JoVE Journal > Environment
Summary
Abstract
Introduction
Protocol
Resultados
Discussion
Declarações
Acknowledgements
Materials
Referências
Ambiente

Amostragem de solos em uma parcela de pesquisa heterogênea

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

Summary

O tradicional procedimento de amostragem de solo determina o número de amostras de solo arbitrariamente. Aqui, nós fornecemos um simples mas eficiente agrupado projeto solo-amostragem para demonstrar a heterogeneidade espacial do solo e determinar quantitativamente o número de amostras de solo necessárias e a precisão da amostragem associado.

Abstract

Os solos são altamente heterogêneos. Em geral, o número de amostras necessárias para a investigação do solo sempre foi determinado arbitrariamente e a precisão associada é desconhecida. Aqui, apresentamos um protocolo detalhado para solo em cluster e eficiente de amostragem em uma trama de investigação e, baseando-se em uma amostragem piloto usando esse projeto, para demonstrar a heterogeneidade espacial do solo e informando tamanhos de amostra razoável e precisão associado para estudos futuros. O protocolo, principalmente, é composto por quatro etapas: projeto, coleção de campo, análise de solo e geoestatísticos análise de amostragem. O procedimento passo a passo é modificado de acordo com publicações anteriores. Dois exemplos serão apresentados para demonstrar contrastantes distribuições espaciais de carbono orgânico do solo (SOC) e carbono da biomassa microbiana (MBC) no solo sob as práticas de gestão diferente. Além disso, apresentamos uma estratégia para determinar o requisito de tamanho de amostra (SSR) dado um determinado nível de precisão com base no nível de trama coeficiente de variação (CV). O protocolo de amostragem de campo e a determinação quantitativa do tamanho da amostra ajudará pesquisadores na busca de estratégias de amostragem viável para atender às necessidades de pesquisa e disponibilidade dos recursos.

Introduction

Os solos são altamente heterogêneo biomateriais1,2. Amostragem do solo é realizada para coletar as amostras mais representativas e caracterizar o status de nutrientes de um campo com o maior rigor e barata possível. Variabilidade em um solo reside na heterogeneidade espacial do solo e precisão de quantificação. Quando a variação espacial no solo não é levada em consideração, amostragem de solo típico pode resultar em uma partida substancial do verdadeiro valor médio de uma variável de solo, mesmo que a própria análise de solo é altamente precisos3. Para uma trama de investigação heterogêneos, variabilidade é frequentemente mais importância do que significa3; ou seja, um projeto de amostragem que pode medir ambos variabilidade com precisão e dizer será preferencial.

Quando a variação espacial do solo é mais alterada devido a terra gestão práticas4,5,6, é mais difícil de conduzir solo amostragem de forma exata. No entanto, preocupações surgem também no que diz respeito as grandes variações nas variáveis chave do solo (por exemplo, SOC e MBC)7 , que são propagadas para causar constrangimentos pobres dos parâmetros do modelo da chave que são essenciais para o modelo de solo global a longo prazo projeções sob clima mudam8,9,10. Como o custo de amostragem de solo para caracterizar a variabilidade de campo é um problema-chave, uma estratégia de amostragem de solo simples, confiável e eficiente é pedida.

Existem muitas abordagens diferentes para coletar amostras de solo representativas em um terreno de investigação, e as suas vantagens e desvantagens estão resumidas na tabela 1. Em uma amostragem de solo tradicional (i.e., amostragem simples e aleatória), uma coleção aleatória de alguns a mais de 10 amostras de solo é executada em uma trama de investigação. Em particular, o número de amostras em um projeto de amostragem de solo tradicional sempre é determinado arbitrariamente e o erro de amostragem associado (ou seja, precisão) permanece desconhecido.

