土壤侵蚀和沉积的空间格局可通过在适当时间间隔内测绘的地表高程差异推断得出。这些高程变化与近地表土壤碳酸盐的变化相关。本文介绍了对这些参数进行野外和实验室重复测量以及数据分析的可重复方法。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
土壤侵蚀与沉积的空间格局可通过在适当时间间隔内测绘的地表高程差异进行推断。这些高程变化与近地表土壤碳酸盐（CaCO3）剖面的变化相关。本研究旨在描述一个简明的概念模型，并提供可重复的野外与实验室测量这些参数的详细操作规程。本文采用地面差分全球定位系统（GPS）精确测量高程；其他数据采集方法也可适用于相同的基本方法。土壤样品按预设深度间隔采集，并在实验室中采用一种高效且精确的改进压力气量法对无机碳浓度进行定量分析。对点位数据应用标准统计方法，代表性结果表明，土壤表层CaCO3的变化与高程变化之间存在显著相关性，且与概念模型一致：在沉积区域CaCO3通常减少，而在侵蚀区域则增加。通过高程和土壤CaCO3的点位测量数据生成地图，以辅助分析。研究样地为一处雨养冬小麦田，采用冬小麦与休耕条带交替种植模式，其侵蚀与沉积格局图揭示了水蚀和风蚀在管理和地形影响下的交互作用。本文还讨论并推荐了未来将土壤侵蚀与沉积过程关联于土壤CaCO3研究中可采用的替代采样方法和深度间隔设置。
引言
土壤侵蚀威胁着农业用地的可持续性。作物管理措施，例如传统翻耕的冬小麦-休闲轮作，会加速侵蚀和沉积过程，因为在休闲期间裸露的土壤更容易受到风力和水力的作用1,2,3,4,5（图1）。尽管这些过程可能显而易见，但其量化却可能十分困难。
本研究的首要目的是提供一种高效的方法，利用全球定位系统（GPS）技术和地理信息系统（GIS）制图工具，在田间尺度上量化并描述侵蚀与沉积的空间分布模式。本文还提出并检验了一个将这些空间模式与近地表土壤碳酸盐（CaCO3）关联的简单概念模型，所采用的方法包括规定的野外与实验室手段。这些关系可为侵蚀与沉积提供间接的度量指标，同时验证GPS方法的结果。本文重点阐述Sherrod et al. 所使用的方法，以便在其他地区开展类似研究时，能够部分或完整地重复该方法6。
图1. 强降雨事件后研究地点的（a）侵蚀与（b）沉积现象照片。 照片 (b) 右下角的拖拉机轮胎痕迹显示了小麦/休闲带边界处的沉积深度。
Stroosnijder7综述了多种测量土壤侵蚀的直接方法。所建议的方法因测量目的和可用资源而异，但在坡面尺度上推荐使用“地表高程变化”法，该方法的优势在于可同时测量侵蚀和沉积。应用此方法的一种方式是在土壤中安装标记钉，监测土壤表面相对于钉子顶端的高度变化7。然而，随着土地测量技术的进步，这种劳动密集型的方法可被其他技术替代，例如地面激光扫描（TLS）8,9,10,11,12,13,14,15,16、机载激光扫描（ALS）17,18,19,20,21、GPS6,22、高级摄影测量23,24，或这些技术的组合方法25,26,27。激光扫描技术通常被称为LiDAR（光探测与测距），能够最快速地获取高密度的地表高程数据集，但必须进行校正以去除植被等立地物体的影响。尽管地面激光扫描（TLS）具有毫米级的垂直精度，能够检测到最小的高程变化，Perroy et al. 却建议在沟蚀估算中优先采用ALS而非TLS，原因是ALS具有更大的扫描覆盖范围以及更优的仪器朝向（地形遮蔽更少），更适合对深切沟壑进行扫描28。本研究采用实时动态GPS（RTKGPS），其无需数据后处理即可提供厘米级精度。RTKGPS所采集数据的空间分辨率和精度最适合于检测农田或其他具有大量地表覆盖环境中占主导地位的侵蚀与沉积特征。
