Method Article

Pobieranie próbek gleb na niejednorodnej powierzchni badawczej

DOI:

10.3791/58519

January 7th, 2019

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tradycyjna procedura pobierania próbek gleby arbitralnie określa liczbę próbek gleby. W tym przypadku zapewniamy prosty, ale wydajny projekt grupowego pobierania próbek gleby, aby zademonstrować niejednorodność przestrzenną gleby i ilościowo określić wymaganą liczbę próbek gleby i związaną z tym dokładność pobierania próbek.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gleby są bardzo niejednorodne. Ogólnie rzecz biorąc, liczba próbek gleby wymaganych do badań gleby zawsze była określana arbitralnie, a związana z tym dokładność jest nieznana. W tym miejscu przedstawiamy szczegółowy protokół wydajnego i grupowego pobierania próbek gleby na powierzchni badawczej oraz, w oparciu o próbkę pilotażową z wykorzystaniem tego projektu, w celu wykazania niejednorodności przestrzennej gleby i informowania o rozsądnych rozmiarach próbek i związanej z tym dokładności dla przyszłych badań. Protokół składa się głównie z czterech etapów: projektowania próbek, zbierania próbek w terenie, analizy gleby i analizy geostatystycznej. Procedura krok po kroku jest modyfikowana zgodnie z wcześniejszymi publikacjami. Przedstawione zostaną dwa przykłady, aby zademonstrować kontrastujące rozkłady przestrzenne węgla organicznego w glebie (SOC) i węgla w biomasie mikrobiologicznej gleby (MBC) w ramach różnych praktyk zarządzania. Ponadto przedstawiamy strategię określania wymaganej wielkości próby (SSR) przy określonym poziomie dokładności w oparciu o współczynnik zmienności na poziomie wykresu (CV). Protokół pobierania próbek w terenie i ilościowe określenie wielkości próby pomogą naukowcom w poszukiwaniu wykonalnych strategii pobierania próbek w celu zaspokojenia potrzeb badawczych i dostępności zasobów.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gleby są wysoce niejednorodnymi biomateriałami1,2. Pobieranie próbek gleby przeprowadza się w celu zebrania najbardziej reprezentatywnych próbek i scharakteryzowania stanu składników odżywczych na polu tak dokładnie i niedrogo, jak to możliwe. Zmienność gleby polega na niejednorodności przestrzennej gleby i dokładności oceny ilościowej. Gdy zmienność przestrzenna gleby nie jest brana pod uwagę, typowe pobieranie próbek gleby może spowodować znaczne odchylenie od rzeczywistej średniej wartości zmiennej glebowej, nawet jeśli sama analiza gleby jest bardzo dokładna3. W przypadku heterogenicznego wykresu badawczego zmienność jest często ważniejsza niż średnie3; Oznacza to, że preferowany będzie projekt próbkowania, który może dokładnie mierzyć zarówno zmienność, jak i średnią.

Gdy przestrzenne zróżnicowanie gleby ulega dalszym zmianom z powodu praktyk zarządzania gruntami4,5,6, trudniej jest przeprowadzić dokładne pobieranie próbek gleby. Niemniej jednak obawy pojawiają się również w odniesieniu do dużych różnic w kluczowych zmiennych glebowych (np. SOC i MBC)7, które są propagowane, aby powodować słabe ograniczenia kluczowych parametrów modelu, które są krytyczne dla długoterminowych globalnych prognoz modelu gleby w kontekście zmian klimatycznych8,9,10. Ponieważ koszt pobierania próbek gleby w celu scharakteryzowania zmienności pola jest kluczowym problemem, poszukuje się prostej, niezawodnej i wydajnej strategii pobierania próbek gleby.

