辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。     

基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。     

基于遥感数据融合的黄河三角洲土壤盐分时空变化研究

  目的  研究2005 ~ 2018年黄河三角洲地区土壤盐分在年内和年际尺度上的时空变化特征。  方法  基于2005 ~ 2018年春季覆盖黄河三角洲地区的MODIS和Landsat系列数据,采用增强型自适应反射率时空融合模型（ESTARFM）获得30米分辨率高频地表反射率数据。基于2005年实测土壤盐分数据和Landsat地表反射率数据,采用随机森林方法建立土壤盐分反演模型,反演2005 ~ 2018年黄河三角洲地区春季土壤盐分数据,分析土壤盐分含量的时空演变特征。  结果  ESTARFM融合数据具有较为理想的精度,地表反射率总体误差在4%以内。年内尺度上,2 ~ 4月份黄河三角洲地区土壤盐分含量呈总体下降趋势,3 ~ 4月份存在盐分含量短期回升现象,进入4月份后,土壤盐分含量明显下降,非盐渍土和轻度盐渍土占比增加。年际尺度上,2005 ~ 2018年研究区土壤盐分含量呈先升后降趋势,最大值出现在2009年（4.262 g kg?1）,最小值出现在2005年（3.604 g kg?1）。2009年以来,研究区内非盐渍土和轻度盐渍土面积显著增加,盐土面积显著减少,盐渍化程度明显改善。  结论  增强型自适应反射率时空融合模型可用于高频次土壤盐分数据反演,反演结果可加深对土壤盐分年内和年际变化规律的认识。     

基于机器学习算法的湖滨绿洲土壤电导率高光谱估算模型

  目的  为湖滨绿洲土壤高光谱估算土壤电导率值提供方法支持,实现区域土壤盐分快速估测。  方法  利用实测的土壤电导率值与土壤高光谱数据联合分析,采用竞争自适应重加权采样（CARS）、连续投影算法（SPA）、遗传算法（GA）筛选土壤电导率的特征波段,并基于全波段及特征波段构建BP神经网络（BPNN）、支持向量机（SVM）、极限学习机（ELM）三种机器学习算法模型,引入偏最小二乘模型（PLSR）进行对照,比较其模型精度。  结果  研究区土壤电导率值变化范围0.02～17.22 mS cm?1,平均值为2.61 mS cm?1,变异系数为134.87%,呈现强变异性;CARS、SPA、GA算法筛选的特征波段将建模输入量分别压缩至全波段数量的0.87%、1.68%、0.70%,减少建模输入量,提升建模速率,变量方法的选择CARS > SPA > GA;三种机器学习算法模型均优于PLSR模型,决定系数（R2）平均增加20.57%,相对分析误差（RPD）平均增加17.84%,土壤电导率高光谱估算模型以CARS-SVM最优,训练集与验证集R2分别为0.76和0.75,RMSE分别为1.79 和1.68 mS cm?1,RPD分别为2.04和2.00。土层深度20 ~ 30 cm的土壤电导率高光谱估算模型精度最高,训练集与验证集R2分别为0.83和0.84,RMSE分别1.37和1.77 mS cm?1,RPD分别为2.41和2.50。  结论  基于CARS-SVM的土壤电导率高光谱估算模型精度高,估算能力最优,可以为湖滨绿洲土壤电导率估算提供科学参考。     

蚁群算法在土壤质地高光谱预测建模中的应用

为提高土壤质地高光谱预测模型精度,以巢湖流域177个土样光谱为基础数据源,运用蚁群算法选择特征波长,结合BP神经网络构建土壤质地光谱预测模型,并与全光谱构建的光谱预测模型进行比较。结果表明,运用蚁群算法选择特征波长构建的光谱预测模型精度优于全光谱构建的预测模型精度,土壤粉粒含量预测模型预测集决定系数R2为0.76,RPIQ为2.23,土壤砂粒含量预测模型预测集决定系数R2为0.72,RPIQ为1.94;全光谱土壤粉粒含量预测模型预测集R2为0.57,RPIQ为1.75,全光谱土壤砂粒含量预测模型预测集R2为0.48,RPIQ为1.82。运用蚁群算法选择光谱特征波长建模,减少了数据冗余,提高了预测模型精度。     

