不同利用方式对大针茅草原植被群落特征的影响

探究不同利用方式对大针茅典型草原群落植被特征的影响,可为大针茅草原制定合理科学的利用制度提供理论依据。本试验将大针茅典型草原作为研究对象,基于入户调查在打草场、全年放牧及季节轮牧3种利用方式的草地上进行植物群落调查,计算重要值以及多样性指数,分析植物多样性与生物量的关系。结果表明:1)3种利用方式下大针茅草原的优势植物类群一致;2)3种利用方式下群落物种多样性无显著差异,但功能群的物种多样性差异显著,多年生禾草的物种多样性在打草场和季节轮牧下高于全年放牧,灌木半灌木的物种多样性则在全年放牧下高于打草场和季节轮牧;3)打草场和季节轮牧的地上现存量显著高于全年放牧,多年生禾草的相对地上现存量在打草场中高于季节轮牧,多年生杂类草则与之相反;4)在打草场和季节轮牧下,植物多样性与地上现存量呈显著正相关关系。综上,打草场和季节轮牧在维持较高的物种多样性的同时能保持较高的地上现存量,更加有利于大针茅草原的可持续利用,但两者维持生态系统功能的群落结构有所不同。

基于分数阶微分的土壤全氮高光谱反演

为快速无损地获取托克托县土壤全氮含量,满足当今精准农业的要求,文章以研究区内120个采样点的土壤全氮含量与高光谱数据为数据源,利用分数阶微分(1~2阶)间隔0.1对光谱数据进行处理,筛选敏感波段,利用支持向量机(support vector machine,SVM)与BP神经网络模型共建立24个土壤全氮反演模型,结果表明:①经过分数阶微分处理后,光谱的波峰、波谷处信息被放大,随分解尺度的增加,其余波段的反射率逐渐趋于0;②原始光谱与土壤全氮的皮尔森相关系数r=0.61,经分数阶微分处理后,在1.1阶处达到最大值r=-0.67,绝对值较之前提升了0.06;③BP神经网络预测模型结果优于SVM预测模型结果,本研究最佳土壤全氮预测模型为1.1阶微分处理后建立的BP神经网络模型,建模集R 2为0.75,均方根误差(root mean square error,RMSE)为0.16,验证集R 2为0.71,RMSE为0.16,相对分析误差(relative percent deviation,RPD)为2.06,可有效反演当地土壤全氮含量,相对于原始光谱建立的BP神经网络模型精度有较高提升。因此,利用1.1阶微分处理后的高光谱数据建立BP神经网络模型可实现对研究区土壤全氮含量的反演预测,可为当地精准农业的发展提供理论参考与技术支撑。