下载:
-
中国经济社会的飞速发展促使人们更加注重绿色生态的人居环境质量，从而推动了草皮在城市中的需求不断增长。《中国林业和草原统计年鉴2018》数据显示：2018年中国草皮产量超过6万 hm2[1]。随着绿地面积的增加和质量的提升，草皮在园林绿化建设中的应用前景更加广阔[2]。但有研究表明：2018年中国耕地“非粮化”面积已达54.47万 km2，占全国耕地面积总量的32.3%，上海、浙江等6省(市)“非粮化”率已超过50.0%[3]。耕地“非粮化”问题与耕地保护的矛盾日益突出。浙江省水利厅资料显示：2018年浙江省全年河湖库塘清淤8 072.2万 m2[4]。目前，处理大量底泥的主要方法是干化处理后进行填埋，不仅占据了大片土地资源，还可能因为雨水冲刷造成土壤与水体的二次污染。另一方面，草坪草生产基本都是在同一耕地地块上重复进行，成坪后以草皮卷形式进行移植，不仅每次要带走2~3 cm的表层土壤，而且会对土壤的容重、密度和孔隙度等结构造成不可逆破坏，不利于耕地保护和可持续利用，因此，草坪生产耕地是“非粮化”整治重点关注领域之一[5]。无土栽培草皮具有种植灵活、可控性高、病虫害少、节水节肥等优越性，已在世界设施农业中被广泛采用[6]。将清淤产生的大量河湖库塘底泥代替耕地土壤用于草皮生产，不仅能有效解决“非粮化”引起的耕地挤占与土层破坏问题，而且能切实满足草皮等景观绿化种植的市场需求，还能协同解决河湖库塘底泥等有机固体废弃物的处理难题。
近年来，部分无土栽培基质出现了一些新的问题。块状岩棉很难分解，如果随意丢弃会污染环境；不可再生的天然泥炭被长期大量使用导致资源枯竭，并对地球湿地环境造成无法挽回的破坏；蛭石的结构松散、易破环，且使用周期短，维护成本高[7−8]。这促使栽培基质研究向环保型、经济型、技术型方向转变。选择资源循环利用、污染风险低且能解决环境问题的替代基质是主要发展方向[9]。在这种背景下，工农业有机固体废弃物基质研究备受关注[10]。沼渣是沼气发酵的产物，富含有机质、腐殖酸和氨基酸，以及速效养分和微量元素等，可以减少化肥使用，提高养殖业生态效益，降低草皮种植成本。生物质炭在土壤中的施用已经被证明可以改善土壤理化结构，固定土壤中重金属，有利于植物生长。将河道底泥、沼渣、生物质炭按一定比例复配制成种植基质，既符合绿色循环农业和可持续发展的要求，更具有实际的经济效益、环境效益和生态效益，是一种新的尝试。
本研究选取禾本科Gramineae冷季型草坪草匍匐剪股颖‘本特A-4’Agrostis stolonifera ‘PENN A-4’为研究对象，以清淤河道底泥为主料，复配沼渣和生物质炭，探究河道底泥为主料的基质对匍匐剪股颖‘本特A-4’生物量、叶绿素、根系活力、可溶性糖、丙二醛、抗氧化保护酶的影响，为河道底泥等有机固体废弃物的资源化利用提供理论参考。
-
河道底泥取自钱塘江富阳段清淤产生的淤泥；沼渣取自杭州富阳某养殖场，为猪粪尿混合物经厌氧发酵(沼气工程)后产生的固体废渣；生物质炭以该养殖场猪粪为原料，经过500 ℃高温限氧炭化后得到的猪粪炭；耕作土取自试验基地旁耕地表层黏壤土，pH呈酸性。各供试材料理化指标如表1所示。
表 1 材料基础理化性质
Table 1. Basic physical and chemical properties of the materials used in the study
基质 酸碱度 电导率/(mS·cm−1) 容重/(g·cm−3) 总孔隙度/% 有机质/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) 底泥 7.48 0.15 1.05 58.02 84.07 0.60 0.69 10.67 沼渣 6.54 2.49 0.51 72.41 309.50 15.23 24.69 3.71 生物质炭 9.40 1.26 0.63 59.85 699.63 20.83 21.91 14.50 耕作土 6.39 0.45 1.23 40.28 33.39 1.51 1.59 15.67 试验草种为禾本科冷季型草坪草匍匐剪股颖‘本特A-4’。该品种具有“百草之王”的美誉，是当前世界范围内品质最高的草皮品种，广泛应用于庭院、公园、广场等观赏性草坪，也是高尔夫球场的主要草种，有出色的耐低修剪、耐高温、抗病虫害以及卓越的抗寒能力。
-
本研究采用极端顶点设计，对河道底泥、沼渣、生物质炭进行混料，阶数为2[11]。基于底泥最大消耗原则(尽量多地消纳河道底泥)，将上述3种基质的体积比例分别设定为50%≤底泥≤100%、0≤沼渣≤50%、0≤生物质炭≤10%。混料设计方案见表2，按体积比(v/v)进行混合。因目前草皮生产基本采用农田种植成坪后移植方式，故设置当地耕作表层土(0~20 cm)为对照组(ck)。
表 2 混料设计方案
Table 2. Scheme of a mixed material design
处理 点类型 底泥/% 沼渣/% 生物质炭/% 处理 点类型 底泥/% 沼渣/% 生物质炭/% 1 顶点 50.00 50.00 0 8 双混合 70.00 20.00 10.00 2 顶点 50.00 40.00 10.00 9 中心点 72.50 22.50 5.00 3 顶点 100.00 0 0 10 轴点 61.25 36.25 2.50 4 顶点 90.00 0 10.00 11 轴点 61.25 31.25 7.50 5 双混合 50.00 45.00 5.00 12 轴点 86.25 11.25 2.50 6 双混合 95.00 0 5.00 13 轴点 81.25 11.25 7.50 7 双混合 75.00 25.00 0 说明：数值为体积百分比。 试验在浙江科技大学校内试验基地(30°13′31″N，120°01′30″E，年日照时数为1 522.4 h)进行。坪床采用带排水孔规格为40 cm×40 cm×7 cm的育苗盘，底部铺30 g·m−2无纺布隔离，基质厚度为3.0 cm，上覆土厚度为0.5 cm。每处理重复3次。播种密度为12.0 g·m−2，发芽前每天浇水1次，发芽后7 d浇水1~2次，浇水量遵循见干见湿的原则。种植期间不额外施肥，待幼苗生长10 d左右，株高至10 cm后，按照1/3原则进行修剪[12]。本研究在开放自然环境下开展。2022年10月15日播种，共60 d，在第60天取样，测定植物理化指标。
-
生物量干质量采用实测称量法，叶绿素采用乙醇浸提法，可溶性糖采用蒽酮比色法，丙二醛采用硫代巴比妥酸比色法，过氧化氢酶采用钼酸铵比色法，超氧化物歧化酶采用氮蓝四唑法，过氧化物酶采用愈创木酚法，根系活力采用氯化三苯四氮唑法。生物量干质量在杀青烘干后测定，其余指标采用鲜样测定。具体测定方法参考《植物生理学实验指导》[13]。
-
将试验数据录入Excel 2013，并进行整理，用SPSS 26分析不同处理间差异显著性，Origin 2023制图。
-
由图1A可见：处理1、处理2、处理10匍匐剪股颖‘本特A-4’地上部分干质量与ck相比差异最显著(P＜0.05)，分别比ck显著提高了172.98%、185.07%、189.27%，但三者之间差异不显著；处理3、处理4、处理6地上部分干质量显著低于ck (P＜0.05)，仅有ck地上部分干质量的12.46%、45.19%、28.50% (图1A)。主要原因是处理3、处理4、处理6未添加沼渣。随着混料基质中沼渣比例的增加，草皮地上部分干质量逐渐增加(图1B)。
图 1 不同处理对匍匐剪股颖‘本特A-4’地上部分生物量干质量的影响
Figure 1. Effects of the different treatments on the aboveground dry weight of A. stolonifera ‘PENN A-4’
-
由表3可知：各处理间匍匐剪股颖‘本特A-4’叶绿素a、b质量分数分别为1.25~1.65和0.35~0.50 mg·g−1，低于ck。由于底泥性质更接近于黏土，故随着底泥比例的增加，叶绿素质量分数呈上升趋势。仅处理8和处理9叶绿素a/b略高于ck，但与ck相比，差异不显著。
表 3 不同处理间匍匐剪股颖‘本特A-4’叶绿素的质量分数
Table 3. Chlorophyll contents in different treatments of A. stolonifera ‘PENN A-4’
处理 叶绿素a/
(mg·g−1)叶绿素b/
(mg·g−1)叶绿素a+b/
(mg·g−1)叶绿素a/b 处理 叶绿素a/
(mg·g−1)叶绿素b/
(mg·g−1)叶绿素a+b/
