和有限型支架;在计算思维自我效能感方面,算法和程序支架均有显著性提升效果,且学生原有计算思维自我效能感水平越高,提升效果越显著。文章通过研究,旨在为信息科技教师开展计算思维教学实践提供基于证据的学理支持。

基于MOOC的中外合作混合教学实践创新

"互联网+时代",技术发展为高等教育课程国际化提供了前所未有的机会。因此,利用互联网技术促进高等教育课程国际化是我们近年来实践探索的重点。过去两年里,我们创建了Wolearn平台,先后联络中英两国一些高校,致力于基于MOOC的中外合作混合教学实践研究。在实践中,我们尝试将英国高校MOOC整合到中国高校面授课程中,同时建构了英国MOOC主持教师与中国学生的互动式视频会议活动框架。本研究以英国三所高校不同学科的MOOC为例,调查和分析了基于MOOC的中外合作混合教学模式的实际效果。数据显示,学生对于这种课程国际化的新形式普遍感到满意,对于英国高校MOOC、与MOOC主持教师的互动式视频会议普遍持肯定和认同态度。目前,这种教学模式面临的主要影响因素有语言障碍、网络环境等。

开放式空气CO_2浓度升高对冬小麦生长和N吸收的影响

利用FACE(freeair carbondioxid eenrichment)技术平台,设常CO2(ambientCO2)和高CO2(elevatedCO2,ambient+200μmol·mol-1)2个水平和常N(NN,250kgN·hm-2)和低N(LN,150kgN·hm-2)2个水平,研究CO2浓度升高对冬小麦(TriticumaestivumL.)整个生长期生物量和氮(N)吸收的影响。结果表明,CO2浓度升高使冬小麦各部分的生物量平均增加28.3%～44.5%,拔节期增幅最大,达36.8%～91.2%,而且NN处理的生物量增幅比LN处理低。CO2浓度升高不同程度地降低了小麦的N含量,但是增加了N的吸收,在拔节期LN和NN处理下分别增加20.8%和29.2%。CO2浓度升高使小麦在拔节期NN处理的N相对吸收速率增加44.1%。说明在大气CO2浓度升高条件下,小麦会通过生物量的增加固定更多的C,增加对N养分的需求,应着重考虑提高小麦拔节期间的施氮肥水平。

CO_2浓度升高对水稻生物量及C、N吸收分配的影响

采用FACE(Free Air Carbon-dioxide Enrichment)技术研究2种N水平下CO2浓度升高对水稻生物量及C、N吸收分配的影响结果表明，与对照相比，高CO2显著降低水稻生物量和C在叶的分配比例，增加其茎、穗和根的分配。高CO2使N在叶的分配降低，穗的分配增加；低N和常规N处理水稻抽穗期根的分配分别降低9．67％和13．1％，其他生育期则增加3．5％～26．6％；拔节期茎的分配分别增加7．03％和5．71％，成熟期分别降低10．5％和7．43％。N水平对水稻生物量和养分分配的影响不显著。

林下凋落物去除与施氮对针叶林和阔叶林土壤氮的影响

通过野外模拟试验,选择中亚热带针叶林(杉木林)和阔叶林(浙江桂林和罗浮栲林)森林生态系统,设3个施氮水平CK(对照)、低氮〔30 kg(hm2·a)〕和高氮〔100 kg(hm2·a)〕及2个凋落物处理,研究施氮对土壤主要形态氮质量分数的影响、动态变化及凋落物在其中的作用.结果表明:与CK相比,高氮处理可瞬时(3 d)提高森林土壤氮质量分数,但施氮后持续效应的影响降低.与保留凋落物相比,去除凋落物在施氮的持续效应中,可降低阔叶林土壤w(铵态氮)18.2%,而杉木林土壤的氮质量分数则略有升高.去除凋落物下施氮的持续和瞬时效应可增加各种林下土壤的w(硝态氮),其中浙江桂林土壤w(硝态氮)分别增加58.9%和38.2%,罗浮栲林土壤分别增加7.0%和30.0%,杉木林土壤分别增加-17.1%和9.0%.可见凋落物在施氮连续事件中存在复杂的短期和长期相互影响.阔叶林土壤w(SON)(SON为可溶性有机氮)较高,并且其微生物w(SON)及其占微生物w(TN)的比例高于杉木林土壤,而杉木林土壤微生物w(铵态氮)及其占微生物w(TN)的比例高于阔叶林土壤.

