文章快速检索     高级检索
  生态与农村环境学报  2017, Vol. 33 Issue (12): 1057-1063   DOI: 10.11934/j.issn.1673-4831.2017.12.001
0
基于增强回归树的农田总氮流失强度省际差异及其影响因素分析
王迪 1, 王明新 2, 钱中平 1, 周杰 2, 季彩亚 2    
1. 常州信息职业技术学院经贸管理学院, 江苏 常州 213164;
2. 常州大学环境与安全工程学院, 江苏 常州 213164
摘要:采用增强回归树(boosting regression tree,BRT)方法分析我国2012-2014年农田总氮流失强度省际差异的影响因素,测算各影响因素的贡献率,分析农田总氮流失强度与各影响因素的关系。结果表明:2012-2014年我国农田总氮流失强度年平均值为9.40~9.50 kg·hm-2,其中,华北、华南和华东地区农田总氮流失强度较高,3年平均值分别为16.51、15.16和14.01 kg·hm-2;农田总氮流失强度较低的地区是东北,3年平均值为3.41 kg·hm-2,其次是西南地区(7.02 kg·hm-2)和西北地区(8.18 kg·hm-2)。结构因素、技术因素和区域因素对农田总氮流失强度省际差异的贡献份额分别为20.9%、28.5%和42.6%。区域因素对于农田总氮流失强度省际差异的贡献最大,影响程度也较大,华北、华东、华南和华中地区农田氮素更容易流失,是农田总氮流失的重点控制区。粮食作物和蔬菜播种面积比例、氮肥投入强度和有效灌溉面积比例对农田总氮流失强度的影响总体上呈增加趋势,复种指数、人均种植业产值和人均耕地面积的影响则总体上呈减少趋势。建议根据区域自然地理条件和农业经济特征,通过优化农业结构、统筹水肥管理和改善土地利用来降低氮肥投入强度和提高氮肥利用效率,从而削减农田总氮流失强度。
关键词农田    总氮    省际差异    增强回归树    影响因素    贡献份额    
Analysis of Provincial Variation of TN Loss Intensity of Farmland Based on BRT Method and Its Affecting Factors
WANG Di 1, WANG Ming-xin 2, QIAN Zhong-ping 1, ZHOU Jie 2, JI Cai-ya 2    
1. Economy & Trading Management School, Changzhou College of Information Technology, Changzhou 213164, China;
2. College of Environmental & Safety Engineering, Changzhou University, Changzhou 213164, China
Abstract: The boosting regression tree method was used to analyze provincial variation of TN loss intensity of farmland during 2012-2014 and its affecting factors, of which contribution rates were calculated. Furthermore relationships of the intensity with the factors were analyzed. Results show that the mean loss intensity of the period of 2012-2014 was in the range of 9.40-9.50 kg·hm-2 in the country. North China, South China, and East China was relatively high, with mean of the three years being 16.51, 15.16 and 14.01 kg·hm-2, respectively, whereas Northeast China, Southwest China and Northwest China was relatively low with mean being 3.41, 7.02 and 8.18 kg·hm-2, respectively. Factors affecting the intensity were found including structural, technical and regional ones, of which the contribution rate reached 20.9%, 28.5% and 42.6%, respectively. Obviously, regional factor was the major one and the highest in influencing degree. North China, South China, East China and Central China, where soil N in farmland is more liable to get leached, are the focal points for N loss control. Ratio of cereal crops and vegetable in area, nitrogen fertilization intensity and ratio of effective irrigated farmlands in area were also factors positively affecting the intensity, while multiple cropping index, farming output value per capita, and farmland area per capita were negative factors. It is, therefore, recommended to readjust or optimize agricultural structure, water and fertilizer management and land use in the light of the natural and socio-economic conditions of the region, so as to reduce the loss intensity of soil TN from the farmland.
Key words: farmland    total nitrogen    provincial variation    BRT    influencing factor    contribution rate    

