Change of soil quality in a long-term rice-fish co-culture system based on the minimum data set
-
摘要:目的
探究长期低投入的稻鱼共作模式土壤质量变化。
方法构建最小数据集(The minimum data set, MDS)并对指标进行线性评分，采用土壤质量指数(Soil quality index, SQI)对稻鱼共作15和50年(FR15和FR50)的土壤质量进行评价。
结果描述性统计发现，土壤的全氮和有机质含量丰富，全磷、有效磷和速效钾含量均适量，全钾含量不足；筛选出了全氮、全钾、全铜、全镁含量和pH值5个指标用于构建MDS。基于MDS与全数据集的SQI值呈显著的线性正相关关系，表明MDS能够对土壤质量进行评价；对土壤质量评价贡献最大的指标为全氮(贡献百分比为26.50%)，其次为全铜(23.01%)、全钾(19.23%)、全镁(16.50%)、pH值5(14.76%)。与水稻单作相比，FR15的SQI值显著降低了27.90%，FR50的SQI值增加了18.23%。
结论长期低投入的稻鱼共作模式土壤质量会随着物质的投入而降低，但随着系统维持的时间不断延长，养分利用率提高，土壤质量又能够显著提升并保持稳定。
Abstract:ObjectiveTo explore the change of soil quality under long-term low input rice-fish co-culture mode.
MethodAfter constructing the minimum data set (MDS) and scoring linearly the indexes, the soil quality of rice-fish co-culture for 15 years (FR15) or 50 years (FR50) was evaluated using soil quality index (SQI).
ResultThe results of descriptive statistics showed that the contents of total nitrogen and organic matter were rich, the contents of total phosphorus, available phosphorus and available potassium were moderate, and the content of total potassium was insufficient. The indexes of total nitrogen, total potassium, total copper and total magnesium contents and pH were selected to construct the MDS. The SQI value of MDS had a significant linear positive correlation with that of the whole dataset, and could be used to evaluate soil quality. Total nitrogen content contributed the most to soil quality evaluation (The contribution percentage was 26.50%), followed by total copper (23.01%), total potassium (19.23%), total magnesium (16.50%) and pH value (14.76%). Compared with rice monoculture, the SQI value of FR15 significantly decreased by 27.90% and FR50 increased by 18.23%.
ConclusionAlthough soil quality of the long-term low-input rice-fish co-culture model will be reduced due to material input, with the continuous extension of the system maintenance time, the nutrient utilization rate will be improved, and soil quality can be significantly improved and maintained stable.
-
Keywords:
- Rice-fish co-culture /
- Minimum data set /