Istnieje wiele różnych podejść do zbierania reprezentatywnych próbek gleby na powierzchni badawczej, a ich zalety i wady są podsumowane w Tabeli 1. W tradycyjnym pobieraniu próbek gleby (tj. prostym i wyrywkowym pobieraniu próbek) na powierzchni badawczej przeprowadza się losowe pobieranie od kilku do więcej niż 10 próbek gleby. W szczególności liczba próbek w tradycyjnym projekcie pobierania próbek gleby jest zawsze określana arbitralnie, a związany z tym błąd pobierania próbek (tj. dokładność) pozostaje nieznany.

Projektowanie pobierania próbek korzyść wada Proste i losowe pobieranie próbek Opłacalny, szybki i niedrogi, szeroko stosowany, łatwy w obsłudze, optymalny w jednorodnym miejscu Niska dokładność i duża zmienność, <5 próbek Systematyczne pobieranie próbek Wysoka dokładność i znana zmienność, optymalna w heterogenicznych lokalizacjach na dużą skalę Nieopłacalna, duża liczba próbek Próbkowanie warstwowe Dokładne oszacowanie średniej, stosunkowo łatwa obsługa, optymalne dla regionów klastrowych i warstwowych Nieopłacalna, duża liczba próbek (zwykle mniejsza niż w przypadku systematycznego pobierania próbek) Kompozycji Ekonomiczne, dokładne oszacowanie średniej, łatwa obsługa, optymalne w heterogenicznym miejscu Nieznana zmienność pola, >3 próbki dla kompozytu

Tabela 1: Zalety i wady głównych projektów pobierania próbek gleby przyjętych w społeczności badaczy gleby. Tabela została podsumowana na podstawie Tan i wsp.3, Jones12, oraz Swenson et al.11

W porównaniu z prostym i losowym próbkowaniem lub komponowaniem, systematyczne i warstwowe projekty próbkowania mogą osiągać średnie z dużą dokładnością wraz z związaną z tym zmiennością (Tabela 1). Będą one jednak wymagały intensywnego pobierania próbek gleby (np. kilku 100 próbek). Chociaż dokładność i pewność co do poziomu badania gleby wzrasta wraz z większą liczbą próbek gleby pobranych na powierzchnię11, wymóg dużej liczby próbek gleby ma zasadniczo zastosowanie tylko w przypadku badania na dużą skalę5,11; Ze względu na ograniczone zasoby wykracza on znacznie poza przystępność cenową większości projektów badawczych dotyczących gleby prowadzonych na skalę działek polowych. Preferowany jest projekt pobierania próbek, aby zrównoważyć kompromisy tych różnych metod.

Kluczowym problemem dla projektu pobierania próbek gleby jest określenie wymaganej liczby próbek gleby i związanej z tym dokładności, biorąc pod uwagę pytania badawcze i warunki terenowe. Na przykład, zmniejszenie liczby próbek gleby jest możliwe w mniej zakłóconych miejscach, przy jednoczesnym osiągnięciu tego samego poziomu precyzji6, co sugeruje potrzebę wyraźnego ilościowego określenia niejednorodności przestrzennej (tj. charakteru i występowania zmienności gleby) przed pobraniem próbek gleby3. W rzeczywistości takie pilotażowe pobieranie próbek nie jest zalecane w większości projektów pobierania próbek gleby. Naukowcy terenowi często nie zdają sobie sprawy z tego, jak ważne jest szacowanie mocy statystycznej podczas projektowania eksperymentów.

Aby poprawić rygor doświadczalny w pobieraniu próbek gleby, w tym badaniu przedstawiono prostą i efektywną metodę pobierania próbek. Nowy projekt nie tylko umożliwi dokładną charakterystykę poziomów składników odżywczych i zmienności gleby, ale także, dzięki uwzględnieniu niejednorodności przestrzennej gleby, zapewni ilościowy sposób informowania o liczbie próbek gleby i związanej z tym dokładności pobierania próbek na potrzeby przyszłych badań. Nowy projekt pobierania próbek gleby powinien pomóc naukowcom w określeniu opcjonalnych strategii, które odpowiadają ich potrzebom w zakresie pobierania próbek i badań. Ogólnym celem tej metody jest zapewnienie biogeochemikom glebowym i ekologom ilościowego i manipulacyjnego podejścia do optymalizacji strategii pobierania próbek gleby w kontekście badań terenowych.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Projekt grupowego pobierania próbek na wykresie

