剖面土壤水分测量土壤含水量系统

利用短波红外波段通过干燥过程分割来估计土壤含水量 土壤水分是直接影响蒸发、入渗和径流等多种环境过程的重要因素。而且，土壤水分在农业蒸散与粮食安全、湿地退化、干旱、陆气界面的能量交换等相关研究领域发挥着重要的作用。地面测量能够提供易于校准和长时间连续获取的数据，但该种方法仅针对单个小区域，难以支持空间变化研究或实地研究。基于水和土壤介电特性的巨大差异，微波遥感被广泛应用于大空间尺度的土壤水分监测，但不适用于精准农业等多种研究。热遥感可以根据地表温度来估算土壤水分，但热遥感信号不单受到土壤含水量（SMC）的影响，湿度、风速、大气条件等其他参数也会影响估计结果。而光学遥感由于其精细的空间分辨率和利用诸如MODIS、Landsat系列和Sentinel任务等卫星数据进行大尺度监测潜力之间的平衡而引起了诸多关注。目前已经提出了许多指标和模型来阐明反射率特征随SMC的变化，并利用实验室、实地、机载和卫星数据从窄带和宽带的反射率来估计SMC。这些方法/指标主要针对从饱和到风干的各级SMC；然而，作者发现饱和到风干的单一关系映射会导致准确估计的错误印象。在整个干燥过程中，光谱反射率特征和SMCs之间的回归关系不一致导致对相对较低的SMCs估计的精度较低。基于此，在本研究中， 来自南京大学、康奈尔大学和河南农业大学的研究团队提出了一种分割方法以更准确的估计SWC。作者监测了代表不同土壤特性的三种土壤样品的整个干燥过程，并通过蒸发速率变化确定其过渡点（如高SWC的阶段1干燥和低SWC的阶段2干燥）。建立了SMC估计指数，即短波归一化指数（SNI），基于辐射传输模型支持干燥过程中的SNI指数趋势。图1 实验装置示意图。利用ASD FieldspecPro光谱仪进行光谱辐射亮度采集。【结果】 图2 a) 三种土壤样品蒸发速率变化与干燥时间的关系，b) 干燥过程中三种土壤在2150 nm处的反射率变化。 c) 三种样品蒸发速率导数的最大值确定干燥阶段分割点。 图3 三种样品砂/土壤含水量与光谱反射率之间的线性和对数回归的R2，a) 石英砂，b) 圬工砂，c) 伊萨卡土壤，d) 模拟大气透射率。在 a)、b) 和 c) 中，黑色虚线标记为1680 nm和2150 nm。图4 a) 显示了SMC估计的验证结果。 b)、c) 和 d) 显示了三种样品的 建模曲线（实线）、回归曲线（虚线）和验证数据集（空心圆圈）。图5 a）SMC估计值和测量值关系图，其中SMC估计值使用SNI2在线性回归中计算，Bwater 在1980 nm处评估。 图 b)、c) 和 d) 显示了三种样品的建模曲线（实线）、回归曲线（虚线）和验证数据集（空心圆圈）。【结论】利用单一回归关系和单一指数估计整个干燥过程的SMC对所有土壤类型并不是有效的。该研究证明了利用现有方法估计SMC结果不准确，以及在分割干燥过程中估计SMC的基本原理。监测整个干燥过程中3种不同土壤样品的光谱反射率和重量，将其分为两个阶段用于训练和验证。此外，基于辐射传输模型研究不同干燥阶段所提出指数和光通过水的路径长度之间的关系，并支持了经验方法建立的回归关系，尤其是对路径长度相对较短的土壤。结果表明，在分割思想下，SMC估计值和测量值之间的相关性明显提高，尤其是在SMC较低的情况下（阶段2干燥过程）。蒸发速率变化决定了干燥过程的分割过渡点，所有的土壤类型并不是一个特定的SMC值；因此，理解蒸发和SMC变化导致的光谱反射率变化之间的关系是极其重要的。例如，在实际使用中，石英砂阶段2干燥可以忽略，但它却是伊萨卡土壤干燥的重要组成部分。SN1/SN2指数结合可以有效估计三种样品的SMC。对于阶段1干燥，利用SNI1指数在1680 nm和2150 nm处的反射率预测SMC是有效的。在阶段2干燥中，尽管使用1930-2150 nm组合的SNI2指数实现了最佳相关性，但作者认为1980 nm比1930 nm更适合实地应用。这种波段选择是为了避免强烈的大气水汽吸收，以确保足够的地面反射辐射到达飞机或卫星传感器。相对于将阶段2干燥视为阶段1干燥延续的指标，相关关系显著改善。作者得到了如下结论：1.干燥过程分割对从光谱反射率数据准确估计SMC是很有必要的，尤其是对于具有较长阶段2干燥过程的土壤。例如本研究中的伊萨卡土壤。对于与伊萨卡土壤相似的土壤，基于整个干燥过程的SMC估计可能会导致阶段1或阶段2干燥的偏差，这取决于哪个阶段有更多的训练集。2. 由于石英砂中光通过水的路径长度相对较长，因此当SMC较高时，SNI具有独特的特征。在圬工砂或伊萨卡土壤中，half-logistic型的SNI曲线不同于线性关系。当光程较长时，拟合关系应由线性回归变为对数回归。3. 在阶段2干燥过程中，利用现有卫星系统常用的光谱波段组合难以准确估计SMC；使用高光谱数据可以获得更高的精度，可以提供近强水吸收波段的数据，如1930 nm。虽然由于大气水汽的吸收，1930 nm不能在实验室外有效地使用，但稍微偏离中心的波长(如1980 nm)仍然比水吸收波段范围外的波长表现更好。

土壤水分特征曲线可反映不同土壤的持水和释水特性，也可从中了解给定土类的一些土壤水分常数和特征指标，研究土壤水分特征曲线具有重大意义。笔者获悉，近期，上海卢湘仪离心机仪器有限公司研发了一款测定土壤pF曲线专用离心机——H1400pF土壤用高速冷冻离心机，该离心机的成功研发将可助攻于农业科技领域的发展。一、产品简介 土壤检测离心机，用于土壤含水量对应的pF（水势）值的曲线测试，是表达土壤水势和土壤水分含量关系。 二、产品特点 土壤水分特征曲线通常采用压力膜（室）和离心机等方法进行测定。离心机法比其他方法操作简单、省时，可测定较宽的吸力范围，广泛应用于土壤水分动态模拟。这款离心机用于测量土壤含水量对应的pF（水势）值。 三、离心机设计 上海卢湘仪设计了特有的土壤水特性曲线专用水平转子，达到水平转子在测试中的转速14000转/分，相对离心力25220*g ，设计有接水器、过滤板、过滤膜、离心套筒、离心上盖、密封圈等，土壤离心机转子设计保正了在做测定土壤水特性pf曲线数据时高速旋转无渗漏，有效保证了所收集的水准确无误，使计算参数和依据得到了保证。 为了避免因空气和转子在高速旋转时产生温升过高而造成水分挥发损失，离心机设置制冷系统和温度调节系统，使工作腔温度恒定在4度左右，可根据客户需求进行调整温度。电气方面采用变频交流调速，电脑控制，离心机设有门盖，不平衡，超温，超速安全保护措施，保证高速旋转下的安全性。据相关工作人员表示，该离心机是卢湘仪技术团队倾力打造的一款离心机产品，具有多方面的技术优势。 四、离心操作方法 操作离心机前首先检查离心机电源，打开离心机总开关，取出转子上4组离心筒组件，准备土壤，准备水、天平、打开离心套筒组件，根据使用说明书要求安装稀释好的土壤，称重配平，安装离心套筒组件，检查4个组件对称放置，关上离心机门盖，设置参数，启动离心机，离心机倒计开始运转时间为0停机，打开门盖，取出离心完的离心套筒，取出接水器，将水倒入并记录水量。 五、土壤水分特征曲线概念不同质地土壤水分特征曲线有所不同 土壤水的基质势（或土壤水吸力）随土壤含水量的变化而变化，其关系曲线称为土壤水分特征曲线，英文名称为soil water characteristic curve。 一般，该曲线以土壤含水量Q（以体积百分数表示，比如土壤含水量为10%，那么在横坐标上就是对应的数字10）为横坐标，以土壤水吸力S（以大气压表示）为纵坐标。有了横坐标和纵坐标就可以绘制出不同土壤的水特性曲线图了。 六、研究土壤水分特征曲线的意义 土壤水分对植物的有效程度最终决定于土水势的高低，而不是自身的含水量。如果测得土壤的含水量，可根据土壤水分土特征曲线查得基质势值，从而可判断该土壤含水量对植物的有效程度。 土壤水分特征曲线可反映不同土壤的持水和释水特性，也可从中了解给定土类的一些土壤水分常数和特征指标。曲线的斜率倒数称为比水容量，是用扩散理论求解水分运动时的重要参数。曲线的拐点可反映相应含水量下的土壤水分状态，如当吸力趋于0时，土壤接近饱和，水分状态以毛管重力水为主；吸力稍有增加，含水量急剧减少时，用负压水头表示的吸力值约相当于支持毛管水的上升高度；吸力增加而含水量减少微弱时，以土壤中的毛管悬着水为主，含水量接近于田间持水量；饱和含水量和田间持水量间的差值，可反映土壤给水度等。故土壤水分特征曲线是研究土壤水分运动、调节利用土壤水、进行土壤改良等方面的最重要和最基本的工具。 关于上海卢湘仪离心机仪器有限公司 上海卢湘仪离心机仪器有限公司是中国一家获得美国FDA认证的专业离心机企业，生产历史悠久、技术力量雄厚、生产设备精良、检测设备齐全。其以设计精巧、造型新颖、工艺精良而闻名，生产的离心机产品质量可靠、性能稳定、规格齐全，广泛应用于高等院校，科研单位，生物制药，医疗，石油化工等领域。 经过四十多年的发展，卢湘仪已先后设计生产各种领域的离心机产品，本次研发生产的H1400pF土壤用高速冷冻离心机是一款专业测定土壤pF曲线的离心机产品，该产品将对于农业发展以及教学方面具有重要意义。