Projeto de amostragem Vantagem Desvantagem
Amostragem aleatória e simples Custo-eficaz, rápida e barata, amplamente adotada, fácil operação, ideal no site homogênea Baixa precisão e alta variação, < 5 amostras
Amostragem sistemática Alta precisão e variação conhecida, ideal no site heterogêneos de larga escala Número de custo ineficaz, grande exemplo
Amostra estratificada Estimativa média precisa, operação relativamente fácil, ideal para a região em cluster e estratificada Número de amostra ineficaz, grande custo (geralmente menos do que a amostragem sistemática/grade)
Composição Estimativa média custo-eficaz, precisa, fácil operação, ideal no site heterogêneo Variação de campo desconhecido, > 3 amostras para composto

Tabela 1: as vantagens e desvantagens do solo principal projetos adoptados na Comunidade de pesquisa de solo de amostragem. A tabela tem sido resumida de Tan et al . 3, Jones12e. Swenson et al 11

Em comparação com a amostragem aleatória e simples ou composição, desenhos de amostragem estratificada e sistemática podem alcançar meios com exatidão elevada, juntamente com a variabilidade associada (tabela 1). No entanto, exigirão amostragem intensiva do solo (por exemplo, uns 100 amostras). Embora a precisão de, além da confiança na, um aumento de nível de teste de solo com mais amostras de solo coletadas por lote11, a exigência de um grande número de amostras de solo é geralmente aplicável apenas para um estudo em grande escala5,11 ; Está bem além da acessibilidade da maioria dos projetos de pesquisa de solo realizado à escala de parcelas de campo devido a restrições de recursos. Um projeto de amostragem é preferido para equilibrar as vantagens e desvantagens destes métodos diferentes.

Uma questão fundamental para um projeto de amostragem do solo é determinar o número de amostras necessárias e o associado precisão dada a questões de investigação e as condições de campo. Por exemplo, uma redução no número de amostras de solo é possível em menos locais perturbados e ainda alcançar o mesmo nível de precisão6, sugerindo a necessidade de quantificar explicitamente a heterogeneidade espacial (i.e., natureza e ocorrência de antes da variabilidade do solo) para o solo de amostragem3. Na verdade, nenhum tal amostragem piloto é recomendada na maioria dos projetos de amostragem do solo. Cientistas do campo frequentemente não reconhecem a importância de estimar o poder estatístico quando projetam experiências.

Para melhorar o rigor experimental na amostragem de solo, um método de amostragem simples e eficiente é apresentado neste estudo. O novo design deve não só permitem a caracterização exata dos níveis de nutrientes do solo e variabilidade, mas também, pela contabilização de heterogeneidade espacial do solo, fornecem uma maneira quantitativa para informar o número de amostras de solo e a precisão da amostragem associado para futuras pesquisas. O novo design de amostragem do solo deve ajudar os pesquisadores a identificar estratégias opcionais que atender suas necessidades de amostragem e pesquisa. O objetivo geral deste método é fornecer solo biogeochemists e ecologistas com uma abordagem quantitativa e manipuladora para otimizar estratégias de amostragem do solo no contexto da pesquisa de campo.