(mg·g−1)叶绿素a/b 1 1.33±0.01** 0.45±0.02** 1.77±0.03** 2.97±0.17** 8 1.49±0.04** 0.42±0.01** 1.91±0.04** 3.54±0.06 2 1.38±0.08** 0.46±0.03* 1.84±0.11** 3.00±0.04** 9 1.49±0.05** 0.42±0.05** 1.91±0.09** 3.54±0.41 3 1.65±0.10* 0.53±0.04 2.18±0.14* 3.10±0.08* 10 1.40±0.06** 0.44±0.05** 1.84±0.11** 3.20±0.21 4 1.28±0.02** 0.41±0.02** 1.69±0.03** 3.10±0.11* 11 1.50±0.03** 0.47±0.01* 1.97±0.03** 3.20±0.03 5 1.28±0.09** 0.45±0.03** 1.73±0.12** 2.87±0.04** 12 1.59±0.01** 0.48±0.01 2.07±0.02** 3.30±0.06 6 1.25±0.06** 0.37±0.04** 1.63±0.09** 3.36±0.28 13 1.40±0.04** 0.45±0.02** 1.85±0.07** 3.14±0.10* 7 1.33±0.18** 0.40±0.06** 1.74±0.25** 3.30±0.08 ck 1.81±0.10 0.53±0.03 2.33±0.14 3.42±0.02 说明：*表示不同处理与ck间差异显著(P＜0.05)，**表示不同处理与ck间差异极显著(P＜0.01)。 -
由图2A可见：与ck相比，处理4的匍匐剪股颖‘本特A-4’地下部分干质量最高，比ck显著提高了48.05% (P＜0.05)。处理4与处理13基质上匍匐剪股颖‘本特A-4’地下部分干质量无显著差异，但2个处理显著高于其他处理(P＜0.05)，表明随着生物质炭比例逐渐增加，匍匐剪股颖‘本特A-4’地下部分根系生物量逐渐增加，但随着沼渣比例的增加，地下部分干质量有降低趋势(图2B)。
图 2 不同处理间匍匐剪股颖‘本特A-4’地下部分生物量干质量的影响
Figure 2. Effects of the different treatments on the underground dry weight of the A. stolonifera ‘PENN A-4’
-
由图3A可见：根系活力最强的是处理7的匍匐剪股颖‘本特A-4’，为0.03×16.67 nkat·g−1，比ck (0.01×16.67 nkat·g−1)高约2.4倍；处理9、处理10次之，比ck高约2.0倍； 与ck相比，处理12根系活力无显著差异；处理6和处理13的根系活力显著低于ck (P＜0.05)，仅分别为ck的65.84%、83.69%。随着沼渣比例提高、底泥比例降低(图3B)，基质容重逐渐降低，根系活力逐渐增强，能从基质中吸收更多矿质元素和水分供应地上部分的生长，这与图1B中显示的随着混料基质中沼渣比例的增加，匍匐剪股颖‘本特A-4’地上部分干质量逐渐增加是一致的。混料基质中生物质炭比例的变化对匍匐剪股颖‘本特A-4’根系活力的影响不明显。
图 3 不同处理对匍匐剪股颖‘本特A-4’根系活力的影响
Figure 3. Root activity of A. stolonifera ‘PENN A-4’ in the different treatments
-
由图4A可知：与ck相比，处理4的匍匐剪股颖‘本特A-4’可溶性糖质量分数最高，比ck显著提高了70.95% (P＜0.05)，但与处理1、处理2相比差异不显著。处理3次之。处理5匍匐剪股颖‘本特A-4’的可溶性糖质量分数显著低于ck (P＜0.05)，其余处理与ck相比无显著差异(图4A)。底泥比例为50.00%~100.00%时，随着底泥比例的增加，匍匐剪股颖‘本特A-4’可溶性糖质量分数呈先降低后逐渐升高的趋势；同时，混料基质中沼渣比例过高或过低都会导致匍匐剪股颖‘本特A-4’可溶性糖质量分数升高，生物质炭比例的变化与沼渣导致的匍匐剪股颖‘本特A-4’可溶性糖质量分数变化趋势基本一致(图4B)。
图 4 不同处理对匍匐剪股颖 ‘本特A-4’可溶性糖的影响
Figure 4. Soluble sugar of A. stolonifera ‘PENN A-4’ in the different treatments
-
由图5A可知：处理7的匍匐剪股颖 ‘本特A-4’丙二醛质量摩尔浓度最高，为20.65 nmol·g−1，处理1次之，为20.89 nmol·g−1，分别比ck显著提高了24.16%、25.60% (P＜0.05)，但处理1和处理7之间差异不显著，其余处理匍匐剪股颖‘本特A-4’丙二醛质量摩尔浓度与ck相比无显著差异。由图5B可见：随着混料基质中底泥和生物质炭比例降低，沼渣比例增加，匍匐剪股颖‘本特A-4’丙二醛质量摩尔浓度逐渐升高。
图 5 不同处理对匍匐剪股颖‘本特A-4’丙二醛的影响
Figure 5. MDA of A. stolonifera ‘PENN A-4’ in the different treatments
-
由表4可见：与ck相比，处理4、处理8、处理13的匍匐剪股颖‘本特A-4’过氧化氢酶活性显著下降了42.33%、44.54%、46.45% (P＜0.05)，而处理7、处理9、处理11过氧化氢酶活性显著升高了35.02%、40.66%、25.23% (P＜0.05)，表明随着混料基质中生物质炭比例逐渐减少，匍匐剪股颖‘本特A-4’过氧化氢酶活性逐渐增加。
表 4 不同处理间匍匐剪股颖‘本特A-4’抗氧化保护酶活性
Table 4. Antioxidant protective enzyme activities in different treatments of A. stolonifera ‘PENN A-4’
处理 过氧化氢酶/
(×16.67 nkat·g−1)超氧化物歧化酶/
(×16.67 nkat·g−1)过氧化物酶/
(×16.67 nkat·g−1)处理 过氧化氢酶/
(×16.67 nkat·g−1)超氧化物歧化酶/
(×16.67 nkat·g−1)过氧化物酶/
(×16.67 nkat·g−1)1 21.40±1.01 367.55±36.93** 697.92±42.87 8 12.43±2.48** 373.57±18.29** 594.51±39.24** 2 21.40±5.14 395.48±31.95** 793.27±21.60* 9 31.54±3.38** 430.98±18.62** 708.82±16.03 3 20.28±0.96 256.49±10.25* 659.04±28.40* 10 24.38±3.40 398.58±16.95** 764.31±29.50 4 12.93±0.79** 304.48±15.89 613.16±27.51** 11 28.08±0.98** 415.11±27.08** 828.98±36.13** 5 20.84±0.64 378.02±27.12** 715.14±27.55 12 18.19±1.71* 316.05±37.78 574.14±25.23** 6 17.81±1.89* 292.52±19.37 676.58±42.97 13 12.01±1.22** 319.52±15.16 787.36±43.58* 7 30.27±1.86** 392.23±10.75** 785.75±41.48 ck 22.42±2.64 304.96±29.18 729.52±34.36 说明：*表示不同处理与ck间差异显著(P＜0.05)；**表示不同处理与ck间差异极显著(P＜0.01)。 处理3匍匐剪股颖‘本特A-4’中的超氧化物歧化酶活性显著降低，较ck显著下降了15.89% (P＜0.05)；其次是处理6，但匍匐剪股颖‘本特A-4’的超氧化物歧化酶活性与对照组相比降低不显著。处理3、处理6的混料基质中底泥比例分别为100.00%和95.00%，表明混料基质中底泥比例提高会降低匍匐剪股颖‘本特A-4’的超氧化物歧化酶活性。
与ck相比，处理11的匍匐剪股颖‘本特A-4’过氧化物酶活性升幅最大，达极显著差异水平(P＜0.01)，处理2、处理13的匍匐剪股颖‘本特A-4’过氧化物酶活性较ck显著升高了8.74%和7.93% (P＜0.05)；但处理3、处理4、处理8和处理12与ck相比，匍匐剪股颖‘本特A-4’过氧化物酶活性显著下降，其中处理12降幅最大，达极显著水平(P＜0.01)。随着混料基质中沼渣比例的增加，匍匐剪股颖‘本特A-4’过氧化物酶活性出现先缓慢增加再减少的趋势。当沼渣比例在30.00%~40.00%时，匍匐剪股颖‘本特A-4’过氧化物酶活性显著上升。
-