利用压力-测钙计法测定土壤碳酸钙（CaCO3）含量，依赖于土壤在密闭系统中与酸反应释放出 CO2 的过程。在恒温条件下，反应容器内压力的升高与土壤中 CaCO3 的含量呈线性关系29。Sherrod et al. 对传统压力-测钙游戏副本法进行了改进，包括将反应容器更换为血清瓶，并采用连接数字电压表的压力传感器来检测压力变化30。这些改进降低了检测限，并提高了每日可处理的土壤样品通量。相比而言，重量法或简单的滴定法在测定土壤 CaCO3 含量时产生的误差更大，检测限也更高30。
概念模型
当无法直接测量侵蚀和沉积时，可使用这些过程的间接指标。Sherrod et al. 提出假设：在半干旱气候条件下，土壤表层 CaCO3 浓度与地表高程变化呈负相关（即与侵蚀正相关，与沉积负相关）6。该假设具有广泛适用性，但具体关系取决于各地的现场条件（土壤、植被、管理方式和气候）。试验地点的土壤（表1）通常在距地表15–20 cm深处含有一个明显的钙积层。从概念上讲，侵蚀会移除地表附近CaCO3 浓度较低的土层，使高CaCO3 含量的钙积层更接近地表；而低CaCO3 含量的土壤则被搬运至沉积区，导致钙积层被掩埋至更深的地表以下（图2）。根据此模型，通过在适当深度间隔随时间对这些土壤进行采样，即可依据CaCO3 浓度推断是否存在侵蚀或沉积（或两者皆无）。
| 土壤系列 | 坡度 | 系统分类 | 深度 | pH | EC | 全氮 | SOC | CaCO3 |
| % | cm | 1:2 | dS m-1 | g kg-1 | g kg-1 | g kg-1 | ||
| Colby loam | 5-9 | 粉砂质、混合型、超活性、钙质、中温干旱土（Aridic Ustorthent） | 0-15 | 8.2 | 0.24 | 0.7 | 6.1 | 69.8 |
| 15-30 | 8.3 | 0.24 | 0.5 | 4.0 | 84.3 | |||
| Kim sandy loam | 2-5 | 细质壤土、混合型、活性、钙质、中温半干旱土（Ustic Torriorthent） | 0-15 | 7.8 | 0.26 | 0.8 | 7.0 | 29.8 |
| 15-30 | 8.0 | 0.27 | 0.6 | 5.0 | 51.5 | |||
| 5-9 | 细质壤土、混合型、活性、钙质、中温半干旱土（Ustic Torriorthent） | 0-15 | 8.1 | 0.22 | 0.6 | 5.4 | 26.7 | |
| 15-30 | 8.1 | 0.19 | 0.5 | 4.1 | 25.8 | |||
| Wagonwheel loam | 0-2 | 粗粉砂质、混合型、超活性、中温干旱钙质土（Aridic Calciustept） | 0-15 | 8.2 | 0.23 | 0.7 | 5.9 | 66.2 |
| 15-30 | 8.2 | 0.23 | 0.6 | 3.7 | 98.1 | |||
| 2-5 | 粗粉砂质、混合型、超活性、中温干旱钙质土（Aridic Calciustept） | 0-15 | 8.3 | 0.23 | 0.8 | 6.6 | 52.0 | |
| 15-30 | 8.4 | 0.26 | 0.7 | 5.4 | 118.3 |
表1. 试验地点的土壤。 Scott 田块2012年的土壤制图单元及其系统分类，以及0–15 cm和15–30 cm土层深度范围内的平均土壤pH值、电导率（EC）、全氮（N）、土壤有机碳（SOC）和CaCO3 含量（引自Sherrod et al.)6。
图2. 概念性土壤剖面。 分别为 (a) 碳酸钙（CaCO3）从表层淋溶并在下层沉淀的静态土壤基质，(b) 表层中度侵蚀，以及 (c) 在先前表层之上发生中度物质堆积的概念性土壤剖面。深度区间（左侧）根据现场数据（引自 Sherrod et al）6 近似确定。请点击此处查看此图的放大版本。
地点描述与历史
