在异构研究图中取样土壤

Summary

传统的土壤取样程序任意决定了土壤样品的数量。在这里, 我们提供了一个简单而有效的聚集土取样设计, 以证明土壤空间异质性, 并定量地确定所需的土壤采样数量和相关的取样精度。

Abstract

土壤是高度异质性的。一般来说, 土壤研究所需的土壤样本数量一直是任意确定的, 相关的准确性尚不清楚。在这里, 我们提出了一个详细的协议, 用于在一个研究地块中进行高效和聚集的土壤采样, 并依靠使用此设计的试点采样, 以演示土壤空间异质性, 并为合理的样本大小和相关精度提供信息。未来的研究。该协议主要包括四个步骤: 抽样设计、野外采集、土壤分析和地质统计分析。分步程序根据以前的出版物进行了修改。通过两个实例说明了不同管理实践下土壤有机碳 (soc) 与土壤微生物生物量碳 (mbc) 的对比空间分布。此外, 我们还提出了一种基于图则变异系数 (cv) 的确定样本大小要求 (ssr) 的策略。实地抽样方案和样本规模的定量确定将有助于研究人员寻求可行的抽样策略, 以满足研究需要和资源的供应。

Introduction

土壤是高度异质的生物材料^1,2。土壤取样是为了收集最具代表性的样本, 并尽可能准确和低成本地描述一个油田的养分状况。土壤的变异性在于土壤空间的异质性和定量的准确性。如果不考虑土壤的空间变化, 典型的土壤取样可能导致与土壤变量的真实平均值有很大的不同, 即使土壤分析本身是高度准确的³。对于异质研究图来说, 变异性往往比手段³更重要;也就是说, 最好是能够准确测量变异性和平均值的抽样设计。

当土壤空间变化因土地管理做法^{4、5、6 而}进一步变化时, 更难以准确进行土壤取样。然而, 人们还对关键土壤变量 (如soc 和 mbc)⁷的巨大差异表示关切, 这些变量的传播导致对长期全球土壤模型至关重要的关键模型参数的约束不力气候变化下^的预测^{8, 9,10}。由于土壤取样的成本是确定田变异性的关键问题, 因此寻求一种简单、可靠、高效的土壤取样策略。

在一个研究地块中, 收集有代表性的土壤样本有许多不同的方法, 表1总结了它们的优缺点。在传统的土壤取样 (即简单和随机抽样) 中, 在一个研究地块上随机收集了几个到10个以上的土壤样本。特别是, 传统土壤取样设计中的样本数量总是任意确定的, 相关的取样误差 (即准确性) 仍然不明。

取样设计	优势	缺点
简单的随机抽样	性价比高、快捷、价廉, 广泛采用, 操作方便, 在均匀场地上达到最佳	精度低, 变化大, lt;5 样品
系统采样	高精度和已知的变化, 在大规模异构站点中处于最佳状态	成本效益低, 样本数大
分层采样	准确的均值估计, 相对容易操作, 最优地适用于聚集和分层区域	成本效益低, 样本数大 (通常小于系统网格采样)
合成	成本效益高, 均值估计准确, 操作简单, 在异构站点上达到最佳状态	未知的场变化, & 复合材料的 gt;3 样本

表 1: 土壤研究界采用的主要土壤取样设计的优缺点.该表格由 tan等人总结.³、jones¹²和 swenson等人.¹¹

与简单和随机抽样或合成相比, 系统和分层抽样设计可以实现高精度的手段以及相关的可变性 (表 1)。但是, 它们将需要密集的土壤取样 (例如, 几个100个样本)。虽然土壤测试水平的准确性和置信度随着每图¹¹收集的土壤样本的增多而增加, 但对大量土壤样本的要求一般只适用于大规模研究^5、11;由于资源有限, 这远远超出了大多数在实地地块规模上进行的土壤研究项目的承受能力。为了平衡这些不同方法的权衡, 最好采用抽样设计。

土壤取样设计的一个关键问题是, 考虑到研究问题和现场条件, 确定所需土壤样品的数量和相关的准确性。例如, 在干扰较小的地点, 土壤样本数量的减少是可能的, 同时仍然达到同样的精度水平,这表明需要明确量化空间的异质性 (即自然和发生的情况。土壤变异性) 之前土壤取样³。事实上, 在大多数土壤取样设计中, 不建议进行这种试点取样。实地科学家在设计实验时往往没有认识到估计统计能力的重要性。