地上部分生物量的大小能够在一定程度上反映植物的生长和光合作用能力，叶绿素质量分数的变化是体现植物遭受胁迫损害的重要指标之一。本研究中，基质中沼渣的施用是影响匍匐剪股颖‘本特A-4’地上部分生物量的主要因素，加入适量的沼渣(36.25%~50.00%)能够显著提高其地上部分生物量。这与HAMMERSCHMIEDT等[14]发现的沼渣施用显著增加了莴苣Lactuca sativa地上部分生物量的结果相似，并且随着沼渣在基质中比例逐渐增加，河道底泥比例逐渐降低，匍匐剪股颖‘本特A-4’地上部分生物量逐渐增加。本研究中沼渣为某养殖场猪粪尿混合物经厌氧发酵后的固体废渣，可以作为有机肥原料使用，改善基质肥力，为植物茎叶生长提供必要的营养元素。CHEN等[15]研究表明：生物质炭的施用能够提高作物的生物量，但本研究中生物质炭对匍匐剪股颖‘本特A-4’地上部分生物量影响不明显。主要原因可能是猪粪沼渣炭化后，产物中氮等营养元素因高温逸失，磷、钾等营养与原料沼渣中赋存形态相比有效性降低，短期内(本研究为60 d)，其营养效应还未显现。冯树林等[16]研究表明：植物叶绿素质量分数与土壤水分有较大关系。混料基质匍匐剪股颖‘本特A-4’叶绿素质量分数均低于ck，可能是混料基质容重低于传统耕作土，保水性能相对也低，匍匐剪股颖‘本特A-4’叶片水分亏缺，叶绿素结构受到一定影响，光合作用相关蛋白质量分数降低，叶绿素降解速度高于合成速度。生物质炭虽然有较好的保水性能，但由于其占比较低，保水效果不明显。在混料基质配比中，当底泥比例为50.00%~75.00%、沼渣比例为36.25%~50.00%时，匍匐剪股颖‘本特A-4’地上部分生物量和绿度较好。
在草皮生长过程中，地下部分是其吸收水分和矿质元素的主要器官。地下部分生物量越多，越能够促进草皮生长[17]。本研究中，基质中生物质炭的比例是影响匍匐剪股颖‘本特A-4’地下部分生物量的主要因素，加入适量的生物质炭(5.00%~10.00%)能够有效提高其地下部分生物量促进匍匐剪股颖‘本特A-4’的根系生长，表明生物质炭的特殊多孔结构一定程度上改变了基质结构，这与XIANG等[18]研究生物炭施用能显著增加根系生物量的结果相一致。此外，PEI等[19]研究表明：生物质炭的添加能够增加根系分泌物的释放，如氨基酸、植物生长素和脱落酸等，这些根系分泌物能够进一步促进根系的伸长，为植物提供更有利的生长条件，并且随着沼渣比例的提高，根系活力逐渐增强。本研究中，混料基质容重低于耕作土，表明基质松散、孔隙多、透气性好，有利于植物生长。在几种混料基质配比中，当生物质炭比例为5.00%~10.00%时，匍匐剪股颖‘本特A-4’地下部分生物量较高，根系活力较好；底泥比例为75.00%~100%，沼渣比例为0~25.00%时，更有助于地下部分生长；底泥比例为50.00%~75.00%，沼渣比例为20.00%~50.00%时，根系活力更旺盛。
增加草皮地上部分生物量，可以促进其光合、呼吸和蒸腾作用，提高草坪草的观赏性；增加其地下生物量，则能够促进草皮对水分的固定、吸收，进而促进草皮的生长。通过调整基质中底泥、沼渣和生物质炭的混配比例，可以优化草皮的生长，促进地上和地下部分的协调生长。
-
可溶性糖是重要的渗透调节物质。植物可以通过积累可溶性糖，增强细胞的渗透调节能力，应对外界环境影响[20]。本研究中，匍匐剪股颖‘本特A-4’ 可溶性糖质量分数随着混料基质中沼渣和生物质炭比例的增加，整体呈先降低后增加的趋势，表明添加适当比例(2.50%~7.50%)的生物质炭，能够降低其可溶性糖质量分数，缓解植物受到的胁迫影响，这与HAFEZ等[21]研究水分胁迫下生物质炭处理降低了大麦Hordeum vulgare的可溶性糖质量分数的结果相近。同时，本研究结果也显示：随着底泥比例的增加、沼渣比例的降低，可溶性糖质量分数呈上升趋势。在混料基质配比中，当底泥比例为50.00%~75.00%，沼渣比例为25.00%~36.25%，生物质炭比例为2.50%~7.50%时，草皮可溶性糖质量分数较为适中。
丙二醛是植物膜脂过氧化的最终产物，其质量摩尔浓度可以反映植物所受胁迫的程度[22]。本研究中，随着底泥比例降低，沼渣比例增加，匍匐剪股颖‘本特A-4’抗氧化酶活性有所上升，清除了植株体内部分活性氧自由基，但仍有部分过剩的自由基，引发膜脂氧化作用，从而导致丙二醛积累。同时，本研究结果也显示：混料基质中增加生物质炭的比例，能够有效降低丙二醛质量摩尔浓度。这与刘易等[23]的研究结果类似，其发现生物质炭处理土壤后玉米Zea mays丙二醛质量摩尔浓度降低。但当生物质炭添加比例过低(0~2.50%)时，不能发挥其降低丙二醛的效果。在混料基质配比中，当底泥比例为75.00%~100%、沼渣比例为0~30.00%、生物质炭比例为2.50%~10.00%时，匍匐剪股颖‘本特 A-4’丙二醛质量摩尔浓度较为适中。
过氧化氢酶、超氧化物歧化酶、过氧化物酶是植物体内重要的抗氧化保护酶。在一定范围内，过氧化氢酶、超氧化物歧化酶和过氧化物酶的活性与植物所受胁迫的程度呈正相关[24]。本研究中，底泥的性质接近黏土，以其为主料添加生物质炭的基质均可缓解匍匐剪股颖‘本特A-4’的受胁迫程度。随着沼渣添加比例的增加，过氧化氢酶、超氧化物歧化酶、过氧化物酶的活性变化趋势相近，呈先增加后降低，但依然高于基质中未添加沼渣时的活性，说明沼渣含有的一些有害物质，重金属、抗生素、病原微生物等也会随着沼渣比例的增加而增加。这些有害物质超过植物耐受程度时，可能会破坏植物的保护酶系统，导致酶活性降低，而对植物的生长产生不利影响。因此，在实际生产中使用沼渣时需要对其中的有害物质进行检测，以确保植物健康生长。适量生物质炭的添加能在降低匍匐剪股颖‘本特A-4’体内丙二醛质量摩尔浓度的同时，降低过氧化物酶和超氧化物歧化酶的活性。这与FARHANGI-ABRIZ等[25]的研究结果相近，其发现添加生物质炭处理的盐胁迫大豆Glycine max幼苗抗氧化酶活性显著降低。适当比例的底泥、沼渣和生物质炭能够通过改善基质理化性质，降低植物遭受胁迫程度，使草皮生长良好。在混料基质配比中，当底泥比例为72.50%~100%、沼渣比例为0~20.00%、生物质炭比例为2.50%~10.00%时，匍匐剪股颖‘本特 A-4’过氧化氢酶活性适中；当底泥比例为81.25%~100%、沼渣比例为0~11.25%、生物质炭比例为0~7.50%时，匍匐剪股颖‘本特 A-4’超氧化物歧化酶活性适中；当底泥比例为81.25%~100%、沼渣比例为0~22.50%、生物质炭比例为在0~10.00%时，匍匐剪股颖‘本特 A-4’过氧化物酶活性较为适中。
-
从混料基质对生长的影响分析，比例为75.00%的底泥，对匍匐剪股颖‘本特A-4’地上部分、地下部分生物量及根系活力的影响较为均衡；从混料基质对生理指标的影响分析，与传统耕作土相比，底泥作为替代基质主料对匍匐剪股颖‘本特A-4’生长不会产生不利影响。从这个角度出发，底泥比例大于75.00%较为适宜。
生物质炭比例为5.00%~10.00%的混料基质，对匍匐剪股颖‘本特A-4’地上部分、地下部分生物量及根系活力的影响较好；但从对匍匐剪股颖‘本特A-4’ 可溶性糖、丙二醛和抗氧化酶等生理指标的影响看，生物质炭的比例为2.50%~5.00%比较合适。
因此，如果混料基质以底泥、生物质炭、沼渣混合，底泥比例选择为75.00%，生物质炭比例为5.00%，则混料基质中沼渣比例为20.00%。在此配比下，匍匐剪股颖‘本特A-4’地上部分干质量和地下部分干质量分别显著提高了58.53%和17.19%，与ck相比均达显著差异水平，根系活力提升了近1倍(91.55%)，但匍匐剪股颖‘本特A-4’叶绿素a、b质量分数分别降低了21.52%和19.49%。另外，与ck相比，混料基质除引起匍匐剪股颖‘本特A-4’超氧化物歧化酶活性升高外(28.66%)，对匍匐剪股颖‘本特A-4’可溶性糖质量分数、丙二醛质量摩尔浓度及过氧化氢酶和过氧化物酶活性的影响不明显。综上所述，在此配比下，混料基质相较于传统耕作土对匍匐剪股颖‘本特A-4’生长具有显著的促进作用，同时，匍匐剪股颖‘本特A-4’生理抗性反应小。
-
以底泥为主料，掺混适当比例的生物质炭、沼渣的基质代替耕作土进行匍匐剪股颖‘本特A-4’种植是可行的，掺混沼渣能够有效提高匍匐剪股颖‘本特A-4’地上部分生物量和根系活力，生物质炭可有效提高匍匐剪股颖‘本特A-4’地下部分生物量。与传统耕作土相比，当混料基质中底泥占75.00%、沼渣占20.00%、生物质炭占5.00%时，匍匐剪股颖‘本特A-4’的生长表现良好。
Effects of river sediment as the main substrate on the growth and physiological indexes of Agrostis stolonifera ‘PENN A-4’
-
摘要:
目的 河湖库塘清淤底泥用于草皮等高经济价值园林绿化植物生产，既能有效解决挤占耕地与破坏耕层问题，又能协同解决底泥等有机固体废弃物的处理难题。 方法 通过混料设计，按照底泥最大消耗原则，设置底泥、沼渣、生物质炭3种原料用量比例(体积比)分别为50%≤底泥≤100%、0≤沼渣≤50%、0≤生物质炭≤10%，共13个处理，同时设置耕作土为对照组，测定匍匐剪股颖‘本特A-4’Agrostis stolonifera ‘PENN A-4’生长指标(生物量干质量、叶绿素、根系活力)和生理指标(可溶性糖、丙二醛、抗氧化保护酶)，明确河道底泥为主料的基质代替传统耕作土种植匍匐剪股颖‘本特A-4’的可行性和适宜性。 结果 与耕作土(对照)相比，混料基质中3种原料比例(体积比)底泥为75.00%、沼渣为20.00%、生物质炭为5.00%时，匍匐剪股颖‘本特A-4’地上部分和地下部分干质量分别显著提高了58.53%和17.19% (P＜0.05)，根系活力极显著提高了近1倍 (P＜0.01)，但匍匐剪股颖‘本特A-4’叶绿素a、b质量分数分别均极显著降低了约20.00% (P＜0.01)。另外，混料基质使匍匐剪股颖‘本特A-4’超氧化物歧化酶活性极显著升高28.66% (P＜0.01)，对植株体内可溶性糖质量分数、丙二醛质量摩尔浓度及过氧化氢酶活性和过氧化物酶活性影响不显著。 结论 以底泥为主料，掺混适当比例的生物质炭、沼渣的基质代替耕作土种植匍匐剪股颖‘本特A-4’是可行的，掺混的沼渣能够有效提高匍匐剪股颖‘本特A-4’地上部分生物量和根系活力，生物质炭可有效提高匍匐剪股颖‘本特A-4’地下部分生物量。图5表4参25 -
关键词:
- 河道底泥 /
- 匍匐剪股颖‘本特A-4’ /
- 基质 /
- 生理指标 /
- 生物量
Abstract:Objective The dredging sediment from rivers, lakes, reservoirs and ponds can be used for the production of high-economic value landscape plants such as turf, which can not only solve the problem of occupying cultivated farmland and destroying top soil layer, but also solve the treatment and disposal problem of organic solid waste such as sediment. Method Based on the mixed material design and the principle of maximum consumption of river sediment, the proportion of the three raw materials, namely sediment, biogas residue, and biochar, was set to be 50%≤sediment≤100%, 0≤biogas residue≤50%, and 0≤biochar≤10%, respectively, totaling 13 treatments. Meanwhile, cultivated soil was set as the control, and the growth indicators (biomass dry mass, chlorophyll, root activity) and physiological indicators (soluble sugar, malondialdehyde, antioxidant protective enzymes) were measured to explore the feasibility and suitability of planting Agrostis stolonifera ‘PENN A-4’ with the substrate of river sediment as the main material instead of the traditional cultivated soil. Result Compared with the control, the dry weight of above ground part and underground part of A. stolonifera ‘PENN A-4’ significantly increased by 58.53% and 17.19%, respectively (P＜0.05) and the root activity nearly doubled (P＜0.01) when the proportion of sediment in the mixed substrate was 75.00%, the proportion of biogas residue was 20.00%, and the proportion of biochar was 5.00%, but the content of chlorophyll a and b in plants decreased by approximately 20.00% (P＜0.01). In addition, the mixed substrate significantly increased superoxide dismutase activity (28.66%, P＜0.01), but had no significant effect on the contents of soluble sugar and malondialdehyde, catalase activity and peroxidase activity in plants. Conclusion It is feasible to use river sediment as the main material, mixed with an appropriate proportion of biogas residue and biochar as a substrate instead of cultivated soil for A. stolonifera ‘PENN A-4’ planting. The mixed biogas residue can effectively increase the aboveground biomass and root vitality of the turf grass, while biochar can effectively increase the underground biomass of the grass. [Ch, 5 fig. 4 tab. 25 ref.] -
Key words:
- river sediment /
- Agrostis stolonifera ‘PENN A-4’ /
- turf substrate /
- physiological indexes /
- biomass
-
宁夏回族自治区固原市位于黄土高塬沟壑区[1]。长期的过度放牧、不合理耕作，导致该地区植被稀疏、水土流失加剧[2]，严重影响了当地社会经济发展和生态安全。梯田有效缓解了农业生产带来的水土流失问题[3]，从20世纪80年代开始，固原市实施了大面积的坡改梯工程[4]。加之2000年开始实施的国家退耕还林还草工程[5]，该地区的水土流失问题有所缓解，生态环境持续向好[6]。随着遥感技术的快速发展，如何从遥感影像中高效、准确、大尺度地获取梯田时空分布信息，对于指导农业生产、水土保持监测和防治水土流失具有重要的意义。传统的梯田遥感识别主要采用目视解译[7]，该方法精度较高，但存在耗时耗力、成本高、方法复用性差等问题，目前更多用来采集机器学习(machine learning)的样本[8]。近年来，大部分学者采用面向对象或基于像元的监督识别技术，利用决策树(CART)、随机森林(RF)、支持向量机(SVM)、深度学习(DL)等[9-11]机器学习算法，先学习采集的样本，然后利用学习好的模型识别新的样本。面向对象技术较基于像元识别技术，不仅依靠地物的光谱特征，还利用像元和像元之间的关系提高识别精度，识别过程更加复杂，影像分辨率要求更高[7]。但是，无论采用哪种方法进行梯田遥感识别，基本上都是基于单机处理，普遍存在遥感数据获取困难、预处理复杂、性能限制等问题[9]，难以开展大尺度的遥感识别研究。为了解决这些问题，Google公司借助其强大的计算资源与海量数据存储，推出了遥感云平台Google Earth Engine(GEE)[12]。借助该平台，研究人员可以极大扩展自身原有研究的覆盖范围，提供国家乃至全球尺度的研究成果[13]。目前，GEE在大尺度森林变化监测、土地利用类型分类、人类居住地动态监测等[14-16]方面应用广泛，但大尺度梯田遥感识别未见相关报道。为此，本研究在GEE平台支持下，利用Landsat时间序列数据和SRTM数字高程模型(digital elevation model，DEM)，建立每年时间序列影像的百分位数特征。对比3种机器学习算法的分类精度大小，选择分类精度最高的识别结果，应用LandTrendr时序算法逐像元拟合修正时间序列，实现固原市1988−2019年度梯田动态监测的目的。研究结果可为黄土丘陵地区梯田的高效、准确识别和水土保持监测、评价提供参考。