面积为109公顷的斯科特试验田位于美国科罗拉多州东北部的德雷克农场（40.61oN, 104.84oW，图3），本研究对该地块从2001年至2012年进行了监测。该地区属于半干旱气候，年均降水量和蒸散量分别约为350 mm和1200 mm，夏季常出现持续时间短、强度高的对流性降雨。该区域地形起伏，海拔在1559至1588 m之间，具有明显的地貌位置：山顶、北向坡中（side-NF）、南向坡中（side-SF）和坡脚（图4b）。该地块通常采用条带式管理（条带宽约120 m），实行旱作冬小麦-休闲轮作制度，每24个月轮作周期中，每隔一条条带休耕约14个月。在休耕期间，通常使用V型铧铲进行4至6次浅耕（深度约7 cm），以控制杂草。试验点的土壤被划分为土壤容许流失量（即T值）为11 Mg ha-1 year-1，低于该T值的侵蚀速率被认为可接受，适合持续农业耕作4。
图3. 美国科罗拉多州（海拔1011至4401米）的地形地貌图上显示了采样地点位置。 该地点的平均海拔为1577 m。
图 4. 斯科特试验田的土壤图与地表高程。 (a) 斯科特试验田的土壤图，显示土壤采样点位置及作物管理条带。土壤单元缩写为：1 = Wagonwheel 壤土，0–2% 坡度；2 = Wagonwheel 壤土，2–5% 坡度；3 = Colby 壤土，5–9% 坡度；4 = Kim 细砂质壤土，2–5% 坡度；5 = Kim 细砂质壤土，5–9% 坡度；(b) 基于2001年5米网格数字高程模型（DEM）生成的田块地表高程图，土壤采样点按土地分类显示（引自 Sherrod et al）6。
2001年，首次采用RTKGPS对地表高程进行了测量，以生成该区域的数字高程模型（DEM）。同时，与McCutcheon et al. 合作，于2001年开展了详细的土壤采样工作（图4a），并采用改进的压力碳酸盐测定法对表层土壤中的CaCO3进行了分析30,31。随后十年间，由于风力（主要来自西北方向）和降雨径流事件导致的地表明显侵蚀与沉积现象，促使研究团队于2009年（部分区域于2010年完成）开展了第二次RTKGPS高程测量。通过“差值数字高程模型”图对新生成的DEM与2001年原始DEM进行对比32，证实了显著的侵蚀与沉积变化，并显示出多种控制因素共同作用的空间分布模式（图5）。鉴于该区域表层土壤发生了显著再分布，且已有历史土壤CaCO3数据，研究团队于2012年重复了2001年的土壤采样，以验证前文所述的水文成土过程概念模型6。
图5. 2001–2009*年间科罗拉多州东北部Scott试验田5米网格土地表面高程变化（Δz）图。 图中标注了轮作条带编号，对应冬小麦–休闲轮作系统，A-A'剖面线位置如图所示（详见图11）。*条带2、4、6、8于2010年补测，以完成2009年数字高程模型（引自Sherrod et al）6。请点击此处查看该图的放大版本。
访问受限。请登录或开始试用以查看此内容。
方案
1. 地表高程数据采集
- 站点 GPS 校准
- 在测量现场的安全位置处寻找或设置一个稳定的基准点，用作RTKGPS数据采集的基站GPS。
- 使用该本地基准点，以基站位置坐标的最佳近似值设置 RTK GPS 数据采集的基站即，经WAAS校正的GPS位置）。
- 使用漫游器GPS，在RTKGPS无线电通信范围（约10 km半径）内至少访问三个水平和垂直控制点基准，并记录其位置。
注：美国国家大地测量局（National Geodetic Survey）提供的基准点可在线查询33 并在此处使用。 - 根据已测量并公布的控制点坐标，使用 RTKGPS 现场软件进行站点校准34，求解用作基准站的局部基准点坐标。检查控制点的坐标残差（水平和垂直）是否在容许限差范围内（本次校准为±0.02 m）。
- GPS点数据采集
- 将基站GPS设置在本地基准点上，利用本地站点校准和现场软件，在整个测量区域内以约5米的水平间距将RTKGPS定位数据记录到GPS数据采集器中。
- 通过将巡视器GPS天线安装在车辆上，并使其距离地面保持已测量的固定高度，然后驾驶车辆沿样线穿越该区域，以高效地采集数据（图6).