【摘要】土壤含水量的时空异质性影响着土壤水和植物茎木质部水的同位素组成。然而，土壤水分条件对广泛报道的土壤水-植物茎木质部水同位素偏差的影响尚缺乏系统地评估。为此，本研究连续两年在两个土壤水分条件不同的样地测定了柠条茎木质部水和土壤水的δ2H和δ18O值（利用全自动真空冷凝抽提系统LI-2100，北京理加联合科技有限公司）提取土壤和植物茎木质部中的水分，然后进行同位素测量）。结果表明，在较湿润的样地1，茎木质部水与土壤水在两年中都表现出明显的同位素偏差（两者的重叠率20%），土壤水-茎木质部水lc-excess差值（Δlc-excess）平均值为10.7‰，茎水SW-excess的平均值为&minus 9.1‰。但在干旱年，茎木质部水与土壤束缚水高度匹配。在土壤含水量相对较低的样地2，茎木质部水与土壤水在湿润年发生同位素偏移，两者的重叠率为20%，Δlc-excess和SW-excess平均值分别为13.7‰和&minus 11.8‰。有趣的是，在干旱年份，茎木质部水与土壤水同位素的重叠率达到97%。样地2土壤含水量与Δlc-excess值呈正相关，与SW-excess值呈负相关。本研究表明土壤束缚水与柠条茎木质部水同位素之间较高的匹配度，支持了“两个水世界”假说。土壤水-植物茎木质部水同位素偏差极有可能与土壤含水量驱动的土壤水同位素异质性密切相关。该研究结果阐明了不同水分条件下植物茎木质部水和土壤水同位素信号的变化，有助于更好地理解植物在异质土壤中如何吸收水分。【研究区域】该试验是在中国黄土高原北部六道沟小流域 (38°46′-38°51′N，110°21′-110°23′E)进行。【研究方法】(1) 土壤束缚水同位素的计算本研究中，将张力计在&minus 60 kPa压力下收集到的水分视为土壤移动水，而压力值大于&minus 60 kPa时收集到的水分则视为土壤束缚水。在土壤水分特征曲线上，土壤水吸力为60 kPa时对应的土壤含水量被认为是土壤束缚水的最大含水量。土壤水的质量含水量可以通过野外试验测定。土壤水含水量与土壤束缚水最大含水量的差值为土壤移动水的含水量。最后，根据实测的土壤水与土壤移动水的同位素值，可以计算出土壤束缚水的同位素值。式中，δLMW 、δBW、δMW分别为土壤束缚水、土壤水和土壤移动水的同位素值，θLMW、θBW、θMW分别为土壤束缚水、土壤水和土壤移动水的土壤含水量。(2) lc-excess值的计算按照Landwehr and Coplen（2006）的方法，计算了土壤水和植物茎木质部水的lc-excess值，并利用两者的差值（Δlc-excess）评估同位素偏差。Δlc-excess值越大，表明植物茎木质部水与土壤水同位素偏差越大。式中，下标“s”代表样本，a和b分别是区域降水线LMWL的斜率和截距。(3) SW-excess 值的计算按照Barbeta et al.（2019）的方法，计算了柠条茎木质部水的SW-excess值，用以评估柠条茎木质部水与土壤水同位素之间的偏离程度。若SW-excess为负值，则在δ2H-δ18O双同位素图中茎木质部水位于土壤水的下方。SW-excess值越负，表明柠条茎木质部水与土壤水同位素偏差越大。式中，下标“s”代表柠条茎木质部样本，abw和bsw分别是2018-2019年每个月份土壤水线的斜率和截距。(4) 重叠面积法评估植物-土壤水同位素偏差利用R软件中的SIBER（Stable Isotope Bayesian Ellipses）模型计算了植物茎木质部水和土壤水的重叠面积，最后给出两者的重叠面积与茎木质部水面积的比值（%）。较高的比值意味着植物茎木质部水与土壤水同位素重合度高。【结果】图1 研究期间植物水和土壤水δ18O和δ2H值的标准椭圆（95% 置信区间）。图2 样地1-2土壤水-茎木质部水分lc-excess差值（Δlc-excess）及茎水SW-excess值。图3 不同吸力下土壤水分类型示意图及样地1-2水分特征曲线。图4 植物水和不同移动性的土壤水δ18O和δ2H值的标准椭圆（95% 置信区间）。图5 土壤含水量与（a）Δlc-excess和（b）SW-excess的关系。【结论】植物茎木质部水-土壤水同位素偏差是一个复杂的问题，涉及水分提取方法、植物生理和土壤水分动态等多个方面。前人的研究已经为植物茎水同位素异质性、水分提取方法和同位素分馏如何影响同位素偏差提供了令人信服的证据，但这些影响因素均不能为本研究结果提供合理的解释。本研究在两个土壤水分条件不同的采样点，连续两年对灌木种柠条茎木质部水和土壤水进行取样。结果发现湿润样地（样地1）在丰水年或干旱年以及干旱样地（样地2）在丰水年均发生了茎水-土壤水同位素偏差，而样地2在干旱年份，柠条茎木质部水与土壤水在δ2H-δ18O双同位素空间上高度重合。此外，样地1茎木质部水与土壤束缚水同位素趋于一致，进一步支持“两个水世界”假说。样地2土壤含水量与Δlc-excess呈正相关，与SW-excess呈负相关。这些研究结果表明，土壤水-植物茎木质部水同位素偏差极有可能与土壤含水量驱动的土壤水同位素异质性密切相关。该研究也提出了一些需要解决的问题。该试验是在自然条件下进行的，目前的数据限制了我们进一步明晰水分提取技术和植物茎水同位素异质性是否会对同位素偏差产生影响。尽管这些解释并不能完全适用于本研究，但仍然不能排除这些因素对本研究的潜在影响，有必要在未来研究中全面地加以考虑。无论如何，我们的研究有助于更深入地了解植物在不同水分条件下如何利用水分，并有助于预测它们对水文气候变化的响应。

科学研究可以带领人类探索更多未知的领域，而完成一项研究离不开科研仪器的“加持”，高效精准的仪器设备将为研究人员的探索之路助一臂之力。 自2021年《政府采购进口产品审核指导标准》发布以来，国家支持重大科研设施和仪器设备国产化的力度不断提升，各省市也相继发布支持政策，在保障科研需求的前提下，优先购置国产仪器。 但购置仪器不是一件小事，哪款设备能满足需求？哪款设备性价比高？采购前的持续观望、谨慎研究，只为找到能够更好满足科研需求的设备。 如何更深入地了解一款仪器设备？当然是“用起来”。 为提升用户对国产仪器品牌的了解，解决大家的“采购”之忧，普瑞亿科将招募“产品试用官”，开展一系列国产仪器免费试用活动，让有科研需求或购买意向的用户朋友们亲身体验到国产设备的优势，同时试用官真实的试用报告，也可以给予正在观望的用户非常有价值的参考建议，诚挚邀请大家参与活动，成为我们的“产品试用官”。 本期我们将招募“Plover便携式土壤水分、温度和电导率测量系统”产品试用官，为了让用户亲身感受到产品强大的性能和配置，普瑞亿科将开放3台Plover设备，面向有研究、测试需求的用户，推出15天免费试用活动，无需观望等待，试用后觉得合适您再购买。Plover 便携式土壤水分、温度和电导率测量系统 Plover便携式土壤水分、温度和电导率测量系统是基于“真时域反射”（TureTDR）技术的土壤三参数测量系统。该系统通过激发并测量高频（~1.5GHz）电磁波的运移时间进行土壤水分和电导率的测量，同时输出土壤温度。其它测量技术因采用低频测量信号，测量过程中存在严重的水和离子极化现象，因而对盐度异常敏感；而基于TureTDR技术的Plover土壤三参数测量系统更大限度克服了上述问题，对土壤中的含盐量及各种土壤类型不敏感，可更大限度提高土壤水分和电导率测量的准确性，并进一步拓展该系统的使用场景。 Plover可以实现便携式测量，通过安卓APP手机或平板进行操作并实时记录。该便携式土壤三参数测量系统能为农业、林业、草业、生态等科研和生产场景的土壤含水量便携测量提供稳定可靠数据。15天免费试用即日起至12月31日 可拨打电话详细咨询 试用结束后，可联系工作人员归还产品，也可成为我们的“产品推荐官”，推荐下一位新用户参与试用活动（将新用户联系方式提供给工作人员即可）。1、当新用户正式开始试用产品，即推荐成功，我们将给予“推荐官”200元现金奖励；2、如果新用户试用后决定购买产品，“推荐官”将再获得1500元现金奖励。 活动结束后，我们将在普瑞亿科公众号以推送的形式展示所有试用用户的使用体验，并发起投票活动，票数前三位用户将分别获得600元、400元、200元现金奖励。*该活动最终解释权归北京普瑞亿科科技有限公司所有

面对我国粮食主产区旱情的持续发展情况，为了准确测定土壤墒情，掌握农田旱情分布状况，科学指导抗旱，中国气象局统一向多个省、市、区气象部门配发自动土壤水分观测设备。　　近日，首批100套GStar-S406土壤水分速测仪已在中国气象局气象探测中心上海物资管理处的土壤水分检测实验室一次性全部通过性能检测，已陆续发至各地投入农田干旱调查服务。该批设备是由河南省气象科学研究所和中国电子科技集团公司第27研究所共同研制，可测80厘米深度以内的各层土壤含水量，并具有GPS定位及地温测量功能，可方便进行土壤墒情调查。