- Nutrient utilization rate /
- Soil quality
-
对机器人来讲，路径规划一是要实现最基本的“点到点”路线规划功能，二是要实现作业区域的全覆盖，在避开障碍物的同时要求行程尽可能短、遗漏和重复的路径尽可能少[1-3]。农用小型无人机(Unmanned aerial vehicle, UAV)属于农业机器人范畴，但其航迹规划与机器人路径规划有所区别：主要表现在无人机飞行过程中不会出现直角转弯，无人机转弯时有最小转弯半径约束，且受无人机高度、俯仰角、偏航角的影响[4]。考虑到农用小型UAV续航时间有限且作业场所相对简单和固定，对其进行路径规划时避障和回避威胁往往不是首要考虑的问题，重点考虑的应是如何提高作业效率、实现无遗漏无重复地全区域覆盖[5-7]。UAV在作业(喷施、播种、喷撒、辅助授粉等)时的行程可分为工作行程和空行行程2个部分。工作行程是无人机在作业区域上作业时所经过的路径，此外皆为空行行程。空行行程主要出现在3个地方：一是从起降点飞行至起始作业点；二是在航线更替需要转弯掉头时候所必需的路程；最后是从作业结束点回到起降点这段距离。其中，航线更替转弯掉头时所产生的空驶路程是产生空行行程的主要原因。空行行程会产生额外的时间消耗及能量消耗，这种消耗是影响作业效率的重要因素，合理的路径规划及无人机转弯掉头策略能有效降低空行行程距离[8]。本文以农用小型UAV为对象，通过坐标转换、数值解算、变幅宽航线归整等方法，研究农用小型UAV在恒速自主飞行条件下的最优转弯掉头策略，以及任意凸多边形作业区域下的路径全覆盖规划方法。为农用小型UAV在自主飞行作业前航线拐点坐标解算、起降点位置和飞行航向选择以及掉头转弯模式选择等提供航线规划与优化依据。
1. 农用小型UAV转弯掉头模式
地面农业机械的轮间距通常是固定的，因此其对应的最小转弯半径(R)也是固定的，农业机械的掉头转弯模式取决于R与作业幅宽(w)的关系。常见的转弯掉头策略主要有半圆形转弯、弓形转弯、梨形转弯以及鱼尾形转弯等几种[9-12]。对UAV而言，在遥控、自主飞行中都可通过侧向平移倒飞来实现航线更替，但在遥控模式下难以实现恒速飞行作业[13]。自主作业虽然在直线飞行时能实现恒速飞行，但在接近田间地头时也要降低速度来实现转弯和航线变更[14]。本文探讨农用小型UAV在自主飞行模式下以恒速飞行实现作业航线更替的最优转弯掉头策略。
不同于地面农业机械，农用小型UAV的R不是固定的，其大小与飞机的姿态、速率有关，为简化分析，本文假定R为理想的常数。UAV采用哪种转弯方式也取决于R与w的关系，这与地面农业机械相似。本文设
$\theta $ 为UAV飞行航线同地头边界的夹角，取值范围为$0 < \theta \leqslant {{\rm{\pi }} / 2}$ ，令$\theta {\rm{ = }}{\theta _0}{\rm{ = }}\arcsin \left( {\displaystyle\frac{w}{{2R}}} \right)$ 为特征夹角。根据R、w、θ与θ0的大小关系，有如下几种理想转弯模式。1.1 当R≤w/2时
农用小型UAV的转弯半径(R)小于或等于作业半幅宽(w/2)时的理想转弯掉头路径见图1。UAV从A点离开作业田块完成上一次航线作业，经过转弯掉头后重新从B点进入作业田块，实现航线更替。浅蓝色实线表示理论上飞机完成转弯掉头所走过的最短行程，即是空行行程。
UAV的w、R和夹角(θ)在飞行作业前都是已知量，由图1a可计算出空行行程距离(l1)为：
$${l_1} = w \left( {1 + \frac{1}{{\tan \theta }}} \right) + ({\rm{\pi }} - 2)R,$$ (1) 由图1b可计算出空行行程距离(l2)为：
$${l_2} = \frac{w}{{\tan \theta }} + {\rm{\pi }}R{\text{。}}$$ (2) 1.2 当R>w/2时
当UAV的转弯半径R大于作业半幅宽w/2时，情况稍复杂，可根据航线与地头边界直线夹角(θ)的临界值(θ0)的关系分为如下3种情况：
1) 当θ=θ0时，只有1种转弯掉头情况，如图2所示。可解出空行行程距离(l3)为：
$${l_3} = 2R({\rm{\pi }} - {\theta _0}){\text{。}}$$ (3) 2) 0<θ≤θ0 时，有2种转弯掉头情况，如图3所示。
$${l_4} = w\left( {\frac{1}{{\tan \theta }} - \frac{1}{{\tan {\theta _0}}}} \right) + 2R({\rm{\pi }} - {\theta _0}),$$ (4) $${l_5}{\rm{ = }}2R\left( {{\rm{\pi }} - \theta - {\rm{ta}}{{\rm{n}}^{{\rm{ - }}1}}\left( {\sqrt {\frac{{{{\sin }^2}{\theta _0}}}{{{{\sin }^2}\theta }} - 1} } \right)} \right){\rm{ + }}2\sqrt {\frac{{{w^2}}}{{4{{\sin }^2}\theta }} - {R^2}} {\text{。}}$$ (5) 3) θ0<θ≤π/2时，有2种转弯掉头情况，如图4所示。