1. 研究区概况
固原市(35°14′~36°31′N，105°19′~106°57′E)位于宁夏回族自治区南部的六盘山地区，辖原州区、西吉县、隆德县、泾源县、彭阳县，国土面积1.05 万km2。属大陆暖温带半干旱气候，年均气温6.3 ℃，年均降水量493.5 mm，降水量由东南向西北递减，年均蒸发量1 472.9 mm，年均无霜期152.0 d。域内地形南高北低，沟壑纵横，黄土丘陵面积达67.9%。地带性土壤以黑垆土为主，但严重的土壤侵蚀导致土壤母质层出露，黄绵土广布。植被总体上由东南的半湿润森林草原区向西北的干旱半干旱草原区过渡[4]。
2. 数据源与研究方法
黄土梯田动态监测的流程可分为4个主要功能模块：遥感数据加载、数据预处理、分类算法优选、序列优化。各模块从上到下，层层递进，最终实现黄土梯田动态监测(图1)。
2.1 数据源
2.1.1 Landsat影像
使用T1级别(质量最高)的Landsat地表反射率数据(surface reflectance, SR)。该数据产品已经过几何校正、辐射校正和大气校正，空间分辨率30 m，时间分辨率16 d。由于Landsat 5/7/8卫星的服务年限不同，1988−2011年使用Landsat 5影像，2012年使用Landsat 7影像，2013−2019年使用Landsat 8影像，共使用1 690景影像。
2.1.2 高程数据
采用30 m空间分辨率的数字高程模型，具体编号为SRTMGL1_003。
2.1.3 样本数据
地类仅分为梯田和其他2类。通过Google Earth Pro提供的高清历史影像，利用目视解译法采集样本数据。样本数据包括样点数据和斑块数据。样点数据按时间分为2010−2014年地类属性相同和2000年的样点，以满足Landsat 5/7/8不同卫星分别进行机器学习样本训练的需求。样点采集遵循以下原则：①在研究区生成5 km方形格网，以使样点分布均匀；②保持样点100 m以内属性相同。样点数据共2 673个，梯田样点1 040个，其他样点1 633个。斑块数据为6个随机分布的5 km×5 km正方形区域，参考Google Earth Pro中2019年厘米级高清遥感影像人工勾绘以及实地验证。
2.2 研究方法
2.2.1 合成影像
选择Landsat对应卫星影像的红波段(Br)、绿波段(Bg)、蓝波段(Bb)、近红外(Bnir)、短波红外1(Bswir1)、短波红外2(Bswir2)6个光谱波段；再经裁边(坏像元)、光谱指数计算(计算方法如表1)、去云后，针对黄土梯田全年季相变化特点[17]，统计每年度内时间序列影像百分位数特征融合影像[18]，即逐像元对某一波段1 a内所有观测值取其10%、25%、50%、75%、90%百分位数，获得该像元位置该波段对应的5个指标波段；再与6个地形特征波段组合，即由数字高程计算得到的海拔、坡度、坡向，以及3个3×3、7×7、11×11像元窗口内地形起伏度波段。共计61个特征波段。
表 1 光谱指数计算方法Table 1 Calculation methods of spectral index光谱指数名称 计算方法 归一化植被指数 BNDVI = (Bnir−Br)/(Bnir + Br) 增强型植被指数 BEVI = (Bnir−Br)/(Bnir + 6Br−7.5Bb + 1) 归一化建筑指数 BNDBI = (Bswir2−Bnir)/(Bswir2 + Bnir) 归一化湿度指数 BNDMI = (Bnir−Bswir1)/(Bnir + Bswir1) 归一化水体指数 BNDWI = (Bg−Bnir)/(Bg + Bnir) 说明：Br为红波段；Bg为绿波段；Bb为蓝波段；Bnir为近红 外；Bswir1为短波红外1；Bswir2为短波红外2 2.2.2 机器学习
3种机器学习算法为随机森林、决策树、支持向量机，GEE均有内建，可直接调用。另外，针对不同卫星分别进行机器学习，把样点数据分年度映射到对应合成影像并汇总(如Landsat 5包括2000、2010和2011年的样本)，再按9∶1划分样本，90%的样本用于分类器训练，10%的样本用于精度验证。
2.2.3 LandTrendr算法
LandTrendr算法将以年时间序列的值进行分割、逐段拟合、平滑[19]，获取单个像元在整个研究时间段内的整体变化特征。具体介绍参考文献[19]。
2.2.4 识别结果优化
应用前文分类精度最高的机器学习算法，对研究区1988−2019年逐年进行梯田遥感识别。为减少极端天气和人类活动导致识别错误，利用地类在时间序列上连续、稳定的特征，使用LandTrendr算法[19]对识别结果的时间序列(概率为0~1的浮点)拟合平滑处理。参考中国水土保持措施分类[20]，提取坡度＞2°和坡度＜25°区域的梯田，以减少沟壑地及塬地的误分。
2.2.5 精度验证方法
采用混淆矩阵的方法，以总体精度、Kappa系数、生产者精度和用户精度等指标作为识别精度评价依据。具体计算方法参考文献[18]。
2.3 植被覆盖度计算
植被覆盖度(fractional vegetation cover, FVC)采用归一化植被指数和像元二分模型计算。具体计算方法参考文献[21]。
3. 结果与分析
3.1 不同机器学习算法的精度
表2为随机抽取的1 051个样点的验证结果。4种精度指标均为随机森林算法最高，决策树算法次之，支持向量机算法最小。随机森林算法基于样点检验的精度分别为：梯田的生产者精度94.46%、梯田的用户精度89.03%、总体精度94.10%、Kappa系数为0.87，都远大于另外2种算法。因此，后文采用随机森林机器学习算法进行梯田遥感识别。
表 2 不同机器学习算法识别结果的样点验证精度Table 2 Sample points verification accuracy of the results of different machine learning algorithms机器学习
算法梯田的生产
者精度/%梯田的用户
精度/%总体精
度/%Kappa
系数随机森林 94.46 89.03 94.10 0.87 决策树 78.89 78.07 84.40 0.66 支持向量机 70.88 67.36 78.02 0.52 3.2 识别结果与人工勾绘斑块的验证
表3显示：去除交界100 m缓冲区后的验证精度高于未去除时(0 m)的验证精度。另外，经LandTrendr处理后梯田的生产者精度、梯田的用户精度、总体精度和Kappa系数分别为：81.75%、85.97%、93.33%、0.80，均大于LandTrendr处理前的验证精度。
表 3 原始识别结果及使用LandTrendr算法处理后的斑块验证精度(随机森林)Table 3 Speckles verification accuracy of the original results and the results of using LandTrendr algorithm(RF)去除交界
缓冲区/m验证像元数/
(×104个)LandTrendr
处理梯田的生产者
精度/%梯田的用户
精度/%总体精
度/%Kappa
系数0 20.66 处理前 78.24 73.47 84.73 0.65 处理后 80.82 76.18 86.38 0.68 100 14.43 处理前 77.55 84.93 92.04 0.76 处理后 81.75 85.97 93.33 0.80 说明：去除交界缓冲区是指去除梯田与其他类型交界线缓冲区范围内的像元，减少有地理配准误差较大的像元输入。0 m代表不 去除 3.3 LandTrendr拟合效果示例
选择3个不同位置来展示LandTrendr算法拟合效果(图2)，位置A原始识别结果在1994、2002、2004年被错误识别为其他类型，位置B原始识别结果在1997年被错误识别为其他类型，在2015年被错误识别为梯田类型。经LandTrendr算法处理后，这些错误类型均被校正。位置C原始识别结果与经LandTrendr算法处理后的结果均为其他类型，识别类型没有变化。
图 2 3个不同位置的原始识别结果及使用LandTrendr算法处理后的概率Figure 2 Classification probability of the original results and the results of using LandTrendr algorithm at 3 different positions3.4 近30年梯田面积和植被覆盖度
