JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Please note that all translations are automatically generated. Click here for the English version.
Ambiente

Bemonstering bodems in een heterogene onderzoek uitzetten

Published: January 07, 2019
doi:
10.3791/58519
1Department of Agriculture and Environmental Science,Tennessee State University

Summary

De traditionele grondmonstername procedure bepaalt het aantal grondmonsters willekeurig. Hier, bieden wij een eenvoudige maar toch efficiënte geclusterd grondmonstername ontwerp blijk geven van bodem tot ruimtelijke heterogeniteit en kwantitatief bepalen het aantal grondmonsters nodig en de bijbehorende bemonsterings-nauwkeurigheid.

Abstract

Bodems zijn zeer heterogeen. In het algemeen, het aantal grondmonsters vereist voor bodemonderzoek heeft altijd willekeurig was vastgesteld, en de bijbehorende nauwkeurigheid is onbekend. Hier presenteren we een gedetailleerd protocol voor efficiënte en geclusterde bodem bemonstering in de plot van een onderzoek en, afhankelijk van een pilot bemonstering met behulp van dit ontwerp voor het aantonen van de bodem tot ruimtelijke heterogeniteit en informeren van redelijke steekproefgrootten en bijbehorende nauwkeurigheid voor toekomstige studie. Het protocol is voornamelijk bestaat uit vier stappen: bemonstering ontwerp, veld collectie, bodemanalyse en geostatististische analyse. De stapsgewijze procedure wordt gewijzigd volgens voormalig publicaties. Twee voorbeelden zullen worden gepresenteerd om aan te tonen van de contrasterende ruimtelijke verdeling van de bodem organische koolstof (SOC) en microbiële biomassa bodemkoolstof (MBC) onder verschillende beheerspraktijken. Daarnaast presenteren wij een strategie om te bepalen van de steekproef grootte eis (SSR) gegeven van een zekere mate van nauwkeurigheid op basis van de bemonsteringstechniek variatiecoëfficiënt (CV). Het veld protocol van de bemonstering en de kwantitatieve bepaling van de grootte van de steekproef assisteert onderzoekers bij het zoeken naar haalbare bemonsteringsstrategie om te voldoen aan de onderzoeksbehoeften en de beschikbaarheid van de resources.

Introduction

Bodems zijn zeer heterogene biomaterialen1,2. Grondmonstername wordt uitgevoerd voor het verzamelen van de meest representatieve monsters en karakteriseren van de nutriënten status van een veld zo nauwkeurig en goedkoop mogelijk. Variabiliteit in een bodem ligt in bodem tot ruimtelijke heterogeniteit en nauwkeurigheid van kwantificering. Wanneer de ruimtelijke variatie in de bodem is geen rekening gehouden, typische grondmonstername kan leiden tot een aanzienlijke afwijking van de werkelijke gemiddelde waarde van een variabele van de bodem, zelfs als de bodemanalyse zelf zeer nauwkeurige3 is. Voor een heterogene onderzoek plot is variabiliteit vaak van groter belang dan betekent3; dat wil zeggen zal een bemonstering ontwerp dat nauwkeurig kan meten van beide variabiliteit en betekenen voorkeur worden.

Wanneer de ruimtelijke variatie bodem wordt verder gewijzigd als gevolg van land management praktijken4,5,6, is het moeilijker uit te voeren op een nauwkeurige wijze bodembemonstering. Niettemin zorgen ook ontstaan met betrekking tot de grote variaties in de bodem van de belangrijkste variabelen (bijvoorbeeldSOC en MBC)7 die worden doorgegeven als u wilt dat arme beperkingen van het model van de belangrijkste parameters die van kritiek belang voor lange termijn wereldwijde bodem model projecties onder klimaat veranderen8,9,10. Als de kosten van grondmonstername te karakteriseren veld variabiliteit een belangrijk probleem is, wordt een eenvoudige, betrouwbare en efficiënte bodem bemonsteringsstrategie aangevraagd.