$${l_6} = w\left( {\frac{1}{{\tan \theta }}{\rm{ + }}\frac{1}{{\tan {\theta _0}}}} \right) + 2R({\rm{\pi }} - {\theta _0}),$$ (6) $${l_7} = w \left( {\frac{1}{{\tan {\theta _0}}} - \frac{1}{{\tan \theta }}} \right) + 2R ({\rm{\pi }} - {\theta _0}){\text{。}}$$ (7) 将式(1)~(7)分别对R求导，可得：
$${\left. {\frac{{d{l_i}}}{{dR}}} \right|_{i = 1 \sim 7}} > 0{\text{。}}$$ (8) 因此，无论采用何种转弯模式，当UAV以最小转弯半径飞行时，空行行程最短，同时，经解算[8]可得，当R>w/2时：若0<θ≤θ0，则l5<l4；若θ0<θ≤π/2，则l7<l6。
2. 区域全覆盖作业路径规划
2.1 任意凸多边形作业区域
不失一般性假设作业区域是一个结构化凸多边形田块，有n条边、n个角点，角点坐标分别为
${\left. {A({x_i},{y_i})} \right|_{i = 1 \sim n}}$ ，如图5所示。为便于处理，可将实际田块的各角点GPS坐标通过高斯–克吕格转换成平面坐标，并进行坐标平移[15]，使其位于直角坐标系的第1象限中。采用扫描线方式遍历整个区域，UAV沿直线飞行，遇到区域边界后转向掉头，沿反方向直线飞行，如此反复，直到覆盖全部区域[16]。航线总次数取决于初始航线方向的选取，如当选择地头边界线ln(即AnA1)作为初始航向时，采用的“点边式”算法[16]遍历所有角点到直线ln的距离，假设Ai到ln的距离最远，设此距离为L；则航线次数n=L/w，通常n不是整数，若舍弃小数部分航线次数N取整数，N=fix(n)时，将出现作业遗漏现象；若取N=fix(n)+1时，虽实现了全区域覆盖，但会出现区域外作业现象。按预定幅宽解算航线次数，对新的航线次数N做如下处理：
$$N = \left\{ {\begin{array}{*{20}{l}} &{n,\;\;\;\;\;\;L - wn \leqslant 0.5w}\\ &{n + 1,\;\;\;L - wn > 0.5w} \end{array}} \right.{\text{。}}$$ (9) 此时，作业幅宽将被微调成w0=L/N，若L远大于预定作业幅宽(w)时，幅宽被改变的绝对变化量不超过0.5w/N，相对变化量不到5%，在诸如喷施、辅助授粉、撒播类飞行作业中，这种小幅度变化可以忽略不计。
2.2 航线与地头边界交汇点坐标解算
图5中，选择ln方向为初始飞行方向，由ln斜率kn可得到ln与x轴正方向夹角θ为：
$$\theta {\rm{ = }}\left\{ {\begin{array}{*{20}{l}} & {{\rm{arctan(}}{k_n}),{k_n} \geqslant 0} \\ & {{\rm{\pi }} + {\rm{arctan(}}{k_n}),{k_n} < 0} \end{array}} \right.{\text{。}}$$ (10) 由于凸多边形是位于第1象限，且选择的起始点A1最接近坐标原点，因此直线ln不会与x轴垂直，即有θ≠π/2。由上式得ln在y轴上的截距b0可表示为：
$${b_{\rm{0}}}{\rm{ = }}{y_n} - {k_n} {x_n}{\text{。}}$$ (11) 在图5中，平行且与直线ln间距离为D的直线lMN可表示为
$y{\rm{ = }}{k_n} x{\rm{ + }}{b_1}$ ，线段b1b0的长度为$\displaystyle\frac{D}{{\cos \theta }}$ ，可求得直线lMN方程为：$$\left( {y - {y_n}} \right){\rm{ = }}{k_n} \left( {x - {x_n}} \right){\rm{ + }}\frac{D}{{\cos \theta }}{\text{。}}$$ (12) 幅宽变更为w0，第1条航线与边界直线ln的距离为半个作业幅宽w0/2，第k条航线与边界直线ln的距离为w0/2+(k–1)w0，令Δb=
$\displaystyle\frac {w_0}{\cos \theta} $ ，则可得按ln方向规划的航线簇轨迹方程ln(k)为：$$\left( {y - {y_n}} \right) - {k_n}\left( {x - {x_n}} \right){\rm{ = }}(k - 0.5)\Delta b{\text{。}}$$ (13) 由于n凸边形田块的n个角点坐标均是已知的，因此田块边界的各直线