改革开放以来, 我国农业生产得到了飞速发展。然而, 人多地少的基本国情使得我国农业集约化程度不断提高, 在保障我国粮食安全的同时, 也付出了沉重的资源环境代价, 农田氮磷流失正日渐成为我国水体污染的重要原因[1-3]。2017年中央一号文件指出,要推进农业清洁生产, 大规模实施节水工程, 集中治理农业环境突出问题, 扩大农业面源污染综合治理试点范围。目前,我国氮肥使用量居世界首位, 氮肥过量使用使得总氮流失极为严重, 因此,控制农田氮肥流失得到广泛关注。在特定区域范围内氮肥流失量是单位面积氮肥流失量与农用地面积的乘积, 因此,在农用地面积不变条件下, 控制农田氮肥污染的关键是降低单位面积氮肥流失量, 即控制农田总氮流失强度。

我国幅员辽阔, 自然地理条件、种植业结构和水肥管理措施等方面均存在显著的区域不均衡性, 使得农田面源污染必然存在显著的区域差异[4]。然而, 目前国内外对农田氮肥污染的研究主要侧重于现状分析、形成机理、污染源解析及污染防控政策方面[5-8], 尽管也有学者采用单元调查法研究了我国农业面源污染的区域分异特征[9-10], 但对于区域分异的影响因素未能进行定量分析并测定各因素对区域分异的贡献份额。因此, 笔者以2012—2014年我国31个省、直辖市和自治区(以下简称省、市、自治区)为研究对象, 采用增强回归树(boosting regression tree, BRT)方法分析农田氮素流失的省际差异及其影响因素, 定量评价各影响因素的贡献份额, 并探讨农田总氮流失强度的削减措施, 旨在为各地区因地制宜治理农田面源污染提供决策依据。

1 方法与数据 1.1 数据处理

BRT方法是基于分类回归树算法的一种自学习方法, 能够得出自变量对因变量的影响载荷, 以及在其他自变量取均值或不变的情况下, 该自变量与因变量的相互关系, 并且输出的因变量与自变量关系很直观, 结果容易理解, 在国内外环境研究方面有较多的应用[11-14]。该方法在运算过程中多次随机抽取一定量的数据分析自变量对因变量的影响程度, 剩余数据用来对拟合结果进行检验, 对生成的多重回归树取均值并输出结果, 能够提高模型的稳定性。该方法在处理不同数据格式时具有很大的灵活性, 且对预测变量的独立性毋须做出事先假设, 能够适应复杂的非线性关系[15-16]。该文采用BRT方法分析农田总氮流失强度与各影响因素和指标的关系, 测算各因素和指标对农田总氮流失强度省际差异的贡献份额。采用R语言(R i386 3.2.4 Revised)完成BRT分析, 学习速率(learning rate)参数设置为0.01, 树的复杂性(tree complexity)设置为5。

1.2 指标设计

将影响农田总氮流失强度的因素分解为结构因素、技术因素和区域因素, 反映各影响因素的指标及其选择依据如下:

(1) 结构因素

不同农作物对氮肥的需求水平不同, 需氮量较高的农作物播种面积比例如果较高, 施氮量往往也较高, 农田总氮流失潜力也会较高, 因此,农作物播种结构必然影响农田总氮流失强度。采用不同类型农作物播种面积比例来反映种植业结构的影响。由于我国大部分地区粮食作物和蔬菜的化肥投入强度较高, 因此,具体分析粮食作物播种面积比例(X11, %)和蔬菜播种面积比例(X12, %)2个指标对农田总氮流失强度的影响。

(2) 技术因素

农田氮素容易随着水分运移过程而流失, 因此,农田总氮流失强度与水、肥管理和耕作措施等技术因素有着密切关系。此外, 在氮肥施用量相同条件下, 复种指数较高的农田, 对于土壤中速效氮的吸收利用时间也更长, 因此,氮肥利用率通常会更高, 总氮流失强度往往也会随之降低。因此, 选择氮肥投入强度(X21, kg·hm-2)、复种指数(X22, 无量纲)和有效灌溉面积比例(X23, %)3个指标来分析技术因素对农田总氮流失强度的影响。

