通过田间试验，设置菜田种养复合模式（VE）和常规菜田单一种植模式（对照，CK）两个处理，采用投入−产出法，于蔬菜收获后对种植（种养）系统内土壤、水体和产品（包括花菜和水产动物）中氮磷含量进行测定，研究VE模式下土壤（耕作区、底泥、边沟）、蔬菜（花菜）、水产（螃蟹、黄鳝、鱼）和水体内氮、磷平衡和循环特征。结果表明：系统内总氮/总磷（TN/TP）含量均以肥料输入最大，VE模式和CK模式肥料氮、磷输入分别占TN/TP总输入量的89.09%、99.73%和89.20%、99.86%，收获季花菜花球氮、磷输出分别占TN/TP总输出量的37.74%、33.69%和38.26%、34.50%。VE模式中的系统TN/TP输出/输入比分别为67.01%和39.51%，均高于CK模式，VE模式降低了系统氮、磷表观损失35.19kg和24.38kg。当前投入水平下，两种模式的系统TN/TP盈余量均为负，说明均需投入适量肥料以利于作物产出和系统平衡。研究结果有助于为菜田种养复合模式氮、磷循环和平衡管理提供参考。

采用室内模拟实验，以南方砷镉铅复合污染的酸性红壤为对象，利用化学钝化原理，探讨钝化材料对重金属稳定化的技术效果及应用配方，以期为砷镉铅复合污染红壤修复与安全利用提供依据。具体做法为：选择生物炭（BC）和石灰（SH）为钝化材料，以土壤重量的1%、4%为材料添加量，单一或混合施用于砷镉铅复合污染土壤，并于恒温（25℃）条件下培养60d，在实验进行至第1天、第30天、第60天时取样，测定红壤酸碱度（pH）和水溶态（Water soluble）有效砷（As）、镉（Cd）、铅（Pb）即WSAs、WSCd、WSPb含量，以及土壤重金属As、Cd、Pb结合态含量与占比的变化，明确生物炭石灰单/混施对重金属的稳定化效应。结果表明：生物炭/石灰无论单施或混施均能不同程度地降低土壤中水溶态WSCd和WSPb含量，钝化效率分别为33.51%～78.89%和9.05%～96.24%。而材料单施（1BC、4SH）和两者混施高用量（4BC4SH）处理，均能大幅降低土壤中有效As含量，钝化效率为10.25%～55.27%，其中以两者混施高用量（4BC4SH）处理对土壤重金属As、Cd、Pb协同钝化的效果最佳，当培养实验进行至第60天时，钝化效率依次达55.27%、76.39%和96.24%。培养后土壤中As形态由易被植物吸收的非专性吸附态、专性吸附态转化为稳定的残渣态，土壤中Cd和Pb则由活性最强的酸可提取态转化为残渣态，土壤中As、Cd、Pb的稳定化效应明显，迁移系数下降；此外，生物炭/石灰的单施及混合施用，均可导致土壤酸碱度（pH）显著提升（P<0.05），有利于南方酸化土壤的改良。总体而言，本研究中生物炭/石灰两者混施高用量水平下（4BC4SH）土壤重金属的钝化效果最优，可实现对As、Cd和Pb复合污染红壤的稳定化修复。

为明确大气CO2浓度升高背景下，施加生物炭对水稻根系和产量的影响，利用自由CO2富集系统（free-air carbon dioxide enrichment，FACE)对吉粳88号水稻进行研究。试验设计4组处理，分别为大气CO2浓度不添加生物炭（CK）、大气CO2浓度每千克干土加20g生物炭（NB）、高浓度CO2（550µmol·mol−1）不添加生物炭（CN）、高浓度CO2每千克干土加20g生物炭（CB），分别于水稻分蘖期、拔节期、抽穗期、成熟期取样测定根系形态和生理指标，水稻成熟后测产，比较各处理间的差异。结果表明，单一因素及互作处理均增加了水稻根系形态指标中的总根长、总根表面积和根冠比，CN处理使分蘖期根系干重降低了39.24%，CB处理对水稻总根长、总根表面积的互作效应在各试验期均达到极显著水平；各试验期水稻根系生理指标对单一因素及互作处理均表现出积极响应，CB处理各试验期根系伤流强度分别增加了148.10%、34.21%、6.13%和40.43%，对根系吸收面积的互作效应不显著；单一因素及互作处理均增加了水稻产量构成中的每穴穗数、每穗粒数和千粒重，CN和CB处理对结实率的影响表现为负效应，CB处理使每穗粒数和千粒重分别增加了0.11%和3.39%，互作效应均未达到显著水平。试验结果显示，除CN处理降低了分蘖期根系干重外，单一因素及互作处理对水稻根系形态及生理指标的影响均表现为正效应，互作处理对水稻根系形态的影响达到极显著水平，对根系生理功能的影响则表现为不显著，提高了水稻产量构成中的每穗粒数，降低了结实率。