Protocol

1. Design de amostragem clusterizado em uma trama Identifica as zonas de amostragem dentro de uma trama de investigação. Determinar o número de quadrados grades com igual comprimento (isto é, a Figura 1; A Figura 3). Com base no tamanho e na forma do plano de pesquisa, o número de destino de grelhas quadradas é esperado para ser seis a dez para que o número total de amostras de solo é controlado abaixo de 30 dentro de um enredo (consulte a etapa 1.3). Marque o centro de cada quadrado grade (ou seja, centroide) e criar uma área de amostragem circular com um diâmetro igual ao comprimento do lado da grade quadrada. Suba para o centroide na zona circular com os olhos fechados e jogue uma pequena pedra (ou outro objeto com peso) em uma direção aleatória e a distância do centroide. Se a pedra cair fora da área circular, fazê-lo até o primeiro local de amostragem é identificado. Repita a etapa 1.3 até três locais de amostragem aleatória são obtidos na zona circular. Colocar bandeiras sobre os três locais de amostragem e número de cada bandeira (i.e., 1, 2 e 3). Repita as etapas de 1,3-1,5 em todas as outras zonas de amostragem circular até que todos os locais são determinados e numerados em ordem sequencial (i.e., 4, 5, 6, etc.). 2. medições e coleta de solo em uma trama de distância Escolha um ponto de canto e identificá-lo como a origem para a área de amostragem na trama. Medir distâncias horizontais e verticais de cada local sinalizada em relação à origem e gravá-las em um caderno de campo, como as coordenadas x e y . Use um perfurador de solo para tirar um núcleo de solo (0 – 15 cm) de cada local sinalizado e rotular o saco baseado o número de bandeira. Repita este passo até amostras de solo são tomadas sinalizadas em todos os locais. Para minimizar a influência de amostragem (por exemplo, atropelando as plantas e o solo na trama), certifique-se que os sacos com as amostras de solo dentro de estadia com suas respectivas bandeiras até montar todos os sacos na trama de uma só vez ao final da coleção. Transportar as amostras de solo em refrigeradores para laboratório e processo cada núcleo de solo no mesmo dia. Remover as raízes de cada núcleo, peneira-lo através de uma peneira de solo de 2mm e homogeneizar cuidadosamente cada amostra antes de qualquer análise. Determinar o teor de umidade do solo em cada amostra por subamostras de forno de secagem de 24 horas a 105 ° C e as subamostras de solo air-dried a um pó fino para uma análise de carbono total (C) usando um analisador elementar4à terra. SOC é derivado com base no conteúdo de C e umidade. Subamostras de solo fresco (de 10 g cada) de pesar e quantificar o solo MBC pelo clorofórmio fumigação-K2então4 extração e potássio persulfato digestão métodos5. Combine o dataset SOC e MBC com coordenadas x e y , com base nos números de bandeira na trama. 3. descritivo e análises geoestatísticas em uma trama Para cada variável de SOC e MBC, calcule o mínimo, máximo, média, mediana e desvio-padrão, bem como o coeficiente de variação (CV). Para cada variável, realizar um conjunto de análises geoespaciais (i.e., análise de superfície de tendência, autocorrelação e mapa de kriging) para descrever o padrão de superfície primário, numa escala variabilidade e distribuição espacial. Os detalhes das abordagens de análises geoestatísticas podem ser encontrados em publicações anteriores4,5. 4. exploração de SSR e a precisão da amostragem associado em uma trama Sinopse o SSR e erro relativo (γ) com base no CV Obtido em uma trama. Dentro de cada parcela, o SSR log-transformadas e o erro relativo (γ) têm uma relação linear negativa (equações 1-3). Com base na relação (equação 3), o número de amostras necessárias para a precisão especificada pode ser determinado:  Aqui, CI, , s, n, N, CVe indicar o intervalo de confiança significa trama, desvio padrão de lote, número da amostra, coeficiente de variação e erro relativo, respectivamente; t 0,975 = 1,96. A exigência de tamanho de amostra log-transformadas (N) tem uma relação linear negativa (ou seja, inclinação = -2) com o transformada de log de erro relativo (γ). Aplica a relação acima para futuras amostragens em uma trama calculando N na equação 3 sob uma precisão desejada (por exemplo, o erro relativo [γ]). Ou, para um determinado número de amostras de solo já coletadas em uma trama, aplicam-se a relação para derivar no rigor associado.

