Frozen Soil Characteristics and Forecasting of Ground Temperature and Frozen Soil Depth During Thawing Period in Shihezi of Xinjiang

WANG Xiaotian, YIN Yuhong, LI Hongying, GAO Yu, XU Haoyi

PDF(1377 KB)
PDF(1377 KB)
Chinese Agricultural Science Bulletin ›› 2022, Vol. 38 ›› Issue (16) : 97-102. DOI: 10.11924/j.issn.1000-6850.casb2021-0639

Frozen Soil Characteristics and Forecasting of Ground Temperature and Frozen Soil Depth During Thawing Period in Shihezi of Xinjiang

Author information +
History +

Abstract

To ensure the sowing in spring, it is necessary to carry out the monitoring of ground temperature and the forecasting of frozen soil thawing depth. The meteorological observation data of frozen soil from Shihezi of Xinjiang were utilized and relevant coefficient and linear regression methods were applied to analyze the frozen soil characteristics and the change rule of ground temperature and frozen soil depth in the thawing process, aiming to establish a forecasting model of frozen soil thawing in spring. The results indicate that the stable frozen soil period of Shihezi lasts from the middle ten days of November to the last ten days of March of the next year. The maximum depth of frozen soil tends to become shallow year by year, with the inclination rate of -5.4 cm/10 a; the freezing date of frozen soil is postponed, and the inclination rate is 2.0 d/10 a; the unfreezing date of frozen soil becomes earlier, and the inclination rate is -1.5 d/10 a. The thawing period of frozen soil lasts from the middle ten days of March to the first ten days of April, and the thawing rate of frozen soil is between 3.1-4.0 cm/d. The ground temperature in spring has significantly positive correlations with average temperature, thawing depth of frozen soil and cumulative positive temperature, and the corresponding forecasting models are established. Historical back substitution accuracy rate of the forecasting model of 10 cm ground temperature is over 96%, and historical back substitution accuracy rate of thawing depth forecasting model of frozen soil is over 94%. The forecasting of ground temperature and soil thawing in spring could be carried out through the models.

Key words

frozen soil in Xinjiang / ground temperature during sowing period / characteristics of frozen soil / forecasting model of frozen soil thawing / thawing of frozen soil in spring

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations
WANG Xiaotian , YIN Yuhong , LI Hongying , GAO Yu , XU Haoyi. Frozen Soil Characteristics and Forecasting of Ground Temperature and Frozen Soil Depth During Thawing Period in Shihezi of Xinjiang. Chinese Agricultural Science Bulletin. 2022, 38(16): 97-102 https://doi.org/10.11924/j.issn.1000-6850.casb2021-0639

0 引言

1979年以来,中国经济的快速发展、中国城市规模越来越大、城市人口和面积也逐渐增加,由此而导致的城市生活垃圾也呈现迅猛增长的势头,目前已经成为中国城市发展中的一个严重问题[1]。哈尔滨市是东北地区的重要城市之一,人口增长和城市化进程也十分迅速,自1990年垃圾产量年递增较快,其城市生活垃圾产量也呈现爆炸性增加。目前,哈尔滨市处理生活垃圾的方法受技术条件限制,仍以简单填埋或直接堆放为主,而垃圾堆放过程中由于其分解缓慢,在分解过程中会产生含有大量有害物质、例如有机污染物、重金属、致病细菌等,对土壤和周围环境造成了严重污染[2]。土壤细菌是生态系统中的主要分解者[3],对于城镇生活垃圾的降解具有十分重要的作用,垃圾在土壤细菌的作用下,经过复杂的分解、吸收、转化反应,将垃圾分解成无机物质[4]。因此,探究生活垃圾堆放条件下土壤细菌群落结构的组成和多样性,对评估垃圾堆放对环境的影响以及恢复垃圾污染造成的土壤污染具有重要意义。
目前针对城市生活垃圾的研究主要集中在垃圾堆放后对土壤理化性质[5]和对土壤重金属污染[6]。例如,张青青等[7]研究发现垃圾长期堆放导致土壤pH降低,而土壤有机质、全氮、有效磷、速效钾增加;旦增等[8]通过对西藏班戈县垃圾填埋场土壤环境质量评估发现,垃圾场周边土壤重金属含量显著升高。而针对生活垃圾堆放对土壤微生物的研究,国内外学者也进行了一些研究,例如,Tan等[9]对厌氧污泥土壤细菌群落结构组成进行了研究;张子赟[10]对安徽合肥市垃圾堆放条件下土壤细菌群落结构和功能进行了研究。黑龙江省属于高寒地区,由于积温少、冬季漫长,垃圾分解缓慢,土壤微生物结构、多样性和功能均和暖温带地区有显著差异。然而,针对于东北地区,尤其是高寒地区生活垃圾堆放条件下土壤微生物群落结构的研究一直没有进行深入阐明。随着分子生物学技术的不断发展,尤其是二代高通量测序技术在微生物生态学中的应用,利用高通量测序技术,不仅可以准确的揭示出土壤微生物群落结构组成和多样性,而且还可以对其功能进行预测分析[11,12]。
因此,揭示黑龙江省哈尔滨市长期生活垃圾堆放条件下土壤细菌群落结构和功能的影响就显得尤为重要。本研究中,笔者以哈尔滨市生活垃圾堆放出的土壤和相邻未污染土壤为研究对象,利用Illumina MiSeq高通量测序技术,对土壤细菌群落结构和功能进行研究,以期揭示高寒地区土壤细菌群落结构对于生活垃圾长期堆放的变化规律,以期为合理处理生活垃圾以及土壤修复提供理论依据。