  1. Zidentyfikuj strefy pobierania próbek na powierzchni badawczej. Określ liczbę kwadratowych siatek o równej długości (tj. Rysunek 1; Rysunek 3). W zależności od wielkości i kształtu powierzchni badawczej oczekuje się, że docelowa liczba siatek kwadratowych wyniesie od sześciu do dziesięciu, tak aby całkowita liczba próbek gleby była kontrolowana poniżej 30 na powierzchni (patrz krok 1.3).
  2. Zaznacz środek każdej kwadratowej siatki (tj. środka ciężkości) i utwórz okrągły obszar próbkowania o średnicy równej długości boku kwadratowej siatki.
  3. Stań na środku ciężkości w okrągłej strefie z zamkniętymi oczami i rzuć małym kamieniem (lub innym ciężkim przedmiotem) w losowym kierunku i odległości od środka ciężkości.
    1. Jeśli kamień zostanie upuszczony poza obszar kołowy, należy to zrobić ponownie, aż zostanie zidentyfikowane pierwsze miejsce pobierania próbek.
  4. Powtarzać krok 1.3 do momentu uzyskania trzech losowo wyrywkowych miejsc pobierania próbek w strefie kołowej.
  5. Umieść flagi w trzech lokalizacjach próbkowania i ponumeruj każdą flagę (tj. 1, 2 i 3).
  6. Powtórzyć kroki 1.3 - 1.5 we wszystkich pozostałych okrągłych strefach pobierania próbek, aż wszystkie lokalizacje zostaną określone i ponumerowane w kolejności sekwencyjnej (tj. 4, 5, 6 itd.).

2. Pomiary odległości i zbieranie gleby na działce

  1. Należy wybrać jeden punkt narożny i określić go jako początek obszaru pobierania próbek na wykresie.
  2. Zmierz odległości poziome i pionowe każdej oznaczonej lokalizacji względem punktu początkowego i zapisz je w notatniku terenowym jako współrzędne x i y.
  3. Użyj świdra do gleby, aby pobrać rdzeń gleby (0 - 15 cm) z każdego oznaczonego miejsca i oznaczyć worek na podstawie numeru flagi. Powtarzaj ten krok, aż zostaną pobrane rdzenie glebowe we wszystkich oznaczonych miejscach.
  4. Aby zminimalizować wpływ pobierania próbek (np. deptanie roślin i gleby na poletku), należy upewnić się, że worki z próbkami gleby w środku pozostają z odpowiednią flagą do momentu złożenia wszystkich worków na powierzchni jednocześnie po zakończeniu pobierania.
  5. Próbki gleby należy przetransportować w chłodziarkach do laboratorium i tego samego dnia poddać obróbce każdy rdzeń glebowy.
  6. Usuń korzenie z każdego rdzenia, przesiej go przez sito glebowe o średnicy 2 mm i dokładnie homogenizuj każdą próbkę rdzenia przed jakąkolwiek analizą.
  7. Oznaczyć zawartość wilgoci w glebie w każdej próbce, susząc podpróbki w piecu przez 24 godziny w temperaturze 105 °C i zmielić wysuszone powietrzem podpróbki gleby na drobny proszek w celu przeprowadzenia analizy całkowitej zawartości węgla (C) przy użyciu analizatora elementarnego4. SOC określa się na podstawie zawartości wilgoci i węgla.
  8. Zważyć świeże podpróbki gleby (po 10 g każda) i określić ilościowo MBC gleby za pomocą metod ekstrakcji fumigacją chloroformem-K2SO4 i mineralizacji nadsiarczanem potasu5.
  9. Połącz zestaw danych SOC i MBC ze współrzędnymi x i y na podstawie numerów flag na wykresie.