- 对于样线法，定义样线的起点和终点以创建间距为5 m的平行样线。将样线的起点和终点导入GPS数据采集器，用于驾驶过程中样线的导航。驾驶样线时以约5 m/s的速度行进，并使用数据采集器以每秒自动采集一个点的频率进行数据记录。-1 每隔约 5 m 获取一次点数据。
- 在后续时间点（本研究中为 8 至 9 年后）按照上述方法在相同地点重复采集点数据，以分析地表高程变化；所有测量均使用原始的 GPS 站点校准参数，不再重复校准。
- 将基站GPS设置在本地基准点上，利用本地站点校准和现场软件，在整个测量区域内以约5米的水平间距将RTKGPS定位数据记录到GPS数据采集器中。
图6. RTKGPS高程表面数据采集。 在驾驶多功能车辆穿越田间的同时采集RTKGPS高程表面数据 (a)，同时由现场基站提供实时GPS校正 (b)。
2. 数字高程模型的创建与处理
- 创建数字高程模型（DEM）
- 将位置数据导入地理信息系统（GIS）软件，并插值生成5米网格的数字高程模型（DEM）。使用GIS软件，将实测点的高程与插值结果进行交叉验证，并选择使交叉验证误差最小的插值方法。
注：在本研究区域，普通克里金法结合高斯半变异函数模型是高程数据最优的插值方法。交叉验证还可用于评估测量方法的高程精度35。 - 对第二组位置数据重复步骤2.1.1，创建第二个数字高程模型（DEM）。
- 将位置数据导入地理信息系统（GIS）软件，并插值生成5米网格的数字高程模型（DEM）。使用GIS软件，将实测点的高程与插值结果进行交叉验证，并选择使交叉验证误差最小的插值方法。
- 绘制DEM变化图
- 在GIS中使用栅格计算器工具，将最新的DEM从原始DEM中减去，生成DEM变化的栅格图（图5），其中高程变化的负值表示侵蚀，正值表示沉积。
- 土地分类
- 利用DEM处理软件，从第一个网格DEM中计算地表地形属性（坡度、坡向、汇流面积）。
- 根据每个DEM网格单元的坡度和汇流面积，将土地划分为山顶、坡中和坡脚三类。
注：山顶表现为低坡度和低汇流面积；坡中表现为高坡度和中等汇流面积；坡脚表现为低坡度和高汇流面积。定义这些分类的坡度与汇流面积阈值取决于研究区域的地表地形特征，并需根据具体场地情况定性选定，以获得理想的分类表达效果。 - 将坡中区域按本研究区域的两个主要坡向——北向坡和南向坡——进行划分。
3. 土壤采样
- 样品规划
- 利用地理信息系统（GIS）中的参考地图规划土壤采样点位置，选择足够数量的采样点以充分代表所有地貌位置。
- 将采样点坐标上传至GPS数据采集器，以便在野外准确定位采样点。
- 根据对采样点土壤的先验知识，确定采样深度分段，以充分反映CaCO3 的空间变异性。预先标记可密封的塑料袋，注明采样点位置及深度分段。
- 野外采样
- 驾驶配备液压土壤钻取设备和RTK-GPS流动站天线的多功能车辆前往采样点，用于导航定位。
- 使用土壤钻取设备及所需直径的取样管（本研究中为5.1 cm），从每个采样点钻取土壤柱状样（图7）。
注：本研究中各采样点钻取的土芯数量、深度及分段方式有所不同。2001年，每个采样点钻取一根深达90 cm的土芯，并按30 cm分段；2012年，每个采样点（位于2001年对应样点1 m范围内）钻取两根土芯，深度均为30 cm，按15 cm分段，并将两根土芯样品合并用于分析。推荐采用2012年的方法。 - 在每个采样点记录RTK-GPS定位数据（x, y, z）。
- 将钻取的土芯按预定深度分段切割，并转移至预先标记的可密封塑料袋中，随后放入冷藏箱，运回实验室。
- 在发生显著侵蚀和/或沉积后，重复野外采样（本研究中两次采样间隔为11年）。
图7. 土壤采样。 使用配备液压土壤钻芯机的GPS导航多功能车抵达预定土壤采样点 (a)，以便提取土壤钻芯样本(b)，并按所需深度分段分割。
- 位置数据处理
- 测量两个采样日期（本研究中于2001年和2012年采集的198个土壤样品点）各土壤样品点记录的高程差异。
注：2001年的高程数据取自2001年数字高程模型（DEM），因为土壤采样时未记录采样点的高程。高程的正向变化 > 0.05 m 被视为沉积区域，而高程的负向变化 < -0.05 m 被视为侵蚀区域。 - 根据DEM处理结果（参见协议2.3.2），将每个样本位置分类为山顶、北向坡面、南向坡面或坡脚；根据坡度和汇水面积标准定义的单一位置分类，可依据周围点的主要分类进行重新归类。
