Неоднородность свойств порового пространства гумусового горизонта темно-серой почвы в масштабе педона

Автор: Фомин Д.С., Юдина А.В., Романенко К.А.

Журнал: Бюллетень Почвенного института им. В.В. Докучаева @byulleten-esoil

Статья в выпуске: 117, 2023 года.

Бесплатный доступ

Вариабельность параметров почвы зависит от выбранного метода измерений, генезиса и типа землепользования почвы, а также уровня иерархии структурной организации почвы. Компьютерная томография почв - активно развивающийся метод изучения структуры почвы, для которого остаются актуальным многие методические вопросы. Цель данной работы - изучить вариабельность основных параметров порового пространства (общей пористости, количества и среднего размера пор) на примере гумусового горизонта серой лесной почвы. Для этого было отобрано избыточное количество микромонолитов в количестве 15 штук (объемом 2 × 3 см). На основе статистической оценки варьирования параметров была поставлена задача определить оптимальное количество повторностей, позволяющее полноценно охарактеризовать микроструктуру порового пространства почвы в масштабе педона. Наименьшая разница неоднородности между педоном и репрезентативным элементарным объемом REV наблюдается для общей пористости (~12 раз), в то время как для количества и среднего размера пор это соотношение больше (~14 раз). В среднем уровень порога, при котором дисперсия свойств прекращала снижаться, для общей пористости равняется 7.3 ± 0.6 шт., для количества пор - 6.5 ± 0.6 шт., для среднего размера пор - 7.5 ± 0.4 шт. Таким образом, минимальное количество повторностей, необходимое для полной характеристики порового пространства исследованной почвы, составило 7 шт. Отбор и анализ микромонолитов в 3-кратной повторности позволили описать неоднородность структуры верхнего горизонта педона только на 25-30%.

Еще

Поровое пространство почвы, структура почвы, пестрота почвенного покрова, компьютерная томография, отбор почвенных образцов

Короткий адрес: https://sciup.org/143181144

IDR: 143181144 | DOI: 10.19047/0136-1694-2023-117-208-231

Список литературы Неоднородность свойств порового пространства гумусового горизонта темно-серой почвы в масштабе педона