${\left. {{l_i}} \right|_{i = 1 \sim n}}$ 的方程为：$$\left( {y - {y_i}} \right) - \frac{{{y_i} - {y_{i{\rm{ + 1}}}}}}{{{x_i} - {x_{i{\rm{ + 1}}}}}} \cdot \left( {x - {x_i}} \right){\rm{ = }}0{\text{。}}$$ (14) 联立式(13)和(14)即可求出作业航线与各地头边界直线的交点坐标，即航线拐点坐标。
2.3 地头边界直线变更算法
从图5中可以看出，以ln方向为初始作业航向，当经过j–1次航线更替后，若角点A2离该条航线的距离已小于w0时，则第j条航线将与左侧另一条地头边界直线l2相交于某一点，否则仍与l1相交。同理，右侧地头边界直线ln–1何时变更为ln–2也取决于角点An–1与该条航线的距离。可总结如下：若角点与航线间距离小于w0时，在航线更替的同时变更边界地头直线；若该距离大于w0时，只变更航线。
假设UAV以微调后的作业幅宽w0平行于ln方向飞行作业，且Ai点为距离ln最远的角点，将田块边界直线l0~li–1、li~ln–1分别称为左、右部分地头边界，左、右边界直线变更与否以及航迹拐点坐标解算过程如图6所示。
3. 仿真分析
在深圳大鹏某试验基地随意规划出一个凸六边形作业区域，测量6个角点经纬度坐标并经过坐标转换、去偏移值后得到一个面积约为27 253 m2的凸六边形作业区域，如图7所示。
若A1点附近是无人机开始作业起飞时的位置，面向A1点则可沿着左手边方向(平行于A1A2方向)也可沿着右手边方向(平行于A1A6方向)飞行作业，根据各角点坐标及初始作业幅宽，通过前面的航线规划算法编制程序，分别解算2种情况下飞行航线与作业田块区域每条边界相交的拐点坐标。相关飞行参数以深圳高科新农公司生产的某型号15 kg电动无人直升机为例，飞行作业时的速率为3~8 m/s，喷幅为6~7 m，飞行速率取最小值3 m/s，初始作业幅宽取最小值6 m，假设无人机在掉头转弯时的最小转弯半径为4.3 m，特征夹角θ0为44.1°，规划出的2种全区域覆盖条件下的飞行作业航线如图8所示。
![]()
图 8 农用小型UAV以A1点为起落点的2种典型航线Figure 8. Two typical routes of agricultural small UAV with A1 as the landing point统计2种模式下UAV在每条边界处的转弯掉头次数，同时根据航线与每条边界的夹角选择一个最优转弯掉头模式，计算总航线次数、微调后的幅宽、空行行程、工作行程以及工作效率，其中工作效率定义为工作行程与总行程的比值，结果如表1所示。由表1可以看出，就A1点而言，沿A1A6方向飞行作业时的总航线次数少、空行行程短、效率高。
表 1 农用小型UAV在2种航线下的相关参数比较Table 1. Comparisons of relevant parameters based on two typical routes of agricultural small UAV飞行作业航向Flight heading 总航线次数Number of routes 预设幅宽/m Preset width 微调后幅宽/m Fine-tuning width 特征夹角/(°) Characteristic angle 空行行程/m Invalid distance 工作行程/m Valid distance 工作效率%
Working
efficiencyA1A2方向Direction A1A2 42 6 6.07 44.6 997.2 4 774.3 82.72 A1A6方向Direction A1A2 24 6 5.88 42.9 538.5 4 832.2 89.97 同样的处理方法，遍历剩余5个角点A2~A6，计算每个角点沿左手、右手航向下的空行行程、工作效率，统计结果如表2所示。可以看出无论是从A1点出发还是从A6点出发，无人机沿平行于边A1A6飞行作业时的空行行程短、工作效率高，而且数值都非常接近。因此，可将无人机的起降点设置在A1点，沿着A1A6方向飞行作业，或者将起降点设置在A6点，沿着A6A1方向飞行作业。同时仿真发现当沿着凸多边形作业区域的最长边飞行时，总航线次数最少，需要往返掉头转弯的次数也最少。
表 2 不同起降点下的空行行程与工作效率比较Table 2. Comparisons of invalid distance and working efficiency in different landing points角 点
Corner左手方向 Left-hand direction 右手方向 Right-hand direction 空行行程/m