- 使用 GIS 软件中的空间连接工具，将样本位置分配至用于分析的其他空间数据图层（管理区带和土壤制图单元）。
- 测量两个采样日期（本研究中于2001年和2012年采集的198个土壤样品点）各土壤样品点记录的高程差异。
4. 土壤分析
- 土壤样品制备
- 将田间采集的土壤样品置于实验室烘箱中，在 60 °C 下烘干过夜。
- 使用电动研磨机或研钵与研杵将烘干后的土壤研磨，使其通过 2 mm 筛。
- 改进型压力-测钙计装置的设置
- 搭建改进型压力-测钙计装置（图8），将压力传感器（量程 0 - 105 kPa，直流输出 0.03 - 5 V）通过 14 号导线连接至电源，并串联连接数字电压表以监测传感器输出。
- 将内径为 9.5 mm 的管路连接至压力传感器底部，并通过中间装有颗粒过滤器（0.6 µm）的 18 号鲁尔锁式皮下注射针头连接管路，以防止回流物质进入压力传感器。
- 使用血清瓶作为反应容器，并将其连接至压力传感器（图9）。通过将金属汤匙用水润湿后取约 5 mL 预期碳酸钙（CaCO3）含量较高的土壤，再用移液器加入 1 mL 的 0.5 N H2SO4 并观察起泡情况，来确定所需血清瓶的规格。
- 若起泡剧烈，则可认为样品中 CaCO3 浓度高于 15%，应使用 100 mL 血清瓶作为反应容器；否则使用 20 mL 血清瓶。
- 搭建改进型压力-测钙计装置（图8），将压力传感器（量程 0 - 105 kPa，直流输出 0.03 - 5 V）通过 14 号导线连接至电源，并串联连接数字电压表以监测传感器输出。
图8. 改良型压力-量气计装置。 改良型压力-量气计装置使用血清瓶作为反应容器，并将压力传感器连接至电压表以输出信号（源自 Sherrod et al）30。
图9. 改良压力测压计法所用的反应容器。 用于改良压力测压计法的反应容器为血清瓶，其中包含一个装有2 mL酸试剂和1 g土壤样品的0.5 dram小瓶。
- 碳酸盐测定
- 取1 g已制备好的土壤样品（见方案4.1）放入已标记的反应容器中。对于碳酸钙（CaCO3）含量超过50%的土壤，仅使用0.5 g土壤。
- 用移液器将2 mL酸试剂（6 N HCl，含3% FeCl2O4H2O）加入一个0.5 g的玻璃小瓶中。将小瓶轻轻放入反应容器内，操作时将反应容器几乎倾斜至侧位，避免溶液洒出。
- 保持装有土壤样品和酸试剂小瓶的反应容器处于倾斜状态，用灰色丁基橡胶塞密封，并用铝制密封环压紧封口。
- 以旋转方式振荡反应容器，确保土壤与酸充分混合。将反应容器置于实验台上，让反应至少进行2小时。
- 在等待反应完成的同时，使用与土壤样品相同的反应容器装置测定已知CaCO3浓度的电压值，绘制标准曲线（图10）。按质量百分比将100% CaCO3与玻璃珠或砂混合，配制一系列已知浓度的CaCO3样品，并包括一个不含CaCO3的空白样品。
- 土壤样品反应完成后，用18号皮下注射针头刺穿反应容器的橡胶隔膜，记录压力传感器输出的电压值。
- 根据测得的电压值及标准曲线所得方程计算CaCO3百分含量（图10a）。
注：由于CO2释放引起的压力升高与土壤中CaCO3浓度呈线性关系，因此可表示为：% CaCO3 = （回归系数 × 压力变化值（伏特））+ 截距。
图10. CaCO₃3 测量。（a） CaCO₃ 的标准曲线3 根据已知的 CaCO 百分比，利用压力换能器的电压读数生成3 (b) 与玻璃珠或沙子混合。
5. 统计分析
- 将两个因变量定义为从第一次到第二次采样日期（本研究中为2001年至2012年）地面高程和土壤表层CaCO3 浓度的变化。将自变量或解释变量定义为管理方式（奇数或偶数编号条带）、单个条带、条带的西区或东区、土壤制图单元、景观分类以及侵蚀/沉积分类。
- 进行相关性分析和方差分析，以在统计学上量化变量之间的关系。可在任何常用的统计软件包中执行这些分析。
访问受限。请登录或开始试用以查看此内容。
结果
通过对比2001年与2009年的数字高程模型（DEM）差异，可揭示该8年期间的地表侵蚀（红色）与沉积（绿色）现象，大部分区域的地表高程变化达到分米级（图5）。在田块尺度上，侵蚀主要发生在西部和西南部，而沉积则出现在田块东侧一条从西北向东南延伸的对角带状区域。在管理区尺度上，可见交替分布的侵蚀与沉积条带，且在管理条带边界处常出现突变。与土壤类型相关的分布模式（图4a）虽不十分显著，但仍与和土壤类型高度相关的地形特征相吻合。在地形汇聚区域，可观察到类似水流路径的细尺度侵蚀与沉积格局。在6号条带中可见三条与管理方向平行的线性侵蚀特征。为分析这些独特特征，沿西—东方向绘制了剖面线（A-A'，见图5），并进一步展示于图11，这些特征极有可能由耕作操作引起。在6号条带的这些特征区域内未设置土壤采样点。