3. Analizy opisowe i geostatystyczne na wykresie

  1. Dla każdej zmiennej SOC i MBC oblicz minimum, maksimum, średnią, medianę i odchylenie standardowe, a także współczynnik zmienności (CV).
  2. Dla każdej zmiennej należy przeprowadzić zestaw analiz geoprzestrzennych (tj. analizę powierzchni trendu, autokorelację i mapę krigingu), aby zobrazować podstawowy wzór powierzchni, szczegółową zmienność skali i rozkład przestrzenny. Szczegóły dotyczące podejść do analiz geostatystycznych można znaleźć w poprzednich publikacjach4,5.

4. Badanie SSR i związana z tym dokładność pobierania próbek na wykresie

  1. Wykreślić SSR i błąd względny (γ) na podstawie CV uzyskanego na wykresie. Na każdym wykresie przekształcony logarytmicznie SSR i błąd względny (γ) mają ujemną zależność liniową (równania 1 - 3). Na podstawie zależności (równanie 3) można określić liczbę próbek wymaganą do uzyskania określonej dokładności:
    figure-protocol-1
    figure-protocol-2
    figure-protocol-3
    Tutaj CI, figure-protocol-4, s, n, N, CV i oznaczają odpowiednio przedział ufności, średnią wykresu, odchylenie standardowe wykresu, liczbę próby, współczynnik zmienności i błąd względny; t0,975 = 1,96. Wymagana wielkość próby przekształconej logarytmicznie (N) ma ujemną zależność liniową (tj. nachylenie = -2) z błędem względnym przekształconym logarytmicznie (γ).
  2. Zastosuj powyższą zależność do przyszłego pobierania próbek na wykresie, obliczając N w równaniu 3 z żądaną dokładnością (np. błąd względny [γ]). Lub, dla danej liczby próbek gleby już zebranych na powierzchni, zastosuj zależność, aby uzyskać skojarzoną dokładność.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Powyższe podejście zostało zastosowane w dwóch studiach przypadku, jednym w regionie wiejskim na południu USA, a drugim w środkowym Tennessee.

W wiejskim regionie południowego Piemontu wybrano trzy typy użytkowania gruntów, w tym 1) nieuprawiane lasy dębowo-hikorowe liściaste, 2) pola uprawne, na których corocznie stosuje się konwencjonalną uprawę i nawożenie do produkcji pszenicy, sorgo i kukurydzy, oraz 3) stare lasy sosnowe, z których każdy ma około 50 lat od ostatniej uprawy4. Dla każdego zastosowania gruntu zidentyfikowano trzy niezależnie odtworzone działki o wymiarach 30 x 30 m dla każdego zastosowania gruntu. Na każdej powierzchni zastosowano projekt pobierania próbek gleby w klastrze (Rysunek 1). Każda okrągła strefa miała promieniową odległość 5 m od każdego środka ciężkości. Z każdej z dziewięciu działek zebrano 27 rdzeni, 81 rdzeni na użytkowanie gruntu i łącznie 243 rdzenie. SOC określono ilościowo za pomocą analizatora CHN. Głównym odkryciem było to, że ziemie uprawne znacznie homogenizują przestrzenną heterogeniczność SOC i innych zmiennych4. SSR różnił się między sposobami użytkowania gruntów w porządku rosnącym, takim jak stary las polny > zregenerowany las sosnowy > pola uprawne (Rysunek 2). Wyjątkiem jest sytuacja, w której jedna działka z lasem liściastym miała SSR tak mały jak działka uprawna, a jedna działka sosnowa miała SSR tak dużą jak działka z drewnem liściastym (Rysunek 2). Biorąc na przykład γ = 0,1 lub 10%, SSR wynosił 4, 10 i 30 (grunty uprawne), 80, 85 i 300 (lasy sosnowe) oraz 25, 200 i 350 (drewno liściaste). Gdyby na wszystkich działkach pobrano tylko trzy próbki gleby, błąd względny wyniósłby ~10% - 30% (grunty uprawne), ~50% - 80% (las sosnowy) i ~28% - 100% (drewno liściaste).