1 材料与方法

1.1 采样地概况

采样地点位于黑龙江省哈尔滨市双城区亿丰生活垃圾处理厂的核心堆放区,该区域面积为70000 m2。该地区属于温带季风气候,年平均气温为5.1℃,年平均降水量约为569.1 mm,年日照时数约2580 h,年平均无霜期139天,平均相对湿度64%;该地区土壤类型为典型东北黑土。

1.2 样品采集

在亿丰生活垃圾处理厂选择长期堆放的土壤区域,于2020年5月进行取样。按照5点采样法选择3个10 m×10 m规格的样方,除去土壤表面垃圾物和表层土,用土钻钻取距离表层约0~20 cm处的土壤,将5个土样混合均匀取1 kg装入无菌自封袋,作为处理组(T);同时在垃圾堆周围50 m处,在未堆放垃圾作为空白对照,同样用土钻随机钻取5个0~20 cm处的土壤混合均匀取1 kg装入无菌自封袋,作为对照组(C),然后立即放入低温保温箱带回实验室后过2 mm筛处理,然后置于-80℃冰箱中用于后续分析。

1.3 土壤总DNA的提取和高通量测序

土壤基因组DNA采用Fast DNA® Spin Kit for Soil (MP Biomedicals,U.S.A)试剂盒进行提取,具体方法参照使用说明。提取完的土壤基因组DNA用NanoDrop2000进行检测。高通量测序引物采用338F和806R对细菌16S rRNA的V3~V4区进行扩增,扩增体系如下：
DNA 1 μL、引物1 μL、PCR Reaction Mix 12.5 μL,总体积为25 μL。扩增程序为95℃ 5 min、30个循环(95℃ 1 min、52℃ 1 min、72℃ 1 min),最后72℃ 10 min。PCR扩增产物用2%琼脂糖凝胶电泳进行检测,然后PCR产物进行高通量测序,高通量测序由上海美吉生物医药科技有限责任公司负责完成。

1.4 数据处理与统计测序数据

测序数据采用QIIME软件进行处理,双端序列使用Trimmomatic软件进行质量控制,去除Barcode序列和引物序列后,用FLASH软件拼接和过滤,用usearch软件去除嵌合体,获得有效序列;使用UPARSE软件(v7.0.1090)在97%的相似度下对有效序列进行OTU聚类,采用RDP classifier贝叶斯算法对OTU代表序列进行分类学分析将优化序列根据Silva库中的参考序列对OTU进行种属鉴定,最后获得OTU表。Alpha多样性指数（Chao和ACE、Shannon和Simpson）使用Mothur (v.1.30.2)进行计算。功能分析使用PICRUSt (v2.0.0)软件在线分析完成。Venn图、物种丰度图等用R实现。

2 结果与分析

2.1 测序结果

对无生活垃圾覆盖(C)和有生活垃圾覆盖(T)处理的土壤细菌16S rRNA基因序列的V4可变区进行高通量测序,分别得到113294和106606条序列,在剔除引物、低质量序列后,分别得到85435和76432条有效序列。对有效序列基于97%的序列相似度进行归并和OTU划分,处理组和对照组一共得到4579个有效的OTU,分别为2538和2041个;在门水平得到53个分类单元,2个处理分别为52和52个;在属水平得到586个分类单元,2个处理分别为559和484个。