Er zijn veel verschillende benaderingen van het verzamelen van representatieve grondmonsters in de plot van een onderzoek, en hun voor- en nadelen zijn samengevat in tabel 1. In een traditionele grondmonstername (d.w.z., eenvoudige en random sampling), een willekeurige verzameling van enkele tot meer dan 10 bodemmonsters is uitgevoerd in een complot van onderzoek. Met name het aantal monsters in een traditionele bodem bemonstering ontwerp is altijd willekeurig bepaald en de bijbehorende bemonsterings-fout (dat wil zeggen, nauwkeurigheid) blijft onbekend.

Bemonstering ontwerp Voordeel Nadeel
Eenvoudige en random sampling Kosteneffectieve, snelle en goedkope, alom aangenomen en eenvoudige bediening, optimale in homogene site Lage nauwkeurigheid en hoge variatie, < 5 monsters
Systematische bemonstering Hoge nauwkeurigheid en bekende variatie, optimale op grote schaal heterogene site Ineffectief, grote steekproef nummer kosten
Gestratificeerde steekproef Nauwkeurige gemiddelde schatting, relatief eenvoudige bediening, optimale voor meerdere clusters en gestratificeerd regio Ineffectief, grote steekproef nummer (meestal minder dan een systematische/grid bemonstering) kosten
Compositing Kosteneffectieve, nauwkeurige gemiddelde schatting, eenvoudige bediening, optimale in heterogene site Onbekend veld variatie, > 3 monsters voor composiet

Tabel 1: de voordelen en nadelen van grote bodembemonstering ontwerpen in de bodem onderzoekgemeenschap aangenomen. De tabel heeft van Tan et al. werden samengevat 3, Jones12en Swenson et al. 11

Ten opzichte van eenvoudige en willekeurige monsters of compositing, kunnen systematische en gestratificeerde steekproef ontwerpen bereiken middelen met een hoge nauwkeurigheid samen met bijbehorende variabiliteit (tabel 1). Zij zal echter intensieve grondmonstername (bijvoorbeeld, een paar 100 monsters). Hoewel de nauwkeurigheid van en vertrouwen in, een bodem test niveau verhoogt met meer bodemmonsters worden verzameld per perceel11, is de eis voor een groot aantal grondmonsters over het algemeen alleen van toepassing voor een grootschalige studie5,11 ; het is goed buiten de betaalbaarheid van de meeste onderzoeksprojecten die bodem gevoerd op de schaal van percelen van het veld als gevolg van beperkingen in de bronnen. Een sampling-ontwerp is de voorkeur aan het evenwicht van de nadelen van deze verschillende methoden.

Een belangrijke kwestie voor een bodem bemonstering design is het bepalen van het aantal grondmonsters nodig en de bijbehorende nauwkeurigheid gezien de onderzoeksvragen en veldomstandigheden. Bijvoorbeeld, is een vermindering van het aantal grondmonsters mogelijk in minder gestoord sites terwijl nog het bereiken van hetzelfde niveau van precisie6, suggereren een noodzaak te kwantificeren expliciet de ruimtelijke heterogeniteit (d.w.z., aard en vóórkomen van variabiliteit van de bodem) vóór de bemonstering3in de bodem. In feite, is geen dergelijke pilot bemonstering aanbevolen in de meeste bodem bemonstering ontwerpen. Veld wetenschappers vaak niet erkennen het belang van het statistisch onderscheidingsvermogen schatten wanneer ze experimenten ontwerpt.