figure-results-1
Rysunek 1: Ilustracja projektu grupowania losowego próbkowania na powierzchni badawczej o wymiarach 30 x 30 m w Calhoun Experimental Forest, SC, USA4. Wypełnione okręgi reprezentują centroidy (n = 9). Duży przerywany okrąg reprezentuje obszar pobierania próbek wokół jednej centroidy (promień = 5 m). Symbole X reprezentują lokalizacje próbek wyznaczone na podstawie losowo wybranych kierunków i odległości od środka ciężkości. Rysunek ten został zmodyfikowany na podstawie Li et al.4. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Wykres wymogu wielkości próby (SSR) i błędu względnego (γ) dla SOC lasu liściastego, lasu sosnowego i pól uprawnych. Skala logarytmiczna została zastosowana na obu osiach. Linie przerywane reprezentują gleby uprawne, szare linie gleby lasów sosnowych, a ciemne linie gleby lasów liściastych. Trzy różne linie dla każdego sposobu użytkowania gruntów odpowiadają trzem powtarzającym się działkom. Rysunek ten został zmodyfikowany na podstawie Li et al.4 Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

W Centrum Badań i Rozwoju Rolnictwa Uniwersytetu Stanowego Tennessee (TSU) w Nashville, TN, USA (36.12° N, 36.98° W, wysokość 127.6 m) w 2011 roku, przeprowadzono eksperyment z proso rózgowatym z trzema zabiegami nawożenia azotem (N) w randomizowanym projekcie blokowym5. Odmiana wiechlina rózgowego 'Alamo' (Panicum virgatum L.) to odmiana 'Highlander'. Trzy zabiegi azotem obejmowały brak nawożenia azotem (NN), niski wkład nawozu azotowego (LN: 84 kg N ha-1 w moczniku) i wysoki wkład nawozu N (HN: 168 kg N ha-1 w moczniku). W obrębie każdej działki wyznaczono prostokątną powierzchnię o wymiarach 2,75 x 5,5 m, która została następnie podzielona na osiem kwadratowych siatek o wymiarach 1,375 x 1,375 m. W każdej okrągłej strefie zidentyfikowano środek ciężkości i zebrano trzy rdzenie z losowym kierunkiem i odległością względem każdego środka ciężkości (Rysunek 3). W ten sposób z każdej z 12 działek zebrano łącznie 24 rdzenie, co dało 288 rdzeni glebowych. MBC w każdym rdzeniu określono ilościowo za pomocą metod ekstrakcji fumigacją chloroformu-K2SO4 i mineralizacji nadsiarczanem potasu. Głównym odkryciem było to, że nawożenie azotem ogólnie zwiększyło przestrzenną heterogeniczność MBC na polach uprawnych proso rózgowatych. SSR był ogólnie większy przy nawożeniu (Rysunek 4). Jedynym wyjątkiem jest to, że SSR dla wykresu HN był niższy niż dla wykresu NN (Rysunek 4). Biorąc za przykład γ = 0,1 lub 10%, SSR wynosił 10 i 20 na dwóch zreplikowanych wykresach (NN), 30 i 50 (LN) oraz 15 i 70 (HN). Gdyby na wszystkich działkach pobrano tylko trzy próbki gleby, błąd względny wyniósłby ~20% - 25% (NN), ~26% - 35% (LN) i ~20% - 40% (drewno liściaste).