数字化转型视域下教师TPACK接受水平:模型、测评、影响因素及提升策略

随着数字技术在教学领域的应用日益广泛,对教师整合技术的教学法知识(TPACK)提出了新的挑战。为了解教师在教学过程中整合技术的过程性变化,以有效提高教师的TPACK水平:首先,该研究系统梳理了TPACK接受水平渐进发展模型的提出及在这一模型基础上发展而来的扩散发展模型、阶梯发展模型及螺旋发展模型;其次,分别介绍了有效评估教师TPACK接受水平的测评内容以及测评方式;再次,结合国内外研究现状,发现教师已具备的整合技术的意识、已掌握的技术知识和已积累的教学经验是影响教师TPACK接受水平发展的重要因素;最后,在此基础上提出了有效提升教师TPACK接受水平的策略,即强化教师数字化意识、提高教师数字技术知识与技能,以及促进教师数字化应用。

开放式空气CO_2浓度升高对冬小麦P、K吸收和C:N,C:P比的影响

利用FACE(Freeaircarbondioxideenrichment)技术平台,在两种氮肥施用水平上,研究了CO2浓度升高对冬小麦整个生长期P、K吸收和C∶N,C∶P比的影响。实验设常规CO2(AmbientCO2)和设计CO2(elevatedCO2,Ambient+200μmol·mol-1)两种CO2水平和常规氮(NN,250kgN·hm-2)和低氮(LN,150kgN·hm-2)两个N水平。结果表明,相对于对照处理,高CO2浓度条件下,小麦叶的P浓度分别在分蘖期显著降低,LN处理降低幅度相对较大,叶、茎和穗的P浓度主要在成熟期增加,NN处理增加幅度相对较大;小麦不同部位的K浓度降低幅度在LN处理较大。但是小麦对P、K的吸收增加,并且在拔节期和成熟期达到显著水平,LN处理下对P的吸收增加幅度较大,NN处理对K的吸收增加幅度较大。由于CO2浓度升高,拔节期以前,小麦对P和K的相对吸收速率(RAR)分别增加33%(LN>NN)和37%(LN<NN),拔节期以后分别降低45%(LN>NN)和101%(LN>NN)。CO2浓度升高后主要显著增加了LN处理的C∶N比,但是C∶P比仅仅在分蘖期显著增加。

开放式空气CO_2浓度升高对水稻土壤可溶性C、N和P的影响

采用FACE(Free air carbon dioxide enrichment)技术,研究了不同N施肥水平下,大气CO2浓度升高对水稻/小麦轮作中水稻土壤可溶性C、N、P的影响.结果表明,CO2浓度升高使土壤表层可溶性C含量增加,土壤5～15 cm的可溶性C含量倾向于降低,增加N肥施用(常规N处理)更易于使土壤可溶性C含量降低.CO2浓度升高使水稻土壤中的可溶性N含量降低,在低N处理和土壤表层降低幅度较大,N肥施用仍有提高的余地.CO2浓度升高使水稻成熟期土壤可溶性P含量增加,但是常规N处理下会降低水稻生长前期和土壤表层的可溶性P,增加N肥施用有利于水稻对P的吸收.

自由大气CO_2浓度升高对稻田CH_4排放的影响研究

采用FACE田间试验,对高CO2浓度影响稻田CH4排放规律进行了观测分析,并利用δ13C技术初步分析了土壤CH4的排放来源。结果显示,植株和土壤的CH4排放速率在高CO2浓度处理大于对照18%以上,其增加幅度为土壤大于植物,CH4排放速率可能受田间水分条件影响较大。与对照比较,高CO2浓度条件下植物和土壤部分CH4累积排放总量增加,且变化幅度随生长期而降低,前期(54d)常规氮处理(NN)高于低氮处理(LN),后期LN高于NN;但是行间裸土CH4累积排放总量在前期(54d)增加和之后降低的幅度均为NN高于LN。土壤排放CH4δ13C值从移栽到第102d,高CO2浓度处理LN和NN水平下土壤对照(CK)仅分别升高9.0%和8.3%,种水稻则降低8.8%和8.1%;但是在对照CO2浓度条件下土壤对照降低17.2%和112.5%(P=0.047),种水稻降低40.3%和105.9%(P=0.023),表明高CO2浓度下有更多C4来源的碳释放,对照CO2浓度条件下有更多C3来源的碳释放。水稻不同生长期与土壤对照比较,种水稻土壤排放CH4δ13C值降低的幅度总和在高CO2浓度条件LN和NN水平下分别为114.8%和72.7%,对照CO2浓度条件下分别为41.9%和72.8%,表明在种有植物的情况下更多当季的碳分解释放,LN水平下高CO2浓度促进来源于当季碳的CH4排放,NN水平下没有发现CO2浓度的影响,可能与作物生物量和它的间接产物(根系分泌物)的影响有关。