2.2 土壤细菌多样性

2个处理的土壤细菌Alpha多样性结果见表1。由表1可知,处理组的Chao1和ACE指数均比对照组低14.47%和15.01%,无生活垃圾覆盖的土壤细菌具有更高的丰富度;处理组的Shannon指数低于对照组6.45%,而Simpson指数高于对照组,没有生活垃圾覆盖的土壤物种多样性更高。2组样本的测序覆盖率均在98%以上,说明取样合理,测序数据能够真实反映土壤样品中的微生物群落。
表1 土壤样品的微生物多样性指数
Sample Sobs Shannon Simpson Ace Chao1 Coverage/%
对照 1921.0±136.7a 6.2±0.1a 0.007±0.002a 2242.7±127.3a 2249.3±118.3a 98±0.00a
处理 1646.3±61.78b 5.8±0.12b 0.012±0.003a 1906.1±66.1b 1923.7±92.2b 98±0.00a

2.3 土壤细菌组成土壤细菌群落组成

2个处理的土壤细菌群落组成见图1和2。分析结果表明：在门水平,处理组与对照组的土壤细菌组成非常相似,相对丰度均以变形菌门(Proteobacteria)为最高,在2处理中分别为40.3%和42.6%,其次依次为拟杆菌门(Bacteroidetes)(21.7%、9.1%)、绿弯菌门(Chloroflexi)(5.9%、12.9%)、酸杆菌门(Acidobacteria)(7.3%、7.3%)、放线菌门(Actinobacteria)(4.2%、3.8%)、芽单胞菌门(Gemmatimonadetes)(2.3%、3.9%)、蓝细菌门(Cyanobacteria)(5.0%、1.0%)、Ignavibacteriae (2.0%、3.3%)（图1）。相较于对照组,处理组中变形菌门、绿弯菌门、芽单胞菌门、Ignavibacteriae的相对丰度增加,其中绿弯菌门增加幅度最大,为7.0%;而拟杆菌门、放线菌门、蓝细菌门等相对丰度减少,其中拟杆菌门减少幅度最大,为12.6%。
图1 不同处理土壤样品在门分类水平上细菌组成

Full size|PPT slide

在属水平上,2组处理均以黄单胞菌科的相对丰度最高,分别为5.1%和5.9%（图2）。硫化细菌属(Bacillus)的相对丰度最高,分别为3.1%和7.3%（图2）。相较于对照组,处理组中硫化细菌属(Bacillus)、厌氧绳菌属(Anaerolineaceae)、生孢噬胞菌属(Saprospiraceae)的相对丰度增加,分别增加4.3%、5.1%、1.4%;黄杆菌属(Flavobacterium)、丛毛单胞菌属(Comamonas)、噬纤维菌科(Cytophagaceae)的相对丰度减少,分别减少38.2%、17.3%、14.2%。
在细菌门水平上,垃圾堆放和对照土壤细菌门水平差异结构分析见图3A。从图3A可以看出,与对照相比,垃圾堆放显著提高了土壤Chloroflexi、Gemmatimonadetes、Aminicenantes、Parcubacteria、Spirochaetae的丰度(P<0.05);但是却显著降低了土壤Bacteroidetes、Chlorobi、Saccharibacteria的丰度(P<0.05)。
图2 不同处理土壤样品在属分类水平上细菌组成

Full size|PPT slide

图3 垃圾堆放对土壤细菌群落门(A)和属(B)水平的差异分析
*代表P<0.05;**代表P<0.01;***代表P<0.001

Full size|PPT slide

在细菌属水平上,垃圾堆放和对照土壤细菌属水平差异结构分析见图3B。与对照相比,垃圾堆放显著提高了土壤Desulfatiglaus、Gemmatimondaceae、Ignavibacterium、Xanthomonadales的丰度,而显著降低了土壤Flavobacterium的丰度。
通过Venn图分析2个处理土壤细菌共有的OTU数量及特有的OTU数量,共有的OTU数量有1775个,占总数的63.3%,对照组特有的属数量有763个,占总数的27.2%,处理组特有的属数量有266个,占总数的9.5%（图4）。
图4 不同处理土壤细菌在属分类水平上的Venn图

