秸秆还田下我国主要粮食作物产量效应的整合分析

发布时间：2020-11-02 15:28

　　 农作物秸秆还田能够显著改善土壤物理性状,提高土壤养分含量,对农业生产具有显著的增产效应。然而,秸秆还田在全国不同农业生态系统中是否具有显著的增产效应尚不明确。因此,在全国范围内研究秸秆还田的增产效应对秸秆还田技术在全国范围内的推广应用具有重要意义。整合分析(Meta-analysis),也叫元分析、荟萃分析,是一种科学的定量综述方法,能够定量分析秸秆还田在全国范围内的综合产量效应。因此,本研究基于整合分析方法的科学理论,搜集整理了近30年来国内外学者公开发表的中文文献数据(截止到2019年12月31日,共获得274篇相关文献,提取了1930组试验数据),定量分析了全国范围内秸秆还田对农作物的产量效应,并进一步分析了小麦、玉米、水稻三大粮食作物在秸秆还田条件下的产量特征,明确了不同农业生态区域、土壤类型、种植模式、耕作方式、施肥模式等因素对秸秆还田产量效应的影响程度,主要的研究结果如下:1.秸秆还田显著提高了农作物的产量,平均增产率约为8.06%,95%的置信区间为7.52%~8.60%。小麦、玉米、水稻三大粮食作物的产量在秸秆还田条件下分别提高了5.72%(95%的置信区间为4.96%~6.49%)、9.22%(95%的置信区间为8.30%~10.15%)、7.51%(95%的置信区间为6.80%~8.21%)。经过漏斗图检验及计算失安全系数,总体上分析结果不存在发表偏倚性。2.总体上,秸秆还田的增产效应受土壤类型、土壤酸碱性、种植制度、耕作方式、施肥模式、试验年份、还田年限等因素的影响显著(异质性检验结果达到极显著水平);年平均降水量、土壤类型、耕作方式、施肥模式、试验年份显著影响秸秆还田对小麦的增产效应,土壤类型、施肥模式、还田年限、还田方式显著影响秸秆还田对玉米的增产效应,年平均气温、土壤类型、土壤酸碱性、种植制度、秸秆种类、施肥模式显著影响秸秆还田对水稻的增产效应。3.在不同耕作模式中,总体上以翻耕或免耕的秸秆还田产量效应最好,增产率分别为11.05%和8.98%,免耕秸秆还田对小麦的增产率为11.93%,翻耕秸秆还田对玉米的增产率10.83%、对水稻的增产率为9.05%,显著高于其它耕作模式下秸秆还田的增产率。在不同施肥模式中,不施肥时秸秆还田对总体农作物的增产率达到25.66%,对小麦、玉米、水稻的增产率分别为25.70%、23.04%、30.90%,显著高于其它施肥模式,表明农作物秸秆具有巨大的化肥替代潜力。在其它农业管理措施中,秸秆过腹还田方式显著促进了秸秆还田对小麦、玉米的增产效应,还田后覆盖地膜或添加秸秆腐熟剂提高了秸秆还田对玉米、水稻的增产率。此外,最佳的秸秆还田量为前茬作物秸秆产量的50~100%,长期秸秆还田的产量效应优于短期。综上所述,在不同的农业生产区以免耕或翻耕作业配合正常的施肥模式、适宜的秸秆还田量长期还田能够保持农作物的持续增产。
【学位单位】：山东农业大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：S141.4
【部分图文】：

山东农业大学硕士学位论文7数据1930组。图1为田间试验数据的分布状况。图1田间试验分布（黑点代表获得数据的试验地点）Fig.1Thelocationoffieldexperiment(Theblackpointsrepresenttheexperimentsiteofdata)2.2数据分类考虑到秸秆还田的产量效应可能受其它相关因素影响，根据文献中提取到的相关信息，整理得到可能影响秸秆还田产量效应的影响因素有：试验区域、年平均气温、年平均降水量、土壤类型、土壤质地、土壤酸碱性、作物熟制、耕作方式、施肥模式、试验年份等（表1），每组影响因素都将作为一个独立的分类解释变量进行Meta亚组分析以考察其对秸秆还田的产量效应的影响程度（Zhengetal.,2019）。试验区域分为东北地区（包括黑龙江盛吉林省及辽宁省）、华北地区（包括北京市、天津市、山东盛河北盛河南盛山西省及安徽省）、东南地区（江苏盛上海市、浙江盛湖北盛湖南盛江西盛福建省及广东省）、西北地区（包括甘肃盛青海盛宁夏回族自治区、内蒙古自治区及新疆维吾尔族自治区）、西南地区（四川盛重庆市、贵州盛云南省及广西壮族自治区）（柴如山等，2019）平，其中，在西藏自治区、福建盛广东盛广西壮族自治区内未收集到相关试验数据。年均气温每5℃为一个梯度分为四个气温梯度，最高年均气温为20℃。年平均降水量每400mm为一个梯

秸秆还田下我国主要粮食作物产量效应的整合分析123结果与分析3.1秸秆还田对农作物产量的综合效应分析图2A-D分别为秸秆还田对总体农作物产量、小麦产量、玉米产量、水稻产量的效应值的频率分布，符合高斯正态分布（P＜0.001）。经过加权计算，得到秸秆还田对总体农作物产量的平均效应值为0.0775（95%的置信区间为0.0725~0.0825）、对小麦产量的平均效应值为0.0556（95%的置信区间为0.0484~0.0629）、对玉米的平均效应值为0.0882（95%的置信区间为0.0797~0.0967）、对水稻的平均效应值为0.0724（95%的置信区间为0.0658~0.0789）。上述平均效应值的95%置信区间全部大于0，说明秸秆还田对总体农作物及小麦、玉米、水稻具有显著的增产效应。将平均效应值转化为平均增产率，得到秸秆还田对总体农作物的平均增产率为8.06%，对小麦的平均增产率为5.72%、对玉米的平均增产率为9.22%，对水稻的平均增产率为7.51%。可见，在全国范围内，秸秆还田对主要农作物都具有一定的增产作用。图2反应比自然对数的频率分布Fig.2Frequencydistributionofresponseratio(ln)

