Vertical distribution of soil carbon and nutrient storages under a Michelia macclurei plantation
-
摘要:目的
对10年生火力楠Michelia macclurei人工林不同土层的土壤碳储量及养分储量进行研究,以了解火力楠人工林的固碳能力和土壤养分状况。
方法在各标准地内用五点取样法,沿土壤剖面按0~20、20~40、40~60、60~80和80~100 cm分层采集土壤样品。用常规方法测定土壤pH以及有机质、全N、全P、全K、碱解N、有效P和速效K的含量,并计算土壤碳储量和养分储量。
结果林分土壤呈酸性(pH3.54~3.79)。火力楠林地的土壤碳含量随着土壤深度的增加而下降。火力楠林地各层土壤的全P和全K含量差异不显著,全N、碱解N、有效P和速效K含量均随着土层的加深呈现下降的趋势。火力楠林地0~100 cm土壤的碳储量为259.26 t·hm−2,N、P和K储量分别为21.50、7.47和209.42 t·hm−2。此外,随着土壤深度的增加,各层土壤的碳储量以及P、K储量总体呈现增加的趋势。
结论火力楠林地的土壤碳储量高于全国平均水平,说明火力楠林地土壤具有较好的碳汇潜能和改良土壤的能力。深层土壤的碳储量以及P、K储量大于表层土壤,说明表层土壤的固碳能力较低且淋溶侵蚀较为严重。在今后的经营管理过程中,应注意防治水土流失,增强土壤表层的固碳能力。
Abstract:ObjectiveCarbon and nutrient storages in different soil layers were studied in a 10-years-old Michelia macclurei plantation, in order to understand the soil carbon sequestration capacity and nutrient status of the M. macclurei plantation.
MethodFive-point sampling method was used to collect soil samples from 0−20, 20−40, 40−60, 60−80 and 80−100 cm depth layers. Soil pH, contents of organic matter, total N, total P, total K, alkalized N, available P and rapidly available K were determined by routine methods. Carbon and nutrient storages were calculated.
ResultSoil under M. macclurei plantation was acidic (pH3.54−3.79). Soil carbon content ofM. macclurei plantation decreased with the increase of soil depth. There was no significant difference in total P and K contents among different soil layers, while the contents of total N, alkalized N, available P and rapidly available K decreased with the increase of soil depth. Soil carbon storage of M. macclurei plantation in 0−100 cm depth layer was 259.26 t·hm−2. The storages of soil N, P and K in 0−100 cm depth layer were 21.50, 7.47 and 209.42 t·hm−2, respectively. Soil carbon, P and K storages of each layer increased with increasing soil depth.
