Summary

Parcela de muestreo de suelos en una investigación heterogéneo

Published: January 07, 2019
doi:

Summary

El procedimiento tradicional de muestreo de suelo determina arbitrariamente el número de muestras de suelo. Presentamos un sencillo pero eficiente Cluster diseño suelos-muestreo para demostrar la heterogeneidad espacial del suelo y determinar cuantitativamente el número de muestras de suelo necesarias y la precisión de muestreo asociado.

Abstract

Los suelos son muy heterogéneos. En general, el número de muestras de suelo necesarios para la investigación del suelo siempre se ha determinado arbitrariamente y la exactitud asociada es desconocida. Aquí, presentamos un protocolo detallado para el suelo eficiente y agrupado de muestreo en una parcela de investigación y, basándose en una muestra piloto con este diseño, para demostrar la heterogeneidad espacial del suelo e informar a tamaños de muestra razonable y de precisión asociado para estudio futuro. El protocolo consta principalmente de cuatro pasos: muestreo diseño, colección de campo, análisis de suelo y análisis geoestadístico. Se modifica el procedimiento paso a paso según publicaciones anteriores. Se presentarán dos ejemplos para demostrar el contraste distribución espacial del carbono orgánico del suelo (COS) y el carbono de la biomasa microbiana del suelo (MBC) bajo prácticas de manejo diferentes. Además, presentamos una estrategia para determinar el requisito de tamaño de muestra (SSR) dado un cierto nivel de precisión basado en el nivel de terreno coeficiente de variación (CV). El protocolo de muestreo de campo y la determinación cuantitativa del tamaño de la muestra ayudará a los investigadores en la búsqueda de estrategias de muestreo viables para satisfacer las necesidades de investigación y la disponibilidad de recursos.

Introduction

Los suelos son muy heterogéneos biomateriales1,2. Muestreo de suelo se realiza para recolectar las muestras más representativas y caracterizar el estado nutricional de un campo con la mayor precisión y económicamente como sea posible. Variabilidad de un suelo se encuentra en la heterogeneidad espacial del suelo y la precisión de la cuantificación. Cuando la variación espacial en el suelo no se toma en consideración, muestreo de suelo típica puede resultar en una salida substancial del verdadero valor promedio de una variable de suelo, incluso si el análisis del suelo son alta precisión3. Para una parcela de investigación heterogéneos, la variabilidad es con frecuencia más importante que significa3; es decir, un diseño de muestreo que exactamente puede medir tanto la variabilidad y significa será preferido.

Cuando la variación espacial del suelo se altera aún más debido a la tierra gestión prácticas4,5,6, es más difícil realizar suelo de muestreo de una manera precisa. Sin embargo, también se presentan problemas con respecto a las grandes variaciones en las variables de suelo clave (p. ej., SOC y MBC)7 que se propagan para provocar restricciones de pobres de los parámetros clave del modelo que son cruciales para el modelo de suelo global a largo plazo las proyecciones bajo clima cambian8,9,10. Como el costo del muestreo de suelos para caracterizar la variabilidad del campo es un problema clave, se busca una estrategia de muestreo de suelo simple, confiable y eficiente.

Hay muchos enfoques diferentes para recoger muestras representativas de suelo en una parcela de investigación, y sus ventajas y desventajas se resumen en la tabla 1. En un muestreo de suelo tradicional (es decir, muestreo simple y al azar), una colección al azar de algunos más de 10 muestras de suelo se realiza en una parcela de investigación. En particular, el número de muestras en un diseño de muestreo tradicional de suelo siempre es determinado arbitrariamente y el error de muestreo asociado (es decir, precisión) sigue siendo desconocido.