访问受限。请登录或开始试用以查看此内容。
讨论
高程变化图（图5）显示了农田上显著的侵蚀与沉积现象，以及在多个尺度上反映多种控制因素的空间格局。从与风力相关的田间尺度格局，到由水流形成的细小的树枝状格局，本研究涉及的各类过程均清晰可辨。重复进行RTKGPS地面测量所提供的高程变化检测精度显得最为适宜。较之更精细的检测水平（如地面激光扫描TLS所提供的）可能会因引入微地形特征（如作物垄和沟）而使结果复杂化；而较粗略的检测水平（如机载测量所获得的）则可能不足以捕捉细尺度的格局。对如此规模的区域（约100公顷）开展RTKGPS地面测量需耗时数天，这主要是由于每秒仅能采集一个数据点以及覆盖整个区域所需的移动时间所限。未来，若机载测量的精度能够提升至与本研究中所用地面测量相当的水平，则可能提供更优的替代方法。
根据概念模型预测，地表土壤CaCO3 的变化与地表高程变化之间的相关性呈现出混合结果。2001年，仅在0–30 cm土层中获得了一个深度层次的土壤样品用于CaCO3 浓度测定；而2012年，0–30 cm土层被划分为两个15 cm...
访问受限。请登录或开始试用以查看此内容。
披露
作者无任何利益冲突需要披露。
致谢
野外研究地点位于 David Drake 管理的一个农场，我们感谢他在本项长期研究中的合作。我们还要感谢 Mike Murphy 多年来在该项目中的野外工作，以及 Robin Montenieri 在本文所用图示方面提供的帮助。
访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 实时动态GPS系统 | Trimble | Model 5800 | |
| GPS野外数据采集器 | Trimble | Model TSC2 | |
| GPS野外软件 | Trimble | Trimble Access（2001年用于场地校准的Trimble Survey Controller软件，但该软件目前已不再支持） | |
| 液压土壤取芯机 | Giddings Machine Company | ||
| 多功能车辆 | John Deere | Gator 6x4 | |
| GIS软件 | ESRI | ArcGIS for Desktop，含Spatial Analyst和Geostatistical Analyst扩展模块 | |
| 统计分析软件 | SAS | SAS Institute Inc. | |
| 压力传感器 0-105 kPa | Serta | Model 280E | Setra Systems, In., Boxborough, MA |
| 电压表 | WaveTek | 5XL | 设置为读取电压的数字万用表 |
| 血清瓶 | Wheaton | 223747 | 100 mL |
| 血清瓶 | Wheaton | 223762 | 20 mL |
| 20 mm铝制密封盖 | Wheaton | 224183-01 | 每箱1,000个 |
| 20 mm灰色丁基橡胶塞（双孔） | Wheaton | 224100-192 | 隔垫；每箱1,000个 |
| 手动压盖钳 | Wheaton | W225303 | 20 mm规格 |
| 手动启封器 | Wheaton | W225353 | 20 mm规格 |
| 酸化小瓶 | Wheaton | 224881 | 0.50 dram规格（2 mL） |
| 电源 | SR Components | DDU240060 | Class 2变压器交流适配器；输入120VAC，输出24VDC |
| 碳酸钙 | Fisher | 471-34-1 | 500 g，纯度100% w/w CaCO3 |
参考文献
- Freebairn, D. M. Erosion control - some observations on the role of soil conservation structures and conservation. Nat. Res. Mgt. 7 (1), 8-13 (2004).