figure-results-3
Rysunek 3: Ilustracja projektu losowego pobierania próbek w klastrze na działce o wymiarach 2,75 x 5,5 m na stanowisku eksperymentalnym nawożenia w Centrum Badań Rolniczych Uniwersytetu Stanowego Tennessee (TSU) w Nashville, TN, USA. Wypełnione okręgi reprezentują centroidy (n = 8), a każdy wykres składał się z ośmiu centroidów w każdej siatce kwadratowej (o wymiarach 1,375 x 1,375 m). Na każdym podpowierzchni wyznaczono obszar kołowy do pobierania próbek gleby. Symbole X reprezentują lokalizacje próbek wyznaczone na podstawie losowych kierunków i odległości od środka ciężkości w obrębie każdego okrągłego obszaru próbkowania (okrąg przerywany). Rysunek ten został zmodyfikowany na podstawie Li et al.5 Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Wykres wymogu wielkości próby (SSR) i błędu względnego (γ) dla MBC pod trzema zabiegami nawożenia. Skala logarytmiczna została zastosowana na obu osiach. Linie przerywane reprezentują gleby uprawne, szare linie gleby lasów sosnowych, a ciemne linie gleby lasów liściastych. NN = brak dopływu nawozu N; LN = niski poziom azotu w nawozie; i HN = wysoki dopływ nawozu N. Dwie różne linie dla każdego sposobu użytkowania gruntów odpowiadają dwóm powtarzającym się działkom. Rysunek ten został zmodyfikowany na podstawie Li et al.5. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tradycyjna metoda pobierania próbek gleby nie miała podstaw ilościowych i prowadziła do nieznanej dokładności, podczas gdy bardziej zaawansowane strategie pobierania próbek obejmowały intensywne pobieranie próbek gleby i powodowały nieosiągalne koszty większości badań gleby w skali poletki. Prosty, wydajny i niezawodny projekt pobierania próbek powinien być użytecznym narzędziem do zrównoważenia obu wyżej wymienionych metod i, co ważniejsze, do ilościowego sposobu określenia liczby wymaganej z określoną dokładnością ze względu na przyszłe potrzeby w zakresie pobierania próbek. Jednak nadal brakuje takiego projektu próbkowania. W tym miejscu zaprezentowano metodę manipulowania procedurą grupowego pobierania próbek w celu ilościowego określenia niejednorodności przestrzennej gleby i, w oparciu o ten projekt, poinformowania o liczbie próbek gleby wymaganych do przyszłego pobierania próbek z określoną dokładnością. W protokole istnieją dwa kluczowe kroki. Pierwszym z nich jest wyznaczenie obszaru pobierania próbek i określenie strefy pobierania próbek na danym obszarze działki. Ponieważ wymiar i kształt określonej powierzchni badawczej może się różnić w zależności od badania, liczba i długość kwadratowej siatki reprezentującej strefę pobierania próbek powinna zostać zmodyfikowana tak, aby jak najlepiej pasowała do charakterystyki powierzchni i obejmowała obszar powierzchni w jak największym stopniu. Ogólnie rzecz biorąc, liczba siatek kwadratowych powinna być ograniczona do ośmiu do dziesięciu, tak aby na danej działce zebrano 24 - 30 próbek gleby. Ten mniej intensywny wymóg pobierania próbek jest dopuszczalny w przypadku badania pilotażowego na powierzchni. Drugim krytycznym krokiem jest określenie liczby próbki wymaganej przy określonej dokładności. Chociaż liczbę próbek gleby z pożądaną dokładnością można wyznaczyć na podstawie strategii pilotażowego pobierania próbek, należy wziąć pod uwagę inne dostępne zasoby (np. robociznę, koszty i personel). Jeżeli liczba próbek gleby wymagana do uzyskania pożądanej dokładności przekracza przystępność cenową, należy ją obniżyć, aby można było ponownie obliczyć liczbę próbek gleby. Ponowne obliczenia należy powtarzać, aż do uzyskania najlepszego dopasowania, aby zrównoważyć pożądaną dokładność i dostępne zasoby.

Protokół można łatwo modyfikować w celu dopasowania do określonego kształtu, obszaru i lokalizacji powierzchni badawczej. Nawet w obrębie nieregularnej działki lub bardzo dużego lub małego obszaru działki procedurę można wykonać, kontrolując rozmiar kwadratowej siatki, aby pokryć większość powierzchni działki. Z drugiej strony, gdy próbki gleby są pobierane poza okrężną strefą pobierania próbek na powierzchni, można je nadal uwzględnić w analizie opisowej i geostatystycznej. Elastyczność protokołu w tym zakresie jest korzystna, ponieważ może w ten sposób obniżyć koszty pobierania próbek.