Representative Results

A abordagem acima tem sido empregada em dois estudos de caso, uma em uma região rural do Sul dos EUA e outro no meio do Tennessee. Na região rural do Sul do Piemonte, foram selecionados três tipos de uso da terra, incluindo florestas de madeira de carvalho-Nogueira 1) incultas, campos 2) cultivados onde o plantio convencional e fertilização são usados anualmente para produzir trigo, sorgo e milho, e 3). florestas de pinheiros de Old-Field que são cada um com cerca de 50 anos de idade desde o último cultivo4. Identificaram-se três parcelas de forma independente replicada 30 x 30 m da área para cada uso da terra. Em cada parcela, foi aplicado um design de amostragem de solo de cluster (Figura 1). Cada zona circular tinha uma distância radial de 5 m de cada centroide. Vinte e sete núcleos foram coletados de cada uma das nove parcelas, 81 núcleos por uso de terra e 243 núcleos no total. SOC foi quantificada por um analisador CHN. A principal conclusão foi que a terra cultivada substancialmente homogeneiza a heterogeneidade espacial do SOC e outras variáveis4. O SSR diferia entre os usos da terra com uma ordem geralmente crescente como floresta old-field > regenerado pinhal > cultivou a terra cultivada (Figura 2). As exceções são que uma parcela de floresta de madeira tinha um SSR tão pequenas quanto a parcela cultivada, e um enredo de pinho tinha um SSR tão grande como a trama de madeira (Figura 2). Tendo γ = 0,1 ou 10%, por exemplo, SSR foi 4, 10, 30 (terras cultivadas), 80, 85 e 300 (floresta de pinheiros) e 25, 200 e 350 (madeira). Se pelo menos três amostras de solo foram coletadas em todas as parcelas, o erro relativo teria sido ~ 10% – 30% (terras cultivadas), ~ 50-80% (Pinhal) e ~ 28% – 100% (madeira). Figura 1 : Uma ilustração de um projeto de amostragem aleatória em cluster dentro de uma trama de investigação de 30 x 30 m no Calhoun Experimental Forest, SC, EUA4. Os círculos preenchidos representam centroides (n = 9). O grande círculo tracejado representa a área de amostragem em torno de um baricentro (raio = 5 m). XS representam locais de amostra determinadas das direções escolhidas aleatoriamente e as distâncias de um centroide. Esta figura foi modificada de Li et al. 4. clique aqui para ver uma versão maior desta figura. Figura 2 : Enredo da exigência de tamanho de amostra (SSR) e erro relativo (γ) para SOC de madeira floresta, floresta de pinheiros e terras cultivadas. A escala logarítmica foi aplicada em ambos os eixos. As linhas pontilhadas representam solos cultivados, os solos de floresta de pinheiros de linhas cinzentas e os solos de floresta de madeira de linhas escuras. Três linhas diferentes para cada uso da terra correspondem às três parcelas de replicar. Esta figura foi modificada de Li et al. 4 Clique aqui para ver uma versão maior desta figura. Na Universidade de estado de Tennessee (TSU) Main Campus agricultura pesquisa e centro de extensão (AREC) em Nashville, TN, EUA (36,12 ° N, 36,98 ° W, elevação 127,6 m), em 2011, estabeleceu-se um campo “switchgrass” experimento com três fertilização de nitrogênio (N) tratamentos em um bloco aleatório projeto5. O tipo de colheita é da variedade ‘Highlander’ Oriental ‘Alamo’ “switchgrass” (Panicum virgatum L.). Os três tratamentos N não incluíam nenhum N entrada de fertilizantes N fertilizante de entrada (NN), baixo (LN: 84 kg de N ha-1 em ureia) e alta entrada de fertilizantes de N (HN: 168 kg de N ha-1 de ureia). Dentro de cada parcela, uma área retangular de 2.75 x 5.5 m zona foi identificada e ainda dividida em oito quadrados grades de 1.375 x 1.375 m. Dentro de cada zona circular, foi identificado um centroide e três núcleos foram coletados com uma direção aleatória e distância em relação a cada centroide (Figura 3). Assim, um total de 24 núcleos foram coletados de cada uma das 12 parcelas, produzindo 288 núcleos de solo. O MBC em cada núcleo foi quantificada pelo clorofórmio K2SO4 fumigação extração e métodos de digestão de persulfato de potássio. A principal conclusão foi que a fertilização N geralmente reforçada a heterogeneidade espacial do MBC na switchgrass terra cultivada. O SSR era geralmente maior com fertilização (Figura 4). Uma exceção é que o SSR para uma trama de HN foi menor do que a trama NN (Figura 4). Tendo γ = 0,1 ou 10%, por exemplo, SSR era 10 e 20 em duas parcelas replicadas (NN), 30 e 50 (LN) e 15 e 70 (HN). Se pelo menos três amostras de solo foram coletadas em todas as parcelas, o erro relativo teria sido ~ 20-25% (NN), ~ 26% – 35% (LN) e ~ 20% – 40% (madeira). Figura 3 : Ilustração de um projeto de amostragem aleatória em cluster dentro de um terreno de 2.75 x 5.5 m em um site experimental de fertilização no Universidade de estado de Tennessee (TSU) Agricultural Research Center em Nashville, TN, Estados Unidos. Os círculos preenchidos representam centroides (n = 8) e cada parcela constou de oito centroides de cada grade quadrada (de 1.375 x 1.375 m). Em cada subparcela, determinou-se uma área circular para amostragem de solo. XS representam locais de amostra, determinadas a partir de direções aleatórias e as distâncias de um centroide dentro de cada área de amostragem circular (círculo tracejado). Esta figura foi modificada de Li et al. 5 Clique aqui para ver uma versão maior desta figura. Figura 4 : Enredo do erro relativo (γ) para MBC sob três tratamentos de fertilização e exigência de tamanho de amostra (SSR). A escala logarítmica foi aplicada em ambos os eixos. As linhas pontilhadas representam solos cultivados, os solos de floresta de pinheiros de linhas cinzentas e os solos de floresta de madeira de linhas escuras. NN = não N fertilizante de entrada; LN = baixa N fertilizante de entrada; e HN = alta entrada de fertilizantes de N. Duas linhas diferentes para cada uso da terra correspondem a duas parcelas de replicar. Esta figura foi modificada de Li et al. 5. clique aqui para ver uma versão maior desta figura.