(3) 区域因素

区域因素包括自然地理因素和社会经济因素。在自然地理因素方面, 气候和土壤会通过水分运移影响农田氮素的流失, 其影响机制较为复杂[17-18], 选择区位(X31, 文本型变量, 无量纲)来分析自然地理因素的影响, 将全国划分为华北、东北、华东、华中、华南、西南和西北7大区域, 充分发挥BRT方法可用于处理定性变量的优势。社会经济因素主要通过农户肥料施用行为影响氮肥利用效率。人均土地面积较少、人均种植业产值较低的地区, 种植业通常不是农户家庭收入的主要来源, 因此,倾向于粗放式的大水大肥管理模式, 导致氮肥利用率较低, 流失量较高; 相反, 人均耕地面积较多、人均种植业产值较高的农户则往往倾向于集约化种植以获取经济效益最大化, 因此,氮肥利用效率通常较高,流失量较低。因此,选择人均耕地面积(X32, hm2)和人均种植业产值(X33, 万元)来分析社会经济因素的影响。

1.3 数据来源

农田总氮流失量数据来自《中国环境年鉴》, 是无机氮(硝态氮和铵态氮之和)和有机氮流失量的总和。

农村人口数量、农用地面积、耕地面积、种植业总产值、农作物播种面积、粮食作物播种面积、蔬菜播种面积、有效灌溉面积等来自历年的《中国统计年鉴》和《中国农业统计资料》, 其他指标采用以上数据计算得出, 其中,农田总氮流失强度为单位农作物播种面积的总氮流失量, 复种指数为农作物播种总面积与农用地面积的比值。农业总产值统一折算为2012年不变价,以消除通货膨胀的影响。各指标的统计值见表 1

表 1 2012—2014年我国31个省、市、自治区农田总氮流失强度影响因素指标统计值 Table 1 Statistics of indices of the factors affecting TN loss intensity of farmland during 2012-2014 relative to province
2 结果与分析 2.1 我国农田总氮流失量、流失强度及其省际差异

我国2012—2014年各省、市、自治区农田总氮流失量和流失强度见图 1~2。农田总氮流失量的年际变化相对较小, 流失量最大的省份包括山东、河南和河北等, 均为农业大省, 2014年其农田总氮流失量分别为26.13、14.99和13.23万t, 其他省、市、自治区均在10万t以下。农田总氮流失量小于1万t的省、市、自治区有北京、天津、上海、西藏、青海和宁夏。不同省、市、自治区农业经济规模不一, 因此,采用农田总氮流失强度可以更好地反映各省、市、自治区农田氮肥污染程度。2012、2013和2014年农田总氮流失强度年平均值为9.40~9.50 kg·hm-2, 其中,华北、华南和华东地区农田总氮流失强度总体上较高, 3年平均值分别为16.51、15.16和14.01 kg·hm-2; 农田总氮流失强度较低的地区是东北, 3年平均值为3.41 kg·hm-2, 其次是西南地区(7.02 kg·hm-2)和西北地区(8.18 kg·hm-2)。

图 1 2012—2014年我国31个省、市、自治区农田总氮流失量 Figure 1 Provincial TN loss quantity during 2012-2014

图 2 2012—2014年我国31个省、市、自治区农田总氮流失强度 Figure 2 Provincial TN loss intensity during 2012-2014

各省、市、自治区农田总氮流失强度之间存在很大的不均衡性, 2014年农田总氮流失强度最高的是北京, 达到42.13 kg·hm-2, 远高于全国和华北地区平均水平, 其次是海南和山东, 分别为23.72和23.67 kg·hm-2; 农田总氮流失强度超过10 kg·hm-2的省、市、自治区从大到小依次为西藏、天津、浙江、上海和河北; 小于10 kg·hm-2的省、自治区从小到大依次为青海、黑龙江、吉林、内蒙古、辽宁、宁夏和甘肃。