Ter verbetering van de experimentele strengheid in grondmonstername, wordt een eenvoudige en efficiënte bemonsteringsmethode gepresenteerd in deze studie. Het nieuwe ontwerp niet alleen de nauwkeurige karakterisering van de bodem nutriëntengehalten en variabiliteit in staat te stellen maar ook door de administratieve verwerking van bodem tot ruimtelijke heterogeniteit, bieden een kwantitatieve manier te informeren van het aantal grondmonsters en de bijbehorende bemonsterings-nauwkeurigheid voor toekomstig onderzoek. De nieuwe bodem bemonstering design moet helpen onderzoekers identificeren optionele strategieën die passen bij hun behoeften bemonstering en onderzoek. Het algemene doel van deze methode is om te bodem biogeochemists en ecologen voorzien met een kwantitatieve en manipulatieve benadering optimaliseren bodem bemonsteringsstrategie in het kader van veldonderzoek.

Protocol

1. geclusterde bemonstering ontwerp in een Plot Identificeren van bemonstering zones binnen een perceel van onderzoek. Bepaal het aantal vierkante grids met gelijke lengte (d.w.z., Figuur 1; Figuur 3). Op basis van de grootte en vorm van het perceel van het onderzoek, de doelgroep aantal vierkante rasters zit verwachte voor zitten zes tot tien zodat het totale aantal bodemmonsters wordt gecontroleerd onder 30 binnen een perceel (zie stap 1.3). Markeer het midden van elke vierkante raster (d.w.z., centroid) en maken een cirkelvormig gebied met een diameter gelijk aan de lengte van de kant van de vierkante raster. Staan op het zwaartepunt in de circulaire zone met gesloten ogen en gooi een kleine steen (of een ander object met gewicht) in een willekeurige richting en afstand van het zwaartepunt. Als de steen wordt verbroken buiten de cirkelvormige zone, het opnieuw doen totdat de eerste bemonstering locatie is vastgesteld. Herhaal stap 1.3 totdat drie steekproeven locaties worden verkregen in de circulaire zone. Vlaggen zetten de drie locaties van de bemonstering en het nummer van elke vlag (d.w.z.1, 2 en 3). Herhaal stap 1.3-1.5 in alle andere zones van de circulaire bemonstering totdat alle locaties zijn vastgesteld en in een juiste volgorde genummerd (d.w.z., 4, 5, 6, enz.). 2. de afstand van metingen en bodem-collectie in een Plot Kies een hoekpunt en identificeren als de oorsprong voor het gebied van de bemonstering in het proefvlak. Horizontale en verticale afstanden van elke gemarkeerde locatie ten opzichte van de oorsprong meten en vastleggen in een veld notitieblok als x en y -coördinaten. Gebruik een bodem auger te nemen van een kern van de bodem (0 – 15 cm) van elke gemarkeerde locatie en de zak die is gebaseerd op het nummer van de vlag een label. Herhaal deze stap totdat de bodem boormonsters zijn genomen op alle gemarkeerde locaties. Om te minimaliseren de invloed van bemonstering (bijvoorbeeldvertrappen over planten en bodem in de plot), zorgen ervoor dat de tassen met de bodemmonsters binnen verblijf met hun respectieve vlag tot de montage van alle tassen in de plot in één keer aan het einde van de collectie. Vervoer de bodemmonsters in koelers naar het laboratorium en verwerken van elk boormonster bodem op dezelfde dag. Wortels te verwijderen van elk boormonster zeef het door een zeef van 2 mm bodem en meng grondig elk kern monster vóór elke analyse. Bodemvochtgehalte in elk monster bepalen door oven-drogen deelmonsters gedurende 24 uur bij 105 ° C en de deelmonsters aan bodem tot een fijn poeder voor een analyse van de totale hoeveelheid koolstof (C) met behulp van een elementaire analyzer4op de grond. SOC is afgeleid gebaseerd op de vocht en C inhoud. Frisse bodem deelmonsters (van 10 g/stuk) wegen en kwantificeren van de bodem MBC door chloroform fumigatie-K2dus4 extractie en kalium persulfate spijsvertering methoden5. Combineer de SOC en MBC dataset met x – en y -coördinaten, gebaseerd op de vlag nummers in het proefvlak. 3. beschrijvende en geostatististische Analyses in een Plot Voor elke variabele van SOC en MBC, berekenen het minimum, maximum, gemiddelde, mediaan, standaarddeviatie, alsmede de variatiecoëfficiënt (CV). Voor elke variabele, voeren een set van geo-ruimtelijke analyse (d.w.z., oppervlakte trendanalyses autocorrelatie en kriging kaart) verbeelden de primaire oppervlaktepatroon, boete-schaal variabiliteit en ruimtelijke verdeling. De details van de benaderingen van geostatististische analyses kunnen worden gevonden in voormalige publicaties4,5. 4. de exploratie van SSR en de juistheid van de bijbehorende bemonstering in een Plot Plot de SSR en de relatieve fout (γ) op basis van het CV verkregen in een plot. Binnen elk perceel hebben de log-getransformeerd SSR en de relatieve fout (γ) een negatieve lineaire relatie (vergelijkingen 1-3). Op basis van de relatie (vergelijking 3), kan het aantal monsters nodig zijn voor de opgegeven nauwkeurigheid worden bepaald:  Hier, CI, , s, n, N, CV, en duiden de betrouwbaarheidsinterval perceel gemiddelde, standaarddeviatie van de plot, monster nummer, coëfficiënt van de variatie en relatieve fout, respectievelijk; t 0,975 = 1.96. De vereiste grootte log-getransformeerd steekproef (N) heeft een negatieve lineaire relatie (d.w.z., helling = -2) met de log-getransformeerd relatieve fout (γ). De bovenstaande relatie voor toekomstige bemonstering in een complot van toepassing door het berekenen van N in vergelijking 3 onder een gewenste nauwkeurigheid (bijvoorbeeldrelatieve fout [γ]). Of, voor een gegeven aantal grondmonsters al verzameld in een complot, de relatie tot ontlenen bij de bijbehorende nauwkeurigheid van toepassing.