Discussion

O método de amostragem de solo tradicional carecia de uma base quantitativa e levou a precisão desconhecida, Considerando que as mais avançadas estratégias de amostragem envolveram coleções do solo intensivo e induzido custos inacessíveis para a maioria das pesquisas de solo para a escala de plotagem de campo. Um design simples, eficiente e confiável de amostragem deve ser uma ferramenta útil para equilibrar os dois métodos acima mencionados e, mais importante, informar uma forma quantitativa para determinar o número exigido sob certa precisão por razões de necessidades futuras amostragens. No entanto, tal um projeto de amostragem ainda está desaparecido. Aqui, foi apresentado um método para manipular um procedimento de amostragem em cluster para quantificar a heterogeneidade espacial do solo e, contando com este projeto, informar o número de amostras de solo necessária para futuras amostragens sob precisão específico. Há duas etapas críticas dentro do protocolo. A primeira é para determinar a área de amostragem e identificar a zona de amostragem em uma área de plotagem determinado. Porque a dimensão e a forma de uma trama de investigação específicos podem variar de um estudo para outro, o número e o comprimento da grade de quadrados, que representa a zona de amostragem devem ser modificados para melhor se adequam às características do terreno e cobrir a área de plotagem, tanto quanto possível. Em geral, o número de quadrados grades deve ser limitado a oito a dez anos para que serão coletadas amostras de solo de 24-30 em um determinado terreno. Menos intensivos de exigência de amostragem é aceitável para um estudo piloto em uma trama. O segundo passo fundamental é para determinar o número de amostras requerido precisão específico. Embora o número de amostras de solo sob uma precisão desejada pode ser derivado em com base na estratégia de amostragem piloto, outros recursos disponíveis precisam ser contabilizados (por exemplo, trabalho, custo e pessoal). Se o número de amostras de solo necessária para uma precisão desejada excede a acessibilidade, a precisão desejada deve ser diminuída para que o número de amostras de solo pode ser recalculado. O cálculo deve ser repetido até obter o melhor ajuste para equilibrar a precisão desejada e os recursos disponíveis.

O protocolo pode ser facilmente modificado para caber a forma específica, área e localização de uma trama de investigação. Mesmo dentro de uma trama irregular ou uma área de plotagem muito grande ou pequeno, o procedimento pode ser realizado, controlando o tamanho da grade quadrada para cobrir a maior parte da área de plotagem. Por outro lado, quando amostras são coletadas para além da zona de amostragem circular na trama, eles podem ser ainda contabilizados na análise descritiva e geoestatísticas. A flexibilidade do protocolo a este respeito é vantajosa, como pode, assim, reduzir o custo de amostragem.