山东农业大学硕士学位论文17图3区域因素对秸秆还田效应的影响Fig.3Theinfluenceonstraw-returneffectbyregionalfactors秸秆还田对玉米的产量效应在华北地区最高（图3-3a），增产率达到11.15%，95%的置信区间为9.82%~12.49%，显著高于其它玉米生产区；图3-3b中，年均气温在5~10℃时，秸秆还田对玉米产量的增产率最高，为10.75%（置信区间：9.46%~12.05%），其它年均气温下相应的增产率均低于秸秆还田对玉米产量的平均增产率，且在年均气温为15~20℃时增产效应不显著；图3-3c中，秸秆还田对玉米的增产率在年均降水量低于400mm和400~800mm时分别为8.62%（置信区间：6.13%~11.18%）、9.44%（置信区间：8.44%~10.45%），年均降水量超过800mm时，增产效应不显著。秸秆还田对水稻的产量效应在东北地区最高（图3-4a），增产率达到14.84%，95%的置信区间为10.49%~19.36%，显著高于其它地区；图3-4b中，年均气温低于5℃时，水稻产量在秸秆还田条件下提高了17.07%（置信区间：12.14%~22.20%），年均气温超过15℃，相应的增产率为8.31%（置信区间：7.36%~9.28%），也高于秸秆还田对水稻产量的平均增产率；图3-4c表明，秸秆还田对水稻的产量效应在年均降水量为400~800mm或超过1200mm时最高，相应的增产率分别为8.96%（置信区间：
【相似文献】

相关期刊论文 前10条

1 景建华,蒋梅林,束国昌;秸秆还田对水稻的增产效应[J];江苏农机与农艺;2001年02期

2 曾胜河,刘洪亮,马萍,仲玉贵,马玲;秸秆还田对农作物产量的影响[J];新疆农业科技;2001年05期

3 康文倩;郭民之;李盛;;单峰分布枢轴量的等尾与等高置信区间的比较[J];数学的实践与认识;2016年24期

4 徐付霞;董永权;王娟;;基于离散枢轴量的泊松分布参数的精确最短置信区间[J];数学的实践与认识;2015年24期

5 吴延科;田茂再;;负二项抽样下风险比率的调整置信区间[J];系统科学与数学;2015年10期

6 陶会强;彭真;赵占平;;单边情形下的非参数联合置信区间[J];河南科学;2013年07期

7 曾艳;;均匀分布参数的最短置信区间[J];赤峰学院学报(自然科学版);2011年09期

8 岑忠;丁勇;;泊松分布参数的最短置信区间[J];中国卫生统计;2010年02期

9 孙慧玲;;取定统计量下最优置信区间的估计[J];统计与决策;2009年07期

10 莫建明;周宗放;;重尾性操作风险的风险价值置信区间的灵敏度[J];系统工程理论与实践;2009年06期

相关博士学位论文 前10条

1 闫亮;测量误差模型中的信仰广义推断[D];北京理工大学;2017年

2 段重阳;配对设计率差及率比置信区间构建新方法[D];南方医科大学;2017年

3 侯朋福;秸秆还田对稻麦生产力和农田温室气体排放的影响[D];南京农业大学;2014年

4 黄春;成都平原不同秸秆还田模式下农田系统运行效益研究[D];四川农业大学;2014年

5 李继福;秸秆还田供钾效果与调控土壤供钾的机制研究[D];华中农业大学;2015年

6 王麒;秸秆还田和施氮量对寒地水稻生长及土壤养分的影响[D];沈阳农业大学;2015年

7 王金洲;秸秆还田的土壤有机碳周转特征[D];中国农业大学;2015年

8 孟宪花;多重比较中的一些问题研究[D];华东师范大学;2009年

9 薛玉强;基于ψ调整的含单个分类协变量的率差置信区间估计新方法[D];南方医科大学;2015年

10 闫超;水稻秸秆还田腐解规律及土壤养分特性的研究[D];东北农业大学;2015年

相关硕士学位论文 前10条

1 杨竣皓;秸秆还田下我国主要粮食作物产量效应的整合分析[D];山东农业大学;2020年

2 ADONGO,Felix Atanga;由结构引力模型获得的多边阻力项的自助法置信区间的绩效评估[D];厦门大学;2019年

3 王珠冉;误差模型下高维回归参数的置信区间[D];安徽师范大学;2019年

4 田育珍;影响因素优化及置信区间修正的空气质量预测研究[D];西安电子科技大学;2019年

5 王天珍;四川圈养大熊猫微量元素背景值的调查分析[D];四川农业大学;2018年

6 刘路宁;含分布式光伏发电配电网多目标重构研究[D];华东交通大学;2019年

7 喻雪;Gumbel分布中参数的广义置信区间[D];天津师范大学;2018年

8 刘凯;断点回归的非参数置信区间[D];东北师范大学;2018年

9 杨佳贝;基于Lasso方法的后选择推断理论与应用研究[D];燕山大学;2018年

10 孙慧玲;取定统计量下的最优置信区间分析[D];华中师范大学;2008年

本文编号：2867221