Full size|PPT slide

2.4 土壤的细菌功能性预测

通过对KEGG数据库(Kyoto encyclopedia of genes and genomes)进行比对预测结果（表2）,发现在KEGG一级功能层中有6个代谢通路：代谢(Metabolism)、环境信息处理(Environmental Information Processing)、遗传信息处理(Genetic Information Processing)、细胞过程(Cellular processes)、人类疾病(Human Diseases)、有机体系统(Organismal Systems),其中代谢功能的占比最高,处理组中达到了10.47%,对照组为10.18%。在基因二级功能预测分析中发现由氨基酸代谢(Amino acid metabolism)、碳水化合物代谢(Carbohydrate metabolism)、膜运输(Membrane transport)、复制和修复(Replication and Repair)、能量代谢(Energy metabolism)、辅助因子和维生素的代谢(Metabolism of cofactors and vitamins)、类脂化合物代谢(Lipid metabolism)、核苷酸代谢(Nucleotide metabolism)、信号传导(Signal transduction)、类脂化合物代谢(Lipid metabolism)等41个子功能组成（表2）。相较于对照组,处理组中的膜运输、复制和修复、细胞运动等功能增强,相对丰度分别升高0.85%、0.02%、0.43%;氨基酸代谢、碳水化合物代谢、能量代谢、辅助因子和维生素的代谢、类脂化合物代谢等功能有所降低,相对丰度分别降低0.29%、0.16%、0.11%、0.09%、0.27%。
表2 土壤细菌群落功能丰度表
一级功能 二级功能 C 百分比/% T 百分比/%
Metabolism Amino Acid Metabolism 2854091 10.47 2331140 10.18
Metabolism Carbohydrate Metabolism 2670399 9.80 2206482 9.64
Environmental Information Processing Membrane Transport 2604045 9.56 2383110 10.41
Genetic Information Processing Replication and Repair 2021780 7.42 1708886 7.46
Metabolism Energy Metabolism 1804503 6.62 1491229 6.51
Unclassified Poorly Characterized 1398465 5.13 1172485 5.12
Genetic Information Processing Translation 1301802 4.78 1122984 4.90
Metabolism Metabolism of Cofactors and Vitamins 1245312 4.57 1025830 4.48
Unclassified Cellular Processes and Signaling 1034875 3.80 871649 3.81
Metabolism Lipid Metabolism 984298 3.61 804376 3.51
Metabolism Nucleotide Metabolism 925572 3.40 774079 3.38
Cellular Processes Cell Motility 911201 3.34 863550 3.77
Metabolism Xenobiotics Biodegradation and Metabolism 778081 2.86 593932 2.59
Unclassified Genetic Information Processing 735318 2.70 615411 2.69
Genetic Information Processing Folding, Sorting and Degradation 708558 2.60 616715 2.69
Unclassified Metabolism 700475 2.57 570276 2.49
Metabolism Glycan Biosynthesis and Metabolism 627282 2.30 536108 2.34
Environmental Information Processing Signal Transduction 617938 2.27 531786 2.32
Genetic Information Processing Transcription 605085 2.22 496863 2.17
一级功能 二级功能 C 百分比/% T 百分比/%
Metabolism Metabolism of Terpenoids and Polyketides 580423 2.13 467502 2.04
Metabolism Enzyme Families 552628 2.03 462769 2.02
Metabolism Metabolism of Other Amino Acids 499610 1.83 390798 1.71
Metabolism Biosynthesis of Other Secondary Metabolites 279783 1.03 227262 0.99
Cellular Processes Cell Growth and Death 162926 0.60 131388 0.57
Human Diseases Infectious Diseases 116452 0.43 90288 0.39
Organismal Systems Endocrine System 109991 0.40 90806 0.40
Cellular Processes Transport and Catabolism 89898 0.33 70245 0.31
Human Diseases Neurodegenerative Diseases 86995 0.32 68964 0.30
Environmental Information Processing Signaling Molecules and Interaction 46054 0.17 34673 0.15
Organismal Systems Environmental Adaptation 40935 0.15 35208 0.15
Human Diseases Cancers 40283 0.15 26719 0.12
Human Diseases Metabolic Diseases 23895 0.09 18772 0.08
Organismal Systems Nervous System 22358 0.08 17221 0.08
Organismal Systems Immune System 15163 0.06 12411 0.05
Organismal Systems Digestive System 13605 0.05 8702 0.04
Organismal Systems Circulatory System 11550 0.04 10397 0.05
Human Diseases Immune System Diseases 10862 0.04 7727 0.03
Organismal Systems Excretory System 10817 0.04 8228 0.04
Human Diseases Cardiovascular Diseases 4608 0.02 1683 0.01
Cellular Processes Cell Communication 54 0.00 36 0.00
Organismal Systems Sensory System 18 0.00 12 0.00

