农田土壤有机碳影响因子获取与估算研究——以麦田为例

摘要

进入21世纪，全球气候变化问题成为世界各国共同关注的焦点，“节能减排”、“固碳减排”等已逐步引起全球的重视。农田土壤有机碳的变化是陆地生态系统影响大气 CO2碳源/汇效应的重要依据，对土壤有机碳含量进行估算，并揭示其影响因素，不仅有助于保持农业可持续发展和保障粮食安全，而且对于更好地了解全球碳循环，估算农田土壤有机碳的碳汇能力、增加农田土壤碳库存、制定缓解及应对气候变暖对策等方面都具有重要的理论与实践意义。
　　由于影响农田土壤碳循环的因素较多，所以大部分土壤有机碳估算模型参数较多，有些模型参数获得难度较大，从而使模拟效果欠佳，因此如何准确而有效地获取农田土壤有机碳影响因子是实现土壤有机碳估算的关键。目前对于土壤有机碳影响因子获取方法的研究较少，无线传感器网络（Wireless Sensor Network，WSN）在农业中的广泛应用为有机碳影响因子获取提供了技术支撑。
　　针对以上问题，论文依托国家高技术研究发展计划(863计划)子课题—“农田碳汇信息获取与估算”，以兖州市长期定位实验的试验田为研究对象，通过运用WSN技术获取部分农田土壤有机碳影响因子，实现农田土壤有机碳影响因子的实时、有效、可靠传输，同时对已有有机碳估算模型进行优化，利用优化的农田土壤有机碳估算模型对试验区农田土壤有机碳进行估算，提高农田土壤有机碳估算的精度，对进一步研究农田生态系统碳循环能力提供依据。
　　本文的研究内容及研究结果如下：
　　（1）建立农田土壤有机碳影响因子集。通过阅读国内外文献及分析农田土壤有机碳估算模型，总结土壤温湿度、土壤 pH、农田管理措施、土壤质地、土壤容重等因子对农田土壤碳循环过程的影响，建立气候因子、土壤理化性质、农田管理措施有机碳影响因子集。
　　（2）基于 WSN的农田土壤有机碳影响因子获取系统构建。通过应用无线传感器网络的全面感知技术、近程通讯技术、远程传输技术、大量信息智能分析技术，实现农田土壤有机碳影响因子的自动采集、传输与处理，为农田土壤有机碳估算提供数据。该无线传感器网络采用ZigBee技术构建，路由协议算法选择了 Cluster-Tree和AODVjr算法的结合。通过试验对比证明，优化后的算法的平均网络时延比分别使用AODVjr算法和Cluster-Tree算法减少37％和38.3%，数据传送成功率提高7.1%和6.1%。该算法有效降低了系统能量消耗，提高了数据传输速率。
　　（3）优化现有的农田土壤有机碳估算模型。通过分析比较目前常用的农田土壤有机碳估算模型，对 Soil-C模型进行了优化，并利用获取的有机碳影响因子数据对其进行验证，结果表明优化的Soil-C模型稳定性较高，适合示范区土壤有机碳估算。
　　（4）试验区农田土壤有机碳估算系统的开发。通过运用基于 Web的系统开发方法，构建兖州市麦田土壤有机碳估算系统，对试验区麦田土壤有机碳进行估算，并对有机碳的变化直观展现，实现区域农田土壤有机碳估算的可视化。
　　本研究以兖州市50000亩试验田为研究对象，验证了本文所提方法的可行性，并证明了此方法的优势：适合我国小区域农田土壤有机碳含量的估算，通过利用WSN技术实现了土壤有机碳影响因子数据的精确可靠传输，确保了农田土壤有机碳估算结果的精度。

目录

封面

声明

目录

中文摘要

英文摘要

1前言

1.1研究目的及意义

1.2国内外研究进展

1.3论文内容及结构

1.4小结

2农田土壤有机碳影响因子分析

2.1气候因子

2.2土壤理化性质

2.3农田管理措施

2.4基于WSN的农田土壤有机碳影响因子的确定

2.5小结

3土壤有机碳影响因子获取WSN系统架构

3.1 WSN概述

3.2 WSN关键技术介绍

3.3基于WSN的农田土壤有机碳影响因子获取系统的构建

3.4农田土壤有机碳影响因子获取系统验证

3.5小结

4农田土壤有机碳估算模型分析与优化

4.1 DNDC模型原理

4.2 DNDC模型参数分析

4.3 CENTURY模型原理

4.4 CENTURY模型参数分析

4.5 Soil-C模型模型原理

4.6 Soil-C模型参数分析

4.7 Soil-C模型公式

4.8模型的比较与分析

4.9 Soil-C模型的优化与验证

4.6 小结

5农田土壤有机碳估算系统构建

5.1系统开发相关技术

5.2系统设计原则

5.3系统功能设计

5.4系统总体框架

5.5小结

6实例应用—兖州市麦田土壤有机碳估算系统

6.1试验区麦田土壤有机碳影响因子获取

6.2基于优化模型的土壤有机碳估算

6.3麦田土壤有机碳估算系统实现

6.4小结

7总结与展望

7.1总结

7.2展望

参考文献

致谢

攻读学位期间发表论文情况