Representative Results

De bovenstaande aanpak heeft gewerkt in twee casestudy’s, in een landelijke streek van Zuid Amerikaanse en in Midden Tennessee. In de landelijke Zuid Italiaanse regio Piëmont, drie typen landgebruik werden geselecteerd, met inbegrip van 1) woeste eik-hickory hardhout bossen, 2) akkers waar conventionele grondbewerking en bemesting jaarlijks gebruikt zijn voor de productie van tarwe, sorghum en maïs, en 3). Old-Field dennenbossen die elk ongeveer 50 jaar in leeftijd sinds de laatste teelt4. Drie onafhankelijk gerepliceerde 30 x 30 m percelen werden geïdentificeerd in het gebied voor elk gebruik van de grond. In ieder waarnemingspunt, een cluster ontwerp voor de bemonstering van de bodem werd toegepast (Figuur 1). Elke circulaire zone had een radiale afstand van 5 m van elk zwaartepunt. Zevenentwintig kernen werden verzameld uit elk van de negen percelen, 81 cores per landgebruik en 243 kernen in totaal. SOC werd gekwantificeerd door een CHN analyzer. De belangrijkste bevinding was dat gecultiveerd land aanzienlijk de ruimtelijke heterogeniteit van SOC en andere variabelen4homogenizes. De SSR verschilden tussen landgebruik met een over het algemeen oplopende volgorde als old-field bos > geregenereerd dennenbos > gecultiveerd akkerland (Figuur 2). Uitzonderingen zijn dat één hardhout bos perceel had een SSR zo klein als de gecultiveerde plot, en een pine plot had een zo groot als de hardhouten complot (Figuur 2) SSR. Nemen van de γ = 0.1 of 10% als voorbeeld, SSR was 4, 10, 30 (gecultiveerde akkerland), 80, 85, en 300 (bos), en 25, 200 en 350 (hardhout). Als er slechts drie bodemmonsters werden verzameld in alle percelen, de relatieve fout geweest ~ 10% – 30% (gecultiveerde akkerland), ~ 50% – 80% (dennenbos) en ~ 28% – 100% (hardhout). Figuur 1 : Een illustratie van een geclusterde steekproeven ontwerp binnen een 30 x 30 m onderzoek perceel aan de Calhoun experimenteel Forest, SC, Verenigde Staten4. De gevulde cirkels vertegenwoordigen centroids (n = 9). De grote gestippelde cirkel vertegenwoordigt de bemonstering gebied rond één centroid (straal = 5 m). XS vertegenwoordigen monster locaties bepaald uit willekeurig gekozen richtingen en afstanden van een zwaartepunt. Dit cijfer is gewijzigd van Li et al. 4. Klik hier voor een grotere versie van dit cijfer. Figuur 2 : Plot van het monster grootte vereiste (SSR) en de relatieve fout (γ) voor SOC van hardhout bos, dennenbos en gecultiveerde akkerland. De logschaal werd toegepast op beide assen. De stippellijnen vertegenwoordigen gecultiveerde bodems, de lichtgrijze lijnen dennenbos bodems en de donkere lijnen hardhout bosbodems. Drie verschillende lijnen voor ieder gebruik van de grond komen overeen met de drie repliceren percelen. Dit cijfer is gewijzigd van Li et al. 4 Klik hier voor een grotere versie van dit cijfer. In de Tennessee State University (TSU) Main Campus landbouwonderzoek en uitbreiding Center (HETEINDE) in Nashville, TN, Verenigde