- Garcia-Orenes, F., Roldan, A., Mataix-Solera, J., Cerda, A., Campoy, M., Arcenegui, V., Caravaca, F. Soil structural stability and erosion rates influenced by agricultural management practices in a semi-arid Mediterranean agro-ecosystem. Soil Use and Mgt. 28, 571-579 (2012).
- Hass, H. J., Willis, W. O., Bond, J. J. General relationships and conclusions. Summer Fallow in the Western United States. USDA-ARS Conserv. Res. Rpt. No. 17. , U. S. Government Printing Office. Washington, D. C. 149-160 (1974).
- Montgomery, D. R. Soil erosion and agricultural sustainability. Proc. of the Nat. Acad. of Sci. of the USA. 104 (33), 13268-13272 (2007).
- Skidmore, E. L., Layton, J. B., Armbrust, D. V., Hooker, M. L. Soil physical properties as influenced by cropping and residue management. Soil Sci. Soc. of Am. J. 50 (2), 415-419 (1986).
- Sherrod, L. A., Erskine, R. H., Green, T. R. Spatial patterns and cross-correlations of temporal changes in soil carbonates and surface elevation in a winter wheat-fallow cropping system. Soil Sci. Soc. of Am. J. 79 (2), 417-427 (2015).
- Stroosnijder, L. Measurement of erosion: Is it possible? Catena. 64 (2-3), 162-173 (2005).
- Dąbek, P., Żmuda, R., Ćmielewski, B., Szczepański, J. Analysis of water erosion processes using terrestrial laser scanning. Acta Geodynam. Et Geomat. 11 (1), 45-52 (2014).
- Day, S. S., Gran, K. B., Belmont, P., Wawrzyniec, T. Measuring bluff erosion part 1: terrestrial laser scanning methods for change detection. Earth Surf. Proc. and Landforms. 38 (10), 1055-1067 (2013).
- Eltner, A., Baumgart, P. Accuracy constraints of terrestrial Lidar data for soil erosion measurement: Application to a Mediterranean field plot. Geomorph. 245, 243-254 (2015).
- Letortu, P., et al. Retreat rates, modalities and agents responsible for erosion along the coastal chalk cliffs of Upper Normandy: The contribution of terrestrial laser scanning. Geomorph. 245, 3-14 (2015).
- Longoni, L., et al. Monitoring Riverbank Erosion in Mountain Catchments Using Terrestrial Laser Scanning. Rem. Sens. 8 (3), 241(2016).
- Meijer, A. D., Heitman, J. L., White, J. G., Austin, R. E. Measuring erosion in long-term tillage plots using ground-based lidar. Soil & Till. Res. 126, 1-10 (2013).
- Rengers, F. K., Tucker, G. E., Moody, J. A., Ebel, B. A. Illuminating wildfire erosion and deposition patterns with repeat terrestrial lidar. J. of Geophys. Res.-Earth Surf. 121 (3), 588-608 (2016).
- Schubert, J. E., Gallien, T. W., Majd, M. S., Sanders, B. E. Terrestrial Laser Scanning of Anthropogenic Beach Berm Erosion and Overtopping. J. of Coast. Res. 31 (1), 47-60 (2015).
- Stenberg, L., et al. Evaluation of erosion and surface roughness in peatland forest ditches using pin meter measurements and terrestrial laser scanning. Earth Surf. Proc. and Landforms. 41 (10), 1299-1311 (2016).
- Croke, J., Todd, P., Thompson, C., Watson, F., Denham, R., Khanal, G. The use of multi temporal LiDAR to assess basin-scale erosion and deposition following the catastrophic January 2011 Lockyer flood, SE Queensland, Australia. Geomorph. 184, 111-126 (2013).