经LandTrendr算法处理后的研究区梯田面积(图3)变化趋势更稳定，从1988年5 816.59 km2减少到2019年3 146.72 km2，年均减少90.85 km2·a−1。1988−2019年，研究区植被覆盖度则呈现不断增加的趋势，与梯田面积变化趋势相反。另外，处理前、处理后的梯田面积与植被覆盖度极显著(P＜0.001)相关，其相关系数分别为−0.50和−0.75。
图 3 1988−2019年研究区梯田面积与植被覆盖度变化Figure 3 Variations of annual terraces area and annual mean fractional vegetation cover in the research area from 1988−20193.5 梯田使用时间分析
图4显示了研究区1988−2019年梯田使用时间长短的分布。从整体上来看，梯田主要分布在六盘山山脉两侧，且西部的梯田使用时间较东部更长。从局部来看，南部的泾源县区域，梯田零星分布，使用时间相对较短；西部西吉县的沟谷条带、中部的六盘山山脉、北部原州区清水河的河谷冲积平原(红色部分)能明显区分出来。
图 4 1988−2019年研究区梯田使用时间分布示意图Figure 4 Distribution of time to use terraces in the research area from 1988−20194. 讨论
4.1 机器学习识别精度的影响与优化
已有的梯田遥感监测研究[3-4]受限于单机处理性能和准确的历史样本采集，其研究内容往往时间短、区域小，限制了长时间序列、大尺度遥感监测的应用与发展。本研究使用模型迁移法，针对每一个传感器独立训练机器学习分类模型，减少了样本采集的难度，得以实现黄土梯田动态监测。然而，机器学习的识别精度主要受样本量、特征、机器学习算法的影响[7]。本研究利用多年采样法增加样本量，选取最优机器学习算法，得到较高的识别精度。另外，关于特征选取，我们前期使用了最大值、最小值、众数、中位数、平均数等多种特征融合方法，但识别精度均低于本研究的百分位数特征融合。而对于深度学习，我们在本地电脑使用相同样本集，多次构建深度学习模型并训练，然而识别精度也低于本研究的随机森林。最后引入LandTrendr算法逐像元拟合时间序列轨迹，有效校正了如图2中的异常值，提高了识别精度。而且，在斑块验证数据与样点采集时同样保留100 m空间误差时，消除2种利用类型相邻区域地理配准误差带来的系统错误后，基于2019年斑块检验总体精度93.33%，与样点验证总体精度94.10%相当，说明训练好的模型随时间迁移应用，识别性能不会降低。
4.2 梯田面积变化分析
整体来看，研究区1988−2019年梯田面积呈减少趋势，植被覆盖度则呈现逐步增长趋势，梯田面积与植被覆盖度极显著相关(P＜0.01)，说明梯田面积减少有助于生态环境向好发展。局部来看，研究区在1988−1996年梯田面积年均减少69.02 km2·a−1，与该时期宁南山区逐步退耕还林还草时间一致；1997−2000年梯田面积年均增长91.60 km2·a−1，与该时期耕地面积增长趋势相同[22]；在2001−2005年梯田面积下降较快，梯田面积年均减少250.51 km2·a−1，远高于1988−2019年年均减少速率90.85 km2·a−1，且2001−2005年植被覆盖度年均增长速率是1988−2019年植被覆盖度年均增长速度的4倍，与宁夏“退耕还林工程”生态政策大力实施的时间节点相符；从2007年开始，为巩固退耕还林工作，持续推进生态文明建设，研究区梯田面积下降减缓[6]。另外，研究区西部的梯田使用时间较东部更长，这可能与东部年降水量达650 mm，而西部年降雨量不到450 mm[4]，在东部进行梯田退耕后有利于提高植被成活率有关。
5. 结论
基于GEE云平台，使用随机森林机器学习算法与LandTrendr算法，可以高效、准确地实现长时间序列、大尺度的黄土梯田动态监测。相比1988年，研究区2019年梯田面积减少45.90%，植被覆盖度增长52.44%，说明近30 a梯田农业比例逐渐降低，生态环境持续向好发展。
-
图 1 不同处理对匍匐剪股颖‘本特A-4’地上部分生物量干质量的影响
Figure 1 Effects of the different treatments on the aboveground dry weight of A. stolonifera ‘PENN A-4’
图 2 不同处理间匍匐剪股颖‘本特A-4’地下部分生物量干质量的影响
Figure 2 Effects of the different treatments on the underground dry weight of the A. stolonifera ‘PENN A-4’
图 3 不同处理对匍匐剪股颖‘本特A-4’根系活力的影响
Figure 3 Root activity of A. stolonifera ‘PENN A-4’ in the different treatments
图 4 不同处理对匍匐剪股颖 ‘本特A-4’可溶性糖的影响
Figure 4 Soluble sugar of A. stolonifera ‘PENN A-4’ in the different treatments
图 5 不同处理对匍匐剪股颖‘本特A-4’丙二醛的影响
Figure 5 MDA of A. stolonifera ‘PENN A-4’ in the different treatments
表 1 材料基础理化性质
Table 1. Basic physical and chemical properties of the materials used in the study
基质 酸碱度 电导率/(mS·cm−1) 容重/(g·cm−3) 总孔隙度/% 有机质/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) 底泥 7.48 0.15 1.05 58.02 84.07 0.60 0.69 10.67 沼渣 6.54 2.49 0.51 72.41 309.50 15.23 24.69 3.71 生物质炭 9.40 1.26 0.63 59.85 699.63 20.83 21.91 14.50 耕作土 6.39 0.45 1.23 40.28 33.39 1.51 1.59 15.67 
下载: 导出CSV
表 2 混料设计方案
Table 2. Scheme of a mixed material design
处理 点类型 底泥/% 沼渣/% 生物质炭/% 处理 点类型 底泥/% 沼渣/% 生物质炭/% 1 顶点 50.00 50.00 0 8 双混合 70.00 20.00 10.00 2 顶点 50.00 40.00 10.00 9 中心点 72.50 22.50 5.00 3 顶点 100.00 0 0 10 轴点 61.25 36.25 2.50 4 顶点 90.00 0 10.00 11 轴点 61.25 31.25 7.50 5 双混合 50.00 45.00 5.00 12 轴点 86.25 11.25 2.50 6 双混合 95.00 0 5.00 13 轴点 81.25 11.25 7.50 7 双混合 75.00 25.00 0 说明：数值为体积百分比。
下载: 导出CSV
表 3 不同处理间匍匐剪股颖‘本特A-4’叶绿素的质量分数
Table 3. Chlorophyll contents in different treatments of A. stolonifera ‘PENN A-4’
处理 叶绿素a/
(mg·g−1)叶绿素b/
(mg·g−1)叶绿素a+b/
(mg·g−1)叶绿素a/b 处理 叶绿素a/
(mg·g−1)叶绿素b/
(mg·g−1)叶绿素a+b/
(mg·g−1)叶绿素a/b 1 1.33±0.01** 0.45±0.02** 1.77±0.03** 2.97±0.17** 8 1.49±0.04** 0.42±0.01** 1.91±0.04** 3.54±0.06 2 1.38±0.08** 0.46±0.03* 1.84±0.11** 3.00±0.04** 9 1.49±0.05** 0.42±0.05** 1.91±0.09** 3.54±0.41 3 1.65±0.10* 0.53±0.04 2.18±0.14* 3.10±0.08* 10 1.40±0.06** 0.44±0.05** 1.84±0.11** 3.20±0.21 4 1.28±0.02** 0.41±0.02** 1.69±0.03** 3.10±0.11* 11 1.50±0.03** 0.47±0.01* 1.97±0.03** 3.20±0.03 5 1.28±0.09** 0.45±0.03** 1.73±0.12** 2.87±0.04** 12 1.59±0.01** 0.48±0.01 2.07±0.02** 3.30±0.06 6 1.25±0.06** 0.37±0.04** 1.63±0.09** 3.36±0.28 13 1.40±0.04** 0.45±0.02** 1.85±0.07** 3.14±0.10* 7 1.33±0.18** 0.40±0.06** 1.74±0.25** 3.30±0.08 ck 1.81±0.10 0.53±0.03 2.33±0.14 3.42±0.02 说明：*表示不同处理与ck间差异显著(P＜0.05)，**表示不同处理与ck间差异极显著(P＜0.01)。