ConclusionSoil carbon storage of M. macclurei plantation is higher than the average level over all the nation, indicating that the soil in this stand has higher carbon sink potential and ability of improving the soil. There are more soil carbon, P and K storages in deeper layer than in soil surface, indicating poor carbon sequestration capacity and severe leaching erosion in surface soil. It is suggested that in the future management, attention should be paid to prevent soil erosion and enhance the carbon sequestration capacity of surface soil.
-
Keywords:
- Michelia macclurei /
- plantation /
- carbon storage /
- nutrient storage /
- vertical distribution
-
火力楠Michelia macclurei是木兰科含笑属的常绿阔叶大乔木,为南方重要的乡土珍贵用材和多功能高效益树种,具有快速生长、少病虫害、强耐火性等特点[1]。以往对火力楠林地土壤的研究集中于土壤养分[2-3]、不同坡位的土壤肥力[1]、土壤微生物量和可溶性N特征[4]以及土壤特性对N、P添加的响应[5]等方面。郑路等[6]研究了我国南亚热带人工林碳储量,认为火力楠的侧根发达,根系死亡后被分解转化为土壤中的碳,有利于提高土壤层的碳储量;且火力楠发达的根系在土壤中有较强的穿插作用,能够增加土壤孔隙度和通透性并改善立地条件[7];郑文辉等[8]指出,火力楠的凋落物数量多、分解速率快且养分释放周期短,能够为土壤提供大量的营养成分;汪凤林等[9]报道,火力楠和杉木混交能够加快混合凋落物的分解速率,增加土壤肥力。鲜见关于火力楠林地土壤碳储量、养分储量及其垂直分布特征的报道。本文选取10年生火力楠人工林,研究其土壤碳和养分的垂直分布特征,以揭示不同土层的碳和养分分配格局,提供林分尺度的调查数据,以了解该地实际的林地土壤碳库现状。在华南地区人工林营造过程中,可以为树种选择、土壤改良及林地生产力提高方面提供一定的科学依据。
1. 材料与方法
1.1 试验地概况
研究地点位于广东省韶关市小坑国家森林公园,该地属亚热带季风气候,年均气温20 ℃,年降雨量1 500~1 600 mm,雨热基本同季,土壤类型为砂页岩发育的红壤,土层较深厚,呈酸性[10]。样地为10年生火力楠林地,海拔272 m,坡度44°,坡向为NE20°,林分郁闭度为0.8,样地内平均树高和胸径分别为(9.39±1.83) m和(9.31±2.99) cm。火力楠林地0~20、20~40、40~60、60~80和80~100 cm土层的土壤容重分别为1.074、1.095、1.167、1.225和1.330 g·cm−3。试验地为2007年采伐杉木林后栽种的火力楠林1.2 hm2,密度1 667株·hm−2,2017年5—6月对火力楠林进行林地土壤碳储量调查。在林地内选择具有代表性的火力楠林,遵循试验标准地与周边环境的一致性原则,避开林缘带状区域选取规格为20 m×20 m的标准样地,设3个重复。火力楠林下主要植被有乌毛蕨Blechnum orientale、黄牛木Cratoxylum cochinchinense、白茅Imperata cylindrica、扇叶铁线蕨Adiantum flabellulatum、玉叶金花Mussaenda pubescens、海金沙Lygodium japonicum、米碎花Eurya chinensis、银柴Aporosa dioica和蜈蚣草Eremochloa ciliaris等。
1.2 试验设计
在各标准地内按梅花形布点,挖取5个宽度适中、深度为1 m的标准土壤剖面。沿土壤剖面按0~20、20~40、40~60、60~80和80~100 cm分层采集土壤样品。5个土壤剖面分层混合取样后带回实验室自然风干,去除杂物后进行研磨,过筛(0.25 mm孔径),装瓶待测。
用电位法测定土壤pH,用重铬酸钾氧化−外加热法测定土壤有机质含量,土壤全N、P和K含量分别用半微量凯氏法、钼蓝比色法和火焰光度计测定,土壤碱解N、有效P和速效K含量分别采用的碱解–扩散法、0.5 mol·L−1碳酸氢钠法和1 mol·L−1乙酸铵浸提–火焰光度法测定[11]。土壤碳储量的计算方法为:
$$ {A_i} = \sum\limits_{i = 1}^n {\left( {{C_i}{D_i}{T_i}} \right)} \times 0.1, $$ (1) 式中:Ai表示第i层土壤单位面积碳储量,t·hm−2;Ti表示第i层土壤厚度,cm;Di表示第i层土壤容重,g·cm−3;Ci表示第i层土壤的碳质量分数,g·kg−1;0.1为单位换算系数[12]。
1.3 数据处理
不同土层之间的土壤pH和土壤养分含量指标用SPSS 21.0软件采用Duncan’ s法进行多重比较,并用Microsoft Excel 2016进行分析和作图。