Diseño de muestreo Ventaja Desventaja
Muestreo simple y al azar Económico, rápida y barata, ampliamente adoptada, fácil operación, óptima en sitio homogéneo Baja precisión y alta variación, < 5 muestras
Muestreo sistemático Alta precisión y variación conocida, óptima en sitio heterogéneos de gran escala Muestra ineficaz, gran número de costos
Muestreo estratificado Estimación media exacta, operación relativamente fácil, óptima para región agrupada y estratificada Número de la muestra ineficaz, gran costo (generalmente menos de muestreo sistemático/red)
Composición Rentable y precisa estimación media, operación fácil, óptima en sitio heterogéneo Variación de campo desconocido, > 3 muestras de composite

Tabla 1: las ventajas y desventajas del suelo principales muestras diseños adoptados en la comunidad de investigación del suelo. La tabla ha sido resumida de Tan et al. 3, Jones12y Swenson et al. 11

En comparación con el muestreo simple y al azar o composición, diseños de muestreo sistemático y estratificado pueden lograr medios con alta exactitud junto con variabilidad asociada (tabla 1). Sin embargo, requieren de muestras de suelo intensivo (por ejemplo, unas 100 muestras). Aunque la precisión y la confianza en un aumentos del nivel de prueba de suelo con más muestras de suelo recogidas por parcela11, el requisito para un gran número de muestras de suelo generalmente es sólo aplicable para un estudio a gran escala5,11 ; es mucho más allá de la asequibilidad de más proyectos de investigación de suelo realizado en la escala de las parcelas de campo debido a las limitaciones en recursos. Un diseño de muestreo es preferido para equilibrar las compensaciones de estos métodos.

Una cuestión clave para un diseño de muestreo de suelo es determinar el número de muestras de suelo necesarias y la exactitud asociada dadas las preguntas de investigación y las condiciones de campo. Por ejemplo, una reducción en el número de muestras de suelo es posible en menos sitios perturbados mientras todavía alcanzar el mismo nivel de precisión6, sugiriendo la necesidad de cuantificar explícitamente la heterogeneidad espacial (es decir, la naturaleza y ocurrencia de antes de variabilidad del suelo) de suelo muestreo3. De hecho, no hay tal muestreo piloto se recomienda en la mayoría diseños de muestreo de suelo. Los científicos de campo con frecuencia no reconocen la importancia de estimar el poder estadístico cuando diseñan experimentos.

Para mejorar el rigor experimental en el muestreo de suelo, en este estudio se presenta un método simple y eficiente. El nuevo diseño será no sólo permiten la caracterización precisa de los niveles de nutrientes del suelo y la variabilidad pero también, por la contabilidad de la heterogeneidad espacial del suelo, proporcionan una manera cuantitativa para informar al número de muestras de suelo y la precisión de muestreo asociada para la investigación futura. El nuevo diseño de muestreo de suelo debe ayudar a los investigadores a identificar estrategias opcionales que se adapten a sus necesidades de muestreo y la investigación. El objetivo general de este método es proporcionar suelo biogeoquímicos y ecologistas con un enfoque cuantitativo y manipuladora para optimizar estrategias de muestreo de suelo en el contexto de la investigación de campo.