施用铵态氮对森林土壤硝态氮和铵态氮的影响

对取自武夷山的红壤、黄壤、黄壤性草甸土分别在对照（CK，N0mg／kg）、低氮（LN，N50mg／kg）、高氮（HN，N100mg／kg）3种氮（N）水平处理下开展培养实验，研究施加NH4^＋-N对森林土壤N转化的短期影响。结果表明，添加NH4^＋-N可显著（p〈0．05）降低土壤NO3^--N含量4．5％～25．7％，但LN与HN处理差异不显著，NO3^--N降低可能与NO3^--N反硝化和异氧还原有关；然而，黄壤性草甸土NO3^--N没有降低。与培养前比较，在第56天红壤NO3^--N含量显著增加5倍左右；桐木关黄壤增加40％左右，而黄冈山25km黄壤仅在CK处理下增加16％，但是黄壤性草甸士显著降低：结果显示LN与FIN处理土壤NO3^--N含量变化幅度小于CK。与CK相比，LN和HN处理红壤NH4^＋-N分别显著（p〈0．05）升高24．1％～96．5％和68．7％-114．1％，且随培养进行没有累积，可能与微生物固N有关；桐木关NH4^＋-N分别升高17．6％～39．6％和37．6％～95．8％（p〈0．05），LN处理黄冈山25km黄壤NH4^＋-N只有第7天升高17．8％（p〈0．05），HN处理第7、14、28、42天显著升高17．5％。48．6％（p〈0．05）。LN处理黄壤性草甸土的NH4^＋-N在前3周显著降低11．6％～28．5％（p〈0．01）；HN处理在第7天和14天分别降低10．8％（p〈0．01）和7．5％，但是在第28—56天显著增加17．6％-20．4％（p=0．002）。随着培养进行，CK处理红壤NH4^＋-N逐渐降低，桐木关黄壤、黄冈山25km黄壤和黄壤性草甸土升高：LN和HN处理黄壤和黄壤性草甸土NH4^＋-N逐渐升高。可见，不同海拔土壤类型对NH4^＋-N添加响应存在差异。

反省分析技术在教育领域中的应用

当前在商业和教育领域,分析技术已经成为研究的热点问题。实际上分析技术的历史发展由来已久,只不过近年来在大数据、新技术发展和商业需求三股力量的综合角力之下,使得分析技术在商业智能、Web分析、人工智能和数据挖掘、社会网络分析、信息可视化、学习分析等领域得到了进一步的发展。在教育领域,分析技术涵盖教学、机构和管理等范畴,其应用的焦点主要集中在学习分析上。学习分析的核心是如何对教育数据进行收集、整理、分析和预测,目的是利用数据挖掘和建模技术增强学生对教与学的理解,并为其提供有效的个性化教育,当前的教育应用主要体现在适应性测试与跟踪、早期预警与干预两个层面。然而分析技术在教育领域中的应用还存在一些问题和挑战,我们需要理性地认识其功能和特性,以谨慎的态度推动其应用。由于教育系统与学习过程本身的复杂性、技术的工具性、数据的情境性等因素,单纯依据一系列的数据来评判学生的学习并不科学,应将学习分析建基于获得广泛支持的教学理论之中,使其能够真正促进教育的发展。

不同氮水平下秸秆和活性碳对土壤不同粒级碳的影响

利用采集自FACE(Free Air Carbon Dioxide Enrichment)技术平台上田间培养的土壤样品,通过温室培养的方法,研究不同CO2浓度下导致作物生物量增加和更多碳输入对土壤含碳量的影响.结果表明,CO2浓度高(即通过秸秆还田和根系进入土壤的含碳量增加)时,其显著影响碳在不同粒级土壤中的转化,粒径>53μm土壤的含碳量增加,粒径<53μm土壤的含碳量降低;在没有秸秆加入的常规氮水平下与有秸秆加入的低氮水平下,含碳量变化幅度较大;单位土壤各粒级的含碳量均有增加,有秸秆加入,活性碳(葡萄糖)量越大,含碳量增加幅度越大;没有秸秆加入,活性碳量越大,总碳含量增加幅度越小.而不同氮水平下秸秆的分解代谢对土壤不同粒级碳的影响还不明确,有待继续研究.

