在异构研究图中取样土壤
Summary
传统的土壤取样程序任意决定了土壤样品的数量。在这里, 我们提供了一个简单而有效的聚集土取样设计, 以证明土壤空间异质性, 并定量地确定所需的土壤采样数量和相关的取样精度。
Abstract
土壤是高度异质性的。一般来说, 土壤研究所需的土壤样本数量一直是任意确定的, 相关的准确性尚不清楚。在这里, 我们提出了一个详细的协议, 用于在一个研究地块中进行高效和聚集的土壤采样, 并依靠使用此设计的试点采样, 以演示土壤空间异质性, 并为合理的样本大小和相关精度提供信息。未来的研究。该协议主要包括四个步骤: 抽样设计、野外采集、土壤分析和地质统计分析。分步程序根据以前的出版物进行了修改。通过两个实例说明了不同管理实践下土壤有机碳 (soc) 与土壤微生物生物量碳 (mbc) 的对比空间分布。此外, 我们还提出了一种基于图则变异系数 (cv) 的确定样本大小要求 (ssr) 的策略。实地抽样方案和样本规模的定量确定将有助于研究人员寻求可行的抽样策略, 以满足研究需要和资源的供应。
Introduction
土壤是高度异质的生物材料1,2。土壤取样是为了收集最具代表性的样本, 并尽可能准确和低成本地描述一个油田的养分状况。土壤的变异性在于土壤空间的异质性和定量的准确性。如果不考虑土壤的空间变化, 典型的土壤取样可能导致与土壤变量的真实平均值有很大的不同, 即使土壤分析本身是高度准确的3。对于异质研究图来说, 变异性往往比手段3更重要;也就是说, 最好是能够准确测量变异性和平均值的抽样设计。
当土壤空间变化因土地管理做法4、5、6 而进一步变化时, 更难以准确进行土壤取样。然而, 人们还对关键土壤变量 (如soc 和 mbc)7的巨大差异表示关切, 这些变量的传播导致对长期全球土壤模型至关重要的关键模型参数的约束不力气候变化下的预测8, 9,10。由于土壤取样的成本是确定田变异性的关键问题, 因此寻求一种简单、可靠、高效的土壤取样策略。
在一个研究地块中, 收集有代表性的土壤样本有许多不同的方法, 表1总结了它们的优缺点。在传统的土壤取样 (即简单和随机抽样) 中, 在一个研究地块上随机收集了几个到10个以上的土壤样本。特别是, 传统土壤取样设计中的样本数量总是任意确定的, 相关的取样误差 (即准确性) 仍然不明。
| 取样设计 | 优势 | 缺点 |
| 简单的随机抽样 | 性价比高、快捷、价廉, 广泛采用, 操作方便, 在均匀场地上达到最佳 | 精度低, 变化大, lt;5 样品 |
| 系统采样 | 高精度和已知的变化, 在大规模异构站点中处于最佳状态 | 成本效益低, 样本数大 |
| 分层采样 | 准确的均值估计, 相对容易操作, 最优地适用于聚集和分层区域 | 成本效益低, 样本数大 (通常小于系统网格采样) |
| 合成 | 成本效益高, 均值估计准确, 操作简单, 在异构站点上达到最佳状态 | 未知的场变化, & 复合材料的 gt;3 样本 |
表 1: 土壤研究界采用的主要土壤取样设计的优缺点.该表格由 tan等人总结.3、jones12和 swenson等人.11
与简单和随机抽样或合成相比, 系统和分层抽样设计可以实现高精度的手段以及相关的可变性 (表 1)。但是, 它们将需要密集的土壤取样 (例如, 几个100个样本)。虽然土壤测试水平的准确性和置信度随着每图11收集的土壤样本的增多而增加, 但对大量土壤样本的要求一般只适用于大规模研究5、11;由于资源有限, 这远远超出了大多数在实地地块规模上进行的土壤研究项目的承受能力。为了平衡这些不同方法的权衡, 最好采用抽样设计。
土壤取样设计的一个关键问题是, 考虑到研究问题和现场条件, 确定所需土壤样品的数量和相关的准确性。例如, 在干扰较小的地点, 土壤样本数量的减少是可能的, 同时仍然达到同样的精度水平,这表明需要明确量化空间的异质性 (即自然和发生的情况。土壤变异性) 之前土壤取样3。事实上, 在大多数土壤取样设计中, 不建议进行这种试点取样。实地科学家在设计实验时往往没有认识到估计统计能力的重要性。
为了提高土壤取样的实验严谨性, 本文提出了一种简单有效的取样方法。新的设计不仅可以准确地描述土壤养分水平和变异性, 而且通过考虑土壤空间的异质性, 提供一种定量的方法, 为土壤样本的数量和相关的取样准确性提供信息供将来的研究。新的土壤取样设计应有助于研究人员确定适合其取样和研究需要的可选策略。该方法的总体目标是为土壤生物化学家和生态学家提供定量和操纵性的方法, 以便在实地研究的背景下优化土壤取样策略。
Protocol
Representative Results
Discussion