- Earlie, C., Masselink, G., Russell, P., Shail, R. Sensitivity analysis of the methodology for quantifying cliff erosion using airborne LiDAR - examples from Cornwall, UK. J. of Coast. Res. Spec. Iss. 65, 470-475 (2013).
- Kessler, A. C., Gupta, S. C., Dolliver, H. A. S., Thoma, D. P. Lidar Quantification of Bank Erosion in Blue Earth County, Minnesota. J. of Env. Quality. 41 (1), 197-207 (2012).
- Pye, K., Blott, S. J. Assessment of beach and dune erosion and accretion using LiDAR: Impact of the stormy 2013-14 winter and longer term trends on the Sefton Coast, UK. Geomorph. 266, 146-167 (2016).
- Thoma, D. P., Gupta, S. C., Bauer, M. E., Kirchoff, C. E. Airborne laser scanning for riverbank erosion assessment. Rem. Sens. of Env. 95 (4), 493-501 (2005).
- Zhang, C. L., Yang, S., Pan, X. H., Zhang, J. Q. Estimation of farmland soil wind erosion using RTK GPS measurements and the Cs-137 technique: A case study in Kangbao County, Hebei province, northern China. Soil & Till. Res. 112 (2), 140-148 (2011).
- Neugirg, F., et al. Erosion processes in calanchi in the Upper Orcia Valley, Southern Tuscany, Italy based on multitemporal high-resolution terrestrial LiDAR and UAV surveys. Geomorph. 269, 8-22 (2016).
- Pineux, N., et al. Can DEM time series produced by UAV be used to quantify diffuse erosion in an agricultural watershed? Geomorph. 280, 122-136 (2017).
- Bremer, M., Sass, O. Combining airborne and terrestrial laser scanning for quantifying erosion and deposition by a debris flow event. Geomorph. 138 (1), 49-60 (2012).
- Day, S. S., Gran, K. B., Belmont, P., Wawrzyniec, T. Measuring bluff erosion part 2: pairing aerial photographs and terrestrial laser scanning to create a watershed scale sediment budget. Earth Surf. Proc. and Landforms. 38 (10), 1068-1082 (2013).
- De Rose, R. C., Basher, L. R. Measurement of river bank and cliff erosion from sequential LIDAR and historical aerial photography. Geomorph. 126 (1-2), 132-147 (2011).
- Perroy, R. L., Bookhagen, B., Asner, G. P., Chadwick, O. A. Comparison of gully erosion estimates using airborne and ground-based LiDAR on Santa Cruz Island, California. Geomorph. 118 (3-4), 288-300 (2010).
- Loeppert, R. H., Suarez, D. L. Carbonate and Gypsum. Methods of Soil Analysis. Part 3. Chemical Methods. Sparks, D. L., et al. , 3rd ed, SSSA. Madison, WI. 437-474 (1996).
- Sherrod, L. A., Dunn, G., Peterson, G. A., Kilberg, R. L. Inorganic carbon analysis by modified pressure-calcimeter method. Soil Sci. Soc. of Am. J. 66 (1), 299-305 (2002).
- McCutcheon, M. C., Farahani, H. J., Stednick, J. D., Buchleiter, G. W., Green, T. R. Effect of soil water on apparent soil electrical conductivity and texture relationships in a dryland field. Biosyst. Eng. 94 (1), 19-32 (2006).
- Wheaton, J. M., Brasington, J., Darby, S. E., Sear, D. A. Accounting for uncertainty in DEMs from repeat topographic surveys: improved sediment budgets. Earth Surf. Proc. and Landforms. 35 (2), 136-156 (2010).
- National Oceanic and Atmospheric Administration. Survey Marks and Datasheets. , Available from: https://www.ngs.noaa.gov/datasheets/ (2017).
- Trimble Inc. Trimble Access Software – General Survey. Version 1.60. Revision A. , (2011).
- Erskine, R. H., Green, T. R., Ramirez, J. A., MacDonald, L. H. Digital elevation accuracy and grid cell size: effects on estimated terrain attributes. Soil Sci. Soc. of Am. J. 71, 1371-1380 (2007).
访问受限。请登录或开始试用以查看此内容。
重印与许可