基于玉米叶片光谱特征的土壤无机氮含量估算模型的建立与验证

  【目的】  作物叶片颜色反映土壤养分的供应状况。研究作物叶片氮素相关的特征光谱信息与土壤无机氮含量的关系,以建立基于叶片光谱信息的土壤无机氮含量诊断模型,实现利用高光谱技术对作物和土壤进行实时监测。  【方法】  在两年(2017—2018) 的玉米 (郑单958) 田间试验中,设置6个施氮水平,施氮量分别为0、60、120、180、240、300 kg/hm2。在玉米的拔节期、大喇叭口期、开花吐丝期、灌浆期测定叶片高光谱反射率,对植株和土壤样品进行采集,分析土壤无机氮含量的变化,明确叶片光谱反射率与土壤无机氮含量的关系,利用光谱参数和偏最小二乘回归法 (partial least squares regression,PLSR) 建立诊断模型并进行模型精度的评价。  【结果】  施氮处理土壤无机氮含量显著高于不施氮处理,随着生育期的推移,土壤无机氮含量呈递减趋势,追肥可显著提高土壤无机氮含量。拔节期和开花吐丝期叶片光谱反射率与土壤无机氮含量在可见光波段呈负相关关系,在近红外波段呈正相关关系;大喇叭口期两者在可见光波段呈负相关关系,灌浆期两者无明显相关关系。在光谱参数模型中,4个生育期土壤无机氮含量预测的最佳光谱指数分别为RVI-2、RSI (534,726)、RSI (567,519) 和RVI-2,其回归模型验证集的R2分别为0.642、0.749、0.696、0.540。在PLSR预测模型中,利用PLSR建立的诊断模型验证集的R2分别为0.876、0.838、0.765、0.595,RPD (ratio of percent deviation) 分别为2.140、2.077、2.002、1.369。  【结论】  基于叶片光谱反射率建立的PLSR估算模型,在玉米的拔节期、大喇叭口期、开花吐丝期均能很好地预测土壤无机氮含量。因此,利用叶片光谱特征诊断土壤无机氮含量具有一定的可行性。     

基于VNIR和机器学习算法的原状土剖面Cu含量预测

快速测量土壤剖面重金属含量是评估土壤重金属污染状况并选择相应修复技术的关键。为了探讨可见光-近红外光谱法（Visible and Near-Infrared Reflectance Spectroscopy,VNIR）预测原状土壤剖面重金属含量的潜力,以江西省两个典型工矿厂周边农田土壤为研究对象,共采集了19个深度约100 cm的完整土壤剖面样品,分别测定土壤剖面样品的VNIR数据及其Cu含量。采用偏最小二乘回归法（Partial Least Squares Regression,PLSR）、Cubist混合线性回归决策树（Cubist Regression Tree,Cubist）、高斯过程回归（Gaussian Process Regression,GPR）和支持向量机（Support Vector Machine Regression,SVM）方法研究不同光谱预处理方法对土壤Cu含量预测精度的影响。结果显示,Cubist、GPR和SVM这三种机器学习算法的预测精度普遍高于PLSR,其中一阶导数（First-Order Derivative,FD）预处理的SVM模型预测精度最高（R2=0.95,均方根误差为7.94 mg/kg,相对分析误差为4.34）。这表明利用VNIR和机器学习可以对原状土壤剖面Cu含量进行有效预测,为快速监测Cu及其他重金属含量的相关研究提供参考。     

喀斯特峰丛洼地不同植被类型土壤微生物量碳氮磷和养分特征

  目的  探讨桂西北喀斯特峰丛洼地不同植被类型的土壤理化性质和微生物碳(MBC)、微生物氮（MBN）、微生物磷（MBP）含量的变化特征及它们之间的关系。  方法  利用生态化学计量方法和Pearson相关性分析方法研究不同植被类型和土层深度对土壤MBC、MBN、MBP含量和土壤养分含量分布特征的影响。  结果  （1）不同植被类型土壤养分含量和MBC、MBN、MBP含量依次为次生林 > 灌木 > 灌草 > 草地 > 耕地;土壤养分垂直分布表现为随着土层深度加深而下降,不同土层间土壤有机碳（SOC）、全氮（TN）、全磷（TP）含量差异显著,土壤MBC、MBN和MBP含量在不同植被类型和不同土层间差异显著,均表现为MBC > MBN > MBP。（2）不同植被类型土壤MBC/SOC和MBP/TP的值较小,MBN/TN的差异较大。不同植被类型的土壤MBC/MBN差异显著,MBC/MBP变化范围较大,MBN/MBP表现为次生林 > 灌草 > 灌木 > 草地 > 耕地。（3）土壤MBC和MBN与SOC、TN、速效氮和速效钾呈显著或极显著正相关,与土壤容重、pH值表现出不同程度的负相关,表明植被恢复过程中土壤MBC和MBN可作为衡量土壤养分的敏感性指标。  结论  不同植被类型的土壤微生物生物量碳氮磷、养分含量和化学计量特征有明显的表聚效应,随着植被的正向演替,土壤结构、养分和微生物群落功能得到显著提高。     