大气CO_2浓度升高对植物—土壤系统地下过程影响的研究

综述了大气CO2浓度升高对根系、根际、根系分泌物、土壤呼吸和土壤物质转化和C、N循环影响的研究进展,阐述了有关实验的研究情况,以及它们在整个生态系统响应大气CO2浓度升高中的重要作用、目前研究中存在的争论、以及还需要研究的领域和方向及其研究的重要性。

大气CO2浓度升高对作物根际土壤氮的影响

利用FACE(Freeaircarbon dioxide enrichment)技术,在两种氮肥施用(低氮LN和常规氮NN)水平下,研究CO2浓度升高对水稻和小麦收获后根际和非根际土壤硝态氮、铵态氮和有机氮的影响。结果表明,相对于对照CO2浓度处理,高CO2浓度处理在显著增加作物生物量的前提下,使水稻季根际土壤硝态氮含量降低,NN水平下降低明显,小麦季变化不大,高CO2浓度处理对作物根际的影响大于非根际。高CO2浓度对土壤铵态氮含量的影响不显著,仅小幅度增加了水稻季和降低了小麦季土壤铵态氮含量,且根际降低幅度大于非根际;增加氮肥施用使土壤铵态氮含量在高CO2浓度处理增加幅度低于对照。高CO2浓度处理并没有显著增加有机氮的含量,在小麦季作物对土壤有机氮的贡献大于水稻季,且增加氮肥施用条件下根际对有机氮的贡献较大。

虚拟学习社区空间的社会学分析——以“华师在线”为例

虚拟学习社区的空间是一种社会空间。通常,在虚拟学习社区中存在着三类社会空间,即个体空间、群体空间和公共空间。这三类社会空间在社会互动、社会群体以及社会网络方面的特征各不相同,功能则相互补充。在群体空间的学生群体空间中,一种新型的学生群体——“课群”开始取代传统的班级群体,并且在互动媒介、学习方式、人口结构、社会网络、角色分工、群体意识以及群体规范等方面显示出一些新的特征。

美国Games-to-Teach项目概述及启示

随着电子游戏产业的不断发展,人们开始关注将这一新的媒体技术引入教育领域,开发具有独特教育目的、教育内容或教育方法的教育电子游戏。而在教育电子游戏研究领域中,麻省理工学院和微软研究院合作开展的Games-to-Teach项目无疑具有里程碑意义;该项目集聚了多个学科的学科专家、教育技术专家、游戏设计人员和学习者,是一项旨在开发下一代交互式娱教产品概念模型的研究。本文在介绍了Games-to-Teach项目的研究目标、主要实践性成果(15个概念模型及设计)以及主要研究结论的基础上,提出该项目对我国设计开发教育电子游戏的四点启示:①教育电子游戏具有广阔的教学前景;②教育电子游戏与课程内容的融合可以通过多种方式和途径来实现;③教育电子游戏的设计需要密切结合教与学的理论;④教育电子游戏的设计最好有教学针对性。

土壤及凋落物源氮对中亚热带森林土壤SON的影响

土壤可溶性有机氮(SON)含量虽低,却是土壤氮库中最活跃的组分之一;主要来源于凋落物分解和土壤氮素转化。但是它们各自对土壤的影响还不清楚。通过添加杉木和^(15)N标记的阔叶凋落物于土壤表面,研究针阔叶凋落物分解对土壤SON的影响,及与土壤氮的关系。结果表明:由于没有降水的淋溶影响,培养期间,凋落物SON的显著降低,并没有直接增加土壤SON。与对照比较,杉木凋落物添加显著增加了土壤无机氮的含量,而较高C/N比的阔叶凋落物在其分解初期首先需要吸收更多的土壤氨态氮。添加^(15)N标记的阔叶凋落物提高了土壤SON在培养90—210天来自凋落物的比例,在第210天高达74.8%;来自凋落物的氨态氮比例在实验30天开始增加,到第210天高达39.8%;但是对硝态氮的影响不大。结果表明,土壤SON在培养初期因受凋落物的影响,主要来自土壤有机质的分解,而来自凋落物的SON更容易矿化;且土壤源的氮更容易发生硝化作用。可见,土壤中的SON是与凋落物分解动态、以及对土壤的影响有关。