文献类型: 中文期刊
作者: 吕豪豪 1 ; 刘玉学 1 ; 杨生茂 1 ; 邹平 1 ; 刘光荣 2 ; 徐昌旭 2 ;
作者机构: 1.浙江省农业科学院环境资源与土壤肥料研究所
2.江西省农业科学院土壤肥料与资源环境研究所
关键词: 冷浸田;分类;水稻土;中低产田改良
期刊名称: 浙江农业学报
ISSN: 1004-1524
年卷期: 2015 年 27 卷 05 期
页码: 822-829
收录情况: 北大核心 ; CSCD
摘要: 结合国内已有研究成果,综合分析比较南方地区8个省份的冷浸田特征,剖析冷浸田分布、形成机制,阐明影响南方地区冷浸田土壤质量及生产力的障碍因子及其特性,提出冷浸田概念,探讨各种综合治理利用技术,并根据不同冷浸田的治理措施,提出基于犁底层分布、地理环境、特殊土壤类型、冷浸特征等冷浸田典型特征的分类框架,归纳冷浸田分类整理技术、发展演变规律,并对今后研究方向予以展望。
- 相关文献
[1]我国主要低产水稻冷浸田土壤微生物特征分析. 廖敏,徐培智,解开治,徐昌绪. 2013
[2]我国主要低产水稻冷浸田养分障碍因子特征分析. 柴娟娟,廖敏,徐培智,解开治,徐昌绪,刘光荣,杨生茂. 2012
[3]不同土壤改良措施对冷浸田温室气体排放的影响. 邵玲玲,邹平,杨生茂,叶静,陶林富,俞巧钢,符建荣. 2014
[4]连二亚硫酸钠对淹水土壤中p,p'-DDT脱氯过程的影响及机理研究. 华晶,胡正义,鲍鹏,巴玉鑫,吴春艳. 2012
[5]秸秆还田下氮肥运筹对水稻各生育期土壤微生物群落结构的影响. 王青霞,李美霖,陈喜靖,苏瑶,喻曼,沈阿林. 2020
[6]浙江省高产稻田的土壤肥力特征研究. 郑铭洁,刘琛,朱铭,傅庆林,郭彬,裘高扬,李华,林义成. 2022
[7]永康市不同土壤的氮肥效应试验. 陈远利,陈义. 2012
[8]中亚热带两种水稻土土壤养分空间变异的对比研究. 陈防,刘冬碧,熊桂云,姜丽娜,郭晓敏,郭熙. 2006
[9]长期施用有机肥对水稻土CO_2释放与固定的影响. 陈义,吴春艳,水建国,王家玉. 2005
[10]长期不同施肥模式下南方水稻土有机碳的平衡特征. 李艳,陈义,唐旭,吴春艳,计小江,唐良梁. 2018
[11]浙江稻田土壤有效态中微量元素养分状况分析. 计小江,陈义,吴春艳,李超英,李艳,唐旭. 2014
[12]酸性水稻土施用磷矿粉的农学有效性和经济效应的评价. 吴崇书,孟赐福,吕晓男,滕淳茜,赵森荣. 2002
[13]长期生物炭添加对稻田土壤细菌和真菌反硝化N2O排放的影响. 王梦洁,蒋文婷,徐有祥,刘玉学,吕豪豪,汪玉瑛,杨生茂,何莉莉,蔡延江. 2024
[14]施用生物炭对稻田土壤密度的影响研究. 钱绍鸣,邹平. 2015
[15]多熟制稻田土壤有机质平衡的定位研究. 王胜佳,陈义,李实烨. 2002
[16]水稻土时间序列磷素吸持特性研究. 邹平,符建荣,曹志洪,叶静,俞巧钢,马军伟,姜丽娜,王强,孙万春. 2014
[17]施用氮肥和硫肥对水稻产量的交互作用. 张培艳,孟赐福,吴增祺,吴林妃,计小江,李超英,赵森荣. 2001
[18]浙江省稻田土壤养分现状及演变趋势. 计小江,陈义,吴春艳,李超英,李艳,唐旭. 2014
[19]Cd~(2+)和Cu~(2+)对水稻土微生物及酶活性的影响. 吴春艳,陈义,闵航,水建国,王家玉. 2006
[20]施用氮、硫肥对油菜和水稻产量的交互作用. 景金富,孟赐福,马军伟,吴增祺,胡金禄. 2000
作者其他论文 更多>>
-
木醋液改良盐碱土的研究进展
作者:于贝贝;何莉莉;杨生茂;刘淑英
关键词:木醋液;盐碱土;理化性质;养分;微生物
-
长期生物炭添加对稻田土壤细菌和真菌反硝化N2O排放的影响
作者:王梦洁;蒋文婷;徐有祥;刘玉学;吕豪豪;汪玉瑛;杨生茂;何莉莉;蔡延江
关键词:生物炭;水稻土;氧化亚氮(N2O);真菌反硝化;反硝化
-
不同配方基肥对温郁金产量及其营养元素含量的影响
作者:叶静;郑福勃;邹平;陈照明;林辉;马军伟;王强;符建荣;马进川
关键词:温郁金;基肥;氮磷钾;产量;中微量元素
-
不同来源生物炭与化肥减量配施对土壤养分、花生产量及品质的影响
作者:胡宇迪;汪玉瑛;刘玉学;吕豪豪;何莉莉;秦晶晶;陈军豪;甘毅;杨生茂
关键词:生物炭;花生;土壤养分;油脂;生物量
-
紫云英异地还田的水稻产量和经济效益研究
作者:冯含笑;曹卫东;徐昌旭;曹凯;张贤;徐静;斯林林;王佳宇;王建红
关键词:紫云英;化肥;水稻产量;肥料水稻增产率;紫云英化肥替代率;肥料比较效益
-
盐胁迫下生物炭添加对紫苏生长及根际微生物群落的影响
作者:陈军豪;杨生茂;汪玉瑛;何莉莉;刘玉学;甘毅;吕豪豪
关键词:生物炭;紫苏;盐土;理化性质;微生物
-
基于机器学习的生物炭吸附重金属建模研究进展
作者:冯丁;刘晶静;马文丹;刘玉学;杨尘;张萌萌
关键词:生物炭;机器学习;重金属;预测模型;环境修复