土壤导水参数的温度效应及其数学模式

本文对非饱和土壤导水参数包括土壤水分特征曲线ｈ（θ），土壤水分扩散率Ｄ（θ）及土壤非饱和导水率Ｋ（θ）的温度效应进行了定量研究，在此基础表面张力－－粘滞流理论（ＳＴＶＦ），Ｇ（θ）因子函数及Ｐｈｉｌｉｐ理论对其温度效应的机理进行了分析，对用理论模式计算结果与实浊数据进行了比较。     

潜水蒸发规律和调控

本文依据山西省水科所地中蒸渗试验资料，对潜水蒸发类型、影响因素、规律及其调控措施进行了比较全面的论述。认为潜水蒸发不仅是地下水均衡要素中的一项，而且是土壤盐分累积的动力，同时潜水是作物可利用的重要水源。提出１．５ｍ为潜水埋深的调控基础深度。     

田间条件下土壤氮素运移的模拟模型Ⅱ田间检验与应用

本文通过冬小麦春季生长阶段的田间试验检验了土壤水、热和氮素联合模拟模型，结果表明土壤含水量、土壤温度以及土壤无机氮含量的模拟计算值与实测值吻合程度较好．应用经检验的模型和有关参数，模拟计算了不同灌水条件下土壤氮素动态，结果看出：在本试验条件下，在冬小麦返青到收获期间，各灌水处理１ｍ深处总体上不存在土壤无机氮淋洗渗漏，而是不同程度的上升补给．反硝化和氮挥发是氮素损失的主要途径．     

黄河冲积土壤对三价铬,六价铬的吸附特性

本文以黄河冲积土壤为材料，研究了黄河冲积土地地三价铬，六价铬的吸附平衡时间，吸附等温线，吸附率及两者相互转化规律等特性，为确定黄河冲积土壤的环境容量，制定防治等铬污染的措施提供了依据。     

显微测试技术在矿物学法评价土壤环境质量中的应用

近年来随着我国大面积的农业生态环境地质调查的开展，人们也逐渐认识到了利用矿物学方法评价土壤中重金属元素环境质量的可行性、重要性和必要性，提出了土壤环境质量的矿物学评价方法。主要内容是通过研究土壤中矿物的环境属性和矿物的示踪特性评价土壤环境质量。     

共轴双光束LIBS检测土壤中Pb的参数优化

为了提高共轴双光束激光诱导击率光谱(DB-LIBS)检测土壤中重金属元素的检测精度,对试验装置进行了参数优化。试验时,以土壤中重金属Pb为例,首先对双光束与单光束作用效果进行对比,单束激光脉冲工作能量均为120mJ,得到双光束作用下土壤中Pb的特征光谱强度明显比单光束作用下增强了2~3倍。然后,分别设置两束激光之间的脉冲延迟时间为0、50和100ns,在每个激光脉冲延迟时间下,设置光谱采集延迟时间从2.6~5.2μs以步长为0.2μs递增,分别对样品的光谱进行采集,获取Pb元素在405.78nm处的特征光谱信息。通过对特征光谱强度和信背比的综合比较,得到最佳的激光脉冲延迟时间为50ns、光谱采集延迟时间为4.6μs,在此条件下,光谱强度的相对标准偏差为0.10。由此表明,参数优化有利于提高共轴DB-LIBS装置的检测精度。     

相关向量机结合主成分分析应用于LIBS技术定量分析

采用相关向量机(RVM)结合主成分分析(PCA)建立了激光诱导击穿光谱(LIBS)技术检测土壤中Cr元素含量的定量分析模型。配制了14个不同Cr元素浓度的土壤样品,选取其中10个作为训练样品集用于构建模型,另外4个作为测试样品集用于模型性能评估。结果表明,对于土壤中Cr元素含量的测量,PCA-RVM模型的预测精度明显优于RVM模型,整体预测均方根误差由RVM模型的8.00%减小到PCA-RVM模型的3.21%,预测精度提高了59.9%。对测试样品集中全部4个待测样品,PCA-RVM模型多次重复预测结果的相对标准偏差相较于RVM模型都显著减小,且均小于1.89%,表明其预测结果具有更好的稳定性。     

基于可见-近红外光谱特征波长选择的土壤有机质快速检测研究

选择光谱特征波长进行建模可以减少冗余波长的干扰,提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理,并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明,小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数,而且还能提高模型的预测精度,特别是离散粒子群优化算法利用26个波长进行建模,预测决定系数达到了0.81,预测的相对标准误差为2.31。实验结果证明,通过对光谱波长进行选择不但可以降低模型的复杂度,还能有效预测土壤有机质达的含量。     

土壤中石油污染物的脱附过程

文章中主要采用有机溶剂萃取法（OSE）对高浓度石油污染土壤进行修复,经过精馏操作,有效回收原油,建立脱附等温曲线,研究了石油污染物在土壤-有机溶剂两相间的迁移规律。     

重庆万盛采矿区内主要农作物的光谱测量和分析

矿山开采中产生的固体废弃物和废液会使矿区土壤中富集重金属元素,进而影响矿区内的农作物生长。选择重庆市万盛区矿区作为研究区,采集红薯和南瓜的实测高光谱数据和土壤样本的重金属含量数据。通过对土壤重金属含量和农作物的红边位置偏移进行相关分析,发现不同土壤重金属含量对研究区内主要农作物的影响是不同的。可以看出,在研究区内的两种主要农作物中,红薯对矿区土壤中的重金属Cr、Mn和Cd比较敏感,而南瓜则对以上三种土壤重金属具有一定的吸收和抵抗作用。该结果可以为万盛区矿区内农作物种植的选择提供理论依据。