减量施氮与间作大豆对甜玉米土壤团聚体及有机碳含量的影响

【目的】探究不同氮水平与间作大豆对甜玉米土壤团聚体稳定性及有机碳含量的影响,为优化甜玉米//大豆带状复合种植技术体系、实现氮肥减量增效和农田固碳减排提供科学依据。【方法】依托甜玉米//大豆间作长期定位试验研究了施氮水平(N0-不施氮,N1-减量施氮300 kg/hm^(2)和N2-常规施氮360 kg/hm^(2))和种植模式(SS-甜玉米单作、S2B3-甜玉米//大豆2∶3间作和S2B4-甜玉米//大豆2∶4间作)对甜玉米产量、土壤团聚体以及有机碳含量的影响。【结果】施氮显著提高了甜玉米产量并降低了土地当量比,N1和N2处理的降幅分别为11.30%~14.59%和9.66%~10.73%,但减量施氮和常规施氮间无显著差异;施氮促进粗大团聚体(>2 mm)分解为细大团聚体(0.25~2 mm),显著降低甜玉米土壤团聚体稳定性、原土及各粒级团聚体有机碳含量和粗大团聚体有机碳贡献率。总体上,间作对土壤团聚体稳定性、原土及团聚体土壤有机碳含量无显著影响;但S2B3模式有提高甜玉米土壤团聚体稳定性的趋势,且在N0处理下S2B3处理的土壤有机碳含量显著高于其他处理。【结论】施氮显著降低了甜玉米//大豆间作系统土壤团聚体稳定性及有机碳含量,减量施氮与甜玉米//大豆2∶3间作在维持甜玉米产量稳定的同时有提高土壤团聚体稳定性和有机碳固持的潜力。

Spark环境下基于网格索引的轨迹k近邻查询方法

移动对象轨迹的k近邻(k nearest neighbor trajectories,kNNT)查询是一种重要的空间信息服务,主要用于寻找与给定轨迹最近邻的k条轨迹,被广泛地应用于智能交通、信息推荐等领域。随着轨迹数据量的快速增长,由于单机计算资源的限制,传统集中式环境下的kNNT查询效率和可扩展性无法满足实际要求。为了解决这个问题,设计了轨迹数据的分布式网格索引结构,该索引在Spark环境下将轨迹切分并映射到网格中,并引入轨迹还原表以保留查询时候选子轨迹段间的连续性。基于此索引,提出了Spark环境下的轨迹k近邻查询方法kNNT-Grid。实验结果表明,kNNT-Grid方法在分布式环境下实现了良好的查询效率和可扩展性,能够应对海量轨迹数据的k近邻查询需求。