Istotnym ograniczeniem tej metody jest to, że liczba próbek gleby wymagana do uzyskania określonej dokładności będzie zależała od poziomu CV powierzchni określonego przez grupę 24–30 próbek gleby w pilotażowym pobieraniu próbek gleby. W przypadku wykresu o wysokiej niejednorodności 30 próbek lub mniej może dać większy CV niż w przypadku większej liczby próbek (> 30). W rezultacie liczba próbek gleby obliczonych z taką samą dokładnością będzie większa. Oznacza to, że liczba próbek gleby wymaganych do uzyskania tej samej dokładności zostanie przeszacowana na działce. W przypadku wysoce jednorodnej powierzchni, mniejsza liczba próbek da CV na poziomie powierzchni podobną do 30 próbek, co spowoduje przeszacowanie zapotrzebowania na zasoby. W związku z tym w przypadku tych skrajnie niejednorodnych lub jednorodnych powierzchni liczba próbek gleby (tj. 30 lub mniej) zaproponowana w projekcie pilotażowego pobierania próbek może spowodować niepotrzebne inwestycje zarówno na etapie pilotażowego pobierania próbek, jak i w przyszłe pobieranie próbek.

Wykazujemy istotne zalety strategii grupowego pobierania próbek gleby. Zapewnia niezawodną i niedrogą strategię pobierania próbek gleby w celu uzyskania niejednorodności przestrzennej gleby i oferuje ilościowy sposób na określenie liczby próbek gleby wymaganych do uzyskania określonej pożądanej dokładności. Chociaż intensywne pobieranie próbek pasowych lub warstwowych może zapewnić lepszy opis zmienności przestrzennej, koszt przeprowadzenia takiego pobierania próbek jest zbyt wysoki w przypadku większości badań gleby. Tradycyjne pobieranie próbek jest arbitralne i nie ma żadnych podstaw ilościowych dla dokładności pobierania próbek. Obecny protokół jest lepszy ze względu na mniej intensywne wymagania dotyczące pobierania próbek, łatwość obsługi w terenie, możliwość ujawniania wzorców przestrzennych przy użyciu rygorystycznych metod analizy geostatystycznej oraz zdolność do ilościowego określania wielkości próby z dowolną pożądaną dokładnością. Wiedza na temat wielkości próbki wymaganej do uzyskania określonej dokładności pobierania próbek pozwoli naukowcom na opracowanie strategii inwestycji w pobieranie próbek gleby.

Zastosowanie wydajnej procedury grupowego pobierania próbek umożliwia rygorystyczne testowanie niejednorodności przestrzennej gleby i zwiększa zdolność naukowców do dokładnego pobierania próbek gleby. Mniej intensywny i ilościowy charakter strategii pobierania próbek gleby umożliwi jej szerokie zastosowanie w środowiskach zajmujących się badaniami gleb. Biorąc pod uwagę prawdopodobną zmianę niejednorodności przestrzennej gleby pod wpływem gwałtownych zmian globalnych, wymagania dotyczące próbki gleby dla tej samej dokładności pobierania próbek na powierzchni badawczej mogą się zmieniać w czasie. Proponowana liczba próbek w projekcie pilotażowego pobierania próbek może się różnić w zależności od różnych gleb i ekosystemów. Przyszłe zastosowania, które mogą wyłonić się z tych prac, obejmują określanie liczby próbek dla określonych gleb lub ekosystemów. W związku z tym potrzebne są dalsze prace empiryczne nad zastosowaniem i identyfikacją metody w różnych glebach i ekosystemach. Długoterminowe i szerokie zastosowania mogą pomóc w określeniu ogólnego wymagania dotyczącego wielkości próby dla określonych ekosystemów, które można zalecić badaczom gleby.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autor nie ma nic do zdradzienia.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