平原区土壤质地的反射光谱预测与地统计制图

基于地统计方法的土壤属性制图通常需要大量的采样与实验室测定。本研究提出利用可见光近红外(visible-nearinfrared spectroscopy,VNIR)光谱技术测定替代实验室测定,并与地统计方法相结合预测土壤质地的空间变异。通过建立砂粒(0.02 mm),粉粒(0.002~0.02 mm),黏粒(0.002 mm)含量的VNIR光谱预测模型,将模型预测得到的质地数据和建模点实测质地数据一同用于地统计分析和Kriging插值制图。以江苏北部黄淮平原地区为案例的研究结果表明,砂粒、粉粒、黏粒含量的预测值和实测值的均方根误差(RMSE)分别为8.67%、6.90%3、.51%,平均绝对误差(MAE)分别为6.46%、5.60%、3.05%,显示了较高的预测精度。研究为快速获取平原区土壤质地空间分布提供了新的可能的途径。     

黑土养分含量的航空高光谱遥感预测

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;全氮、有效磷和速效钾的预测精度,BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

Using a global VNIR soil-spectral library for local soil characterization and landscape modeling in a 2nd-order Uganda watershed

Combining global soil-spectral libraries with local calibration samples has the potential to provide improved visible and near-infrared (VNIR, 400–2500 nm) diffuse reflectance spectroscopy (DRS) soil characterization predictions than with either global or local calibrations alone. In this study, a geographically diverse “global” soil-spectral library with 4184 samples was augmented with up to 418 “local” calibration soil samples distributed across a 2nd-order Ugandan watershed to predict the amount of clay-size material (CLAY), soil organic carbon (SOC) and proportion of expansible 2:1 clays (termed “montmorillonite” or MT in the global library). Stochastic gradient boosted regression trees (BRT) were employed for model construction, with a variety of calibration and validation schemes tested. Using the global library combined with 13- and 14-fold cross-validation by local profile for CLAY and SOC, respectively, yielded dambo/upland RMSD values of 89/68 g kg^− 1 for CLAY (N = 429/410) and 4.2/2.6 g kg^− 1 for SOC (N = 272/105). These results were obtained despite the challenge of combining spectral libraries constructed using different spectroradiometers and laboratory reference measurements (total combustion vs. Walkley–Black, hydrometer vs. pipette). Using only the global library, a VNIR-derived index of MT content was significantly correlated with the square root of X-ray diffraction (XRD) MT peak intensity for local dambo soils (r² = 0.52, N = 59, p < 0.0001), an acceptable result given the semi-quantitative nature of the reference XRD method. Though VNIR predictions did not approach laboratory precision, for soil-landscape modeling VNIR characterization worked remarkably well for clay mineralogy, was adequate for mapping dambo “depth to 35% clay”, and was insufficiently accurate for SOC mapping.     

三江平原土壤有机碳含量及其密度的空间变异特征分析

  目的  三江平原是我国重要的粮食产地,探究三江平原土壤有机碳(SOC)含量及其密度的空间分布特征及影响因素,为该区域土壤有机碳库的维持和提升提供重要依据。  方法  在三江平原地区8 km × 8 km网格法布设采样点,共采集表层（0 ~ 20 cm）土壤样品324份,开展土壤有机碳含量及其密度空间分布特征和影响因素分析。  结果  表层土壤有机碳含量平均值为30.90 ± 25.42 g kg?1、表层有机碳密度平均值为69.05 ± 48.62 t hm?2,其空间上呈“东南低－西北高”分布特征。黑土与水稻土之间土壤有机碳含量存在极显著差异（P < 0.01),与暗棕壤之间土壤有机碳含量存在显著性差异(P < 0.05);耕地－水田土壤有机碳含量最低,为27.21 g kg?1,林草地有机碳含量最高,为44.83 g kg?1,耕地与林草地之间土壤有机碳含量存在极显著差异（P < 0.01);种植水稻的土壤有机碳含量最低,为27.31 g kg?1,种植混合林的土壤有机碳含量最高为44.83 g kg?1,种植混合林与种植玉米、水稻、豆类之间的土壤有机碳含量存在极显著差异（P < 0.01)。  结论  总体看来,土地利用类型、土壤类型和作物类型三种因素对三江平原地区土壤有机碳含量及其密度均有影响,并达到显著水平。     