ATAGO（爱拓）发布全新产品：PAL-Soil迷你数显土壤水分测定仪 该产品的成功上市，标志着ATAGO（爱拓）仪器将从食品检测工具扩大到了农业、水文、环境和水土等新领域，掀开公司发展的新篇章。 随着科学研究的发展和生产技术的进步水分的定量分析已被列为各类物质理化分析的基本项目之一，作为各类物质的一项重要的质量指标。根据不同形式试样中的不同水分含量提出了测定水分的不同要求。土壤水分测定仪是土壤的一个重要物理参数，它对于植物的生长具有重要的意义，同时土壤水分状况对于降雨产流有重要的影响，也是企业生产中重要的控制指标之一。土壤水分测定仪将会是对园林业、种植业、环境水文等研究工作中检测的迫切需求。ATAGO（爱拓）土壤水分测定仪能够对土壤水分进行实时监测。 土壤水分的多少有两种表示方法，一种是以土壤含水量表示，分重量含水量和容积含水量，二者可以通过土壤容重来换算；另外一种则是用土壤水势来表示，土壤水势的负值则是土壤水吸力。而ATAGO（爱拓）土壤水分测定仪则是利用甘油的吸收水性，通过检测甘油水溶液（甘油与水的比率为5:3）折光率的下降来计算土壤的含水量。 便携、快速的特征使土壤水分测定仪（PAL-Soil）在实验室、田间或者现场中应急检测中独具优势；产品体积小、重量轻、操作方便，且一次性检测时间仅需10分钟，最快检测时间小于1分钟；具有双标度显示功能，能显示重土壤水分和土壤体积含水率。 访问日本ATAGO（爱拓）中文网站，您将获得更多信息 …查看详细仪器价格、技术资料并订购，请致电联系我们： http://www.atago-china.com更多关于新产品的详细信息，请留意ATAGO(爱拓)中文官方网站的信息更新

11月16日，记者从抚顺市气象局获悉，该市已顺利完成了抚顺县后安镇、清原满族自治县大孤家镇和新宾满族自治县永陵镇3个新型自动土壤水分观测站的建设任务。至此，全市自动土壤水分观测站总数达到6个，观测站网布局更加合理，气象大数据信息将更好地为“三农”服务。　　此次自动土壤水分观测站建设采用了自动土壤水分观测仪，该观测仪由传感器、采集器、监测计算机、数据中心服务器四部分组成，能够实现对各土层的土壤体积含水量、重量含水率、相对湿度、浅层地温、草温等要素的连续、自动观测，通过GPRS通信技术每小时上传一次数据资料。　　与常规的土壤观测方式相比，自动土壤水分观测仪可在同一地点连续不间断测量，测量水分值的范围广、灵敏度高，设备仪器具有安装工程量小、不扰动土壤、易于维护、测量精度较高的特点。　　目前，新建的3个自动土壤水分观测站顺利通过调试，投入试运行，标志着抚顺市土壤水分观测已步入了24小时不间断的全天候监控时代。

项目编号：OITC-G220220640项目名称：中国科学院青海盐湖研究所核磁共振土壤含水量分析仪采购项目预算金额：115.0000000 万元（人民币）采购需求：1、采购项目的名称、数量：包号货物名称数量（台/套）是否允许采购进口产品采购预算（万元人民币）1核磁共振土壤含水量分析仪1是115 投标人可对其中一个包或多个包进行投标，须以包为单位对包中全部内容进行投标，不得拆分，评标、授标以包为单位。2、技术要求详见公告附件。合同履行期限：合同签订后270天内本项目( 不接受 )联合体投标。

美国SPECTRUM发布新产品TDR350 土壤水分温度电导率三参数测定仪。该土壤三参数测定仪具体介绍如下：TDR土壤水分温度电导率三参数测定仪TD350利用可靠的时域反射技术，能够对土壤水分变化全量程的进行精确测量。通过新的功能改进，能够为优化草皮提供精准测量和更加稳定的性能表现。能够对土壤EC进行测量，修正土壤水分读数。一键获取土壤水分读数，多种探针长度可以让您更好的测量目标区域数据。 TDR土壤水分温度电导率测定仪TD350产品特点：提高土壤水分测量精度（体积含水量）能够测量EC值测量草皮表面温度行业独家背光显示内部集成蓝牙和GPS模块能够保存超过50000条含有GPS的测量记录使用改进后的伸缩固定支架，调整探杆长度。6435 TDR 350 complete with case整套设备 TDR土壤水分温度电导率测定仪TD350可选附件红外温度传感器行业独家设计将土壤水分仪与红外温度测量相结合，使困难的测量变得更见快捷，简单容易实现。能够与TDR350很方便的连接高度准确的瞬时红外温度测量，能够读到冠层或土壤表面的温度温度数据与土壤水分、地理信息相结合无需测量土壤水分也可以得到目标温度能够快速准确的测量冠层表面的热量和萎蔫胁迫3676T TDR350红外温度传感器 TDR土壤水分温度电导率测定仪TD350中国总代理：南京铭奥仪器设备有限公司

物联网土壤墒情监测系统-关注土壤-发展农业【FT-TS600】土壤含水量是农业生产中的重要信息，快速准确地测定农田土壤含水量，不仅对研究土壤含水量和作物生长发育期对我来说意义重大，而且还可以按照科学的灌溉时间调节，实现自动灌溉精细化，节约宝贵的水资源，更好地发展农业生产。　　FT-TS600土壤墒情监测站是一款高度集成、低功耗、可快速安装、便于野外监测使用的高精度自动气象观测设备。　　该设备支持有线、GPRS、蓝牙等传输方式，免调试，可快速布置，广泛应用于农业、林业、地质、高校、科研等方面。主要针对土壤水分含量和土壤温度进行监测，通过水分传感器和温度传感器测量土壤的体积含水量(VWC)和温度值。同时，根据用户需求，可以扩展配置土壤电导率、土壤PH、空气温度、空气湿度、太阳辐射、雨量等气象传感器。技术参数　　1)土壤水分：测量范围：0-100%，精度：±3%，探针长度：5.5cm，探针直径：3mm，探针材料：不锈钢　　2)土壤温度：测温范围 -40+125℃，测量精度±0.5℃，分 辨 率：0.1℃　　3)土壤电导率：测量范围 可选量程：0-5000us/cm，10000us/cm，20000us/cm，测量精度0-10000us/cm范围内为±3% 10000-20000us/cm范围内为±5%，分辨率0-10000us/cm内10us/cm, 100000-20000us/cm内50us/cm(选配)　　4)土壤PH：测量范围：0-14 分辨率：0.1 测量精度：±0.2%(选配)　　5)空气温度：测量原理二极管结电压法，-40℃～85℃(±0.3℃)(选配)　　6)空气湿度：测量原理电容式，0～100%RH(±2%RH)(选配)　　7)太阳辐射：测量原理光电效应，0-2000W/m2(0.1W/m2)(选配)　　8)光学雨量：测量原理光电式，0～4mm/min(选配)　　9)数据存储：不少于50万条 　　10布设时间：1人，不大于30分钟完成布设 　　11)生产企业具有ISO质量管理体系、环境管理体系和职业健康管理体系认证　　12)生产企业具有和土壤墒情软件注册证书　　13)生产企业为3A级信用企业

2016年4月15日，我们迎来了第八届中科院土壤生态学培训班，这是北京易科泰生态技术有限公司与中科院大学的合作项目，每年一届，今年已经第八个年头。来自中科院20多个所的研究生参加了培训。新技术——LIBS元素分析系统成了本年度培训班上的亮点。Sci-Trace LIBS元素分析系统由欧洲工程技术中心（CEITEC）研制生产，用于岩矿、材料、塑料、土壤及植物等的元素分析和元素分布2D成像，可广泛应用于地质科学、材料科学、土壤科学、生物科学、环境科学、考古学、生物医学等领域样品分析。中科院老师对新技术非常感兴趣，提了很多问题，与我们工程师热烈探讨 仪器演示环节，我们展示了SoilBox便携式土壤呼吸测量系统、Soilbox-343便携式土壤呼吸测量系统和TRIME-PICO-IPH TDR剖面土壤水分测量系统， SoilBox便携式土壤呼吸测量系统可同时测量土壤O2和CO2，从而更加精确、客观、全面地反映土壤呼吸和碳排放。 Soilbox-343便携式土壤呼吸测量系统最大的优势是简单轻便，可随身携带去野外考察，适应于各种恶劣的地形地貌，下图是ECOLAB实验室在沙漠进行实验。TRIME-PICO土壤水分测量系统可方便、快速地测量土壤表层含水量，与延长杆联合使用也可以测量深层土壤含水量。基于FAO2006的标准，TRIME-PICO探头可用于对高盐土壤情况进行普查；也可以通过测量土壤电导率的大小，间接地反映土壤含盐量，从而对施肥管理提供指导。 同学们之前只是从课堂上学过理论知识，这次有机会见到实物，都非常兴奋，非常踊跃，摩拳擦掌地说要试试。团团围住工程师，认真听工程师的介绍并提出很多问题，然后还自己动手进行操作。培训班进行得非常顺利，我们离开的时候得到了同学们热烈的掌声。

土壤墒情监测仪在墒情监测中立下了汗马功劳。随着现在环境保护意识的越来越强，减少化肥的使用可以有效改善土壤的状况，通过土壤墒情监测，可以提高灌溉水和化肥使用的有效率，在保证农作物水充足的前提下，最大限度的节约灌溉水和化肥的使用，节约灌溉水和化肥，对于环境保护方面也有重要的意义。通过这款WX-TZSQ60土壤墒情监测仪可以快速的测定土壤含水量，以往依靠经验来预测的生产方式已逐步被淘汰，因此这款系统能被大范围应用，能够满足科研、生产、教学等相关工作需求。它主要针对土壤水分含量和土壤温度进行监测，通过水分传感器和温度传感器测量土壤的体积含水量和温度值。土壤墒情监测仪是一款集土壤温湿度采集、存储、传输和管理于一 体的自动监测系统。在不同介电系数物质中的频率变化测得各土层的湿度，利用高精度数字温度传感器，测量各层土壤温度。可实现多参数环境监测。根据用户需求选配，具体选配，这款设备在农业、林业、环境保护、水利、气象等行业中立下了汗马功劳，值得选择。推荐阅读：便携式移动气象站——实现智慧农业、林业、城市的重要工具