Uma limitação importante desse método é que o número de amostras de solo necessários para determinados precisão dependerá do nível de trama CV determinado por um grupo de 24-30 amostras de solo na amostragem do solo piloto. Para uma trama altamente heterogênea, 30 amostras ou menos pode produzir um CV maior do que com base em um número maior de amostras (> 30). Como resultado, o número de amostras de solo, calculado com a mesma precisão será maior. Ou seja, o número de amostras necessárias para a mesma precisão vai ser subestimado na trama. Para uma trama altamente homogênea, um menor número de amostras de irá produzir um enredo nível CV semelhante ao 30 amostras, assim, resultando em uma sobreavaliação da necessidade de recurso. Portanto, para estes terrenos extremamente heterogêneos ou homogêneos, o número de amostra solo (ou seja, 30 ou menos) proposto no projeto piloto de amostragem pode causar investimentos desnecessários em fase piloto de amostragem ou em futuras amostragens.

Vamos demonstrar as vantagens significativas da estratégia de amostragem de solo em cluster. Ele fornece uma estratégia de amostragem de solo confiável e acessível para obter a heterogeneidade espacial do solo e oferece uma maneira quantitativa para derivar o número de amostras de solo necessária para uma certa precisão desejada. Embora a faixa intensiva ou amostra estratificada pode fornecer uma melhor descrição da variação espacial, o custo da realização de tal amostragem é demasiado elevado para a maioria dos estudos de solo. A amostragem tradicional é arbitrária e não possui qualquer base quantitativa para amostragem de precisão. O protocolo atual é superior devido a sua menor exigência de amostragem intensiva, facilidade em utilizá-lo no campo, poder revelar padrões espaciais usando métodos de análise rigorosa geoestatísticos e capacidade para determinar quantitativamente o tamanho de amostra dado qualquer precisão desejada. O conhecimento do tamanho da amostra necessário para uma precisão de amostragem específicos permitirá que pesquisadores strategize seus investimentos nos esforços de recolha de amostras de solo.

Empregando o procedimento de amostragem em cluster eficiente permite testes rigorosos da heterogeneidade espacial do solo e melhora a capacidade dos cientistas para realizar a amostragem de solo com precisão. A natureza menos intensiva e quantitativa da estratégia de amostragem de solo permitirá que sua aplicação larga em comunidades de investigação do solo. Dada a heterogeneidade espacial do solo provavelmente alterada sob as rápidas mudanças globais, a exigência de amostra de solo para a mesma precisão de amostragem em uma trama de investigação pode variar ao longo do tempo. O número de amostra proposto no projeto piloto de amostragem pode variar com diferentes solos e ecossistemas. Aplicações futuras que poderiam surgir a partir deste trabalho incluem a determinação do número de amostra para solos específicos ou ecossistemas. Assim, ainda mais o trabalho empírico é necessário sobre a aplicação e a identificação do método em vários solos e ecossistemas. Aplicações de longo prazo e ampla poderá ajudar a identificar um requisito de tamanho de amostra genérico para ecossistemas específicos, que pode ser recomendado para pesquisadores de solo.

Declarações

The authors have nothing to disclose.

Acknowledgements

Este estudo foi suportado pelo financiamento de nos departamento de agricultura Evans-Allen Grant (n. º 1005761). O autor agradece membros da equipe em Main Campus AREC do TSU em Nashville, Tennessee para sua assistência. Maggie Syversen ajudou lendo a versão inicial do manuscrito. O autor agradece os revisores anônimos para suas sugestões e comentários construtivos.

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

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).

Tags

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

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citar este artigo
Li, J. Sampling Soils in a Heterogeneous Research Plot. J. Vis. Exp. (143), e58519, doi:10.3791/58519 (2019).
Baixar citação
Reimpressões e Permissões

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image