2.2 农田总氮流失强度省际差异的影响因素及其贡献份额

各指标对农田总氮流失强度省际差异的贡献份额见图 3。结构因素、技术因素和区域因素对农田总氮流失强度省际差异的贡献份额分别为20.9%、28.5%和42.6%, 区域因素对农田总氮流失强度的影响最大。各具体指标中, 区位的贡献份额最大, 达到20.0%;其次是农田氮肥投入强度, 其贡献份额达到18.9%;有效灌溉面积比例贡献份额最小, 为7.3%;其他指标的贡献份额在10.4%~11.5%之间。

图 3 不同影响因素对农田总氮流失强度省际差异的贡献份额 Figure 3 Contributions of the factors affecting TN loss intensity of farmland X11—粮食作物播种面积比例;X12—为蔬菜播种面积比例;X21—氮肥投入强度;X22—复种指数;X23—有效灌溉面积比例;X31—区位;X32—人均耕地面积;X33—人均种植业产值。
2.3 农田总氮流失强度与各影响因素之间的数量关系

各类因素对农田总氮流失强度的影响见图 4。结构因素中, 粮食作物播种面积比例和蔬菜播种面积比例对农田总氮流失强度的影响总体上呈增加趋势。当粮食作物播种面积比例在55%~70%之间时, 农田总氮流失强度随着粮食作物播种面积比例的增加呈线性增加, 增加幅度约为1.2 kg·hm-2, 在这个范围以外则影响不显著。当蔬菜播种面积比例在10%~20%之间时, 农田总氮流失强度随着蔬菜播种面积比例的增加呈线性增加, 增加幅度约为2.5 kg·hm-2, 在这个范围以外则影响较小。

图 4 农田总氮流失强度与各因素之间的关系 Figure 4 Relationships between TN loss intensity of farmland and influencing factors 上框线刻度表示各因子的数值分布特征, 刻度间距为10%;曲线表示在其他因子取均值时, 某因子与农田总氮流失强度之间的关系。

技术因素中, 氮肥投入强度和有效灌溉面积比例对农田总氮流失强度的影响总体上呈增加趋势, 复种指数对农田总氮流失强度的影响呈减少趋势(图 4)。氮肥投入强度在100~250 kg·hm-2之间时, 农田总氮流失强度随着氮肥投入强度的增加而增加, 增加幅度约为4 kg·hm-2, 在这个范围以外则影响较小。农田总氮流失强度随着复种指数的增加而降低, 降低幅度约为1.3 kg·hm-2, 在这个范围之外则影响幅度较小。有效灌溉面积比例在0.3~0.6 kg·hm-2之间时, 农田总氮流失强度随着有效灌溉面积比例的增加而增加, 增加幅度约为2 kg·hm-2。可见,灌溉对农田总氮流失强度有显著影响, 这与过量灌溉导致的氮肥淋溶和水田排水导致的总氮流失密切相关。

区域因素中, 区位因素对于农田总氮流失强度省际差异的贡献最大(图 3), 影响幅度也较大, 表明气象、地形、土壤等自然地理因素对于农田氮肥流失影响显著。降雨量大、坡度大和土壤保肥能力较差的区位, 施入农田的氮肥很容易随水分运移而流失。总体上,华北、华东、华南和华中地区农田氮肥更容易流失;东北地区以平原为主, 地形平坦,降雨量小, 土壤保肥能力强, 因此,氮肥不容易流失。

人均种植业产值对农田总氮流失强度的影响总体上呈减少趋势(图 4), 当人均种植业产值在0.6万~1.1万元之间时, 农田总氮流失强度随着人均种植业面积的增加而降低, 降低幅度约为1.5 kg·hm-2。人均耕地面积对农田总氮流失强度的影响总体上呈减少趋势, 人均耕地面积在0.18~0.35 hm2之间时, 农田总氮流失强度随着人均耕地面积的增加而降低, 降低幅度约为4.2 kg·hm-2