水是地球的生命之源，万物生长都离不开水，包括植物也一样，之所以能在土壤中生长，不光是因为土壤中有养分存在，也是因为土壤中有水的存在，这是植物生长所必须的基本条件之一。地球上有很多地质形态，有湿地、有沼泽、有黑土地、也有沙漠，其中沙漠中因为严重缺少水分，所以几乎没有植物的存在，通过这个现象我们也可以看出水分对土壤的重要性。　　在现代农业的生产中，检测、监测土壤水分是一项不可忽略的重要工作，在这项工作共发挥亮点作用的就是我们河南云飞科技发展有限公司研发生产的土壤墒情速测仪，该仪器可以帮助我们快速、精准的测量出土壤中的水分含量，并其将模拟信号直接转化为可读的数字信号。　　土壤墒情速测仪是一款便携式的测量土壤水分的仪器，方便携带。土壤墒情速测仪可以通过GPS定位系统掌握土壤的墒情（水分）的分布状况，为差异化的节水灌概提供科学的依据，同时精确的供水也有利于提高作物的产量和品质。　　通过土壤墒情速测仪的检测结果，我们就可以根据作物生长对水分的要求来进行土壤含水量的调整，达到作物生长理想的水分要求。如果是在农业物联网系统中，我们也可以通过土壤墒情速测仪对土壤水分进行长期定时监测，发现土壤水分已有偏差，就可以通过系统自动执行对土壤水分调节，并且除了在PC端之外我们也可以在现场仪器上读取数据。

2018年，由北京普瑞亿科科技有限公司研发的PRI-8800全自动变温培养土壤温室气体在线测量系统，一经推出便得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展。目前以PRI-8800为关键设备发表的相关文章已达24篇。 今天与大家分享的是中国科学院地理科学与资源研究所刘远团队在调查基质可用性（根系分泌物）的变化如何影响不同土壤剖面中土壤有机碳（SOC）矿化的温度响应（Q10）方面取得的进展，在该项研究中，研究团队利用PRI-8800对SOC矿化率进行高频测量，为研究结果提供了有力的数据支撑。 土壤有机碳（SOC）矿化是导致大量碳从土壤流失到大气中的一个主要过程，而温度会极大地影响这一过程。预计在下个世纪，底土和表土都将经历类似程度的变暖。气候变暖预计会产生土壤碳-气候正反馈，从而加速气候变化。这种正反馈的大小在很大程度上取决于不同深度SOC矿化的温度敏感性（Q10）。因此，更好地了解不同深度的Q10变化及其内在机制，对于准确预测气候变化情景下的土壤碳动态至关重要。尽管在理解全球变暖对底土碳动态影响方面取得了进展，但对于Q10在土壤剖面不同深度的变化方式仍未达成共识。 为了更好地理解气候变化背景下土壤碳动态，刘远团队从三个地点采集了土壤剖面的土壤样品，包括四个深度区间（0-10厘米，10-30厘米，30-50厘米和50-70厘米）：两个地点具有典型的矿物质土壤，一个地点是埋藏土壤。研究团队在实验室中使用这些土壤来探讨随着土壤深度的增加SOC矿化的Q10对底物可利用性变化的响应。葡萄糖是一种容易获得的底物，因为它是根分泌物的重要组成部分。土壤在10-25°C的温度下孵育，以0.75°C的温度间隔进行了24小时。然后，在孵育1天后，通过高频率连续测量SOC矿化速率，避免了底物限制和微生物群落的变化对结果的影响，估算Q10。 值得注意的是，针对SOC矿化速率的测量，研究团队使用的是由北京普瑞亿科科技有限公司研发的PRI–8800全自动变温培养土壤温室气体在线测量系统，该系统允许在一定时间内逐步提高孵育温度并与SOC矿化速率的高频测量同步进行，为该项研究提供了更准确的Q10估计。图1：不同土壤深度和不同站点下，控制组（CK）和底物添加组（S+）的土壤有机碳（SOC）矿化的温度响应，使用指数拟合表示。站点：Liangshui（LS）、Huinan（HN）和Hongyuan（HY）。***代表P0.001的显著差异。图2 a：在控制组（CK）和底物添加组（S+）中，土壤有机碳（SOC）矿化速率（R22）在22°C下随深度增加的变化。b：不同站点下不同土壤深度的底物可利用性指数（CAI）；c：在CK和S+处理中，SOC矿化的温度敏感性（Q10）随深度增加的变化；d：不同站点下不同土壤深度中CK和S+处理之间Q10的差异（ΔQ10）。 研究结果表明，在典型的矿质土壤中，Q10随深度的增加而降低，但在埋藏土壤中，Q10则先降低后增加。不出所料，在不同的土壤深度，基质的添加会明显增加Q10；但是，增加的幅度（ΔQ10）随土壤深度和类型的不同而不同。出乎意料的是，在典型的矿质土壤中，表土中的ΔQ10比底土中的高，反之亦然。ΔQ10与土壤初始基质可用性（CAI）呈负相关，与土壤无机氮呈正相关。总体而言，气候变化情景下基质可用性的增加（即二氧化碳浓度升高导致根系渗出物增加）会进一步加强SOC矿化的温度响应，尤其是在无机氮含量高的土壤或氮沉积率高的地区。 相关研究成果以“Substrate availability reconciles the contrasting temperature response of SOC mineralization in different soil profiles”为题在线发表于期刊《Journal Of Soils And Sediments》上（中科院三区Top，IF5 =3.8）。相关论文信息：Liu Y, Kumar A, Tiemann L K, et al. Substrate availability reconciles the contrasting temperature response of SOC mineralization in different soil profiles[J]. Journal of Soils and Sediments, 2023: 1-15.原文链接：https://doi.org/10.1007/s11368-023-03602-y 截至目前，以PRI-8800为关键设备发表的相关文章已达24篇，分别发表在10余种影响因子较高的国际期刊上——数据来源：https://sci.justscience.cn/ 很荣幸PRI-8800可以为这些高质量学术研究贡献一份力量，感谢各位老师对普瑞亿科产品的支持和信任。如果您成功发表文章，并且在研究过程中使用了普瑞亿科的国产仪器设备，请与我们公司联络，我们为您准备了一份小礼物，以感谢您对国产设备以及普瑞亿科的信任和支持！ 自2018年上市以来，PRI-8800全自动变温培养土壤温室气体在线测量系统得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展。目前以PRI-8800为关键设备发表的相关文章已达23篇。 为响应国家“双碳”目标，针对国内“双碳”行动有效性评估，普瑞亿科全新升级了PRI-8800 全自动变温培养土壤温室气体在线测量系统，结合了连续变温培养和高频土壤呼吸在线测量的优势，模式的培养与测试过程非常简单高效，这极大方便了大量样品的测试或大尺度联网的研究，可以有效服务科学研究和生态观测。PRI-8800的成功推出，为“双碳”目标研究和评价提供了强有力的工具。 土壤有机质分解速率（R）对温度变化的响应非常敏感。温度敏感性参数（Q10）可以刻画土壤有机质分解对温度变化的响应程度。Q10是指温度每升高10℃，Ｒ所增加的倍数；Q10值越大，表明土壤有机质分解对温度变化就越敏感。Q10不仅取决于有机质分子的固有动力学属性，也受到环境条件的限制。Q10能抽象地描述土壤有机质分解对温度变化的响应，在不同生态类型系统、不同研究间架起了一个规范的和可比较的参数，因此其研究意义重大。 以往Q10研究通过选取较少的温度梯度（3-5个点）进行测量，从而导致不同土壤的呼吸对温度变化拟合相似度高的问题无法被克服。Robinson最近的研究（2017）指出，最低20个温度梯度拟合土壤呼吸对温度的响应曲线可以有效解决上述问题。PRI-8800全自动变温土壤温室气体在线测量系统为Q10的研究提供了强有力的工具，不仅能用于测量Q10对环境变量主控温度因子的响应，也能用于测量其对土壤含水量、酶促反应、有机底物、土壤生物及时空变异等的响应。PRI-8800为Q10对关联影响因子的研究，提供了一套快捷、高效、准确的整体解决方案。可设定恒温或变温培养模式；温度控制波动优于±0.05℃；平均升降温速率不小于1°C/min；150ml样品瓶，25位样品盘；大气本底缓冲气或钢瓶气清洗气路；一体化设计，内置CO2 H2O模块；可外接高精度浓度或同位素分析仪。 为了更好地助力科学研究，拓展设备应用场景，普瑞亿科重磅推出「加强版」PRI-8800——PRI-8800 Plus全自动变温培养土壤温室气体在线测量系统。 1）原状土冻融过程模拟：气候变化改变了土壤干湿循环和冻融循环的频率和强度。这些波动影响了土壤微生物活动的关键驱动力，即土壤水分利用率。虽然这些波动使土壤微生物结构有少许改变，但一种气候波动的影响（例如干湿交替）是否影响了对另一种气候（例如冻融交替）的反应，其温室气体排放是如何响应的？通过PRI-8800 Plus 的冻融模拟，我们可以找出清晰答案。 2）湿地淹水深度模拟：在全球尺度上湿地甲烷（CH4）排放的温度敏感性大小主要取决于水位变化，而二氧化碳（CO2）排放的温度敏感性不受水位影响。复杂多样的湿地生态系统不同水位的变化及不同温度的变化如何影响和调控着湿地温室气体的排放？我们该如何量化不同水位的变化及不同温度的变化下湿地的温室气体排放？借助PRI-8800 Plus，通过淹水深度和温度变化的组合测试，可以查出真相。 3）温度依赖性的研究：既然温度的变化会极大影响土壤呼吸，基于温度变化的Q10研究成为科学家研究中重中之重。2017年Robinson提出的最低20个温度梯度拟合土壤呼吸对温度响应曲线的建议，将纠正以往研究人员只设置3-5个温度点(大约相隔5-10℃)进行呼吸测量的做法，该建议能解决传统方法因温度梯度少而导致的不同土壤的呼吸对温度变化拟合相似度高的问题，更能提升不同的理论模型或随后模型推算结果的准确性。而上述至少20个温度点的设置和对应的土壤呼吸测量，仅仅需要在PRI-8800 Plus程序中预设几个温度梯度即可完成多个样品在不同温度下的自动测量，这将极大提高科学家的工作效率。 除了上述变温应用案例外，科学家还可以依据自己的实验设计进行诸如日变化、月变化、季节变化、甚至年度温度变化的模拟培养，通过PRI-8800 Plus的“傻瓜式”操作测量，将极大减少科学家实验实施的周期和工作量，并提高了工作效率。 PRI-8800 Plus除了具有上述变温培养的特色，还可以进行恒温培养，抑或是恒温/变温交替培养，这些组合无疑拓展了系统在不同温度组合条件下的应用场景。 4）水分依赖性的研究：多数研究表明，在温度恒定的情况下，Q10很容易受土壤含水量的影响，表现出一定的水分依赖特性。PRI-8800 Plus可以通过手动调整土壤含水量的做法，并在PRI-8800 Plus快速连续测量模式下，实现不同水分梯度条件下土壤呼吸的精准测量，而PRI-8800 Plus的逻辑设计，为短期、中期和长期湿度控制条件下的土壤呼吸的连续、高品质测量提供了可能。 5）底物依赖性的研究：底物物质量与Q10密切相关，这里的底物包含不限于自然态的土壤，如含碳量，含氮量，易分解/难分解的碳比例、土壤粘粒含量、酸碱盐度等；也可能包含了某些外源底物，如外源的生物质碳、微生物种群、各种肥料、呼吸促进/抑制剂、同位素试剂等。通过PRI-8800快速在线变温培养测量，能加速某些研究进程并获得可靠结果，如生物质炭在土壤改良过程中的土壤呼吸研究、缓释肥缓释不同阶段对土壤呼吸的持续影响、盐碱土壤不同改良措施下的土壤呼吸的变化响应等等。 6）生物依赖性的研究：土壤呼吸包含土壤微生物呼吸（90%）和土壤动物呼吸（1-10%），土壤微生物群落对Q10影响重大。通过温度响应了解培养前后的微生物种群和数量的变化以及对应的土壤呼吸速率的变化有重要意义。外源微生物种群的添加，或许帮助科学家找出更好的Q10对土壤生物依赖性的响应解析。1.Li C, Xiao C, Li M, et al. The quality and quantity of SOM determines the mineralization of recently added labile C and priming of native SOM in grazed grasslands[J]. Geoderma, 2023, 432: 116385.2.Ma X, Jiang S, Zhang Z, et al. Long‐term collar deployment leads to bias in soil respiration measurements[J]. Methods in Ecology and Evolution, 2023, 14(3): 981-990.3.He Y, Zhou X, Jia Z, et al. Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability[J]. Global Change Biology, 2023, 29(4): 1178-1187.4.Mao X, Zheng J, Yu W, et al. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile[J]. Soil Biology and Biochemistry, 2022, 172: 108743.5.Pan J, He N, Liu Y, et al. Growing season average temperature range is the optimal choice for Q10 incubation experiments of SOM decomposition[J]. Ecological Indicators, 2022, 145: 109749.6.Li C, Xiao C, Guenet B, et al. Short-term effects of labile organic C addition on soil microbial response to temperature in a temperate steppe[J]. Soil Biology and Biochemistry, 2022, 167: 108589.7.Jiang ZX, Bian HF, Xu L, He NP. 2021. Pulse effect of precipitation: spatial patterns and mechanisms of soil carbon emissions. Frontiers in Ecology and Evolution, 9: 673310.8.Liu Y, Xu L, Zheng S, Chen Z, Cao YQ, Wen XF, He NP. 2021. Temperature sensitivity of soil microbial respiration in soils with lower substrate availability is enhanced more by labile carbon input. Soil Biology and Biochemistry, 154: 108148.9.Bian HF, Zheng S, Liu Y, Xu L, Chen Z, He NP. 2020. Changes in soil organic matter decomposition rate and its temperature sensitivity along water table gradients in cold-temperate forest swamps. Catena, 194: 104684.10.Xu M, Wu SS, Jiang ZX, Xu L, Li MX, Bian HF, He NP. 2020. Effect of pulse precipitation on soil CO2 release in different grassland types on the Tibetan Plateau. European Journal of Soil Biology, 101: 103250.11.Liu Y, He NP, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. 2019. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition. Soil Biology & Biochemistry, 138, 107596.12.Yingqiu C, Zhen Z, Li X, et al. Temperature Affects new Carbon Input Utilization By Soil Microbes: Evidence Based on a Rapid δ13C Measurement Technology[J]. Journal of Resources and Ecology, 2019, 10(2): 202-212.13.Cao Y, Xu L, Zhang Z, et al. Soil microbial metabolic quotient in inner mongolian grasslands: Patterns and influence factors[J]. Chinese Geographical Science, 2019, 29: 1001-1010.14.Liu Y, He NP, Wen XF, Xu L, Sun XM, Yu GR, Liang LY, Schipper LA. 2018. The optimum temperature of soil microbial respiration: Patterns and controls. Soil Biology and Biochemistry, 121: 35-42.15.Liu Y, Wen XF, Zhang YH, Tian J, Gao Y, Ostle NJ, Niu SL, Chen SP, Sun XM, He NP. 2018.Widespread asymmetric response of soil heterotrophic respiration to warming and cooling. Science of Total Environment, 635: 423-431.16.Wang Q, He NP, Xu L, Zhou XH. 2018. Important interaction of chemicals, microbial biomass and dissolved substrates in the diel hysteresis loop of soil heterotrophic respiration. Plant and Soil, 428: 279-290.17.Wang Q, He NP, Xu L, Zhou XH. 2018. Microbial properties regulate spatial variation in the differences in heterotrophic respiration and its temperature sensitivity between primary and secondary forests from tropical to cold-temperate zones. Agriculture and Forest Meteorology, 262, 81-88.18.He N P, Liu Y, Xu L, Wen X F, Yu G R, Sun X M. Temperature sensitivity of soil organic matter decomposition:New insights into models of incubation and measurement. Acta Ecologica Sinica, 2018, 38(11): 4045-4051.19.Li J, He NP, Xu L, Chai H, Liu Y, Wang DL, Wang L, Wei XH, Xue JY, Wen XF, Sun XM. 2017. Asymmetric responses of soil heterotrophic respiration to rising and decreasing temperatures. Soil Biology & Biochemistry, 106: 18-27.20.Liu Y, He NP, Xu L, Niu SL, Yu GR, Sun XM, Wen XF. 2017. Regional variation in the temperature sensitivity of soil organic matter decomposition in China’s forests and grasslands. Global Change Biology, 23: 3393-3402.21.Wang Q, He NP*, Liu Y, Li ML, Xu L. 2016. Strong pulse effects of precipitation event on soil microbial respiration in temperate forests. Geoderma, 275: 67-73.22.Wang Q, He NP, Yu GR, Gao Y, Wen XF, Wang RF, Koerner SE, Yu Q*. 2016. Soil microbial respiration rate and temperature sensitivity along a north-south forest transect in eastern China: Patterns and influencing factors. Journal of Geophysical Research: Biogeosciences, 121: 399-410.23.He NP, Wang RM, Dai JZ, Gao Y, Wen XF, Yu GR. 2013. Changes in the temperature sensitivity of SOM decomposition with grassland succession: Implications for soil C sequestration. Ecology and Evolution, 3: 5045-5054.24.Liu Y, Kumar A, Tiemann L K, et al. Substrate availability reconciles the contrasting temperature response of SOC mineralization in different soil profiles[J]. Journal of Soils and Sediments, 2023: 1-15.