Prediction of atrazine sorption coefficients in soils using mid-infrared spectroscopy and partial least-squares analysis

This study explored the potential of mid-infrared spectroscopy (MIR) with partial least-squares (PLS) analysis to predict sorption coefficients (Kd) of pesticides in soil. The MIR technique has the advantage of being sensitive to both the content and the chemistry of soil organic matter and mineralogy, the important factors in the sorption of nonionic pesticides. MIR spectra and batch Kd values of atrazine were determined on a set of 31 soil samples as reference data for PLS calibration. The samples, with high variability in soil organic carbon content (SOC), were chosen from 10 southern Australian soil profiles (A1, A2, B, and C in one case). PLS calibrations, developed for the prediction of Kd from the MIR spectra and reference Kd data, were compared with predictions from Koc-based indirect estimation using SOC content. The reference Kd data for the 31 samples ranged from 0.31 to 5.48 L/kg, whereas Koc ranged from 30 to 680 L/kg. Both coefficients generally increased with total SOC content but showed a relatively poor coefficient of determination (R2 = 0.53; P > 0.0001) and a high standard error of prediction (SEP =1.22) for the prediction of Kd from Koc. This poor prediction suggested that total SOC content alone could explain only half of the variation in Kd. In contrast, the regression plot of PLS predicted versus measured Kd resulted in an improved correlation, with R2 = 0.72 ( P > 0.0001) and standard error of cross-validation (SECV) = 0.63 for three PLS factors. With the advantages of MIR-PLS in mind, (i) more accurate prediction of Kd, (ii) an ability to reflect the nature and content of SOC as well as mineralogy, and (iii) high repeatability and throughput, it is proposed that MIR-PLS has the potential for an improved and rapid assessment of pesticide sorption in soils.     

长期秸秆还田显著降低褐土底层有机碳储量

[目的]秸秆还田作为一种有效的培肥方式,对土壤固碳效果显著,但对于深层土壤有机碳的影响还存在不确定性.分析不同秸秆还田方式下褐土剖面土壤有机碳(SOC)储量变化,为褐土区秸秆还田措施优化和固碳减排等提供科学依据.[方法]长期秸秆还田试验开始于1992年,采用裂区设计,主区为化肥春季和秋季施用,副区为4个秸秆还田处理:秸...     

乡村小流域不同土壤景观表土有机质团聚体分布与分子组成变化

  【目的】  探讨丘陵山区乡村不同土壤景观表土有机质积累的团聚体分布及其化学组成的变化,为认识自然条件和人为利用下土壤有机质的空间变化特点提供新视角。  【方法】  选取江苏省南京市溧水区芳山小流域内保护林地、园地、旱地和稻田等景观样地,采集0—20 cm土壤样品,分析有机碳(SOC)总量。将土壤样品通过湿筛法分出宏团聚体(2000～250 μm)、微团聚体(250～53μm)和粉黏粒(<53 μm) 3个粒径组,测定其中有机碳含量,计算土壤中各团聚体结合态碳的比例。再者,对土壤样品依次进行总溶剂(TSE)提取,碱水解(BHY) 提取和氧化铜氧化(CUO)提取,分别主要得到游离脂、结合态脂和木质素酚,采用气相色谱–质谱联用仪(GC-MS)测定各组分中生物标志物有机分子丰度,计算分子多样性指数。  【结果】  与林地相比,园地、旱地和稻田表土本体有机碳含量分别降低70%、57%和51%,其中宏团聚体结合有机碳的含量分别降低了85%、81%和71%,微团聚体结合有机碳分别降低了74%、79%和67%,粉黏粒结合有机碳则分别降低了48%、18%和3%。表土中提取得到游离态脂类、结合态脂类和木质素酚类的有机分子丰度分别介于2.24～6.74、4.81～14.87和3.51～6.16 mg/g SOC;不同土壤景观间,这些提取态生物标志物分子丰度的变化趋势均表现为林地>稻田>园地>旱地。而木质素酚类丰度表现为林地和稻田相近。相对于林地,园地、旱地和稻田的脂肪酸丰度、烷醇、甾类及萜类等生物标志物分子丰度显著降低,但烷烃分子丰度明显增加,同时微生物来源有机质对土壤有机质的贡献提高;林地及园地土壤中结合态脂类组分以羟基酸丰度较高,而旱地和稻田则以烷酸为主。通过计算的生物标志物分子多样性指数的变化,发现游离态脂类和结合态脂类是林地和稻田高于旱地和园地,而木质素酚是稻田高于旱地,旱地又高于园地和林地。  【结论】  自然林地和农用地土壤的有机碳含量和团聚体结构具有较大差异,在提取态有机分子的组成上也具有不同的组成特征。林地土壤有机碳含量高,宏团聚体、微团聚体和粉黏粒比例均衡,有机碳的团聚体分配也均衡,而且有机质主要以植物源有机碳为主,具有碳链长、分子多样性高等特点。因之,稳定性也高。相反,园地、旱地的有机碳总量低,宏团聚体和微团聚体趋于分解,团聚体结合态有机碳显著减少,而且结合态和游离态脂类有机分子的多样性均显著降低,微生物来源有机碳对土壤有机碳的贡献更高。而稻田土壤有机碳和分子多样性均高于旱地及园地。因此,合理的土壤管理特别是有机物料的投入是提高农地土壤健康程度的重要途径。     