图 4可知, 导致农田总氮流失强度增加的指标影响力从大到小依次为氮肥投入强度、蔬菜播种面积比例、有效灌溉面积比例和粮食作物播种面积比例。促进农田氮素流失强度降低的指标从大到小依次为人均耕地面积、复种指数和人均种植业产值。

3 结论与讨论

根据我国统计部门发布的数据进行计算的结果表明, 2012—2014年我国农田总氮流失强度年平均值为9.40~9.50 kg·hm-2, 其中,华北、华南和华东地区农田总氮流失强度总体上较高, 3年平均值分别为16.51、15.16和14.01 kg·hm-2; 农田总氮流失强度较低的地区是东北, 3年平均值为3.41 kg·hm-2, 其次是西南地区(7.02 kg·hm-2)和西北地区(8.18 kg·hm-2)。结构因素、技术因素和区域因素对农田总氮流失强度省际差异的贡献份额分别为20.9%、28.5%和42.6%。区位因素对于农田总氮流失强度省际差异的贡献最大, 影响幅度也较大。总体上,华北、华东、华南和华中地区农田氮素更容易流失, 其中,华北地区是过量灌溉造成氮肥淋溶流失, 其他3个地区降雨量相对较大, 氮素主要通过径流流失。粮食作物播种面积比例、蔬菜播种面积比例、氮肥投入强度和有效灌溉面积比例对农田总氮流失强度的影响总体上呈增加趋势, 复种指数、人均种植业产值和人均耕地面积对农田总氮流失强度的影响总体上呈减少趋势。

目前,我国华北、华南、华东和华中地区农田总氮流失强度总体上较高, 这不但与种植业结构和水肥管理有关, 而且与自然因素有着密切关系。以上4个地区氮肥施用强度均显著高于全国平均水平, 因此,其总氮流失强度也相对较大。华北和华中地区农田总氮流失强度较大还可能与粮食作物播种面积比例较大有关, 华北和华中北部地区降雨量相对较少, 氮肥流失途径主要是随着灌溉水渗漏垂向淋溶逐渐进入地下水[19], 因此,控制粮田氮肥淋溶损失是关键。华中南部、华东和华南地区水田面积大, 蔬菜播种面积也较大, 灌溉用水较多, 再加上降水量较大, 因此,农田氮肥比较容易随着农田排水或降雨径流而流失[20]

华北、华东、华南和华中地区是我国农田总氮流失强度削减的关键区域。这些地区应大力推广测土配方施肥技术、节水灌溉技术和水肥一体化技术等来统筹水肥管理, 降低氮肥使用量, 提高氮肥利用效率, 从而达到削减农田总氮流失强度的目的。华北和华中地区还可以通过推广深根作物品种和种植冬季作物提高复种指数, 这有助于充分利用土壤中残留的氮肥, 防止土壤残余氮肥通过淋溶向下迁移进入地下水。华东和华南地区降雨量较大, 水田和菜地面积大, 需重点控制氮肥随排水损失或降雨径流流失, 建议根据作物需肥规律分期分次施用, 降低氮肥投入强度, 同时充分利用农村沟渠系统截留农田流失的氮肥, 避免其进入周边水体造成富营养化。