点击此处可了解更多产品详情→土壤水分测定仪 土壤水分测定仪是一种用于测量土壤中水分含量的仪器。在农业生产中，精确测量土壤水分含量对于保证作物生长所需的水分和营养供给，提高作物产量和品质具 有 重市要面意上义有。多种类型的土壤水分测定仪，价格也因品牌、型号、功能等因素而异。一般来说，市面上的土壤水分测定仪价格在几百元至数千元之间。以下是一些可能影响土壤水分测定仪价格的因素： 1.品牌和型号：知名品牌的土壤水分测定仪通常价格较高，而一些普通品牌的仪器则相对便宜。此外，不同型号的仪器功能不同，价格也会有所差异。 2.技术类型：土壤水分测定仪的技术类型也是影响价格的因素之例一如。，一些采用频域反射（FDR）技术的仪器相对较便宜，而采用时域反射（TDR）技术相对较昂贵。3.测量精度：不同的土壤水分测定仪测量范围和精度也有所不同，价格也会因此受到影例响如。一些仪器只能测量土壤表层的水分含量，而另一些仪器则能够测量土壤不同深度的水分含量，后者通常价格更高。 4.功能和附加特点：一些高级的土壤水分测定仪可能具有更多的功能和附加特点，例如能够与计算机或智能手机连接，能够记录数据或提供实时监测等，这些功能也会增加仪器的价格。 总之，在购买土壤水分测定仪时，需要根据自己的实际需求和预算进行选择。同时，需要注意仪器的测量范围、精度、技术类型 以及功能和附加特点等因素，以确保选购到适合自己使用的土壤水分测定仪。

记者从中国气象局综合观测司在河南郑州召开的2009年自动土壤水分观测站建设工作会议上获悉，中国气象局拟用3年时间，在现有的1500个人工测墒点建成以自动土壤水分观测仪为主，以便携式土壤水分观测仪为辅的全国土壤水分自动观测网，以满足现代农业气象业务和干旱监测服务的需求。老农业气象观测员眼中“一把尺子一杆秤，牙一咬、眼一瞪”的传统农业气象观测方式，将随着一批科技含量高、全自动化运行的现代观测仪器的使用而发生质的改变。　　土壤水分贮存量及其土壤温度变化规律的监测，是农业气象、生态环境及水文环境监测的基础性工作之一。掌握土壤水分变化规律，对农业生产、干旱监测预测和其他相关生态环境监测预测服务和理论研究都具有重要意义。多年来，气象部门的干旱监测一直使用土钻和烘干的人工测量方法，观测频率为每月3次或6次。近年来，随着气候变暖，我国干旱问题日益突出，干旱发生频次和程度明显增加，严重威胁农业生产，阻碍经济发展，对生态环境造成巨大影响。特别是去冬今春河南、山东等地以及目前东北地区发生的严重干旱，使决策部门和公众对农业气象观测的自动化提出了更加迫切的要求。　　“建设一个疏密均匀且能有效监测干旱发生情况和作物生长实际土壤水分环境的全国土壤水分观测网，将可实现全国土壤墒情监测数据实时传输和实时显示，实现单个站点的连续时间土壤水分变化监测，以及结合云图、降雨等气象资料，实现区域性干旱预警等功能。”中国气象局综合观测司副司长胡雯说，“此举将达到及时监控农田干旱程度、科学灌溉和有效利用水资源的目的，大大提高和改进农业气象观测水平和农业气象服务的能力，为生态农业、高效农业提供有力的保障。”　　根据相关安排，中国气象局今年将首先在华北、黄淮地区冬小麦(资讯,行情)主产区和西南干旱易发区域优先开展自动土壤水分观测站建设。同时，在31个省(市、区)每省配备3套便携式土壤水分观测仪，开展移动土壤水分观测试验示范。