2. 结果与分析
2.1 火力楠林地各土层土壤化学性质
由图1A可知在0~100 cm土层内,火力楠林地土壤pH范围为3.54~3.79,且各层土壤pH随土层深度的变化幅度较小,其中80~100 cm土层土壤pH最大(3.79),20~40 cm土层土壤pH最小(3.54)。火力楠林地土壤碳含量随着土层的加深而减少(图1B)。
多重比较表明,火力楠林地的土壤全N含量随着土壤深度的增加而小幅下降(图2A),80~100 cm土层土壤全N质量分数(1.65 g·kg−1)显著小于0~20 cm土层土壤全N质量分数(2.01 g·kg−1)(P <0.05)。火力楠林地各层土壤全P和全K含量差异均不显著( 图2B、2C)。
由图3A可知,火力楠林地各层土壤碱解N含量随土层加深而小幅度下降。80~100 cm土层土壤碱解N质量分数(166.87 g·kg−1)显著小于0~20 cm土层土壤碱解N质量分数(189.57 g·kg−1)(P <0.05)。有效P含量随土壤深度的增加而显著降低( 图3B)(P <0.05)。土壤速效K含量在0~60 cm范围内无显著差异,之后随土层加深而显著降低( P <0.05)( 图3C)。
2.2 火力楠林地各土层土壤碳储量和养分储量
火力楠林地各土层土壤的碳储量和养分储量及其分配格局见表1。火力楠林地0~100 cm土壤的碳储量为259.26 t·hm−2。随土层深度的增加,各土层土壤碳储量总体上呈现增加趋势。火力楠林地土壤P和K储量均随土层的加深而呈现上升的趋势。火力楠林地各土层的3种营养元素储量的排序均为:K>N>P。
表 1 各土层土壤的碳储量和营养元素储量Table 1. Soil carbon storage and nutrient storage in different soil layerst·hm−2 土层/cm
Soil layers碳储量
C storageN 储量
N storageP 储量
P storageK 储量
K storage0~20 50.82 4.31 1.39 37.69 20~40 51.47 4.17 1.43 40.17 40~60 51.43 4.31 1.49 41.80 60~80 51.99 4.30 1.52 42.84 80~100 53.55 4.40 1.63 46.91 合计 Total 259.26 21.50 7.47 209.42 3. 讨论与结论
3.1 火力楠林地土壤化学性质
本研究中,火力楠林地土壤pH范围为3.54~3.79,属于酸性土壤。华南地区高温多雨,强烈的淋溶与风化作用引起强烈的脱硅、盐基淋失和富铁铝化过程,导致土壤pH降低[13]。土壤养分的垂直分布特征受成土母质、气候特征、地形地貌和人为活动等多种因素的影响,且因养分类型不同而具有显著差异[14]。贺志龙等[15]对华北落叶松Larix gmeliniivar.principis-rupprechtii土壤养分的研究表明,随着土层深度的增加,土壤总碳、硝态N、铵态N、速效K含量呈现下降趋势。本研究也发现,除全P和全K含量在各土层间差异不显著外,其余指标均随着土层深度的增加而下降。可能是因为枯落物分解产生的营养元素聚集在土壤的表层,之后随水分或其他介质向土壤下层迁移扩散[16],呈现明显的表聚性[17]。且上层土壤通常结构疏松、透气性好,生物代谢活动旺盛[18],有利于土壤养分的转化和积累,故土壤表层的有机质和含N化合物较多。此外,土壤养分的垂直分布特征还可能受到根系分布的影响。首先,根系在土壤中的残留物能够被微生物分解转化为营养物质并积累在土壤中,并且根系的分泌物有利于土壤中难溶养分活化。其次,根系在土壤中的穿插作用能够增加土壤孔隙度和通透性,改善土壤物理性质。而植被的根系主要分布在上层土壤中,且随着土壤深度的增加而逐渐减少,这导致了土壤碳、N含量从表层向下层逐渐降低的分布格局[7]。
本研究中,火力楠林地土壤全P和全K含量在各土层间无显著性差异。土壤中的P和K元素主要来源于森林凋落物分解、降水淋溶和矿物风化,其含量受成土母质、地形地貌和气候特点等因素的影响[19]。而矿物风化作用是一个漫长而稳定的过程,土壤的风化程度在0~100 cm土层深度间差异较小,因此不同土层的土壤全P和全K含量的垂直分布特征与土壤深度这一因素相关性不大[20]。此外,K素在土壤中的移动性较强,华南地区雨水充沛,K素易随水淋失到下层土壤,导致表层土壤中K素的流失[7]。
3.2 火力楠林地各土层土壤碳储量