Staten (36.12° noorderbreedte, 36.98° WL, hoogte 127.6 m) in 2011 opgericht een veld switchgrass experimenteren met drie bevruchting van stikstof (N) behandelingen in een gerandomiseerde blok design5. Het type van gewas is van de ‘Highlander’ verscheidenheid van Oost-‘Alamo’ switchgrass (Panicum miliaceum L.). De drie N behandelingen opgenomen geen N meststof input (NN), lage N-meststof input (LN: 84 kg N ha-1 in ureum), en hoge N-meststof input (HN: 168 kg N ha-1 in ureum). Binnen ieder waarnemingspunt, werd een rechthoekig gebied van 2,75 x 5.5 m zone geïdentificeerd en verder onderverdeeld in acht vierkante rasters van 1.375 x 1.375 m. Binnen elke circulaire zone, een centroid werd geïdentificeerd, en drie kernen werden verzameld met een willekeurige richting en afstand ten opzichte van elk zwaartepunt (Figuur 3). Een totaal van 24 kernen werden dus verzameld uit elk van de 12 percelen, 288 bodem kernen oplevert. De MBC in elke kern werd gekwantificeerd door de chloroform fumigatie-K2SO4 extractie en kalium persulfate spijsvertering methoden. De belangrijkste bevinding was dat de N-bemesting in het algemeen de ruimtelijke heterogeniteit van MBC in de switchgrass akkerland versterkt. De SSR was over het algemeen groter bij bevruchting (Figuur 4). Een uitzondering is dat de SSR voor een HN plot lager dan dat van de NN plot (Figuur 4 was). Nemen van de γ = 0.1 of 10% als voorbeeld, SSR was 10 en 20 in twee gerepliceerde percelen (NN), 30 en 50 (LN), en 15 en 70 (HN). Als er slechts drie bodemmonsters werden verzameld in alle percelen, de relatieve fout geweest ~ 20% – 25% (NN), ~ 26-35% (LN) en ~ 20% – 40% (hardhout). Figuur 3 : Illustratie van een geclusterde steekproeven ontwerp binnen een 2,75 x 5.5 m grondstuk in een experimentele site van bevruchting bij de Tennessee State University (TSU) Agricultural Research Center in Nashville, TN, USA. De gevulde cirkels vertegenwoordigen centroids (n = 8) en ieder waarnemingspunt bestond uit acht centroids in elke vierkante raster (van 1.375 x 1.375 m). In elke subplot, was een cirkelvormige zone voor grondmonstername bepaald. XS vertegenwoordigen monster locaties bepaald uit willekeurige richtingen en afstanden van een zwaartepunt binnen elk gebied van de circulaire bemonstering (onderbroken cirkel). Dit cijfer is gewijzigd van Li et al. 5 Klik hier voor een grotere versie van dit cijfer. Figuur 4 : Plot van het monster grootte vereiste (SSR) en de relatieve fout (γ) voor MBC onder drie bevruchting behandelingen. De logschaal werd toegepast op beide assen. De stippellijnen vertegenwoordigen gecultiveerde bodems, de lichtgrijze lijnen dennenbos bodems en de donkere lijnen hardhout bosbodems. NN = geen N-meststof ingevoerd; LN = lage N-meststof ingevoerd; en HN = hoge N-meststof input. Twee verschillende lijnen voor ieder gebruik van de grond komen overeen met twee repliceren percelen. Dit cijfer is gewijzigd van Li et al. 5. Klik hier voor een grotere versie van dit cijfer.