Protocol

1. diseño de muestreo agrupadas en una parcela Identificar las zonas de muestreo dentro de una parcela de investigación. Determinar el número de rejillas cuadradas con igual longitud (es decir, figura 1; Figura 3). Basado en el tamaño y la forma de la parcela de investigación, el número de objetivo de rejillas cuadradas se espera que sea seis a diez para que el número total de muestras de suelo es controlado por debajo de 30 dentro de una parcela (véase el paso 1.3). Marque el centro de cada cuadrícula cuadrada (es decir, centroide) y crear un área de muestreo circular con un diámetro igual a la longitud del lado de la cuadrícula. Soporte en el centroide de la zona circular con los ojos cerrados y lanzar una piedra pequeña (u otro objeto con el peso) en una dirección al azar y la distancia desde el centroide. Si la piedra cae fuera de la zona circular, hacerlo de nuevo hasta el primer lugar de muestreo se identifica. Repita el paso 1.3 hasta tres localizaciones de muestreo aleatorio se obtienen en la zona circular. Poner banderas en las tres localizaciones de muestreo y número de cada bandera (es decir, 1, 2 y 3). Repita los pasos 1.3-1.5 en todas las demás zonas de muestreo circular hasta todos los lugares son determinados y numerados en un orden secuencial (es decir, 4, 5, 6, etc.). 2. distancia de medición y colección de suelo en una parcela Elegir un punto de esquina e identificar el origen para el área de muestreo en la parcela. Medir distancias horizontales y verticales de cada lugar marcado en relación con el origen y grabarlas en un cuaderno de campo como coordenadas x e y . Use una barrena de suelo tomar un núcleo de suelo (0 – 15 cm) de cada lugar marcado y la bolsa en función del número de bandera de la etiqueta. Repita este paso hasta núcleos de suelo se toman ubicaciones en todo marcados. Para minimizar la influencia del muestreo (por ejemplo, atropellar a las plantas y el suelo en la parcela), asegúrese de que las bolsas con las muestras de suelo dentro de estancia con su respectiva bandera hasta armar todas las bolsas en la trama a la vez en la final de la colección. Transporte de las muestras de suelo en refrigeradores para laboratorio y proceso de cada núcleo de suelo en el mismo día. Quitar las raíces de cada base de tamiz a través de un tamiz de 2 mm suelo y homogeneizar cuidadosamente cada muestra de base antes de cualquier análisis. Determinar contenido de humedad de cada muestra por submuestras de horno de secado por 24 h a 105 ° C y las submuestras de suelo secadas al aire a un polvo fino para un análisis de carbono total (C) utilizando un analizador elemental4de tierra. SOC es derivado basado en la humedad y el contenido de C. Pesaje de submuestras de suelo fresco (de 10 g cada una) y cuantificar así el suelo MBC por cloroformo fumigación-K24 extracción y potasio persulfato digestión métodos5. Combinar el conjunto de datos SOC y MBC con coordenadas x e y basados en los números del indicador en la trama. 3. descriptivo y análisis geoestadístico en una parcela Para cada variable de SOC y MBC, calcular el mínimo, máximo, media, mediana y desviación estándar, así como el coeficiente de variación (CV). Para cada variable, realizar un conjunto de análisis geoespacial (es decir, análisis de superficies de tendencia, autocorrelación y mapa kriging) para representar el patrón de la superficie primario, fino-escale la variabilidad y distribución espacial. Los detalles de los métodos de análisis geoestadístico pueden encontrarse en publicaciones anteriores4,5. 4. exploración de la SSR y la precisión de muestreo asociada en una parcela Terreno de la SSR y el error relativo (γ) basado en lo CV obtenido en un diagrama. Dentro de cada parcela, el registro-transformada de la SSR y el error relativo (γ) tienen una relación lineal negativa (ecuaciones 1-3). Basado en la relación (ecuación 3), puede determinarse el número de muestras necesarias para la precisión especificada:  Aquí, CI, , s, n, N, CVy denotan el intervalo de confianza media parcela, desviación de estándar de parcela, número de muestra, coeficiente de variación y error relativo, respectivamente; t 0.975 = 1,96. El requisito de tamaño de registro-transformada de la muestra (N) tiene una relación lineal negativa (es decir, pendiente = -2) con el error relativo transformaron a log (γ). Aplique la relación anterior para el futuro muestreo en una parcela mediante el cálculo de N en la ecuación 3 bajo una exactitud deseada (p. ej., error relativo [γ]). O, para un número determinado de muestras de suelo recogidas ya en una parcela, la relación para derivar en la exactitud asociada.