广东罗浮山土壤颗粒分形维数分布特征

【目的】揭示广东罗浮山不同海拔高度土壤颗粒组成分形维数特征的分布规律。【方法】在广东罗浮山不同海拔高度的10个土壤采样点挖掘剖面,采集各发生层土壤,测定了土壤颗粒组成、有机碳(SOC)、全铁(Fe_t)、游离铁(Fe_d)、无定形铁(Fe_o)、阳离子交换量(CEC)等理化性质,分析了土壤颗粒分形维数与海拔、土壤颗粒分布及化学性质之间的相关关系。【结果】随着土层深度的增加,土壤颗粒分形维数先增加后减小;随着海拔的升高,土壤黏粒含量、颗粒分形维数均呈减小趋势,且与海拔高度均呈极显著相关关系;随土壤质地的变细,分形维数平均值由2.7601上升到了2.8954,即分形维数随土壤质地的变细而增大;颗粒分形维数与砂粒呈极显著负相关关系,与黏粒呈极显著正相关关系;分形维数与SOC、Fe_o、Fe_o/Fe_d、CEC呈极显著或显著负相关关系,与Fe_t、Fe_d含量表现为极显著正相关关系;通径分析表明Fe_t、Fe     

黄土高原小流域植被恢复的土壤水分和养分权衡效应研究

  目的  明确黄土高原植被恢复影响下土壤水源涵养和养分积累的权衡和协同关系。  方法  基于野外采样和实验分析,应用多元统计方法研究了典型黄土高原小流域土壤水分和养分对不同植被恢复方式的响应。  结果  （1）不同类型人工植被恢复均会引起土壤水分含量降低,尤其是乔、灌植被深层土壤水分消耗较为严重;（2）植被恢复后土壤养分含量总体增加,其中乔、灌植被的土壤有机质、全氮、速效钾积累较草地更显著,然而不同植被类型下的土壤速效磷积累相对较低且无显著差异,并且所有人工恢复植被均引起土壤全磷和有效氮的降低,而土壤有机碳和全氮积累随植被恢复年限呈显著增加趋势。（3）综合考虑土壤水分亏缺和土壤养分积累时,乔、灌植被存在相对高水分亏缺和相对高养分积累的特征,相比而言草地土壤水分和养分的权衡更具可持续性。  结论  考虑到半干旱黄土区土壤水分和养分的权衡,合理的植被配置和对人工乔、灌植被的必要管理应该受到重视。     

Sample preparation and selection for qualitative and quantitative analyses of soil organic carbon with mid‐infrared reflectance spectroscopy