土壤水力参数，如田间持水量（FC）和永久萎蔫点（PWP），在灌溉管理、干旱风险评估和土地利用规划等方面发挥着重要作用。这些水力特性是动态的，随土壤类型、作物类型和生长季而变化。传统方法估算大尺度水力特性费时费力，而土壤传递函数（PTF）作为一种替代方法，已被用于使用易测量的土壤特性（如土壤粒级、有机碳和容重）来估计土壤水力特性。这些预测参数在很大程度上受各种内在土壤特性如土壤质地、结构、有机质、容重和孔隙度的影响。随着光谱技术的不断发展，因其快速、低成本和无损测量，许多研究者已经利用可见近红外（Vis-NIR）光谱预测了土壤特性，而使用光谱数据绘制印度土壤类型水力特性的研究非常有限。基于此，在本研究中，一组研究团队在印度卡纳塔克邦高原北部地区收集了558个土壤样本，在实验室中测量了其FC， PWP和土壤含水量，并利用ASD FieldSpec光谱仪测量土壤光谱反射率。通过支持向量机、随机森林和偏最小二乘回归三个模型预测FC和PWP。其中，2/3的数据集用于校准（368个样品），1/3的数据集用于验证（190个样品）。本研究目标为通过不同统计技术检验实验室Vis-NIR光谱数据估算水力参数的有用性。研究区域图【结果】卡纳塔克邦高原北部土壤光谱反射率分布（平均值和标准偏差）（N = 558）。FC和PWP预测模型的性能（50 次迭代）验证集FC和PWP预测值和观测值散点图（RF方法）（变性土-绿点，淋溶土-红点，弱育土-蓝点，新成土-黄点）。传统PTF方法预测验证集FC和PWP含水量的性能。【结论】验证结果表明，与PLSR模型相比，RF和SVM性能较好。与田间持水量（R2=0.66-0.69和RMSE=7.25-7.51%）相比，永久萎蔫点预测良好（R2=0.70-0.74，RMSE=5.44-5.74%）。在土纲中，Vis-NIR光谱（R2=0.34&0.42）对变性土FC和PWP的预测不佳，对淋溶土（0.44&0.52）和弱育土（0.55&0.65）的预测结果一般，而对新成土（0.83&0.76）预测结果较好。总体而言，结果与传统PTF方法相当。目前结果表明，可见近红外光谱有助于快速准确地估计该国半干旱地区的水力特性。

点击此处可了解更多产品详情：土壤水分检测仪　　土壤水分检测仪是一种先进的科学仪器，适用范围广泛，能够准确测量各种类型的土壤中的水分。该仪器功能强大，能够帮助人们更好地了解土壤的水分含量。　　　　土壤水分检测仪的测量精度高，使用方便，可以大大提高农业生产的效率。它还可以测量不同深度的土壤水分分布情况，更好地了解土壤的水分变化特征。此外，土壤水分检测仪还配备了空气温湿度传感器和空气温度传感器，可以实时监测土壤温湿度和空气温湿度，为农业生产提供更全面的数据支持。　　　　首先，土壤水分检测仪能够高精度地测量土壤中微小的水分含量，帮助农民、园艺师等专业人士制定科学的灌溉计划，确保作物的生长健康。　　　　其次，土壤水分检测仪通过多种传感器和算法的结合，能够准确判断土壤的干湿程度，帮助人们在适当的时候进行灌溉，避免因灌溉不足或过度浪费资源或影响作物生长。　　　　此外，土壤水分检测仪还具有实时显示和记录数据的功能，用户可以直观地了解土壤水分状况及变化趋势，对于科学管理土壤水分和提高水分利用效率很有帮助。　　　　最后，土壤水分检测仪具有便携、易操作等特点，便于使用者在田地、花棚等多种环境中进行测量，且不需要专业知识也能完成工作。土壤水分检测仪是一种高效、准确的土壤水分检测仪器，可以大大提高农业生产的效率和质量，受到了广泛的应用和认可。莱恩德新品-土壤水分检测仪，提高农业生产效率

经过前期的选址、土壤水分常数的测定等充足的准备工作，10月12～15日，由河南省气象局和市气象局共同筹建的自动土壤水分观测站相继在平顶山市新华区滍阳镇西滍村及各县(市)进行最后的仪器安装、调试。至此，该市7家自动土壤水分观测站建设全部完成，彻底改变了传统的、落后的人工土壤水分观测工作，标志着平顶山市气象现代化建设又上了一个新的台阶，对服务全市粮食生产具有重大意义。　　该市位于河南省中部，地处伏牛山和黄淮平原的过渡地带，属于半干旱、半湿润的大陆性季风气候区域，降水的年际变化及季节变化较大，加之受复杂地形、地貌的影响，干旱发生频繁，对农业生产影响严重。多年来，气象部门始终把对为农业生产服务放在气象服务的第一位，通过高科技的技术手段，观天测雨，趋利避害，为我市农业生产保驾护航。土壤水分观测是气象为农业服务的基础性工作之一。　　土壤水分的监测，就是通过连续的、定点的土壤水分含量的测定，掌握土壤墒情的动态变化，为农业生产服务提供第一手实况资料。但是，由于受技术条件的限制，我国在土壤水分观测设施和技术方面长期处于落后的人工操作状态，这不仅不能适应目前气象现代化建设的要求，也不能满足为农业生产服务的需求。为此，由河南省气象科学研究所和中国电子科技集团公司第二十七研究所共同研究开发了自动土壤水分观测仪。经过前期的实验研究，目前已进入面对全国进行推广、安装阶段。根据中国气象局部署，河南省作为全国现代农业气象业务服务建设试点省，要率先安装并投入业务化运行；平顶山市是先期试点单位之一。　　这次自动土壤水分监测站建设，由中国气象局投资，河南省气象局和平顶山市气象局共同承建。首期分别在新华区、鲁山县、舞钢市等县(市、区)建立7个监测站，总投资约65万元。今后根据服务需求，还将逐渐增加观测点密度，扩大观测区域覆盖面，以便全面掌握全市各地土壤水分含量情况及土壤水分变化情况，更好地服务于农业生产。

点击此处可了解更多产品详情：土壤水分测定仪　 土壤水分是植物生长的必要条件之一，而且对于土壤生物活动、土壤质地和土壤肥力等方面也有重要影响。通过对土壤水分的分析，可以了解土壤中水分的含量和分布情况，从而为农业生产提供科学依据。例如，根据土壤水分分析结果，可以确定灌溉量和灌溉时间，以及施肥和耕作等管理措施，以最大限度地提高农作物的产量和品质。　　　　使用土壤水分测定仪，仪器最重要的一个优势是，机身小巧易携带，检测人员可以随身携带到野外进行水分检测，采用的是FDR频域反射原理，该原理的方便之处就是可以快速的检测土壤的水分含量，还有温湿度等等数据，对不同土地进行不一样的检测，让农户朋友对自己土地的每一寸都有一个准确的认知，这样的话才更好进行因地施肥，是非常值得推广使用的一款仪器。【莱恩德新品】使用土壤水分测定仪为农业生产提供科学依据

7月30日，水利部水文局在京组织召开了"土壤水分监测仪器比测研究"项目成果验收会。来自国家防办、国家防汛抗旱指挥系统工程建设项目办公室、河海大学、南京水利水文自动化研究所、辽宁省水文水资源勘测局、安徽省水利科学研究院，参加比测的7个仪器厂家的专家和代表30多人参加了会议。水利部水文局林祚顶副局长出席会议并讲话。　　林祚顶副局长指出，我国干旱灾害发生频繁，对工农业生产及人民生活带来的影响和损失大，今年西南五省区的特大干旱得到了党和国家领导人的高度重视。水利部十分重视抗旱减灾工作，目前正在抓紧组织编制《抗旱规划》，由国家防办和水利部水文局共同组织的《全国抗旱监测规划》也已经编制完成并通过审查。目前土壤墒情监测以及相关监测仪器设备应用研究工作还十分薄弱，特别是土壤水分自动监测仪器的可靠性、稳定性等试验研究尚未系统开展。为此，自2009年4月起，受国家防办委托，水利部水文局组织开展了土壤水分监测仪器比测研究，选择在辽宁省朝阳水文站和安徽省五道沟水文水资源实验站，共7个厂家12种产品参加了比测。在经过长达一年的野外比测以及室内检测和成果分析基础上，取得试验成果，项目研究对加强旱情监测工作，提高墒情监测仪器和监测数据的可靠性，为抗旱减灾提供科学、合理、可靠的信息支持具有重要的现实意义。　　与会专家和代表听取了项目工作组的汇报，进行了认真的质询与讨论。专家认为，该项目组织严密，提交的验收材料文档齐全，采用的比测方法科学合理，提出的评估指标符合生产应用需求，推荐的产品可供水利部门优选使用。与会专家一致同意，项目通过验收。鉴于目前土壤水分传感器及相关技术尚不十分成熟，建议继续加强对土壤水分监测仪器和技术的应用研究。