下载: 导出CSV
表 4 不同处理间匍匐剪股颖‘本特A-4’抗氧化保护酶活性
Table 4. Antioxidant protective enzyme activities in different treatments of A. stolonifera ‘PENN A-4’
处理 过氧化氢酶/
(×16.67 nkat·g−1)超氧化物歧化酶/
(×16.67 nkat·g−1)过氧化物酶/
(×16.67 nkat·g−1)处理 过氧化氢酶/
(×16.67 nkat·g−1)超氧化物歧化酶/
(×16.67 nkat·g−1)过氧化物酶/
(×16.67 nkat·g−1)1 21.40±1.01 367.55±36.93** 697.92±42.87 8 12.43±2.48** 373.57±18.29** 594.51±39.24** 2 21.40±5.14 395.48±31.95** 793.27±21.60* 9 31.54±3.38** 430.98±18.62** 708.82±16.03 3 20.28±0.96 256.49±10.25* 659.04±28.40* 10 24.38±3.40 398.58±16.95** 764.31±29.50 4 12.93±0.79** 304.48±15.89 613.16±27.51** 11 28.08±0.98** 415.11±27.08** 828.98±36.13** 5 20.84±0.64 378.02±27.12** 715.14±27.55 12 18.19±1.71* 316.05±37.78 574.14±25.23** 6 17.81±1.89* 292.52±19.37 676.58±42.97 13 12.01±1.22** 319.52±15.16 787.36±43.58* 7 30.27±1.86** 392.23±10.75** 785.75±41.48 ck 22.42±2.64 304.96±29.18 729.52±34.36 说明：*表示不同处理与ck间差异显著(P＜0.05)；**表示不同处理与ck间差异极显著(P＜0.01)。
下载: 导出CSV
-
[1] 张建龙. 中国林业和草原统计年鉴(2018)[M]. 北京: 中国林业出版社, 2019. ZHANG Jianlong. China Forestry and Grassland Statisical Yearbook (2018) [M]. Beijing: China Forestry Publishing House, 2019. [2] 单华佳, 李梦璐, 孙彦, 等. 近10年中国草坪业发展现状[J]. 草地学报, 2013, 21(2): 222 − 229. SHAN Huajia, LI Menglu, SUN Yan, et al. Recent development of turf grass industry in China [J]. Acta Agrestia Sinica, 2013, 21(2): 222 − 229. [3] 杨翠红, 林康, 高翔, 等. “十四五”时期我国粮食生产的发展态势及风险分析[J]. 中国科学院院刊, 2022, 37(8): 1088 − 1098. YANG Cuihong, LIN Kang, GAO Xiang, et al. Analysis on development and risks of China’ s food production during 14th five-year plan period [J]. Bulletin of Chinese Academy of Sciences, 2022, 37(8): 1088 − 1098. [4] 浙江省水利厅. 全省水利统计简报(2018年度)[EB/OL]. 2019-02-12 [2023-12-25]. https://slt.zj.gov.cn/art/2019/2/12/art_1229232728_1987881.html. Department of Water Resources of Zhejiang Province. Provincial Water Conservancy Statistics Briefing (2018) [EB/OL]. 2019-02-12 [2023-12-25]. https://slt.zj.gov.cn/art/2019/2/12/art_1229232728_1987881.html. [5] 崔建宇, 慕康国, 胡林, 等. 北京地区草皮卷生产对土壤质量影响的研究[J]. 草业科学, 2003, 20(6): 68 − 72. CUI Jianyu, MU Kangguo, HU Lin, et al. Studies on the effects of sod-production on soil quality in Beijing area [J]. Pratacultural Science, 2003, 20(6): 68 − 72. [6] 崔高磊, 徐翠, 罗富成, 等. 无土草皮生长介质的研究与应用进展[J]. 草学, 2020(6): 7 − 12, 24. CUI Gaolei, XU Cui, LUO Fucheng, et al. Research and application progress of soilless turf growth substrate [J]. Journal of Grassland and Forage Science, 2020(6): 7 − 12, 24. [7] DUNN C, FREEMAN C. Peatlands: our greatest source of carbon credits? [J]. Carbon Management, 2011, 2(3): 289 − 301. [8] CLEARY J, ROULET N T, MOORE T R. Greenhouse gas emissions from Canadian peat extraction, 1990−2000: a life-cycle analysis [J]. AMBIO, 2005, 34(6): 456 − 461. [9] 肖超群, 郭小平, 刘玲, 等. 绿化废弃物堆肥配制屋顶绿化新型基质的研究[J]. 浙江农林大学学报, 2019, 36(3): 598 − 604. XIAO Chaoqun, GUO Xiaoping, LIU Ling, et al. Greening waste compost as a new substrate for green roofs [J]. Journal of Zhejiang A&F University, 2019, 36(3): 598 − 604. [10] RAVIV M. Composts in growing media: what’ s new and what’ s next? [J]. Acta Horticulturae, 2013, 982: 39 − 52. [11] 马逢时, 周暐, 刘传冰. 六西格玛管理统计指南: MINITAB使用指导[M]. 北京: 中国人民大学出版社, 2018. MA Fengshi, ZHOU Wei, LIU Chuanbing. Six Sigma Management Statistics Guide: MINITAB Usage Guide [M]. Beijing: China Renmin University Press, 2018. [12] 郑凯, 杨新根. 山西省草坪建植和养护管理[J]. 山西农业科学, 2010, 38(11): 98 − 100. ZHENG Kai, YANG Xin’gen. The technique of lawns establishment, management and maintenance in Shanxi Province [J]. Journal of Shanxi Agricultural Sciences, 2010, 38(11): 98 − 100. [13] 高俊凤. 