3 结论

生活垃圾堆放条件下土壤细菌群落alpha多样性显著降低,而且垃圾堆放改变了土壤细菌的群落结构组成,但是土壤细菌主要的功能并未发生显著改变,其一级代谢功能均为代谢,二级代谢功能均为氨基酸和碳水化合物代谢。因此,为降低垃圾堆放对土壤微生物的影响,还需要进一份对生活垃圾进行分类及无害化利用。本研究结果对于进一步探究生活垃圾堆放对土壤微生物结构和功能提供了基础数据,而且对于未来合理利用生活垃圾提供理论参考。

4 讨论

4.1 垃圾堆放对土壤细菌多样性的影响

本研究通过对哈尔滨市生活垃圾处理堆放区土壤细菌群落结构和多样性分析发现,长期垃圾堆放导致土壤细菌群落Shannon多样性指数和Chao多样性指数显著降低（表1）。这与张子赟[10]的研究结果一致。这表明长期的生活垃圾堆放会导致土壤细菌群落多样性降低,垃圾堆放过程中所产生的大量有机化合物、有毒物质、重金属、病毒、寄生虫等会影响土壤原有细菌群落多样性,使得土壤细菌群落多样性和丰富度显著下降,而土壤细菌群落多样性和丰富度的下降会导致土壤质量变差,土壤自身难以恢复到之前的原有状态。但是也有研究发现,垃圾长期堆放后土壤细菌多样性和丰富度会显著升高[13]。这说明生活垃圾堆放对土壤细菌群落多样性的影响是不同的,究其原因可能是生活垃圾含有大量厨余垃圾和含有大量营养元素的垃圾,这些垃圾含有细菌生长和繁殖所急需的养料,因此会显著提高土壤微生物的多样性和丰富度。而且垃圾堆放的深度[14]、生活垃圾种类[15]、堆放时间[16]、垃圾堆放区域[17]、土壤质地[18]等均会影响土壤微生物多样性和丰富度,因此需要从时空上对垃圾堆放对土壤微生物的影响进行分析。

4.2 垃圾堆放对土壤细菌群落结构的影响

研究结果发现,垃圾堆积堆放与未堆放在土壤细菌门水平组成相似,但是其相对优势细菌门不同。垃圾堆放土壤细菌主要以变形菌门、拟杆菌门、绿弯菌门和酸杆菌门为主。吴双等[19]对北京市北神树生活垃圾填埋场的土壤细菌群落结构研究发现,垃圾堆放中土壤细菌门卫变形菌门,这也本研究的结果一致。而且,何芝等[20]对山东、广东、上海、重庆生活垃圾堆放土壤细菌群落结构研究结果也同样发现变形菌门是最主要的细菌门。
和未堆放生活垃圾的土壤相比,垃圾堆放显著增加了土壤绿弯菌门、芽单胞菌门的丰度。绿弯菌是一个广泛分布与土壤中的细菌门,其营养方式和代谢途径十分丰富,参与大量元素循环和分解过程,其广泛分布与活性污泥和堆肥等生境中[21]。芽单胞菌门是一类寡养土壤单胞菌,大量分布在逆境生境中,具有较强的分解能力[1]。本研究中,生活垃圾中含有大量的有毒重金属等物质,因此导致垃圾堆放土壤中绿弯菌门、芽单胞菌门含量增加。
在属水平,垃圾堆放条件下,土壤中Desulfatiglaus、Gemmatimondaceae、Ignavibacterium、Xanthomonadales显著升高。Gemmatimondaceae环境样品中的含量丰富的细菌属,该属的细菌通常具有较强的降解纤维素能力,而且还具有重要的降解芳香族化合物和重金属络合物的能力,通常分布在高温、盐碱等逆境土壤中,通常是生活垃圾填埋场环境中的优势属[22]。生活垃圾填埋条件下土壤中逆境微生物含量的增加,对于利用土壤中逆境微生物来进行土壤修复具有十分重要的作用,这种菌属可以为开发微生物菌剂提供了宝贵的微生物资源。但是同时笔者也发现,在属水平上,土壤中还含有大量未知和未分类的细菌,对于这些细菌分类和功能还需要未来进一步的研究。