Invalid distance工作效率/%
Working efficiency空行行程/m
Invalid distance工作效率/%
Working efficiencyA1 997.2 82.72 538.5 89.97 A2 648.2 87.99 1 003.3 82.63 A3 552.8 89.75 646.0 88.03 A4 770.6 86.07 645.0 88.43 A5 653.0 88.02 770.8 86.07 A6 542.0 89.98 655.0 88.00 在MATLAB中编制基于最优转弯掉头策略的UAV全区域覆盖作业路径规划系统，其GUI界面如图9所示。在界面输入每个角点的平面坐标、作业幅宽、最小转弯半径、起始点编号以及选择飞行方向后，该程序能对任意凸多边形作业区域进行全区域作业路径规划，自动微调作业幅宽，进行相关作业参数及性能指标的计算和统计。
![]()
图 9 农田全区域覆盖路径规划GUI界面Figure 9. GUI interface of complete coverage path planning for farmland4. 结论
本文基于无人机最小转弯半径(R)、飞行作业幅宽(w)、航线与地头边界的夹角(θ)以及特征夹角(θ0)，研究了自主飞行模式下的农用小型UAV转弯掉头策略，并对农用小型UAV在地头转弯路径优化选择进行了定量和定性分析。分析了任意凸多边形作业区域下的农用小型UAV沿任意边界为起始航向的作业路径规划方法，提出基于幅宽(w)微变的总航线数归整法，给出了航线与地头边界交点的航线拐点坐标解算的通用算法，且能实现全作业区域覆盖。在试验田随机规划出一个面积约为2.7 hm2的不规则凸六边形田块，仿真发现当无人机沿着平行于最长边飞行作业时，其空行行程最短，约为540 m，工作效率也最高，接近90%。通过编制的 GUI程序可以模拟计算农用小型UAV在不同起降点、不同航向条件下的总航线次数、空行行程、工作行程和工作效率等，可以为农用小型UAV自主飞行、航线规划与最优作业行为实施的起降点选择与航向选择提供参考。
-
![]()
图 1 土壤指标Pearson相关系数矩阵
TN：全氮，TP：全磷，TK：全钾，SOM：有机碳，NN：硝态氮，AN：铵态氮，AP：有效磷，AK：速效钾，POC：颗粒有机碳，MOC：矿质结合态有机碳，ROC：易氧化有机碳，BD：容重；*：P<0.05，**：P<0.01。
Figure 1. Pearson correlation coefficient matrix of soil indicators
TN: Total nitrogen, TP: Total phosphorus, TK: Total potassium, SOM: Soil organic carbon, NN: Nitrate nitrogen, AN: Ammonium nitrogen, AP: Available phosphorus, AK: Available potassium, POC: Particulate organic carbon, MOC: Mineral-associated organic carbon, ROC: Readily oxidized organic carbon, BD: Bulk density.
![]()
图 2 不同稻鱼共作年限土壤质量指数(SQI)
MR：常规稻田种植(对照)，FR15、FR50：稻鱼共作15和50年；图中箱体代表25％~75％分位数，箱体上下帽檐代表标准差范围，方框代表平均值，横线代表中位数，不同小写字母表示表示MR、FR15和FR50之间存在显著差异(LSD法，P<0.05)。
Figure 2. Soil quality index ( SQI ) of different rice-fish co-culture years
MR: Conventional paddy field cultivation (control group), FR15 and FR50: Rice-fish co-culture for 15 and 50 years respectively. In the figure, the box represents the 25 %−75 % quantile, the upper and lower caps of the box represent the standard deviation range, the box represents the mean, the horizontal line represents the median, and different lowercase letters indicate that there is a significant difference between MR, FR15 and FR50 (LSD method, P<0.05 ).