土壤有机碳的积累和分解直接或间接地影响着陆地生物碳储量和全球碳库的平衡,土壤碳储量的垂直分布受枯落物、土壤理化性质和气候变化等因素影响[21],土壤碳储量是筛选适宜造林树种的重要指标。在本研究中,小坑国家森林公园火力楠林地单位面积土壤碳储量为259.26 t·hm−2,,高于我国森林土壤平均碳储量(193.55 t·hm−2)[22]以及我国常绿落叶阔叶林土壤碳储量平均值(257.57 t·hm−2)[23],说明火力楠林地土壤具有较好的碳汇储存力及较大的碳汇潜能。有研究表明,南亚热带地区温暖湿润,光照充足且雨热同期的气候特点使该地区人工林的生物量和碳积累量相对较高[24]。本研究地位于广东省韶关市,水热同期且雨量丰富的亚热带季风气候使火力楠人工林具有较高的生产力和枯落物归还量,从而为土壤输入大量有机碳。此外,火力楠具有发达的根系,大量的根系分泌物和根系死亡后被分解转化为有机质和其他营养物质积累在土壤中,成为土壤碳的来源[6]。以上均可能是导致本研究中火力楠林地土壤碳储量高于全国平均水平的原因。
单位面积土壤碳储量与碳含量、容重、土层厚度均相关[25],许多研究表明,土壤碳储量随土层深度增加而下降[26-27]。本研究结果与之不同,土壤碳储量随着土层深度的增加而总体呈现小幅度上升的趋势。原因可能是深层土壤矿物间的相互作用形成大量稳定的含碳化合物,增加了对土壤有机质的物理性保护,使深层土壤中的有机碳具有长周转周期和稳定的性质[28],且有机矿物复合体的形成和微生物活跃度的空间异质性等因素使深层土壤有机碳不易被土壤微生物分解[29],以上因素导致了土壤碳含量随土层加深而下降的幅度较小,加之土壤容重随深度增加而增大,从而导致了各层土壤碳储量呈现增加的趋势。此外,李斌等[30]的研究表明,人为干扰主要作用于浅层土壤且能够显著影响森林土壤的碳汇功能。浅层土壤的有机碳稳定性较弱,受人类经营活动的影响后容易引起水土流失,也会导致表层土壤的碳储量减少[27]。土壤作为一个相对稳定的系统,其变化较为缓慢,尤其是土壤有机碳的积累是长期结果[31],因而其碳储量随土层深度的变化幅度较小。
3.3 火力楠林地各土层土壤养分储量
土壤养分储量是指单位面积内一定深度的土层中养分的储量,其变化特征主要取决于土壤系统养分输入和输出的动态平衡过程,也受降雨、淋溶、矿质化作用和人类的经营活动等因素的影响[32]。相关研究表明,在整个土壤剖面,土壤碳储量与养分储量具有显著的线性关系,两者互为影响,不同养分储量与碳储量的相关性差异较大,土壤中N和碳在积累储存过程中密切相关[33]。
本研究中,火力楠林地3种土壤营养元素储量排序为:K>N>P,随着土层加深,火力楠林地土壤P和K储量均增加。这可能是因为土壤全P和全K含量在各土层深度无显著性差异,而土壤容重随土层加深而增大。同时,土壤中P素和K素的输入主要受成土母质的影响,土壤深度对其影响较小[20]。而深层土壤的呼吸速率较低,被植物吸收利用的养分较少以及含有大量不易分解的土壤团聚体和有机矿物复合体,使深层土壤P和K元素的输出较少,可能引起其储量升高[34]。
土壤N储量随土层深度的增加呈现波动状态。这可能是因为土壤N储量受土壤N含量、土壤碳储量、土层厚度和土壤容重等多种因素的共同影响,其中土壤N含量随着土壤的加深而减少,而土壤碳储量和土壤容重随着土层的加深而提高,这些共同作用导致了N储量的波动。
总体而言,火力楠林地的土壤养分含量除全P和全K外,均随土层的加深而下降,且土壤P含量较低,今后应适当提高P肥的施用量。火力楠林地的土壤碳储量高于全国平均水平,但深层土壤的碳储量、P 储量和K 储量大于表层土壤,这说明火力楠林地土壤具有较好的碳汇潜能,但表层土壤的固碳能力较低,且淋溶侵蚀较为严重。今后可选择该树种进行碳汇造林并进一步做好抚育工作,在经营管理过程中应注意防治水土流失,增强土壤表层碳的稳定性。
-
表 1 各土层土壤的碳储量和营养元素储量
Table 1 Soil carbon storage and nutrient storage in different soil layers
t·hm−2 土层/cm
Soil layers碳储量
C storageN 储量
N storageP 储量
P storageK 储量
K storage0~20 50.82 4.31 1.39 37.69 20~40 51.47 4.17 1.43 40.17 40~60 51.43 4.31 1.49 41.80 60~80 51.99 4.30 1.52 42.84 80~100 53.55 4.40 1.63 46.91 合计 Total 259.26 21.50 7.47 209.42 -