参考文献
[1]
王振旗, 沈根祥, 钱晓雍, 等. 淀山湖区域茭白种植模式氮、磷流失规律及负荷特征[J]. 生态与农村环境学报, 2011, 27(1): 34-38.
WANG Zhen-qi, SHEN Gen-xiang, QIAN Xiao-yong, et al. Nitrogen and Phosphorus Loss From Wild Rice Stem Cultivation in Dianshanhu Region, Shanghai and Their Pollution Load[J]. Journal of Ecology and Rural Environment, 2011, 27(1): 34-38. (0)
[2]
章明奎, 王阳, 黄超. 水网平原地区不同种植类型农田氮磷流失特征[J]. 应用生态学报, 2011, 22(12): 3211-3220.
ZHANG Ming-kui, WANG Yang, HUANG Chao. Characteristics of Nitrogen and Phosphorus Runoff Losses From Croplands With Different Planting Patterns in a Riverine Plain Area of Zhejiang Province, East China[J]. Chinese Journal of Applied Ecology, 2011, 22(12): 3211-3220. (0)
[3]
杜伟, 遆超普, 姜小三, 等. 长三角地区典型稻作农业小流域氮素平衡及其污染潜势[J]. 生态与农村环境学报, 2010, 26(1): 9-14.
DU Wei, TI Chao-pu, JIANG Xiao-san, et al. Balance and Pollution Potential of Nitrogen in a Typical Rice-Based Agricultural Watershed of Yangtze River Delta Region[J]. Journal of Ecology and Rural Environment, 2010, 26(1): 9-14. (0)
[4]
王哲, 谢杰, 方达, 等. 洱海北部2种典型种植制度下农田氮污染负荷研究[J]. 生态与农村环境学报, 2013, 29(5): 625-629.
WANG Zhe, XIE Jie, FANG Da, et al. Nitrogen Pollution Load in Farmlands Under Two Typical Farming Systems in the North of the Lake Erhai Region[J]. Journal of Ecology and Rural Environment, 2013, 29(5): 625-629. (0)
[5]
洪林, 李瑞鸿. 南方典型灌区农田地表径流氮磷流失特性[J]. 地理研究, 2011, 30(1): 115-124.
HONG Lin, LI Rui-hong. Characteristics of Nitrogen and Phosphorus Losses in Surface Runoff From Farmland in a Typical Irrigation District in Southern China[J]. Geographical Research, 2011, 30(1): 115-124. (0)
[6]
陈会, 王康, 周祖昊. 基于排水过程分析的水稻灌区农田面源污染模拟[J]. 农业工程学报, 2012, 28(6): 112-119.
CHEN Hui, WANG Kang, ZHOU Zu-hao. Simulation of Agricultural Non-Point Source Pollution From Paddy Rice Irrigation District Based on Analyses of Drainage Processes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(6): 112-119. (0)
[7]
周静雯, 苏保林, 黄宁波, 等. 不同灌溉模式下水稻田径流污染试验研究[J]. 环境科学, 2016, 37(3): 963-969.
ZHOU Jing-wen, SU Bao-lin, HUANG Ning-bo, et al. Runoff Pollution Experiments of Paddy Fields Under Different Irrigation Patterns[J]. Environmental Science, 2016, 37(3): 963-969. (0)
[8]
刘静, 路凤, 杨延钊, 等. 南四湖流域种植业面源污染氮磷源解析研究[J]. 环境科学, 2012, 33(9): 3070-3075.
LIU Jing, LU Feng, YANG Yan-zhao, et al. Source Apportionment of Nitrogen and Phosphorus From Cropping Non-Point Source Pollution in Nansi Lake Basin[J]. Environmental Science, 2012, 33(9): 3070-3075. (0)
[9]
侯彦林, 周永娟, 李红英, 等. 中国农田氮面源污染研究:Ⅰ污染类型区划和分省污染现状分析[J]. 农业环境科学学报, 2008, 27(4): 1271-1276.
HOU Yan-lin, ZHOU Yong-juan, LI Hong-ying, et al. Nitrogen Non-Point Field Pollution in China:Ⅰ Regionalization of Pollution Types and Pollution Analysis in Different Provinces[J]. Journal of Agro-Environment Science, 2008, 27(4): 1271-1276. (0)
[10]
虞慧怡, 扈豪, 曾贤刚. 我国农业面源污染的时空分异研究[J]. 干旱区资源与环境, 2015, 29(9): 1-6.