Mid‐infrared spectroscopy (MIRS) is a well‐established analytical tool for qualitative and quantitative analysis of soil samples. However, effects of soil sample grinding procedures on the prediction accuracy of MIR models and on qualitative spectral information have not been well investigated and, in consequence, not standardized up to now. Further, the effects of soil sample selection on the accuracy of MIR prediction models has not been quantified yet. This study investigated these effects by using 180 well‐characterized soil samples that were ground for different times (0, 2 or 4 minutes) and then used for MIR measurements. To study the impact of sample preparation, soil spectra were subjected to principal component analyses (PCA), multiple regression and partial least square (PLS) analysis. The results indicate that the prediction accuracy of MIR models for soil organic carbon (SOC) and pH and the qualitative spectral information were better overall for lightly ground (2 minutes) soil samples compared with intensively (4 minutes) or unground soil samples. Whereas the grinding procedure did not show any effect on spectra of clay minerals, spectral information for quartz and for SOC was modified. Even though it is difficult to recommend a global standardized soil sample grinding procedure for MIR measurements because of different mill types available within laboratories, we highly recommend using an internally standardized grinding procedure. Moreover, we show that neither land use nor soil sampling depth influences the prediction of the SOC content. However, sand and clay content substantially affect the score vectors used by the PLS algorithm to predict the SOC content. Thus, we recommend using soil samples similar in texture for more precise SOC calibration models for MIR spectroscopy.     

长期施肥下三种旱作土壤有机碳含量及其矿化势比较研究

  【目的】  通过研究长期施肥下旱作农田土壤有机碳含量和有机碳矿化势的变化及其影响因素,以期明确影响土壤有机碳贮存的可控因素,为进一步增加土壤有机碳贮存和农田可持续利用提供理论依据。  【方法】  选取黑龙江省、河南省和江西省的黑土、潮土和红壤长期定位试验的不施肥处理(CK)、单施化肥处理(CF)和有机肥化肥配施处理 (MCF),测定土壤有机碳(SOC)、微生物量碳含量(MBC),拟合土壤有机碳矿化势(C₀)和动力学常数(K_c)。并根据长期定位试验土壤有机碳的变化,采用RothC模型模拟计算碳投入量和有机碳贮存速率。  【结果】  3种土壤MCF处理的有机碳含量及其矿化势最高。黑土中,MCF处理有机碳含量及其矿化势分别比CK显著增加了4.17%、33.94% (P<0.05),MCF处理有机碳含量与CF处理差异不显著,但有机碳矿化势比CF处理显著增加了31.73% (P<0.05)。潮土中,MCF处理有机碳含量比CK和CF处理分别显著增加了40.59%、21.94% (P<0.05);MCF处理有机碳矿化势与CF处理差异不显著,是CK处理的3.14倍。红壤中,MCF处理有机碳含量比CK和CF处理分别显著增加了64.35%、43.10% (P<0.05),有机碳矿化势分别显著增加了22.20%、15.69% (P<0.05)。黑土和红壤MCF处理微生物熵(MBC∶SOC)及矿化熵(C₀∶SOC)显著高于CK处理,潮土CF处理微生物熵及矿化熵显著高于MCF和CK处理(P<0.05)。方差分析表明,土壤类型和施肥措施及其相互作用对土壤有机碳含量和矿化参数总体上有极显著影响(P<0.01)。偏相关分析表明,分别控制温度、降水和蒸发条件下,土壤有机碳与碱解氮、速效磷含量显著正相关;土壤有机碳矿化势与碳投入、全氮和速效磷含量显著正相关,与动力学常数显著负相关;分别控制温度和降水条件下,土壤有机碳与其矿化势、碳投入、全氮、碱解氮、速效磷显著正相关(P<0.05)。逐步回归分析表明,增加全氮含量以及降低年平均温度和蒸发量可以增加土壤有机碳含量;提高土壤速效磷、速效钾含量,降低土壤pH和年平均蒸发量可以增加土壤有机碳矿化势。  【结论】  综合3种农田土壤,长期有机肥化肥配施提高土壤有机碳含量及其矿化势,降低土壤pH和土壤水分蒸发能够增加土壤有机碳矿化势,因此,通过合理的施肥措施增加土壤有机碳的同时,结合调节土壤pH和土壤水分的农艺措施增加土壤有机碳矿化势,能进一步增加土壤有机碳贮存。     

长期施肥条件下红壤有机碳化学结构与团聚体稳定性的关系

[目的]红壤普遍存在团聚体结构较差和有机碳含量较低的问题,土壤有机碳是影响土壤团聚体结构的重要指标,但以往研究主要关注有机碳含量与团聚体的相关关系,而对有机碳的化学结构如何调控团聚体结构则缺乏深入研究.[方法]依托始于1986年的红壤旱地长期施肥试验,选取不施肥(CK)、施用氮磷肥(NP)、施用氮磷钾肥(NPK)、施用...