Абросимов К.Н., Герке К.М., Фомин Д.С., Романенко К.А., Корост Д.В. Томография в почвоведении: от первых опытов к современным методам (обзор) // Почвоведение. 2021. № 9. С. 1097-1112.
Демьянов В.В., Савельева Е.А. Геостатистика: теория и практика. М.: Наука, 2010. 327 с.
Дмитриев Е.А. Представление о почвах как функция методов их изучения // Почвоведение. 1999. №. 1. С. 145.
Жарова Е.В., Железова С.В., Самсонова В.П. Пространственное варьирование свойств агросерой почвы в пределах сельскохозяйственного угодья Владимирского ополья // Почвоведение. 2002. №. 8. С. 936-944.
Козловский Ф.И. Теория и методы изучения почвенного покрова. М.: ГЕОС. 2003. 536 с.
Самсонова В.П. Пространственная изменчивость почвенных свойств. 2008. 160 с.
Скворцова Е.Б. и др. Влияние многократного замораживания-оттаивания на микроструктуру агрегатов дерново-подзолистой почвы (микротомографический анализ) // Почвоведение. 2018. №. 2. С. 187-196.
Урусевская И.С., Мешалкина Ю.Л., Хохлова О.С. Географо-генетические особенности гумусного состояния серых лесных почв // Почвоведение. 2000. №. 11. С. 1377-1390.
Bronick C.J., Lal R. Soil structure and management: a review // Geoderma. 2005. Vol. 124. No. 1-2. P. 3-22.
Chiles J.P., Delfiner P. Geostatistics: modeling spatial uncertainty. John Wiley, 1999. 695 p. https://doi.org/10.1002/9780470316993.
Fomin D. et al. Energy-based indicators of soil structure by automatic dry sieving // Soil and Tillage Research. 2021. Vol. 214. P. 105183.
Fomin D.S. et al. Soil pore structure dynamics under steady-state wetting-drying cycle // Geoderma. 2023. Vol. 432. P. 116401.
Gerke K.M., Karsanina M.V. How pore structure non‐stationarity compromises flow properties representativity (REV) for soil samples: Pore‐scale modelling and stationarity analysis // European Journal of Soil Science. 2021. Vol. 72. No. 2. P. 527-545.
Guo Y. et al. Tillage-induced effects on SOC through changes in aggregate stability and soil pore structure // Science of the Total Environment. 2020. Vol. 703. P. 134617.
Liang A. et al. Investigations of relationships among aggregate pore structure, microbial biomass, and soil organic carbon in a Mollisol using combined non-destructive measurements and phospholipid fatty acid analysis // Soil and Tillage Research. 2019. Vol. 185. P. 94-101.
Lucas M. et al., Soil structure formation along an agricultural chronosequence // Geoderma. 2019. Vol. 350. P. 61-72.
Luo L., Lin H., Li S. Quantification of 3-D soil macropore networks in different soil types and land uses using computed tomography // Journal of Hydrology. Vol. 393. Iss. 1-2. P. 53-64.
Menon M. et al. Pore system characteristics of soil aggregates and their relevance to aggregate stability // Geoderma. 2020. Vol. 366. P. 114259.
Mooney S.J., Young I.M., Heck R.J., Peth S. (Eds.). X-ray Imaging of the Soil Porous Architecture. Springer Nature, 2022. 229 p.
Mulla D.J., McBratney A.B. Soil spatial variability // Soil physics companion. Boca Raton: CRC Press, 2001. P. 343-77.
Pachepsky Y., Hill R.L. Scale and scaling in soils // Geoderma. 2017. Vol. 287. P. 4-30.
Papadopoulos A. et al. Investigating the effects of organic and conventional management on soil aggregate stability using X‐ray computed tomography // European Journal of Soil Science. 2009. Vol. 60. No. 3. P. 360-368.
Pennock D., Yates T., Braidek J. Soil sampling designs // Soil sampling and methods of analysis. 2008. Vol. 2. P. 25-37.
Piorr H.P. Environmental policy, agri-environmental indicators and landscape indicators // Agriculture, Ecosystems & Environment. 2003. Vol. 98. No. 1-3. P. 17-33.
Prim R.J., Kaplan D.T., Horton N.J. The mosaic package: helping students to “think with data” using R // R Journal. 2017. Vol. 9. No. 1. P. 77.
Rab M.A., Haling R.E., Aarons S.R., Hannah M., Young I.M., Gibson D. Evaluation of X-ray computed tomography for quantifying macroporosity of loamy pasture soils // Geoderma. 2014. Vol. 213. P. 460-470.
Rabot E. et al. Soil structure as an indicator of soil functions: A review // Geoderma. 2018. Vol. 314. P. 122-137.
Reynolds W.D. et al. Use of indicators and pore volume-function characteristics to quantify soil physical quality // Geoderma. 2009. Vol. 152. No. 3-4. P. 252-263.
Robinson D. broom: And package for converting statistical analysis objects into tidy data frames //arXiv preprint arXiv:1412.3565. 2014.
Royston J., A remark on algorithm AS-181-The W test for normality (Algorithm R94) // J Appl Stat. 1995. Vol. 44. No. 4. P. 547-551.
Vogel H.J. et al. Quantitative evaluation of soil functions: Potential and state // Frontiers in Environmental Science. 2019. P. 164.
Wickham H., Chang W., Wickham M.H. Package ‘ggplot2’ // Create elegant data visualisations using the grammar of graphics. Version. 2016. Vol. 2. No. 1. P. 1-189.
Wilding L.P. Spatial variability: its documentation, accommodation and implication to soil surveys // Soil Spatial Variability D.R. Nielsen, J. Bouma (Eds.). Pudoc, Wageningen, 1985. P. 166-194.
Yudina A.V. et al. Micro-within macro: How micro-aggregation shapes the soil pore space and water-stability // Geoderma. 2022. Vol. 415. P. 115771.
Yudina A., Kuzyakov Y. Saving the face of soil aggregates // Global change biology. 2019. Vol. 25. No. 11. pp. 3574-3577.
Yudina A.V. et al. From the notion of elementary soil particle to the particle-size and microaggregate-size distribution analyses: A review // Eurasian soil science. 2018. Vol. 51. P. 1326-1347.
Zhao Y., Hu X., Li X. Analysis of the intra-aggregate pore structures in three soil types using X-ray computed tomography // Catena. 2020. Vol. 193. P. 104622.
Zhao D. et al. Quantification of soil aggregate microstructure on abandoned cropland during vegetative succession using synchrotron radiation-based micro-computed tomography // Soil and Tillage Research. 2017. Vol. 165. P. 239-246.

Еще

Статья научная