4.3 垃圾堆放对土壤细菌功能的影响

目前虽然已经开展了一些针对于垃圾堆放条件下土壤细菌群落结构的研究[23,24],但是针对垃圾堆放条件下土壤细菌功能的研究缺仍然缺乏。本研究采用PICRUSt功能预测方式对垃圾堆放下土壤细菌功能进行了分析。结果表明,在一级代谢水平上,垃圾堆放和未堆放土壤细菌功能均以代谢功能为主,土壤细菌功能基因多样性差异不大,但是在基因功能的丰度上出现了一定差异,未堆放组要高于堆放组。
在二级功能代谢水平上主要是氨基酸代谢(Amino Acid Metabolism)和碳水化合物代谢(Carbohydrate Metabolism)途径,未堆放土壤高于垃圾堆放土壤0.29%和0.16%,这可能是因为生活垃圾堆放过程中土壤有益细菌发生改变,主要以逆境微生物为主,因此导致微生物功能的降低[25]。其中垃圾堆放土壤中的优势菌门中变形菌门具有降解动植物残体、固氮及参与单碳化合物代谢等功能[26]。在垃圾堆放组的优势菌属中,芽孢杆菌属是一类主要利用单糖、双糖、淀粉、有机酸等作为碳源和能源的细菌[27]。相较于未堆放土壤,垃圾堆放土壤细菌中膜运输、复制和修复、细胞运动的代谢增加幅度最大。虽然本研究利用PICRUST在线预测了土壤中细菌的功能,但是由于该方法只能对已知的微生物进行功能预测,而对于大量未知的微生物是无法进行分析的,因此在未来需要进一步采用宏基因组方法,更加深入的探讨垃圾堆放下土壤细菌功能的改变。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
井立红, 高婧, 秦榕, 等. 塔城地区1960-2018年季节性冻土的变化特征及影响因子分析[J]. 沙漠与绿洲气象, 2019, 13(3):88-93.
本文引用 [1]
[2]
高荣, 韦志刚, 董文杰, 等. 20世纪后期青藏高原积雪和冻土变化及其与气候变化的关系[J]. 高原气象, 2003, 22(2):191-196.
本文引用 [1] 摘要
利用1981-1999年青海和西藏72个气象台站的常规观测资料,分析了青藏高原冬春积雪日数和冻结日数的变化及其与气候变化的关系。结果表明:高原冬春积雪日数在20世纪80年代是增加的,在20世纪90年代则是减少的;而此20年间高原季节性冻土冻结日数呈递减趋势。多年平均的高原冬春积雪日数由南向北是减小的,多年平均的冻结日数由高原中部向四周是递减的。高原冬春积雪日数、冻结日数均以2~6年周期变化,气温以准3年周期变化,西藏降水以准8年、准3年周期变化,而青海降水以3~5年周期变化,高原冬春积雪日数、冻结日数和冬春气温振荡变化从20世纪80年代到90年代都呈现加快趋势。冬春积雪日数的变化与冬春气温的变化呈负相关,与冬春降水的变化呈正相关;冻结日数的变化与冬春气温和冬春降水的变化均呈负相关。
[3]
陈瑞亮. 冻土在土木工程中的危害及其治理[J]. 长江工程技术学院学报, 2010, 27(3):5-7.
本文引用 [1]
[4]
周道青, 杭德杨. 青藏铁路对沿线冻土环境的影响及工程防护措施[J]. 建筑技术开发, 2011, 38(12):13-14,24.
本文引用 [1]
[5]
周幼吾, 郭东信, 程国栋, 等. 中国冻土[M]. 北京: 科学出版社, 2000:14-19.
本文引用 [1]
[6]
程国栋. 中国冰川学和冻土学研究40年进展和展望[J]. 冰川冻土, 1998, 20(3):213-226.
本文引用 [1]
[7]
阿布都克日木·阿巴司. 喀什地区1961-2010年最大冻土深度变化[J]. 沙漠与绿洲气象, 2013, 7(5):25-29.
本文引用 [1]
[8]
陈博, 李建平. 近50年来中国季节性冻土与短时冻土的时空变化特征[J]. 大气科学, 2008, 32(3):432-443.
本文引用 [1]
[9]
刘春生. 刘赫男, 张洪玲, 等. 黑龙江省季节性冻土的气候特征分析[J]. 中国农学通报, 2019, 35(16):126-132.