To badanie było wspierane przez fundusze z Grantu Evansa-Allena Departamentu Rolnictwa Stanów Zjednoczonych (nr 1005761). Autor dziękuje pracownikom głównego kampusu TSU AREC w Nashville w stanie Tennessee za ich pomoc. Maggie Syversen pomogła w przeczytaniu wczesnej wersji rękopisu. Autor dziękuje anonimowym recenzentom za konstruktywne uwagi i sugestie.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Świder glebowyAMS350.05Do zbierania gleby
ŚrubokrętFisher Scientific19-313-447Do zbierania gleby
LinaFisher Scientific19-313-429Do wyznaczania strefy pobierania próbek
FatMax 35 ft. Tape Measure HomeDepot#215880Do pomiaru odległości
Oznaczanie flagiFisher ScientificS99537Do oznaczania miejsc pobierania próbek
Plastikowa torba do przechowywania z zamkiem błyskawicznymFisher Scientific09-800-16Do zbierania gleby
SharpieFisher Scientific50-111-3135Do zbierania gleby
Ołówek do znakowaniaFisher Scientific50-294-45Do rejestrowania danych w terenie
Notatnik laboratoryjnyFisher Scientific11-903 Do rejestrowania danych w terenie
ArcGis 10.3ESRIDo tworzenia mapy krigingu
SieveFisher Scientific04-881G Do przesiewania próbki gleby

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Interactions and Self-Organization in the Soil-Microbe Complex. Science. 304 (5677), 1634-1637 (2004).">Young, I. M., Crawford, J. W. Interactions and Self-Organization in the Soil-Microbe Complex. Science. 304 (5677), 1634-1637 (2004).
  2. Soil Organic Matter in Its Native State: Unravelling the Most Complex Biomaterial on Earth. Environmental Science and Technology. 50 (4), 1670-1680 (2016).">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. Soil Sampling, Preparation, and Analysis. , CRC Press. Boca Raton, FL. (2005).">Tan, K. Soil Sampling, Preparation, and Analysis. , CRC Press. Boca Raton, FL. (2005).
  4. 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. 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. Nitrogen Fertilization Elevated Spatial Heterogeneity of Soil Microbial Biomass Carbon and Nitrogen in Switchgrass and Gamagrass Croplands. Scientific Reports. 8 (1), 1734(2018).">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. Sampling Strategies for Fertility on a Stoy Silt Loam Soil. Communications in Soil Science and Plant Analysis. 26 (5-6), 741-763 (1995).">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. Toward more realistic projections of soil carbon dynamics by Earth system models. Global Biogeochemical Cycles. 30 (1), 40-56 (2016).">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. Soil carbon sensitivity to temperature and carbon use efficiency compared across microbial-ecosystem models of varying complexity. Biogeochemistry. 119 (1-3), 67-84 (2014).">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. Measuring and monitoring soil organic carbon stocks in agricultural lands for climate mitigation. Frontiers in Ecology and the Environment. 9 (3), 169-173 (2011).">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. Global soil carbon projections are improved by modelling microbial processes. Nature Climate Change. 3 (10), 909-912 (2013).">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. Sampling for Soil Testing. , North Dakota State University, Department of Soil Sciences. Research Report 8 (1984).">Swenson, L. J., Dahnke, W. C., Patterson, D. D. Sampling for Soil Testing. , North Dakota State University, Department of Soil Sciences. Research Report 8 (1984).
  12. Laboratory Guide for Conducting Soil Tests and Plant Analysis. , CRC Press. Boca Raton, FL. (2001).">Jones, J. Laboratory Guide for Conducting Soil Tests and Plant Analysis. , CRC Press. Boca Raton, FL. (2001).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Soil SamplingSoil AnalysisGeostatistical AnalysisSoil Organic CarbonSoil Microbial Biomass CarbonCoefficient Of VariationSample Size RequirementSpatial HeterogeneityResearch PlotField Collection

Related Articles