[1] 薛立, 薛晔, 吴敏, 等. 不同坡位火力楠林土壤肥力变化特征[J]. 水土保持通报, 2011, 31(6): 51-54. [2] 薛立, 李燕, 屈明, 等. 火力楠、荷木和黎蒴林的土壤特性及涵养水源的研究[J]. 应用生态学报, 2005, 16(9): 1623-1627. doi: 10.3321/j.issn:1001-9332.2005.09.009 [3] 谢腾芳, 薛立, 王相娥, 等. 火力楠和红苞木幼林的土壤肥力研究[J]. 水土保持通报, 2009, 29(6): 84-86. [4] 覃林, 马雪珍, 吴水荣, 等. 南亚热带典型乡土阔叶人工林与桉树人工林土壤微生物量氮及可溶性氮特征[J]. 应用与环境生物学报, 2017, 23(4): 678-684. [5] 董喜光, 张越, 薛立, 等. 火力楠林的土壤特性对外源性N和P的响应[J]. 中南林业科技大学学报, 2016, 36(9): 104-108. [6] 郑路, 蔡道雄, 卢立华, 等. 南亚热带不同树种人工林生态系统碳库特征[J]. 中南林业科技大学学报, 2014, 34(12): 110-116. doi: 10.3969/j.issn.1673-923X.2014.12.021 [7] 侯晓娟, 李志, 崔诚, 等. 武功山芒根系垂直分布及其与土壤养分的关系[J]. 草业科学, 2017, 34(12): 2428-2436. doi: 10.11829/j.issn.1001-0629.2017-0135 [8] 郑文辉, 林开敏, 徐昪, 等. 7种不同树种凋落叶对模拟酸雨缓冲性能的研究[J]. 水土保持学报, 2014, 28(3): 104-108. [9] 汪凤林, 张月全, 陈爱玲, 等. 不同配比的杉木、火力楠凋落物中土壤酶活性的变化及其对凋落物分解的影响[J]. 福建农林大学学报(自然科学版), 2017, 46(5): 576-583. [10] 徐华勤, 章家恩, 冯丽芳, 等. 广东省典型土壤类型和土地利用方式对土壤酶活性的影响[J]. 植物营养与肥料学报, 2010, 16(6): 1464-1471. [11] 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000: 30-106. [12] 葛露露, 孟庆权, 林宇, 等. 滨海沙地不同树种人工林的碳储量及其分配格局[J]. 应用与环境生物学报, 2018, 24(4): 723-728. [13] 方怡然, 李洁, 薛立. 加勒比松林分改造对土壤化学性质和酶活性的影响[J]. 华南农业大学学报, 2018, 39(1): 91-97. [14] 杨丹, 项文化, 方晰, 等. 石栎−青冈常绿阔叶林土壤有机碳和全氮空间变异特征[J]. 生态学报, 2014, 34(12): 3452-3462. [15] 贺志龙, 张芸香, 郭跃东, 等. 不同密度华北落叶松林天然林土壤养分特征研究[J]. 生态环境学报, 2017, 26(1): 43-48. [16] 李婷, 邓强, 袁志友, 等. 黄土高原纬度梯度上的植物与土壤碳、氮、磷化学计量学特征[J]. 环境科学, 2015, 36(8): 2988-2996. [17] 桑巴叶, 朱玉伟, 陈启民, 等. 准噶尔盆地主要农田防护林的生物量及养分分布特征[J]. 西北林学院学报, 2016, 31(4): 147-152. doi: 10.3969/j.issn.1001-7461.2016.04.25 [18] 文丽, 雷丕锋, 戴凌. 不同林龄樟树林土壤碳氮贮量及分布特征[J]. 中南林业科技大学学报, 2014, 34(6): 106-111. doi: 10.3969/j.issn.1673-923X.2014.06.021 [19] 周永斌, 郭鑫炜, 魏亚伟, 等. 辽西北半干旱区典型人工林土壤C、N、P的垂直分布特征[J]. 沈阳农业大学学报, 2016, 47(4): 418-424. [20] 秦娟, 孔海燕, 刘华. 马尾松不同林型土壤C、N、P、K的化学计量特征[J]. 西北农林科技大学学报(自然科学版), 2016, 44(2): 68-76. [21] WANG C, HAN G, JIA Y, et al. Insight into the temperature sensitivity of forest litter decomposition and soil enzymes in subtropical forest in China[J]. J Plant Ecol, 2012, 5(3): 279-286. doi: 10.1093/jpe/rtr013
[22] 申家朋, 张文辉. 黄土丘陵区退耕还林地刺槐人工林碳储量及分配规律[J]. 生态学报, 2014, 34(10): 2746-2754. [23] 周玉荣, 于振良, 赵士洞. 我国主要森林生态系统碳贮量和碳平衡[J]. 植物生态学报, 2000, 24(5): 518-522. doi: 10.3321/j.issn:1005-264X.2000.05.002 [24] HE Y, QIN L, LI Z, et al. Carbon storage capacity of monoculture and mixed-species plantations in subtropical China[J]. Forest Ecol Manag, 2013, 295(5): 193-198.