本文引用 [1]
[10]
张慧智, 史学正, 于东升, 等. 中国土壤温度的空间预测研究[J]. 土壤学报, 2009, 46(1):1-7.
本文引用 [1]
[11]
李静, 盛煜, 陈继, 等. 大通河源区冻土地温模拟与分类特征分析[J]. 中国矿业大学学报, 2014, 41(1):145-152.
本文引用 [1]
[12]
杜尧东, 刘锦銮, 何健. 广州垦区蔬菜田土壤温度变化特征及其预报模型研究[J]. 生态学杂志, 2005, 24(9):1021-1024.
本文引用 [1]
[13]
王选耀. 烟台垦区土壤温度变化特征及预测模型研究[J]. 农业系统科学与综合研究, 2010, 26(4):488-492.
本文引用 [1]
[14]
崔素芳, 张振华, 姚付启, 等. 基于偏相关分析的烟台市土壤温度影响因素及预测模型研究[J]. 山东农业科学, 2010(1):18-21.
本文引用 [1]
[15]
晁华, 王当, 龚强, 等. 东北垦区冻土的时空变化特征[J]. 现代农业科技, 2019(18):144-147,153.
本文引用 [1]
[16]
隋景跃, 张国林, 戴海燕, 等. 近52a农八师垦区浅层地温变化特征分析[J]. 山西农业科学. 2013, 41(8):852-855.
本文引用 [1]
[17]
李红英, 田苗, 尹育红, 等. 热量资源变化对石河子垦区棉花产量的贡献[J]. 中国农学通报, 2018, 34(31):85-90.
本文引用 [1]
[18]
魏凤英. 现代气候统计诊断预测技术[M]. 北京: 气象出版社, 1999:43.
本文引用 [2]
[19]
李忠辉, 韦晓丽, 王秀娟, 等. 吉林省春季土壤温度及化冻深度研究[J]. 土壤通报, 2016, 47(2):334-338.
本文引用 [2]
[20]
杜红, 吴晓龙, 杜峰, 等. 近50年石河子垦区冻土变化特征及影响因子分析[J]. 中国农学通报, 2014, 30(26):155-158.
本文引用 [3]
[21]
刘春生, 刘赫男, 张洪玲, 等. 黑龙江省季节性冻土的气候特征分析[J]. 中国农学通报, 2019, 35(16):126-132.
本文引用 [1]
[21]
张威, 纪然. 辽宁朝阳垦区季节冻土最大深度和持续冻结时间与气候变化的响应研究[J]. 冰川冻土, 2018, 40(1):18-25.
本文引用 [1]
[22]
杨学强, 张国林. 气候变暖对农八师垦区冻土的影响[J]. 中国农学通报, 2013, 29(17):198-201.
本文引用 [1]
[23]
张洪芬, 王劲松, 刘治. 祁连山区春季冻土深度特征及对春小麦发育期的影响[J]. 中国农学通报, 2009, 25(22):301-305.
本文引用 [1]
[24]
李海花, 刘雪原, 何江林, 等. 新疆最北部阿勒泰市冬季最大冻土深度对春小麦生育期的影响[J]. 中国农学通报, 2014, 30(21):85-88.
本文引用 [1]
[25]
费晓玲, 丁春兰. 甘肃黄土高原地温与冬小麦发育期的关系分析[J]. 干旱气象, 2009, 27(2):148-151.
本文引用 [1]
[26]
元恩城, 张鲁新, 韩利民, 等. 青藏铁路冻土区环境问题对工程安全可靠性影响[J]. 工程地质学报, 2006, 14(4):433-437.
本文引用 [1]
[27]
王志坚, 张鲁新. 青藏铁路建设过程中的冻土环境问题[J]. 冰川冻土, 2002, 24(5):500-592.
本文引用 [1]
[28]
陈瑞亮. 冻土在土木工程中的危害及其治理[J]. 长江工程技术学院学报, 2010, 27(3):5-7.
Share on Mendeley
PDF(1377 KB)

Accesses

Citation

Detail
Sections
Recommended

/

〈 〉