Representative Results

El anterior enfoque se ha empleado en dos estudios de caso, uno en una región rural del Sur Estados Unidos y otra en Tennessee medio. En la región rural del Piamonte meridional, se seleccionaron tres tipos de uso de la tierra, incluyendo bosques de madera dura de roble-nogal 1) inculto, campos 2) cultivados en labranza convencional y la fertilización se utilizan anualmente para producir trigo, sorgo y maíz, y 3). bosques de pino de trazar que son cada uno de aproximadamente 50 años en edad desde el pasado4del cultivo. Se identificaron tres parcelas independientemente replicada 30 x 30 m del área para cada uso de la tierra. En cada parcela, se aplicó un diseño de muestreo de suelo de racimo (figura 1). Cada zona circular tenía una distancia radial de 5 m desde cada centroide. Se recogieron 27 núcleos de cada una de las nueve parcelas, 81 núcleos por uso de la tierra y 243 corazones en total. COS se cuantifican por un analizador de CHN. El hallazgo principal fue que la tierra cultivada substancialmente homogeneiza la heterogeneidad espacial del SOC y otras variables4. El SSR diferenció entre usos de la tierra con un orden ascendente generalmente como bosque trazar > regenerar bosque de pinos > cultivan tierras de cultivo (figura 2). Las excepciones son que una parcela de bosque de madera tenía un SSR tan pequeño como la parcela cultivada, y una parcela de pino tenía un SSR tan grande como la trama de la madera (figura 2). Tomar γ = 0,1 o 10% por ejemplo, SSR fue 4, 10 y 30 (tierras cultivadas), 80, 85 y 300 (Pinar) y 25, 200 y 350 (madera dura). Si sólo se colectaron tres muestras de suelo en todas las parcelas, el error relativo habría sido ~ 10% – 30% (tierras cultivadas), ~ 50% – 80% (Pinar) y ~ 28% – 100% (madera dura). Figura 1 : Una ilustración de un diseño de muestreo aleatorio Cluster dentro de una parcela de investigación de 30 x 30 m en el bosque Experimental de Calhoun, SC, USA4. Los círculos rellenos representan centroides (n = 9). El gran círculo discontinuo representa el área de muestreo alrededor de un baricentro (radio = 5 m). XS representan localizaciones de muestra determinados escogido de forma aleatoria las direcciones y Distancias desde un centroide. Esta figura ha sido modificada de Li et al. 4. haga clic aquí para ver una versión más grande de esta figura. Figura 2 : Trama del requisito de tamaño de muestra (SSR) y el error relativo (γ) para SOC de bosque latifoliado, bosque de pinos y cultivos cultivados. Se aplicó la escala logarítmica en ambos ejes. Las líneas punteadas representan suelos cultivados, los suelos de bosque de pinos de líneas grises y los suelos de bosque de madera dura de líneas oscuras. Tres líneas diferentes para cada uso del suelo corresponden a tres parcelas replicadas. Esta figura ha sido modificada de Li et al. 4 Haga clic aquí para ver una versión más grande de esta figura. En la Universidad de estado de Tennessee (TSU) Main Campus agricultura investigación y centro de extensión (AREC) en Nashville, TN, Estados Unidos (36,12 ° N, 36,98 ° W, elevación 127,6 m) en 2011, se estableció un campo de césped Panicum virgatum experimenta con fertilización nitrogenada (N) tres tratamientos en un diseño de bloques al azar5. El tipo de cultivo es de la variedad ‘Highlander’ de este ‘Alamo’ switchgrass (Panicum virgatum L.). Los tres tratamientos N no incluyen N entrada de fertilizante de N fertilizante de entrada (NN), baja (LN: 84 kg de N ha-1 de urea) y alta N fertilizante (HN: 168 kg de N ha-1 de urea). Dentro de cada parcela, un área rectangular de 2.75 x 5.5 m zona fue identificado y dividido en ocho rejillas cuadradas de 1.375 x 1.375 m. Dentro de cada zona circular, un centroide fue identificado, y tres núcleos se recolectaron con una dirección al azar y distancia relativa cada centroide (figura 3). Así se obtuvieron un total de 24 núcleos de cada uno de 12 parcelas, produciendo 288 núcleos de suelo. La MBC en cada núcleo se cuantificó por cloroformo fumigación-K2SO4 extracción y métodos de digestión de persulfato de potasio. El hallazgo principal fue que la fertilización nitrogenada generalmente aumentar la heterogeneidad espacial de MBC en el cultivo del césped Panicum virgatum. El SSR es generalmente mayor con la fertilización (figura 4). Una excepción es que la RSS para una parcela de HN fue más baja que el de la trama NN (figura 4). Tomar γ = 0,1 o 10% por ejemplo, SSR fue de 10 y 20 en dos parcelas replicadas (NN), 30 y 50 (LN) y 15 y 70 (HN). Si sólo se colectaron tres muestras de suelo en todas las parcelas, el error relativo habría sido ~ 20% – 25% (NN), ~ 26% – 35% (LN) y ~ 20-40% (madera dura). Figura 3 : Ilustración de un diseño de muestreo aleatorio Cluster dentro de una parcela de 2.75 x 5.5 m en un sitio experimental de fertilización en el centro de investigación agrícola de la Universidad de estado de Tennessee (TSU) en Nashville, TN, USA. Los círculos rellenos representan centroides (n = 8) y cada parcela consistió de ocho centroides en cada cuadrícula (de 1.375 x 1.375 m). En cada subparcela, se determinó un área circular para el muestreo de suelo. XS representan localizaciones de muestra determinados de direcciones aleatorias y Distancias desde un centroide dentro de cada área de muestreo circular (círculo discontinua). Esta figura ha sido modificada de Li et al. 5 Haga clic aquí para ver una versión más grande de esta figura. Figura 4 : Trama del requisito de tamaño de muestra (SSR) y el error relativo (γ) de MBC bajo tres tratamientos de fertilización. Se aplicó la escala logarítmica en ambos ejes. Las líneas punteadas representan suelos cultivados, los suelos de bosque de pinos de líneas grises y los suelos de bosque de madera dura de líneas oscuras. NN no = fertilizante N de entrada; LN = fertilizante de N baja de entrada; y HN = entrada de fertilizante N alta. Dos líneas diferentes para cada uso del suelo corresponden a dos parcelas replicadas. Esta figura ha sido modificada de Li et al. 5. haga clic aquí para ver una versión más grande de esta figura.