Discussion

De traditionele bodem bemonsteringsmethode ontbrak een kwantitatieve basis en leidde tot de onbekende nauwkeurigheid, overwegende dat de meer geavanceerde bemonsteringsstrategie intensieve bodem collecties betrokken en onbetaalbare kosten voor meeste bodemonderzoek duurzaame perceel veld geïnduceerde. Een eenvoudige, efficiënte en betrouwbare bemonstering ontwerp moet een nuttig instrument om het evenwicht van beide bovengenoemde methoden en, nog belangrijker, het informeren van een kwantitatieve manier om te bepalen van het aantal vereist onder bepaalde nauwkeurigheid omwille van de bemonstering van de toekomstige behoeften. Zo’n bemonstering design ontbreekt echter nog. Hier een methode voor het manipuleren van een geclusterde monstertrekkingsprocedure om te kwantificeren van bodem tot ruimtelijke heterogeniteit werd gepresenteerd, en een beroep op dit ontwerp, om te informeren van het aantal grondmonsters vereist voor toekomstige bemonstering onder specifieke nauwkeurigheid. Er zijn twee belangrijke stappen in het protocol. De eerste is het bepalen van het gebied van bemonstering en uw het bemonsteringsgebied in een bepaalde tekengebied. Omdat de dimensie en de vorm van een specifiek onderzoek perceel van een studie naar de andere variëren kunnen, moeten het aantal en de lengte van de vierkante raster vertegenwoordigen het bemonsteringsgebied worden aangepast best past de kenmerken van het perceel en dekking van het tekengebied geplaatst zoveel mogelijk. In het algemeen, moet het aantal vierkante rasters beperkt blijven tot acht tot tien zodat 24-30 bodemmonsters worden verzameld in een bepaald perceel. Dit minder intensieve bemonstering eis is acceptabel voor een pilot-studie in een plot. De tweede belangrijke stap is het bepalen van de monster-nummer dat vereist is onder specifieke nauwkeurigheid. Hoewel het aantal grondmonsters onder een gewenste nauwkeurigheid kan worden afgeleid op op basis van de pilot bemonsteringsstrategie, moeten andere beschikbare middelen administratief worden verwerkt (bv, arbeid, kosten en personeel). Als het aantal grondmonsters vereist voor een gewenste nauwkeurigheid de betaalbaarheid overschrijdt, moet de gewenste nauwkeurigheid worden verlaagd, zodat het aantal grondmonsters kan worden herberekend. De herberekeningen moeten worden herhaald totdat de beste pasvorm wordt bereikt als tegenwicht voor de gewenste nauwkeurigheid en de beschikbare middelen.

Het protocol kan eenvoudig worden aangepast om te passen bij de specifieke vorm, ruimte en locatie van de plot van een onderzoek. Zelfs binnen een onregelmatige plot of een zeer grote of kleine tekengebied, kan de procedure worden uitgevoerd door het bepalen van de grootte van het vierkante raster om de meeste van het tekengebied geplaatst. Aan de andere kant, wanneer bodemmonsters worden verzameld voorbij de streek van de circulaire steekproef op het waarnemingspunt, kunnen ze nog steeds verantwoord worden in de beschrijvende en geostatististische analyse. De flexibiliteit van het protocol is in dit verband voordelig als het kan, dus het verminderen van de kosten van bemonstering.