为了提高土壤取样的实验严谨性, 本文提出了一种简单有效的取样方法。新的设计不仅可以准确地描述土壤养分水平和变异性, 而且通过考虑土壤空间的异质性, 提供一种定量的方法, 为土壤样本的数量和相关的取样准确性提供信息供将来的研究。新的土壤取样设计应有助于研究人员确定适合其取样和研究需要的可选策略。该方法的总体目标是为土壤生物化学家和生态学家提供定量和操纵性的方法, 以便在实地研究的背景下优化土壤取样策略。

Protocol

1. 图中的聚类采样设计 确定研究图中的采样区域。确定长度相等的正方形网格的数量 (即 , 图 1;图 3)。根据研究地块的大小和形状, 预计方格的目标数量为6至 10个, 因此一个地块内的土壤样本总数控制在30个以下 (见步骤 1.3)。 标记每个正方形网格 (即质心) 的中心, 并创建直径等于正方形网格边长的圆形采样区域。 闭着眼睛站在圆形区域的质心上, 把一块小石头 (或另一个重量很大的物体) 扔在一个随机的方向和距离的质心上。 如果石头掉在圆形区域外, 请再次这样做, 直到确定第一个采样位置。 重复步骤 1.3, 直到在圆形区域中获得三个随机采样位置。 在三个采样位置上悬挂标志, 并在每个标记 (即1、2和 3) 上编号。 在所有其他圆形取样区重复步骤 1.3-1.5, 直到按顺序确定所有位置并对其进行编号 (即4、5、6等) 。 2. 地块内的距离测量和土壤收集 选择一个角点, 并将其标识为图形中采样区域的原点。 测量每个标记位置相对于原点的水平和垂直距离, 并将其记录在字段笔记本中作为x和y坐标。 使用土壤螺旋从每个标记的位置取一个土芯 (0-15 厘米), 并根据标记编号标记袋子。重复此步骤, 直到在所有标记的位置进行土壤岩心。 为尽量减少取样的影响 (例如, 践踏地块中的植物和土壤), 确保里面有土壤样本的袋子与各自的国旗保持在一起, 直到在收集结束时一次将地块上的所有袋子组装起来。 将冷却器中的土壤样品输送到实验室, 并在同一天对每个土壤堆芯进行处理。 从每个芯中取出根部, 通过2毫米的土壤筛子筛网, 并在任何分析之前彻底将每个岩心样品均质。 通过在105°c 下24小时的风干样品确定每个样品中的土壤水分含量, 并使用元素分析仪4将风干土壤亚样品磨成细粉, 进行总碳 (c) 分析。根据水分和 c 含量导出 soc。 称量新鲜土壤子样品 (各10克), 用氯仿熏蒸-k2so-4 萃取和过硫酸钾消化方法 量化土壤mbc 5。 根据图形中的标志编号, 将 soc 和 mbc 数据集与 x 和y坐标结合起来. 3. 图中的描述性和地理统计分析 对于 soc 和 mbc 的每个变量, 计算最小、最大、均值、中值和标准偏差, 以及变异系数 (cv)。 对于每个变量, 进行一组地理空间分析 (即趋势曲面分析、自相关和克里金图), 以描述主曲面模式、精细尺度可变性和空间分布。地质统计分析方法的详细情况见前出版物4、5. 4. ssr 及相关抽样精度的探讨 根据图中获得的 cv 绘制 ssr 和相对误差 (γ)。在每个图中, 对数变换的 ssr 和相对误差 (γ) 具有负线性关系 (方程 1-3)。根据关系 (方程 3), 可以确定指定精度所需的样本数量:  在这里, ci , , s, n, n, cv, 并表示置信区间, 图平均值, 图标准偏差, 样本数, 变异系数, 和相对误差, 分别; t0.975 = 1.96。对数变换的样本尺寸要求 (n) 与对数变换的相对误差 (γ) 呈负线性关系 (即斜率 =-2)。 通过在所需精度 (例如, 相对误差 [γ]) 下计算方程3中的 n, 将上述关系应用于图中的将来采样。或者, 对于已在地块中收集的给定数量的土壤样本, 应用该关系以相关的精度进行派生。