总初级生产力GPP（Gross Primary Productivity，GPP）是描述陆地生态系统的关键指标，提供了全球范围内气候变化下碳元素循环的定量描述，是生态系统功能状况的重要参量，是碳循环中的关键要素，反映气候变化及人类活动对陆地植被综合影响下的结果。光能利用率LUE（Light Use Efficiency，LUE）作为总初级生产力估算模型中的关键参数，其取值受环境影响因子、时空分布差异、植被类型等众多因素影响，并直接影响模型的估算结果。为定量评价遥感植被参数在估算生态系统GPP方面的能力，以锦州玉米生产区为研究对象，基于2013−2014年的地面通量数据和MODIS卫星数据，利用APAR（Absorbed Photosynthetically Active Radiation，APAR）、LUE-PRI（Photochemical Reflectance Index，PRI）、REG-PEM（REGion Productivity Efficiency Model，REG-PEM）三种估算模型，估算不同尺度下的玉米生态系统GPP，并借助一元线性回归分析法，与锦州生态系统野外观测站的实测GPP值进行相关分析。结果表明：（1）逐日尺度上，APAR模型和REG-PEM模型都能较好地响应实际GPP值的季节性波动，其中APAR模型相对误差小于REG-PEM模型，但二者估算的GPP都存在峰值低估、谷值高估的现象，主要原因是LUEmax值在低植被覆盖区被高估，气温和水分因子对LUE的影响被低估，在重构植被指数曲线EVI、LSWI时产生不可避免的误差；（2）小时尺度上，由于中午时段太阳辐射增强、气温升高，导致植被叶片出现光饱和和午休现象，大大削弱了APAR对GPP的模拟效果。利用光化学植被指数PRI模型估算GPP，相较于APAR模型一定程度上能够提高GPP的估算精度，但模拟效果还有待提高。

以8d为时间尺度，以土壤相对湿度（RSM）为参考指标，采用相关分析方法，分析评估典型旱年2009年作物生长季内分别表征降水、土壤和作物的3个类别10种农业干旱遥感监测指数在东北地区的适用性。结果表明：（1）生长季中、后期，综合考虑冠层温度和植被特征的温度植被干旱指数（TVDI）与RSM的相关系数绝对值在0.5左右，对土壤湿度变化较敏感，可用于该生长阶段的农业干旱监测；（2）考虑作物前期缺水的累积作物缺水指数（ACWSI）是与RSM相关性较好的指数之一，在生长季前期和后期与RSM的相关系数绝对值在0.47以上，表现良好，但应用过程中需注意累积效应的时间尺度；（3）表观热惯量（ATI）更适于生长季前期干旱监测，改进型能量指数（MEI）适用于各种植被覆盖条件，但存在一定不稳定性；（4）考虑前期累积降水的APCI指数比仅考虑8d降水的条件降水指数PCI更能反映土壤湿度状况，特别是在生长季中、后期，可作为其它监测指数的补充；（5）条件植被指数（VCI）、归一化差异水分指数（NDWI）与RSM相关性较低，对现时土壤湿度的反映不敏感，不适于研究区内短时间尺度的农业干旱监测。研究结果可为东北地区开展农业干旱监测选取合适指标提供参考，也可为农业干旱指数的广泛应用构建可行性框架。

针对森林通量观测站涡度相关法碳通量观测普遍存在的长时间连续性数据缺失情景，为探究不同数据插补方法的有效性，以华北低丘山地栓皮栎人工混交林生态系统为例，以经EddyPro处理和质量控制的2017年3月1日-11月30日0.5h尺度净生态系统碳交换（NEE）数据为基准数据集，随机生成含有连续1、3、7、15和31d数据缺失的5类数据缺失集，重复10次，使用固定窗口平均昼夜变化法（MDV）、可变窗口平均昼夜变化法（MDC）、查表法（LUT）、非线性回归法（NLR）、边际分布采样法（MDS）、人工神经网络法（ANN）对缺失数据集进行插补，并将插补数据与实际观测数据进行对比，通过分析统计参数来评估不同方法的插补精度和稳定性，以评估不同方法的适用范围。结果表明：日间，当连续缺失少于15d时，ANN方法插补数据与实测数据间的R2（决定系数）相对较高，NLR方法的R2较低；LUT方法插补数据与实测数据间的相对均方根误差（RRMSE）较低，NLR方法的RRMSE较高。当缺失达到连续15d时，除NLR方法的R2显著较低（P＜0.05）外，其它方法间R2差异不显著；LUT方法的RRMSE显著（P＜0.05）较低，其它方法间RRMSE差异不显著。当缺失达到连续31d时，除NLR方法R2显著较低（P＜0.05）外，各方法间R2和RRMSE无显著差异；MDV方法的平均绝对误差（MAE）出现较多异常值，各方法间的MAE开始出现分化的趋势。随着缺失片段长度的增加，除MDV方法外，各方法的R2呈下降趋势，连续1d缺失与连续31d缺失情景下插补所得NEE与实测NEE的R2差异显著（P＜0.05）；MDV和MDS方法的RRMSE呈增大趋势，连续1d缺失与连续31d缺失情景下的RRMSE差异显著（P＜0.05），其它方法的RRMSE差异相对不显著。夜间，在各缺失情景下，ANN方法的R2较高，LUT方法的R2较低，二者之间差异显著（P＜0.05）；LUT方法的RRMSE最高，与其它方法存在显著差异（P＜0.05）。在连续缺失大于31d的情景下，各方法的RRMSE差异均不显著。除LUT方法MAE显著（P＜0.05）较高外，其它方法的MAE无明显差异。随着缺失片段长度的增加，MDC、MDS和ANN方法插补数据的R2呈下降趋势，MDV和LUT的R2始终无显著差异；各方法的RRMSE差异无显著变化。在对典型晴天0.5h尺度上NEE日变化趋势的还原方面，MDC方法性能相对较优。综上，NLR方法适用于气象数据完备、NEE数据连续缺失少于7d的情景；MDV或MDC方法适用于气象数据不可用或缺失严重、NEE数据连续缺失少于15d的情景；LUT和MDS方法则适用于气象数据缺失较少、NEE数据连续缺失少于15d的情景；ANN方法适用性相对较广，可用于气象数据缺失较少、NEE数据连续缺失长达31d的情景。