上海海洋大学（Shanghai Ocean University）是上海市人民政府与国家海洋局、国家农业部共建的农林类高等院校。前身为始建于1912年的江苏省立水产学校，1952年更名为上海水产学院，1985年更名为上海水产大学，2008年更名为上海海洋大学。截至2014年5月，上海海洋大学有浦东新区沪城环路校区、杨浦区军工路校区、杨浦区民星路校区3个校区，主校区沪城环路校区占地约1600余亩，规划建设面积58.6万平方米。学校设有12个学院，设置47个本科专业及方向，有博士后科研流动站2个、一级学科博士学位授权点3个、一级学科硕士学位授权点10个。学校有全日制普通本专科生12800余人、研究生2800余人。 上海海洋大学是国家海洋水质监测和土壤污染监测的重点学校，2013年4月份，我公司为上海海洋大学提供SU-LFH土壤环境测试及分析评估系统设备1批，为土壤污染监测提供了安全保障。SU-LFH土壤环境测试及分析评估系统设备功能特点：※数字线路，高度智能程序，人性化设计，全部中文菜单显示操作流程和测试状态。※配备国际标准RS232接口，内置式电子时钟、内置式存储芯片，外设各种高精度专业测试传感器，不锈钢结构耐腐蚀。※ 可以测试并显示年、月、日、小时、分钟、土壤水分、温度、硬度、紧实度、大气温度、腐蚀性有毒液体温度、土壤及化肥中的氮、磷、钾、有机质、酸碱度、腐殖酸、盐分， 随机配备《土壤多参数数据采集系统软件》和《土壤养分测试及分析评估系统》软件，可对70多种农业、果树、经济作物的土壤氮、磷、钾、有机质、酸碱度、含盐量、微量元素、矿物质需求量进行数据分析，为用户在化肥使用量，土壤酸碱度、含盐量的评估、调节，水肥控制几个方面的决策提供数据参考，处理结果采用标准OFFICE文档格式存档备案或者打印、远程发送。※测试数据上传给微机，自动进入软件系统，生成数据库，自行设计绘制各种数据的工作曲线，用户可以根据自己工作需要，按照曲线关系验证土壤水分、硬度、紧实度温度及养分间的关联性。测试数据可更接发送电子邮件?实现数据资源共享和远程监控。※配备TDR高精度水分传感器、PT100高精度温度传感器、土壤硬度、紧实度传感器。※使用者购买后即可开箱使用。用户配备该系统设备后，基本具备一个微型基层土壤分析及配方施肥实验室的功能。主要技术参数：一、水分部分测量参数：土壤容积含水量单 位：%（m3/m3）量 程：0～100%（m3/m3）精 度：0～50%（m3/m3）范围内为±2%（m3/m3）测量区域：90%的影响在围绕中央探针的直径3cm、长6cm的圆柱体内稳定时间：通电后约1秒响应时间：响应在1秒内进入稳态过程工作电压：12V—24V DC工作电流：50～70mA，典型值50 mA输出信号：4～20mA标准电流环密封材料：ABS工程塑料探针材料：不锈钢电缆长度：标准长度5m 遥测距离：小于1000米二、温度测试部分测试范围：-60℃-99℃精度：±0.5℃ 灵敏度：0.1℃测试深度：20cm三、紧实度（硬度）测试部分测量深度：0-450mm测量范围：0-500kg；0-50000kpa测量精度：以公斤为单位：1kg，以压强为单位：100kp环境温度：-55℃-90℃ 四、土壤成分测试部分（一）养分测量技术指标：（1）稳 定 性：A值（吸光度）三分钟内飘移小于0.003（2）重 复 性：A值（吸光度）小于0.005（3）线性误差：小于3.0%（4）灵 敏 度：红光≥4.5 ×10-5 蓝光≥3.17×10-3（5）波长范围：红光620±4nm 蓝光440±4nm（6）抗 震 性：合格（注：技术指标均高于国家标准）（二）PH值（酸碱度）测量技术指标： (1）测试范围：1～14 （2）误 差：±0.1（三）盐量（电导）测量技术指标：（1）测试范围：0.01%～1.00% （2）相对误差：±5%

近日，复旦大学生科院聂明团队在全球变化生态学研究领域取得重要进展。相关成果以“Rising temperature may trigger deep soil carbon loss across forest ecosystems”为题发表于Advanced Science 杂志。 因大气CO2浓度升高引起的全球变暖问题是21世纪人类社会所面临的最严峻挑战之一。全球土壤有机碳库储量约是大气碳库的三倍，因此通过土壤有机碳分解释放的CO2对大气CO2浓度有着重要的影响，进而改变区域乃至全球气候。土壤有机碳的分解强度受到温度的调控，其对温度的敏感性被认为是决定未来气候变化态势的关键因素之一，也是陆地气候预测模型的关键假设与重要参数。底层土壤储藏着与表层土壤相当的有机碳，然而以往研究主要集中于表层土壤，对底层土壤碳分解的温度敏感性还知之甚少，这直接制约了对未来气候变化态势的判断。 为此，该研究团队选取我国90个典型森林生态系统（图1），涉及热带雨林、亚热带森林、暖温带森林、寒温带森林与北方森林。每个森林中分6个土层采集了1米深度的土壤，探究土壤有机碳分解温度敏感性随土壤剖面变化的一般性规律及其调控机制。 图1 中国森林90个典型土壤剖面采样点空间分布图。 研究发现，随着土壤深度的增加，有机碳分解的温度敏感性随之增大，表明底层土壤碳分解对全球变暖的响应更为敏感（图2a）。此外，表层土壤碳分解温度敏感性主要受气候因子调控，而底层土壤主要受气候因子和碳质量的共同调控（图2b）。 图2 土壤有机碳分解温度敏感性（Q10）随土壤深度增加而增大（a）及不同因子对Q10调控作用的相对贡献随土壤深度的变化（b）。 该研究还发现，忽视土壤有机碳分解温度敏感性沿土壤剖面的变异，会极大低估土壤释放的CO2量（图3），强调急需将这一特征纳入到陆地气候预测模型中以提高预测精度。 图3 与多层模型（six-layer model；使用剖面变异的温度敏感性Q10值）相比，单层模型（single-layer model；将表层0–10 cm土壤的Q10值应用于整个土壤剖面）会低估本世纪末温度升高3°C时土壤碳排放，即高估土壤相对碳库（relative SOC stock）。 论文链接：https://onlinelibrary.wiley.com/doi/10.1002/advs.202001242 从聂明老师团队的研究中发现，土壤有机质分解的温度敏感性（Q10）不仅是生态学和土壤学研究的核心科学问题之一，也是全球变化生态学研究的热点领域。国内外学者对Q10的影响因素或机制开展了大量卓有成效的研究工作，并有不少相关的综述或展望。 在该项研究中，聂明老师团队运用的测定方法是连续变温培养+气相色谱手动测量，而今天要为大家介绍的是一种更快的连续变温培养+连续自动测试新模式。 长期以来，室内培养研究的方法经历了几次技术更新。最早是用碱液吸收法+气相色谱来进行（CDM模式），该方法无法变温，测试点少，并且需要人工操作；之后经过技术改进，可以变温培养，仍然采用气相色谱设备检测（VDM模式），该方法仍然存在取样点少，人工操作不方便，无法大量样点试验等问题。 鉴于培养和测定模式对实验研究的重要性，北京普瑞亿科科技有限公司和中国科学院地理科学与资源研究所何念鹏研究团队合作研发了PRI-8800全自动变温土壤培养温室气体（同位素）分析系统，并发展了Q10研究的连续变温培养+连续自动测试的新模式。3种模式的示意图见【图1】，各自的特点、优缺点见【表1】。图1：3种模式示意表1：3种模式的特点VCM模式实验过程 150mL样品瓶（PRI-8800样品瓶）中填装40g土壤样品，向其中混入10g石英砂，防止土壤板结，调整含水量至60%（WHC），放置在样品盘上。土壤样本在25°C下预培养7天，排除微生物活动干扰。分别在第1天、5天、8天、15天、22天和26天的时候，使用PRI-8800全自动变温控制土壤通量系统（PRI-ECO，中国）测量每个样品瓶中SOM分解速率（Rs）。该系统允许连续改变培养温度并在高频下测量Rs。测样时，每个样品需在一个设定温度恒温稳定至少30分钟，然后在12小时的测量周期内测量36次（75s一个样品）。PRI-8800每秒钟记录一次CO2浓度，同步记录土壤温度，以提供准确的Rs和土壤温度配对数据。采用称重法监测土壤水分。最后，使用经典指数方程计算Q10值，每个方法的R2和P值。所用设备 点击图片查看详情 PRI-8800即可对接温室气体分析仪，又可对接碳氮同位素分析仪。稳定同位素技术具有示踪、整合和指示等多项功能和检测快速、结果准确等特点，δ13C、δ15N同位素技术被广泛用于土壤碳氮循环研究，也成为探讨土壤中有机组分来源和转化动态的有效手段，利用δ13C同位素可区分土壤呼吸的不同成分，指示碳的来源和周转途径；δ15N用于土壤氮素转换等的研究。可灵活对接不同分析仪（同位素分析仪、气体浓度分析仪等）；标配16位样品盘，也可选配4位或9位样品盘；自动化程度高，无人值守，24h不间断工作；可方便拆卸土壤瓶固定装置，实现在线置换土壤瓶；全自动控温系统（-20~80 ℃），控温精度优于0.1 ℃；土壤温度传感器探针可频繁自动插入土壤瓶中，准确测量土壤温度；高效的气体循环气路——双回路气路设计，可根据需要对CO2浓度进行预处理，调控系统内的起始CO2浓度（避免过高CO2浓度的抑制效应）；高效的气路设计，缩短响应时间；可灵活设定的标定系统，保障测量数据的准确性；友好的软件界面，可根据具体实验需要设定参数及数据存储等功能；全自动日变化温度模拟功能。参考文献： Robinson J M , T. A. O’Neill, Ryburn J , et al. Rapid laboratory measurement of the temperature dependence of soil respiration and application to changes in three diverse soils through the year[J]. Biogeochemistry, 2017, 133(3):101-112.Liu Y, He NP*, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition[J]. Soil Biology & Biochemistry, 2019, 138, 107596何念鹏, 刘远, 徐丽, et al. 土壤有机质分解的温度敏感性:培养与测定模式[J]. 生态学报, 2018, 38(11).