![]()
图 3 基于最小数据集(MDS)的SQI和基于全数据集的SQI17值之间的线性关系
Figure 3. Linear relationship between SQI based on the minimum data set (MDS) and SQI17 based on total data set
![]()
图 4 最小数据集(MDS)指标对土壤的SQI值的贡献百分比
Figure 4. Contribution percentage of the minimum data set (MDS) index to soil SQI value
表 1 土壤指标特征值
Table 1 Characteristic values of soil indicators
土壤指标1)
Soil indicator最小值
Min. value最大值
Max. value平均值
Ave. value标准差
Standard deviation偏度
Bias angle峰度
Kurtosis变异系数/%
Coefficient of variationTN /(g·kg−1) 0.65 1.89 1.30 0.41 −0.45 −1.28 31.54 TP /(g·kg−1) 0.31 0.59 0.45 0.07 −0.02 −0.82 16.16 TK /(g·kg−1) 3.88 7.92 5.74 1.10 0.40 −0.60 19.13 SOM /(g·kg−1) 19.72 30.74 26.05 3.00 −0.66 −0.35 11.50 Cu /(mg·kg−1) 5.70 19.10 12.04 3.47 0.32 −0.72 28.83 Mg /(mg·kg−1) 43.36 114.93 68.85 18.58 1.16 0.68 26.99 Fe /(mg·kg−1) 235.48 587.85 418.88 107.97 −0.17 −1.42 25.78 Ca /(mg·kg−1) 23.14 57.53 32.62 7.73 1.57 2.83 23.69 NN /(g·kg−1) 0.99 5.97 2.95 1.40 0.35 −0.76 47.27 AN /(g·kg−1) 2.21 7.76 5.19 1.51 −0.38 −0.81 29.18 AP /(g·kg−1) 1.67 11.62 7.66 3.34 −0.57 −1.38 43.62 AK /(g·kg−1) 40.80 70.61 54.31 9.39 0.14 −1.25 17.30 POC /(g·kg−1) 0.59 3.49 1.88 0.72 0.60 0.21 38.11 MOC /(g·kg−1) 3.40 9.99 6.79 1.78 0.08 −1.04 26.14 ROC /(g·kg−1) 457.60 825.06 673.99 118.86 −0.51 −1.08 17.64 pH 5.26 7.49 6.01 0.65 1.02 0.02 10.74 BD /(g·cm−3) 1.04 1.41 1.26 0.10 −0.54 −0.64 7.81 1)TN：全氮，TP：全磷，TK：全钾，SOM：有机碳，NN：硝态氮，AN：铵态氮，AP：有效磷，AK：速效钾，POC：颗粒有机碳，MOC：矿质结合态有机碳，ROC：易氧化有机碳，BD：容重。
1)TN: Total nitrogen, TP: Total phosphorus, TK: Total potassium, SOM: Soil organic carbon, NN: Nitrate nitrogen, AN: Ammonium nitrogen, AP: Available phosphorus, AK: Available potassium, POC: Particulate organic carbon, MOC: Mineral-associated organic carbon, ROC: Readily oxidized organic carbon, BD: Bulk density.
下载: 导出CSV
表 2 土壤指标主成分载荷和Norm值
Table 2 Principal component load and Norm value of soil indicators
土壤指标
Soil indicator主成分 Principal component 分组
Group公因子方差
CommunalityNorm PC1 PC2 PC3 PC4 全氮 Total N 0.96 0.07 0.00 −0.09 1 0.93 2.67 全磷 Total P −0.23 0.72 0.35 0.13 2 0.71 1.49 全钾 Total K −0.42 −0.24 0.64 0.32 3 0.74 1.50 有机质 SOM 0.76 0.40 −0.03 0.31 1 0.82 2.25 Cu 0.51 0.53 0.25 −0.55 4 0.90 1.83 Mg 0.70 −0.55 0.20 0.14 2 0.85 2.20 Fe 0.72 0.31 −0.04 0.30 1 0.71 2.12 Ca 0.45 −0.65 −0.14 0.16 2 0.68 1.73 硝态氮 ${\mathrm{NO}}_3^- $−N 0.88 −0.23 −0.01 −0.10 1 0.84 2.49 铵态氮 ${\mathrm{NH}}_4^+ $−N 0.75 0.48 0.17 −0.17 1 0.85 2.27 有效磷 Available P 0.92 0.17 0.14 −0.10 1 0.91 2.60 速效钾 Available K −0.76 0.43 −0.17 0.31 1 0.89 2.30 颗粒有机碳 POC −0.38 −0.25 0.73 0.08 3 0.74 1.42 矿质结合态有机碳 MOC −0.64 0.48 0.08 −0.02 1 0.65 1.98 易氧化有机碳 ROC 0.80 0.44 0.10 0.17 1 0.86 2.36 pH −0.62 −0.11 0.08 −0.64 4 0.82 1.90 容重 Bulk density −0.52 0.58 −0.22 0.12 1 0.67 1.80 特征值 Eigenvalue 7.80 3.16 1.33 1.27 方差比例/% Variance ratio 45.88 18.61 7.80 7.45 累计贡献率/% Cumulative contribution 45.88 64.49 72.29 79.74