[25] 季波, 许浩, 何建龙, 等. 宁夏贺兰山青海云杉林土壤碳储量研究[J]. 生态科学, 2014, 33(5): 920-925. [26] XIAO Y H, TONG F C, LIU S R, et al. Response of soil labile organic carbon fractions to forest conversions in subtropical China[J]. Trop Ecol, 2016, 57(4): 691-699.
[27] 王棣, 耿增超, 佘雕, 等. 秦岭典型林分土壤有机碳储量及碳氮垂直分布[J]. 生态学报, 2015, 35(16): 5421-5429. [28] RUMPEL C, KÖGEL-KNABNER I. Deep soil organic matter: A key but poorly understood component of terrestrial C cycle[J]. Plant Soil, 2011, 338(1/2): 143-158.
[29] HICKS P C, CASTANHA C, PORRAS R, et al. The whole-soil carbon flux in response to warming[J]. Science, 2017, 355(6332): 1420. doi: 10.1126/science.aal1319
[30] 李斌, 方晰, 李岩, 等. 湖南省森林土壤有机碳密度及碳库储量动态[J]. 生态学报, 2015, 35(13): 4265-4278. [31] 杜宝红, 高翠萍, 哈达朝鲁. 不同放牧强度对锡林郭勒典型草原生产力及碳储量的影响[J]. 水土保持研究, 2018(1): 140-146, 152. [32] MCNEILL A, UNKOVICH M. The nitrogen cycle in terrestrial ecosystems[M]. Berlin: Springer, 2007: 37-64.
[33] 杨晓梅, 程积民, 孟蕾, 等. 子午岭不同林地土壤有机碳及养分储量特征分析[J]. 水土保持研究, 2010, 17(3): 130-134. [34] 胡亚林, 曾德慧, 姜涛. 科尔沁沙地退耕杨树人工林生态系统C、N、P储量和分配格局[J]. 生态学报, 2009, 29(8): 4206-4214. doi: 10.3321/j.issn:1000-0933.2009.08.023 -
期刊类型引用(9)
1. 刘娜,安晓萍,王园,王步钰,齐景伟. 机器视觉技术在奶牛精准化管理中的应用研究进展. 中国畜牧杂志. 2024(07): 34-40 . 百度学术
2. 宋怀波,王云飞,邓洪兴,许兴时,温毓晨,张姝瑾. 基于视频分析的规模化奶牛智能监测技术研究进展. 华南农业大学学报. 2024(05): 649-660 . 本站查看
3. 吴瑞志,罗维平. 基于深度学习的奶牛个体识别. 武汉纺织大学学报. 2024(06): 63-69 . 百度学术
4. 付丽丽,李士军,孔朔琳,宫鹤,李思函. 基于Multi-Light模型的奶牛个体识别研究. 黑龙江畜牧兽医. 2023(03): 41-45+51+132-133 . 百度学术
5. 李丹妮,栾静,穆金庆. 基于YOLOv5的香烟目标检测算法. 软件导刊. 2023(01): 229-235 . 百度学术
6. 彭阳翔,杨振标,闫奎友,王瀚,呼德,王尊,刘宁,赵连生. 从人工到智能:牛个体识别技术研究进展. 中国畜牧兽医. 2023(05): 1855-1866 . 百度学术
7. 王金星,马博,王震,刘双喜,慕君林,王云飞. 基于改进Mask R-CNN的苹果园害虫识别方法. 农业机械学报. 2023(06): 253-263+360 . 百度学术
8. 肖哲非,沈建,郑晓伟,徐文其. 基于改进Mask R-CNN的花白鲢去鳞率计算方法研究. 渔业现代化. 2022(02): 85-93 . 百度学术
9. 侯向宁,刘华春,侯宛贞. 基于改进VGG16网络模型的花卉分类. 计算机系统应用. 2022(07): 172-178 . 百度学术
其他类型引用(9)