Representative Results

上述方法已在两个案例研究中使用, 一个在美国南部农村地区, 另一个在田纳西州中部。 在南部的皮埃蒙特地区, 选择了三种土地使用类型, 包括: (1) 未耕种的橡树-山核桃林, (2) 每年使用常规耕作和施肥生产小麦、高粱和玉米的耕地; 3)老领域松树森林是每个大约50年在年龄从最后耕种4。为每个土地的使用从该地区确定了3个独立复制的 30 x 30 米地块。在每个地块上, 都采用了整群土壤取样设计 (图 1)。每个圆形区域与每个质心有5米的径向距离。从9块土地中的每一块收集了27个岩心, 每块土地使用收集81个核心, 总共收集243个岩心。soc 由 chn 分析仪进行量化。主要发现是耕地基本同质化 soc 和其他变量4的空间异质性.由于老田森林 > 再生松林 > 耕地, 土地用途之间的 ssr 存在差异, 总体上呈上升顺序 (图 2)。例外的是, 一个硬木森林地块的 ssr 和耕地一样小, 一个松树地块的 ssr 和硬木地块一样大 (图 2)。以γ = 0.1 或10% 为例, ssr 为4、10和 30 (耕地)、80、85和 300 (松树林) 以及25、200和 350 (硬木)。如果在所有地块上只采集了三个土壤样本, 相对误差将为 ~ 10%-30% (耕地)、约 50%-80% (松林) 和 ~ 28%-100% (硬木)。 图 1: 美国 sc 卡尔霍恩实验森林 30 x 30 米研究地块内的整群随机抽样设计示例.填充的圆圈表示质心 (n = 9)。大虚线圆表示一个质心 (半径 = 5 米) 周围的采样面积。x 表示根据随机选择的方向和质心的距离确定的采样位置。这一数字已从 li等人处修改。4.请点击此处查看此图的较大版本. 图 2: 硬木林、松林和耕地 soc 样本大小要求 (ssr) 和相对误差 (γ)图。日志比例应用于两个轴。虚线代表耕地土壤、灰色线松树林土壤和黑线硬木森林土壤。每个土地使用有三条不同的线, 对应于三个复制地块。这一数字已从 li等人处修改。4 个请点击这里查看此图的较大版本. 2011年, 田纳西州立大学 (tsu) 位于美国南州州纳什维尔 (北纬 36.12°, 西经 3698°, 海拔127.6 米) 的主校区农业研究推广中心 (arec), 建立了三种氮 (氮) 施肥田间柳木试验在随机块设计中的处理 5。作物类型为东部 “阿拉莫” 开关草的 “汉兰达” 品种.这三种氮处理包括无氮肥投入 (nn)、低氮肥投入 (nn:84 公斤尿素中的 n-哈1) 和高氮肥输入 (尿素中的 n: 168 千克 n ha-1)。在每个地块内, 确定了 2.75 x 5.5 米区域的矩形区域, 并进一步划分为 1.375 x 1.375 米的8个方格。在每个圆形区域内, 确定了一个质心, 并收集了三个核心, 它们的相对于每个质心有一个随机的方向和距离 (图 3)。因此, 从12个地块中的每一块共收集了24个岩心, 产生了288个土壤岩心。采用氯仿熏蒸-k2so4 萃取法和过硫酸钾消化法对各芯的 mbc 进行了定量。主要研究发现, 氮肥一般增强了柳枝耕地 mbc 的空间异质性。施肥时的 ssr 通常更大 (图 4)。一个例外是, hn 图的 ssr 低于 nn 图的 ssr (图 4)。以γ = 0.1 或10% 为例, 两个复制图 (nn) 中的 ssr 为10和 20, rn 为30和 50, 15 和 70 (hn)。如果在所有地块上只采集了三个土壤样本, 相对误差将为 ~ 20%-25% (nn)、~ 26%-35% (ln) 和 ~ 20%-40% (硬木)。 图 3: 美国德克萨斯州纳什维尔田纳西州立大学农业研究中心的施肥实验地点 2.75 x 5.5 米地块内的整群随机抽样设计.填充的圆圈代表质心 (n = 8), 每个地块在每个正方形网格中由八个质心组成 (1.375 x 1.375 米)。在每个子地块中, 确定了土壤取样的圆形区域。x 表示根据每个圆形采样区域 (虚线圆) 内的随机方向和质心距离确定的采样位置。这一数字已从 li等人处修改。5请点击这里查看此图的较大版本. 图 4: 在三次施肥处理下, mbc 的样本大小要求 (ssr) 和相对误差 (γ) 的图.日志比例应用于两个轴。虚线代表耕地土壤、灰色线松树林土壤和黑线硬木森林土壤。nn = 无氮肥输入;ln = 低氮肥投入;和 hn = 高氮肥输入。每个土地使用有两条不同的线对应于两个复制地块。这一数字已从 li等人处修改。5.请点击此处查看此图的较大版本.