Een belangrijke beperking van deze methode is dat het aantal grondmonsters nodig voor bepaalde nauwkeurigheid zal afhangen van de bemonsteringstechniek CV bepaald door een groep van 24-30 grondmonsters in de pilot grondmonstername. Voor een zeer heterogene plot, 30 monsters of minder kan produceren een grotere CV dan die gebaseerd op een groter aantal monsters (> 30). Dientengevolge, zal het aantal grondmonsters berekend met dezelfde nauwkeurigheid worden groter. Dat wil zeggen, zal het aantal grondmonsters vereist voor dezelfde nauwkeurigheid in het proefvlak worden overschat. Voor een zeer homogene plot, zal een kleiner aantal monsters een perceel niveau CV vergelijkbaar met 30 monsters, dus, wat resulteert in een overschatting van de resource moet produceren. Daarom kan de bodem monster nummer (dat wil zeggen, 30 of minder) in het ontwerp van de pilot bemonstering voorgesteld voor deze zeer heterogene of homogene percelen veroorzaken van geen onnodige investeringen in de fase van de pilot bemonstering of in toekomstige bemonstering.

We tonen aanzienlijke voordelen van de bemonsteringsstrategie geclusterde bodem. Het biedt een betrouwbare en betaalbare grondmonstername strategie om te verkrijgen van de bodem tot ruimtelijke heterogeniteit en een kwantitatieve manier voor het afleiden van het aantal grondmonsters nodig zijn voor een bepaalde gewenste nauwkeurigheid. Hoewel de intensieve strip of gestratificeerde steekproef een betere omschrijving van de ruimtelijke variatie bieden kan, is de kosten van het uitvoeren van deze bemonstering te hoog voor de meeste studies van de bodem. De traditionele bemonstering is willekeurig en mist kwantitatieve basis voor bemonstering van nauwkeurigheid. Het huidige protocol is superieur vanwege haar minder intensieve bemonstering eis, gemak in het werkzaam zijn op het gebied, macht te onthullen van ruimtelijke patronen met strenge geostatististische analysemethoden en capaciteit om het kwantitatief bepalen de grootte van de steekproef om het even welk gegeven gewenste nauwkeurigheid. De kennis van de grootte van de steekproef die nodig zijn voor een specifieke bemonstering nauwkeurigheid kunnen onderzoekers strategize hun investering in bodem bemonstering inspanningen.

Dienst van de efficiënte geclusterde bemonsteringsprocedure kunt rigoureuze tests van bodem tot ruimtelijke heterogeniteit en wetenschappers capaciteit om te voeren grondmonstername met nauwkeurigheid verbetert. De minder intensieve en kwantitatieve aard van de strategie inzake bodembescherming bemonstering zal toelaten de brede toepassing ervan in de bodem onderzoeksgemeenschappen. Gezien de waarschijnlijk veranderde bodem tot ruimtelijke heterogeniteit onder snelle mondiale veranderingen, kan de bodem monster eis voor de dezelfde nauwkeurigheid van de bemonstering in de plot van een onderzoek variëren in de tijd. Het aantal van de voorgestelde monster in het ontwerp van de pilot bemonstering kan variëren met verschillende bodems en ecosystemen. Toekomstige toepassingen die uit deze werkzaamheden voortvloeien kunnen omvatten bepalen hoeveel monster voor specifieke bodems of ecosystemen. Dus is verder empirisch werk nodig over de toepassing en de identificatie van de methode in verschillende bodem en ecosystemen. Lange en brede toepassingen kunnen helpen identificeren van een generieke monster grootte eis voor specifieke ecosystemen, die kan worden aanbevolen voor onderzoekers van de bodem.