植物生理学实验指导[M]. 北京: 高等教育出版社, 2006. GAO Junfeng. Plant Physiology Experiment Guide [M]. Beijing: Higher Education Press, 2006. [14] HAMMERSCHMIEDT T, KINTL A, HOLATKO J, et al. Assessment of digestates prepared from maize, legumes, and their mixed culture as soil amendments: effects on plant biomass and soil properties [J/OL]. Frontiers in Plant Science, 2022, 13: 1017191[2023-12-25]. doi: 10.3389/fpls.2022.1017191. [15] CHEN Wenfu, MENG Jun, HAN Xiaori, et al. Past, present, and future of biochar [J]. Biochar, 2019, 1(1): 75 − 87. [16] 冯树林, 周婷, 王军利. 几种野生百合叶绿素和氮对干旱胁迫的响应特征研究[J]. 辽宁农业科学, 2023(4): 6 − 11. FENG Shulin, ZHOU Ting, WANG Junli. Research on the response characteristics of chlorophyll and nitrogen content of several typical wild lilies to drought stress [J]. Liaoning Agricultural Sciences, 2023(4): 6 − 11. [17] 张卫红, 刘大林, 苗彦军, 等. 西藏3种野生牧草苗期对干旱胁迫的响应[J]. 生态学报, 2017, 37(21): 7277 − 7285. ZHANG Weihong, LIU Dalin, MIAO Yanjun, et al. Drought stress responses of the seedlings of three wild forages in Tibet [J]. Acta Ecologica Sinica, 2017, 37(21): 7277 − 7285. [18] XIANG Yangzhou, DENG Qi, DUAN Honglang, et al. Effects of biochar application on root traits: a meta-analysis [J]. Global Change Biology Bioenergy, 2017, 9(10): 1563 − 1572. [19] PEI Junmin, LI Jinquan, FANG Changming, et al. Different responses of root exudates to biochar application under elevated CO2 [J/OL]. Agriculture, Ecosystems & Environment, 2020, 301: 107061[2023-12-25]. doi: 10.1016/j.agee.2020.107061. [20] 刘训. 提高狗牙根抗旱性外源物质配方的筛选研究[D]. 武汉: 中国科学院, 2016. LIU Xun. Exogenous Application of Substances Improves the Drought Tolerance of Bermudagras [D]. Wuhan: Chinese Academy of Sciences, 2016. [21] HAFEZ Y M, ATTIA K, ALAMERY S, et al. Beneficial effects of biochar and chitosan on antioxidative capacity, osmolytes accumulation, and anatomical characters of water-stressed barley plants [J/OL]. Agronomy, 2020, 10(5): 630[2023-12-25]. doi: 10.3390/agronomy10050630. [22] 刘亚丽, 王庆成, 刘爽, 等. 水分胁迫对脂松苗木针叶质膜透性和保护酶活性的影响[J]. 植物研究, 2011, 31(1): 49 − 55. LIU Yali, WANG Qingcheng, LIU Shuang, et al. Effects of water stress on plas ma membrane per meability and protective enzyme activities of red pine seedlings needles [J]. Bulletin of Botanical Research, 2011, 31(1): 49 − 55. [23] 刘易, 孟阿静, 黄建, 等. 生物质炭输入对盐胁迫下玉米植株生物学性状的影响[J]. 干旱地区农业研究, 2018, 36(2): 16 − 22, 249. LIU Yi, MENG Ajing, HUANG Jian, et al. Effect of biomass carbon input on corn biological index cultivated under saline stress [J]. Agricultural Research in the Arid Areas, 2018, 36(2): 16 − 22, 249. [24] 王鹤冰, 向华丰, 张洪成, 等. 不同性型水果黄瓜内过氧化物酶及同工酶的差异性分析[J]. 南方农业, 2021, 15(4): 52 − 54. WANG Hebing, XIANG Huafeng, ZHANG Hongcheng, et al. Difference analysis of endoperoxidase and isoenzymes in cucumber with different sex types [J]. South China Agriculture, 2021, 15(4): 52 − 54. [25] FARHANGI-ABRIZ S, TORABIAN S. Antioxidant enzyme and osmotic adjustment changes in bean seedlings as affected by biochar under salt stress [J]. Ecotoxicology and Environmental Safety, 2017, 137: 64 − 70. 期刊类型引用(7)
1. 王晶，宋顺喜，王茹楠，张美云. 新型纤维素绝缘纸基材料的研究及应用现状. 中国造纸. 2025(03): 51-59 . 
百度学术2. 贾漫珂，刘钦，周子芸，张荣华，张昕，刘立明，周航旭，范金涛. 多种漂白助剂协同下棉短绒浆粕过硫酸氢钾漂白工艺研究. 中国造纸. 2025(03): 112-121 . 百度学术3. 邱竑韫，黄慧，闫实，刘春林，刘斌，贺磊，杨杰芳. 疏解工艺对簕竹重组材力学性能及尺寸稳定性的影响. 南方林业科学. 2024(01): 31-35+42 . 百度学术4. 闫实，杨正勇，周晓剑，陈新义，杨杰芳，贺磊，黄慧. 竹龄和竹秆纵向部位对簕竹材性及纤维性能的影响. 浙江农林大学学报. 2024(04): 861-869 . 本站查看5. 秦晓，倪静波，肖玉英，胡健，李海龙. 黄竹生长过程中纤维形态与结构的演变过程研究. 中国造纸. 2024(07): 15-23 . 百度学术6. 王炳智，田英姿. EST-SSR标记在竹亚科植物纤维资源评价中的应用. 造纸科学与技术. 2024(05): 1-6 . 百度学术7. 张健. 造纸生产中竹材制浆造纸工艺技术的应用研究. 华东纸业. 2024(11): 37-39 . 百度学术其他类型引用(1)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20240157
点击查看大图
计量
- 文章访问数: 359
- HTML全文浏览量: 81
- PDF下载量: 19
- 被引次数: 8