传统的土壤取样方法缺乏定量依据, 导致准确性不明, 而更先进的取样策略涉及密集的土壤收集, 并导致大多数土壤在地块规模的研究负担不起的费用。简单、高效和可靠的抽样设计应当是平衡上述两种方法的有用工具, 更重要的是, 为了今后的取样需要, 为确定在一定精度下所需的数量提供量化信息。然而, 这种抽样设计仍然缺失。在这里, 提出了一种操作整群取样程序以量化土壤空间异质性的方法, 并根据这一设计, 在特定精度下通报今后取样所需的土壤样本数量。协议中有两个关键步骤。首先是确定采样区域, 确定给定地块区域中的采样区域。由于特定研究图的尺寸和形状可能因研究而异, 因此应修改代表采样区的方格的数量和长度, 以最适合地块特征, 并尽可能覆盖地块面积。一般来说, 方格的数量应限制在8至 10个, 以便在某一地块上收集24-30 个土壤样本。对于图中的试点研究来说, 这种不太密集的抽样要求是可以接受的。第二个关键步骤是确定特定精度下所需的样品数量。虽然可以根据试点取样战略得出低于所需精度的土壤样本数量, 但还需要考虑其他可用资源 (例如劳动力、成本和人员)。如果所需的土壤样本数量超过了所需的可负担性, 则应降低所需的精度, 以便重新计算土壤样本的数量。应重复重新计算, 直到达到最佳匹配, 以平衡所需的准确性和可用资源。
该协议可以很容易地修改, 以适应研究地块的具体形状、面积和位置。即使在不规则的地块或非常大或小的地块区域内, 也可以通过控制正方形网格的大小来覆盖大部分地块面积来执行该过程。另一方面, 当采集的土壤样本超出地块的圆形取样区时, 仍可在描述性和地质统计分析中加以说明。议定书在这方面的灵活性是有利的, 因为它可以降低取样成本。
这种方法的一个重要局限性是, 一定精度所需的土壤样本数量将取决于试点土壤取样中由一组24-30 的土壤样本确定的地块水平 cv。对于高度异质的图形, 30个或更少的样本可以产生比基于更多样本的 cv 更大的 cv (> 30个)。因此, 以同样精度计算的土壤样本数量将会更大。也就是说, 在地块中, 同样精确所需的土壤样本数量将被高估。对于高度同质的图形, 较少数量的样本将产生类似于30个样本的图级 cv, 从而导致对资源需求的高估。因此, 对于这些极不均匀或均匀的地块, 试点取样设计中提出的土壤样本数 (即30 或更少) 可能会在试点取样阶段或今后的取样阶段造成不必要的投资。
我们展示了聚集土壤采样策略的显著优势。它提供了可靠和负担得起的土壤取样策略, 以获得土壤空间异质性, 并提供了一种定量方法来得出所需的土壤样本数量, 以达到一定的预期精度。虽然集约化条带或分层取样可以更好地描述空间变化, 但进行这种取样的费用对于大多数土壤研究来说太高。传统的抽样是任意的, 缺乏任何定量的抽样准确性依据。目前的协议是优越的, 因为它的密集抽样要求较低, 易于在现场运行, 权力揭示空间模式使用严格的地质统计分析方法, 以及能力, 定量地确定样本大小给定的任何所需的精度。对特定取样精度所需的抽样规模的了解将使研究人员能够为其在土壤取样工作中的投资制定战略。
采用高效的聚集取样程序, 可以对土壤空间异质性进行严格测试, 并提高科学家准确进行土壤取样的能力。土壤取样战略的集约化和定量程度较低, 将使其能够在土壤研究界广泛应用。鉴于在全球快速变化下土壤空间异质性可能发生变化, 研究地块对相同取样精度的土壤样本要求可能会随着时间的推移而变化。试点取样设计中的拟议样本数可能因土壤和生态系统的不同而不同。这项工作今后可能出现的应用包括确定特定土壤或生态系统的样本数量。因此, 需要在该方法在各种土壤和生态系统中的应用和鉴定方面开展进一步的实证工作。长期和广泛的应用可能有助于确定特定生态系统的一般样本规模要求, 可推荐给土壤研究人员。
Disclosures
The authors have nothing to disclose.
Acknowledgements
这项研究得到了美国农业部 evans-allen grant (no. 1005761) 的资助。提交人感谢田纳西州纳什维尔 tsu 主要校园 arec 的工作人员的协助。麦琪·赛弗森通过阅读早期版本的手稿提供了帮助。笔者感谢匿名审稿人提出的建设性意见和建议。
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 |
References
- Young, I. M., Crawford, J. W. Interactions and Self-Organization in the Soil-Microbe Complex. Science. 304 (5677), 1634-1637 (2004).
- 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).
- Tan, K. . Soil Sampling, Preparation, and Analysis. , (2005).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Swenson, L. J., Dahnke, W. C., Patterson, D. D. . Sampling for Soil Testing. , (1984).
- Jones, J. . Laboratory Guide for Conducting Soil Tests and Plant Analysis. , (2001).