下载: 导出CSV
表 3 最小数据集(MDS)土壤指标的公因子方差和权重
Table 3 Common factor variance and weight of soil index of the minimum data set (MDS)
土壤指标
Soil indicator公因子方差
Communality权重
Weight全氮 Total N 0.93 0.22 全钾 Total K 0.74 0.18 Cu 0.90 0.21 Mg 0.85 0.20 pH 0.82 0.19
下载: 导出CSV
-
[1] 管卫兵, 刘凯, 石伟, 等. 稻渔综合种养的科学范式[J]. 生态学报, 2020, 40(16): 5451-5464. [2] XIE J, WU X, TANG J J, et al. Conservation of traditional rice varieties in a globally important agricultural heritage system (GIAHS): Rice-fish co-culture[J]. Agricultural Sciences in China, 2011, 10(5): 754-761. doi: 10.1016/S1671-2927(11)60059-X
[3] BERG H, TAM N T. Decreased use of pesticides for increased yields of rice and fish-options for sustainable food production in the Mekong Delta[J]. Science of the Total Environment, 2018, 619: 319-327.
[4] 徐珂, 易小燕, 张英楠, 等. 哈尼梯田区稻鱼共作模式碳足迹和经济效益综合评价[J]. 生态学报, 2024, 44(23): 10619-10630. [5] 焦雯珺, 闵主闵. 浙江青田稻鱼共生系统 [M]. 北京: 中国农业出版社, 2015. [6] WEI X M, HU Y J, PENG P Q, et al. Effect of P stoichiometry on the abundance of nitrogen-cycle genes in phosphorus-limited paddy soil[J]. Biology and Fertility of Soils, 2017, 53(7): 767-776.
[7] 韦还和, 马唯一, 左博源, 等. 盐、干旱及其复合胁迫对水稻产量和品质形成影响的研究进展[J]. 中国水稻科学, 2024, 38(4): 350-363. [8] HEMATI Z, SELVALAKSHMI S, XIA S W, et al. Identification of indicators: Monitoring the impacts of rubber plantations on soil quality in Xishuangbanna, Southwest China[J]. Ecological Indicators, 2020, 116: 106491. doi: 10.1016/j.ecolind.2020.106491
[9] HE Y J, HAN X R, WANG X P, et al. Long-term ecological effects of two artificial forests on soil properties and quality in the eastern Qinghai-Tibet Plateau[J]. Science of the Total Environment, 2021, 796: 148986.
[10] SHAO G D, AI J J, SUN Q W, et al. Soil quality assessment under different forest types in the Mount Tai, central Eastern China[J]. Ecological Indicators, 2020, 115: 106439. doi: 10.1016/j.ecolind.2020.106439
[11] 陈灿, 王忍, 张印, 等. 辰溪县稻鱼综合种养主要模式生产效益调查[J]. 作物研究, 2019, 33(5): 473-477. [12] 李龙燚, 魏征, 李谊慈, 等. 长期稻鱼共作对土壤养分循环及碳库稳定性的影响[J]. 华南农业大学学报, 2024, 45(6): 856-864. doi: 10.7671/j.issn.1001-411X.202405021 [13] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000. [14] 章晓芳, 郑生猛, 夏银行, 等. 红壤丘陵区土壤有机碳组分对土地利用方式的响应特征[J]. 环境科学, 2020, 41(3): 1466-1473. [15] 顾晓娟, 于耀泓, 刘悦, 等. 华南典型人工林对土壤易氧化有机碳的影响[J]. 森林与环境学报, 2023, 43(2): 145-151. [16] KOU T J, ZHU P, HUANG S, et al. Effects of long-term cropping regimes on soil carbon sequestration and aggregate composition in rainfed farmland of NorthEast China[J]. Soil and Tillage Research, 2012, 118: 132-138. doi: 10.1016/j.still.2011.10.018
[17] REZAEI S A, GILKES R J, ANDREWS S S. A minimum data set for assessing soil quality in rangelands[J]. Geoderma, 2006, 136(1/2): 229-234.