Discussion

El método de muestreo de suelo tradicionales carecía de una base cuantitativa y conducido a exactitud desconocida, mientras que las más avanzadas estrategias de muestreo implicado colecciones suelo intensivo e inducida por costos prohibitivos para investigación del suelo de la mayoría en la escala de la parcela de campo. Un diseño de muestreo simple, eficiente y confiable debe ser una herramienta útil para equilibrar ambos métodos antes mencionados y, lo más importante, informar a una forma cuantitativa para determinar el número requerido bajo cierta exactitud por muestreo futuras necesidades. Sin embargo, un diseño de muestreo es que todavía faltando. Aquí, se presentó un método para la manipulación de un procedimiento de muestreo agrupado para cuantificar la heterogeneidad espacial del suelo y, basándose en este diseño, para informar al número de muestras de suelo necesaria para futuras muestras bajo precisión específica. Hay dos pasos críticos en el protocolo. El primero es determinar el área de muestreo e identificar la zona de muestreo en un área de terreno dada. Porque la dimensión y la forma de una trama de investigación específicos pueden variar de un estudio a otro, el número y la longitud de la cuadrícula que representa la zona de muestreo deben modificarse para mejor se adapte a las características de la parcela y cubrir el área de trazado tanto como sea posible. En general, el número de rejillas cuadradas debe limitarse a ocho a diez para que se recogerán las muestras de suelo de 24-30 en un terreno dado. Esto menos intensivo muestreo requisito es aceptable para un estudio piloto en una parcela. El segundo paso crítico es determinar el número de muestra con precisión específica. Aunque el número de muestras de suelo con una precisión deseada puede ser derivado en basado en la estrategia de muestreo piloto, otros recursos disponibles deben explicarse (por ejemplo, mano de obra, costos y personal). Si el número de muestras de suelo requerida para una precisión deseada excede la asequibilidad, la exactitud deseada debe ser bajada por lo que puede calcularse el número de muestras de suelo. Los cálculos se deben repetir hasta logra el mejor ajuste para equilibrar la exactitud deseada y los recursos disponibles.

El protocolo puede ser modificado fácilmente para adaptarse a la forma específica, la zona y la ubicación de una parcela de investigación. Incluso dentro de una parcela irregular o una superficie de parcela muy grande o pequeño, el procedimiento puede realizarse controlando el tamaño de la cuadrícula para cubrir la mayor parte del área de trazado. Por otro lado, cuando se recogen las muestras de suelo más allá de la zona de muestreo circular en la parcela, puede todavía cuenta en el análisis descriptivo y geoestadísticos. En este sentido la flexibilidad del protocolo es ventajosa como puede, así, reducir el costo de muestreo.