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Deze studie werd ondersteund door de financiering van een ons departement van landbouw Evans-Allen subsidie (nr. 1005761). De auteur dankt personeelsleden op de de TSU Main Campus HETEINDE in Nashville, Tennessee voor hun hulp. Maggie Syversen geholpen door het lezen van de vroege versie van het manuscript. De auteur waardeert de Anoniem reviewers voor hun constructieve opmerkingen en suggesties.

Materials

Soil auger AMS 350.05 For soil collection
Screwdriver Fisher Scientific 19-313-447 For soil collection
Rope Fisher Scientific 19-313-429 For delineating sampling zone
FatMax 35 ft. Tape Measure Home Depot #215880 For measuring distances
Marking flag Fisher Scientific S99537 For marking sampling locations
Plastic Zipper Seal Storage Bag Fisher Scientific 09-800-16 For soil collection
Sharpie Fisher Scientific 50-111-3135 For soil collection
Marking pencil Fisher Scientific 50-294-45 For recording data in field
Lab notebook Fisher Scientific 11-903  For recording data in field
ArcGis 10.3 ESRI For producing kriging map
Sieve Fisher Scientific 04-881G  For sieving soil sample
DOWNLOAD MATERIALS LIST

Riferimenti

  1. Young, I. M., Crawford, J. W. Interactions and Self-Organization in the Soil-Microbe Complex. Science. 304 (5677), 1634-1637 (2004).
  2. Masoom, H., et al. Soil Organic Matter in Its Native State: Unravelling the Most Complex Biomaterial on Earth. Environmental Science and Technology. 50 (4), 1670-1680 (2016).
  3. Tan, K. . Soil Sampling, Preparation, and Analysis. , (2005).
  4. Li, J. W., Richter, D. D., Mendoza, A., Heine, P. Effects of land-use history on soil spatial heterogeneity of macro- and trace elements in the Southern Piedmont USA. Geoderma. 156 (1-2), 60-73 (2010).
  5. Li, J., et al. Nitrogen Fertilization Elevated Spatial Heterogeneity of Soil Microbial Biomass Carbon and Nitrogen in Switchgrass and Gamagrass Croplands. Scientific Reports. 8 (1), 1734 (2018).
  6. Chung, C. K., Chong, S. K., Varsa, E. C. Sampling Strategies for Fertility on a Stoy Silt Loam Soil. Communications in Soil Science and Plant Analysis. 26 (5-6), 741-763 (1995).
  7. Luo, Y. Q., et al. Toward more realistic projections of soil carbon dynamics by Earth system models. Global Biogeochemical Cycles. 30 (1), 40-56 (2016).
  8. Li, J., Wang, G., Allison, S., Mayes, M., Luo, Y. Soil carbon sensitivity to temperature and carbon use efficiency compared across microbial-ecosystem models of varying complexity. Biogeochemistry. 119 (1-3), 67-84 (2014).
  9. Conant, R. T., Ogle, S. M., Paul, E. A., Paustian, K. Measuring and monitoring soil organic carbon stocks in agricultural lands for climate mitigation. Frontiers in Ecology and the Environment. 9 (3), 169-173 (2011).
  10. Wieder, W. R., Bonan, G. B., Allison, S. D. Global soil carbon projections are improved by modelling microbial processes. Nature Climate Change. 3 (10), 909-912 (2013).
  11. Swenson, L. J., Dahnke, W. C., Patterson, D. D. . Sampling for Soil Testing. , (1984).
  12. Jones, J. . Laboratory Guide for Conducting Soil Tests and Plant Analysis. , (2001).

Tags

Soil SamplingHeterogeneous Research PlotStatistical Power AnalysisSampling ZonesRandom Sampling LocationsSoil CoresSoil SieveSoil Sample Processing

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Li, J. Sampling Soils in a Heterogeneous Research Plot. J. Vis. Exp. (143), e58519, doi:10.3791/58519 (2019).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image