YU Hui-yi, HU Hao, ZENG Xian-gang. Spatial-Temporal Variation of Agricultural Non-Point Source Pollution in China[J]. Journal of Arid Land Resources and Environment, 2015, 29(9): 1-6. (0)
[11]
李春林, 刘淼, 胡远满, 等. 基于增强回归树和Logistic回归的城市扩展驱动力分析[J]. 生态学报, 2014, 34(3): 727-737.
LI Chun-lin, LIU Miao, HU Yuan-man, et al. Driving Forces Analysis of Urban Expansion Based on Boosted Regression Trees and Logistic Regression[J]. Acta Ecologica Sinica, 2014, 34(3): 727-737. (0)
[12]
葛跃, 王明新, 孙向武, 等. 基于增强回归树的城市PM2.5日均值变化分析:以常州为例[J]. 环境科学, 2017, 38(2): 485-494.
GE Yue, WANG Ming-xin, SUN Xiang-wu, et al. Variation Analysis of Daily PM2.5 Concentrations Based on Boosted Regression Tree:A Case Study in Changzhou[J]. Environmental Science, 2017, 38(2): 485-494. (0)
[13]
HALE R, MARSHALL S, JEPPE K, et al. Separating the Effects of Water Physicochemistry and Sediment Contamination on Chironomus tepperi(Skuse) Survival, Growth and Development:A Boosted Regression Tree Approach[J]. Aquatic Toxicology, 2014, 152: 66-73. DOI:10.1016/j.aquatox.2014.03.014 (0)
[14]
ZHANG W D, YUAN S F, HU N, et al. Predicting Soil Fauna Effect on Plant Litter Decomposition by Using Boosted Regression Trees[J]. Soil Biology and Biochemistry, 2015, 82: 81-86. DOI:10.1016/j.soilbio.2014.12.016 (0)
[15]
DE'ATH G. Boosted Trees for Ecological Modeling and Prediction[J]. Ecology, 2007, 88(1): 243-251. DOI:10.1890/0012-9658(2007)88[243:BTFEMA]2.0.CO;2 (0)
[16]
ELITH J, LEATHWICK J, HASTIE T. A Working Guide to Boosted Regression Trees[J]. Journal of Animal Ecology, 2008, 77(4): 802-813. DOI:10.1111/j.1365-2656.2008.01390.x (0)
[17]
王敬, 程谊, 蔡祖聪, 等. 长期施肥对农田土壤氮素关键转化过程的影响[J]. 土壤学报, 2016, 53(2): 292-304.
WANG Jing, CHENG Yi, CAI Zu-cong, et al. Effects of Long-Term Fertilization on Key Processes of Soil Nitrogen Cycling in Agricultural Soil:A Review[J]. Acta Pedologica Sinica, 2016, 53(2): 292-304. (0)
[18]
张亦涛, 刘宏斌, 王洪媛, 等. 农田施氮对水质和氮素流失的影响[J]. 生态学报, 2016, 36(20): 6664-6676.
ZHANG Yi-tao, LIU Hong-bin, WANG Hong-yuan, et al. A Bibliometric Analysis of Status and Trend of International Research on Field Nitrogen Application Effects on Nitrogen Losses and Water Quality[J]. Acta Ecologica Sinica, 2016, 36(20): 6664-6676. (0)
[19]
陈淑峰, 吴文良, 胡克林, 等. 华北平原高产粮区不同水氮管理下农田氮素的淋失特征[J]. 农业工程学报, 2011, 27(2): 65-73.
CHEN Shu-feng, WU Wen-liang, HU Ke-lin, et al. Characteristics of Nitrate Leaching in High Yield Farmland Under Different Irrigation and Fertilization Managements in North China Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(2): 65-73. (0)
[20]
叶玉适, 梁新强, 李亮, 等. 不同水肥管理对太湖流域稻田磷素径流和渗漏损失的影响[J]. 环境科学学报, 2015, 35(4): 1125-1135.
YE Yu-shi, LIANG Xin-qiang, LI Liang, et al. Effects of Different Water and Nitrogen Managements on Phosphorus Loss via Runoff and Leaching From Paddy Fields in Taihu Lake Basin[J]. Acta Scientiae Circumstantiae, 2015, 35(4): 1125-1135. (0)