Discussion

传统的土壤取样方法缺乏定量依据, 导致准确性不明, 而更先进的取样策略涉及密集的土壤收集, 并导致大多数土壤在地块规模的研究负担不起的费用。简单、高效和可靠的抽样设计应当是平衡上述两种方法的有用工具, 更重要的是, 为了今后的取样需要, 为确定在一定精度下所需的数量提供量化信息。然而, 这种抽样设计仍然缺失。在这里, 提出了一种操作整群取样程序以量化土壤空间异质性的方法, 并根据这一设计, 在特定精度下通报今后取样所需的土壤样本数量。协议中有两个关键步骤。首先是确定采样区域, 确定给定地块区域中的采样区域。由于特定研究图的尺寸和形状可能因研究而异, 因此应修改代表采样区的方格的数量和长度, 以最适合地块特征, 并尽可能覆盖地块面积。一般来说, 方格的数量应限制在8至 10个, 以便在某一地块上收集24-30 个土壤样本。对于图中的试点研究来说, 这种不太密集的抽样要求是可以接受的。第二个关键步骤是确定特定精度下所需的样品数量。虽然可以根据试点取样战略得出低于所需精度的土壤样本数量, 但还需要考虑其他可用资源 (例如劳动力、成本和人员)。如果所需的土壤样本数量超过了所需的可负担性, 则应降低所需的精度, 以便重新计算土壤样本的数量。应重复重新计算, 直到达到最佳匹配, 以平衡所需的准确性和可用资源。

该协议可以很容易地修改, 以适应研究地块的具体形状、面积和位置。即使在不规则的地块或非常大或小的地块区域内, 也可以通过控制正方形网格的大小来覆盖大部分地块面积来执行该过程。另一方面, 当采集的土壤样本超出地块的圆形取样区时, 仍可在描述性和地质统计分析中加以说明。议定书在这方面的灵活性是有利的, 因为它可以降低取样成本。

这种方法的一个重要局限性是, 一定精度所需的土壤样本数量将取决于试点土壤取样中由一组24-30 的土壤样本确定的地块水平 cv。对于高度异质的图形, 30个或更少的样本可以产生比基于更多样本的 cv 更大的 cv (> 30个)。因此, 以同样精度计算的土壤样本数量将会更大。也就是说, 在地块中, 同样精确所需的土壤样本数量将被高估。对于高度同质的图形, 较少数量的样本将产生类似于30个样本的图级 cv, 从而导致对资源需求的高估。因此, 对于这些极不均匀或均匀的地块, 试点取样设计中提出的土壤样本数 (即30 或更少) 可能会在试点取样阶段或今后的取样阶段造成不必要的投资。

我们展示了聚集土壤采样策略的显著优势。它提供了可靠和负担得起的土壤取样策略, 以获得土壤空间异质性, 并提供了一种定量方法来得出所需的土壤样本数量, 以达到一定的预期精度。虽然集约化条带或分层取样可以更好地描述空间变化, 但进行这种取样的费用对于大多数土壤研究来说太高。传统的抽样是任意的, 缺乏任何定量的抽样准确性依据。目前的协议是优越的, 因为它的密集抽样要求较低, 易于在现场运行, 权力揭示空间模式使用严格的地质统计分析方法, 以及能力, 定量地确定样本大小给定的任何所需的精度。对特定取样精度所需的抽样规模的了解将使研究人员能够为其在土壤取样工作中的投资制定战略。

采用高效的聚集取样程序, 可以对土壤空间异质性进行严格测试, 并提高科学家准确进行土壤取样的能力。土壤取样战略的集约化和定量程度较低, 将使其能够在土壤研究界广泛应用。鉴于在全球快速变化下土壤空间异质性可能发生变化, 研究地块对相同取样精度的土壤样本要求可能会随着时间的推移而变化。试点取样设计中的拟议样本数可能因土壤和生态系统的不同而不同。这项工作今后可能出现的应用包括确定特定土壤或生态系统的样本数量。因此, 需要在该方法在各种土壤和生态系统中的应用和鉴定方面开展进一步的实证工作。长期和广泛的应用可能有助于确定特定生态系统的一般样本规模要求, 可推荐给土壤研究人员。

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