Una importante limitación de este método es que el número de muestras de suelo necesaria para determinados exactitud dependerá el nivel de parcela CV determinado por un grupo de 24-30 muestras de suelo en el muestreo del suelo experimental. Para un terreno altamente heterogéneo, las muestras de 30 o menos puede producir una mayor CV que basado en un mayor número de muestras (> 30). Como resultado, el número de muestras calculado con la misma exactitud será mayor. Es decir, el número de muestras de suelo requerido para la misma precisión se debe subestimarse en la trama. Para una parcela muy homogénea, un número menor de muestras producirá una parcela nivel CV similar a 30 muestras, por lo tanto, lo que resulta en una sobreestimación de la necesidad de recursos. Por lo tanto, para estas parcelas extremadamente heterogéneas u homogéneas, el suelo muestra número (es decir, 30 o menos) propuesto en el diseño de muestreo piloto puede causar inversión innecesaria en la etapa de muestreo piloto o en muestras futuras.

Demostrar ventajas significativas de la estrategia de muestreo de suelo agrupados. Proporciona una estrategia de muestreo de suelo fiable y asequible para obtener la heterogeneidad espacial del suelo y ofrece una manera cuantitativa para obtener el número de muestras de suelo requerida para una cierta exactitud deseada. Aunque la tira intensivo o el muestreo estratificado puede proporcionar una mejor descripción de la variación espacial, el costo de llevar a cabo tal muestreo es demasiado alto para la mayoría de los estudios suelo. El muestreo tradicional es arbitrario y carece de cualquier fundamento cuantitativo para el muestreo de precisión. El protocolo actual es superior debido a su menor requerimiento de muestreo intensivo, facilidad en la operación en el campo, poder revelar patrones espaciales utilizando geoestadística rigurosos métodos de análisis y capacidad para determinar cuantitativamente el tamaño de muestra dado cualquier exactitud deseada. El conocimiento del tamaño de muestra requerido para una exactitud de muestreo específicas permitirá a los investigadores a elaborar su inversión en esfuerzos de muestreo de suelo.

Empleando el procedimiento de muestreo agrupado eficiente permite a rigurosas pruebas de heterogeneidad espacial del suelo y mejora la capacidad de los científicos para llevar a cabo el muestreo de suelo con precisión. La naturaleza menos intensiva y cuantitativa de la estrategia de muestreo de suelo permitirá su uso amplio en las comunidades de investigación del suelo. Dada la heterogeneidad espacial del suelo probablemente alterada bajo rápidos cambios globales, la necesidad de muestra de suelo de la misma exactitud de muestreo en una parcela de investigación puede variar con el tiempo. El número de la muestra propuesto en el diseño de muestreo piloto puede variar con diferentes suelos y ecosistemas. Aplicaciones futuras que podrían surgir de este trabajo son determinar el número de muestra de suelos específicos o los ecosistemas. Por lo tanto, se necesita más trabajo empírico sobre la aplicación y la identificación del método en diferentes suelos y ecosistemas. Aplicaciones a largo plazo y amplia pueden ayudar a identificar un requisito de tamaño de la muestra genérica de ecosistemas específicos, que se puede recomendar para los investigadores de suelo.

Declarações

The authors have nothing to disclose.

Acknowledgements

Este estudio contó con financiación de un nosotros Departamento de agricultura Evans-Allen Grant (núm. 1005761). El autor agradece a los miembros del personal en principal Campus AREC de la TSU en Nashville, Tennessee por su asistencia. Maggie Syversen ayudó mediante la lectura de la primera versión del manuscrito. El autor agradece a los revisores anónimos por sus comentarios constructivos y sugerencias.

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

Referências

  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).

Play Video

Citar este artigo
Li, J. Sampling Soils in a Heterogeneous Research Plot. J. Vis. Exp. (143), e58519, doi:10.3791/58519 (2019).

View Video