[18] YU P J, HAN D L, LIU S W, et al. Soil quality assessment under different land uses in an alpine grassland[J]. Catena, 2018, 171: 280-287. doi: 10.1016/j.catena.2018.07.021
[19] SHARMA K L, MANDAL U K, SRINIVAS K, et al. Long-term soil management effects on crop yields and soil quality in a dryland Alfisol[J]. Soil and Tillage Research, 2005, 83(2): 246-259. doi: 10.1016/j.still.2004.08.002
[20] 张福平, 高张, 马倩倩, 等. 面向敦煌市绿洲土壤质量评价的最小数据集构建研究[J]. 土壤通报, 2017, 48(5): 1047-1054. [21] MASTO R E, CHHONKAR P K, SINGH D, et al. Alternative soil quality indices for evaluating the effect of intensive cropping, fertilisation and manuring for 31 years in the semi-arid soils of India[J]. Environmental Monitoring and Assessment, 2008, 136(1/2/3): 419-435.
[22] 胡伟, 刘文辉, 刘凯强, 等. 基于最小数据集土壤质量评价及生物指标的确立[J]. 草地学报, 2024, 32(12): 3855-3867 [23] 李鹏飞, 张兴昌, 郝明德, 等. 基于最小数据集的黄土高原矿区复垦土壤质量评价[J]. 农业工程学报, 2019, 35(16): 265-273. doi: 10.11975/j.issn.1002-6819.2019.16.030 [24] 张子琦, 焦菊英, 陈同德, 等. 拉萨河流域中下游洪积扇土壤养分评价[J]. 植物营养与肥料学报, 2022, 28(11): 2082-2096. [25] DU L S, WANG H, ZHANG Z, et al. Changes in soil quality under long-term rice-crayfish farming in the Dongting Lake Plain, China[J]. Land Degradation & Development, 2024, 35(4): 1352-1364.
[26] 陈欣, 胡中元, 赵璐峰, 等. 中国南方地区稻鱼共生系统的研究进展与思考[J]. 华南农业大学学报, 2024, 45(6): 825-835. doi: 10.7671/j.issn.1001-411X.202405026 [27] 朱鸣鸣, 徐镀涵, 陈光燕, 等. 基于最小数据集的喀斯特不同利用方式下土壤质量评价[J]. 草地学报, 2021, 29(10): 2323-2331. [28] 李百云, 李慧, 郭鑫年, 等. 基于最小数据集的宁夏耕地土壤质量评价[J]. 江苏农业科学, 2021, 49(9): 195-201. [29] 宫亮, 金丹丹, 牛世伟, 等. 长期定位氮肥减施对水稻产量和氮素吸收利用的影响[J]. 中国稻米, 2022, 28(3): 42-46. [30] 丁姣龙. 稻鱼共生年限对耕层土壤养分与微生物影响研究[D]. 长沙: 湖南农业大学, 2021. [31] 邓少虹, 温远光, 孙冬婧, 等. 稻鱼共作下不同有机肥对水稻养分吸收利用效率的影响[J]. 广西科学, 2023, 30(3): 524-531. [32] 龙瑞平, 杨兆春, 穆家伟, 等. 稻鱼共作下氮肥减量后移对水稻生长和氮肥利用效率的影响[J]. 土壤, 2022, 54(4): 708-714. [33] CAI S, LV W, ZHU H, et al. Effect of nitrogen application rate on soil fungi community structure in a rice-fish mutualistic system [J]. Scientific Reports, 2019, 9(1): 16188.
[34] 丁姣龙, 陈璐, 王忍, 等. 鱼排泄物与分泌物对水稻土壤酶活性及土壤养分的影响[J]. 湖南师范大学自然科学学报, 2021, 44(2): 74-79. [35] 谢可欣, 王梦杰, 李凤博, 等. 不同品种水稻与鱼共作对养殖池塘CH4和N2O排放的影响[C]//中国作物学会. 第二十届中国作物学会学术年会论文摘要集. 北京: 中国作物学会, 2023: 409. -
期刊类型引用(0)
其他类型引用(2)
计量
- 文章访问数: 68
- HTML全文浏览量: 9
- PDF下载量: 20
- 被引次数: 2