墒，指土壤适宜植物生长发育的湿度。墒情，指土壤湿度的情况。土壤湿度是土壤的干湿程度，即土壤的实际含水量。土壤墒情直接影响着农作物的生长质量和速度。除了土壤墒情，土壤温度、土壤电导率以及土壤氮磷钾、土壤PH值等参数也对作物的生长起着十分重要的作用。土壤温度对作物生育和土壤中微生物活动以及各种养分的转化、土壤水分蒸发和运动都有很大影响。在一定的温度范围内，土温越高，作物的生长发育就越快；土温过低，微生物活动减弱，有机质难于分解，农作物的根系呼吸降低，造成作物养分缺乏，生长变缓。土壤电导率用于描述土壤盐分状况，它包含了反映土壤质量和物理性质的丰富信息。例如:土壤中的盐分、水分、温度、有机质含量和质地结构都不同程度影响着土壤电导率。有效获取土壤的电导率值，对于确定各种田间参数时空分布的差异有重大意义。土壤中微量元素的含量较低或者较高都不利于对植物的生长。比如向土壤中过量施入磷肥时，磷肥中的磷酸根离子与土壤中的钙、镁等阳离子结合形成难溶性磷酸盐，既浪费磷肥，又破坏了土壤团粒结构，致使土壤板结。土壤酸碱度是土壤重要的基本性质之一，是土壤形成过程和熟化陪肥过程的一个指标。植物能够在很宽的范围内正常生长，但不同的植物有着不同的生长pH值。 那如今有哪些可以测量土壤墒情参数传感器，如何使用呢？ 1、土壤水分传感器土壤水分传感器是一款高精度、高灵敏度的测量土壤水分的传感器。通过测量土壤的介电常数，可测量土壤水分的体积百分比，符合目前国际标准的土壤水分测量方法，能直接稳定地反映各种土壤的真实水分含量。2、土壤温度水分电导率三合一变送器土壤温度水分电导率三合一变送器是观测和研究盐渍土的发生、演变、改良以及水盐动态的重要工具。通过测量土壤的介电常数，能直接稳定地反映各种土壤的真实水分含量。可测量土壤水分的体积百分比，是符合目前国际标准的土壤水分测量方法。3、土壤PH传感器 土壤PH传感器器，用于测量土壤PH值该变送器精度高，响应快，输出稳定，适用于各种土质。可长期埋入土壤中，耐长期电解，耐腐蚀，抽真空灌封，完全防水。可广泛应用于土壤酸碱度的检测、精细农业、林业、地质勘探、植物培育、水利、环保等领域酸碱度的测量。4. 土壤参数速测仪 土壤参数速测仪可以实时精确检测显示土壤中多种成分，例如：土壤温湿度、土壤电导率以及土壤氮磷钾等成分，通过检测的数据来进行改善土壤，达到监控植物养料供给的目的，让农作物处于较佳的生存环境，从而提高产量。 5、多土层土壤参数监测仪 多土层土壤参数监测仪是一款能够测量多土层土壤参数的传感器。能够针对不同层次的土壤电导率、水分含量以及温度状态进行动态观测，此检测仪可检测3层土壤电导率温湿度状态，可检测5层土壤电导率温湿度状态。6、管式土壤墒情监测仪 管式土壤墒情监测仪是一款以介电常数原理为基础的传感器。能够针对不同层次的土壤水分含量以及温度状态进行动态观测，此检测仪可检测3层土壤温湿度状态，可检测5层土壤温湿度状态，可快速、全面的了解集土壤墒情信息。测量方法：土壤水分传感器、土壤温度水分电导率三合一传感器、土壤PH传感器的测量方法：（1）速测法：选定合适的测量地点，避开石块，确保钢针不会碰到坚硬的物体，按照所需测量深度抛开表层土，保持下面土壤原有的松紧程度，紧握传感器垂直插入土壤，插入时不可左右晃动，一个测点的小范围内建议多次测量求平均值。（2）埋地测量法：垂直挖直径20cm的坑，按照测量需要，在既定的深度将传感器钢针水平插入坑壁，将坑填埋严实，稳定一段时间后，即可进行连续数天，数月乃至更长时间的测量和记录。土壤参数速测仪测量方法：长按“开关键”，在需要测量的地方，将传感器合金探针垂直插入土壤，再按一下“开关键”即可开始测量。如下图所示：多土层土壤参数监测仪测量方式： 垂直挖直径20cm的坑，在既定的深度将传感器钢针水平插入坑壁，将坑填埋严实，稳定一段时间后，即可进行连续数天，数月乃至更长时间的测量和记录。式土壤墒情监测仪测量方法：管式土壤墒情监测仪采用分层设点的观测结构，地面配置一个温度观测点，地下土壤每隔10cm配置一个土壤温湿测点，观测相对应范围内的土壤温湿度。如图所示：

SoilScope生态水文过程观测模拟设施在红壤地区观测农作物蒸散量中的应用一、观测背景季节性干旱缺水严重制约着我国红壤区农业的可持续发展。在江西省水土保持科学研究院位于九江市德安县的生态科技园内，利用SoilScope自动称重式蒸渗仪，为红壤地区水文循环过程中的土壤下渗、地下径流和蒸散发等精确测定提供数据支持；为南方红壤蒸发和植物蒸腾研究提供试验手段；为四水(大气水、地表水、土壤水和地下水)转化、SPAC(土壤-作物-大气连续体)系统水分循环研究提供支撑。图1 SoilScope生态水文过程观测模拟设施顺利验收二、观测系统布设 SoilScope自动称重式蒸渗仪以第四纪红壤为研究对象，整套系统由罐体、称重系统、地下水连通系统、产流系统、土壤传感器、溶液取样系统和数据采集系统组成图2 SoilScope生态水文过程观测模拟设施外观 三、观测数据采集罐体高2m，面积1㎡，称重范围0-10t，称重系统精度0.1mm。数据每10min自动实时测定和采集，如下图3所示，通过称重数据的变化就可以计算出实时蒸散量图3 称重系统精度和数据实时测定展示 • 采用TDR水分传感器、水势传感器观测20cm、40cm、80cm和180cm深度土壤水分、水势、温度和电导率数据，如下图4所示，数据每60min自动实时测定和采集。图4 自动实时测定和采集不同层次的传感器数据展示• 采用澳作公司自主研发，集数据传输与远程诊断于一体的云服务中心软件Envidata，如下图5所示，独特的多参数曲线同时显示功能，能更好的展示出环境因子的相互作用和影响。图5 云服务中心软件Envidata多参数曲线同时显示功能展示四、观测数据分析以花生为例，在2019年5月8日至8月24日期间，开展了土壤蒸发和植物蒸腾的研究。试验设置2个处理，裸地对照和种植花生处理。图6 SoilScope生态水文过程观测模拟设施观测案例结果显示，降雨过后，土壤含水量增加，而降雨停止，随着时间的延长，土壤含水量逐渐减少。累计降雨量数据和累计罐体重量变化量关系发现，二者具有很好的一致性，降雨增加，累计罐体变化量随之增加。作物蒸散发根据水量平衡公式进行计算，计算方程如下： ET = I + P - R - D + ΔWET是作物蒸散发，mm； I是灌溉水量，mm；P是降雨量，mm R是地表径流量，mm；D是深层渗漏量，mm；ΔW是土壤水分变化量。图7 SoilScope生态水文过程观测模拟设施观测结果结果显示，裸地处理总蒸散量是264mm，而花生则高达392mm，结果符合物理常识。五、观测应用扩展SoilScope蒸渗仪不仅能够为研究作物生长过程进行长期有效的监测，提供完整的和精确度高的数据支撑，而且能够结合气象站、水势仪等设备进行联动试验和拓展运用。目前已经广泛运用于水势调节观测系统、水文观测系统、气象蒸散观测系统和森林生态观测系统等众多领域。图8 SoilScope蒸渗系统工程项目全国分布图更多详情请关注北京澳作生态仪器有限公司网站：www.aozuo.com.cn查询相关仪器资料。更多详细信息请联系 sales@aozuo.com.cn 索要相关资料。

按照《国务院关于开展第三次全国土壤普查的通知》要求，根据《第三次全国土壤普查工作方案》（农建发〔2022〕1号）确定的全国统一技术路线，各省、自治区、直辖市等开始组织开展土壤普查实验室筛选工作。第三次全国土壤普查实验室分为检测实验室、省级质量控制实验室和国家级质量控制实验室 3 类。其中，检测实验室通过筛选确定，省级质量控制实验室和国家级质量控制实验室通过确认确定，分别承担不同职责任务。　　检测实验室需依据《第三次全国土壤普查土壤样品制备、保存、流转和检测技术规范(试行)》等要求和省级第三次土壤普查领导小组办公室土壤普查样品检测任务安排，做好样品制备、保存、流转和检测工作。本文特摘录《全国第三次土壤普查土壤样品制备、保存、流转和检测技术规范（征求意见稿）》第5部分：样品检测，供相关检测实验室参考。5样品检测各省（区、市）农业农村部门负责确定本区域承担任务质量控制实验室和检测实验室，组织样品检测工作。承担任务的检测实验室应在质控实验室的指导下按照检测任务要求和规定的技术方法开展土壤样品检测工作，按时报送检测结果。5.1 检测计划省级土壤三普工作领导小组办公室负责对本区域内土壤样品检测工作进行统筹，制定样品检测计划。样品检测计划应包括样品检测指标、检测方法、质量控制要求、检测数据上报要求等。5.2 检测方法检测实验室严格按照以下规定的技术方法开展检测工作。5.2.1 土壤容重5.2.1.1 环刀法：《耕地质量等级》附录 E（规范性附录）土壤容重的测定（GB/T 33469-2016）。5.2.2 机械组成5.2.2.1 吸管法：《土壤分析技术规范》第二版，5.1 吸管法。5.2.2.2 比重计法：《耕地质量等级》附录 D（规范性附录）土壤机械组成的测定（GB/T 33469－2016）。5.2.2.3 吸管法（森林土壤）：《森林土壤颗粒组成（机械组成）的测定》（LY/T 1225－1999）。5.2.2.4 密度计法（森林土壤）：《森林土壤颗粒组成（机械组成）的测定》（LY/T 1225－1999）。5.2.3 水稳性大团聚体5.2.3.1 人工筛法：《土壤检测第 19 部分：土壤水稳性大团聚体组成的测定》（NY/T 1121.19－2008）。5.2.3.2 机械筛选法：《森林土壤大团聚体组成的测定》（LY/T 1227-1999）。5.2.4 土壤田间持水量5.2.4.1 环刀法：《土壤检测 第 22 部分：土壤田间持水量的测定 环刀法》（NY/T 1121.22－2010）。5.2.4.2 环刀法：《森林土壤水分－ 物理性质的测定》（LY/T 1215-1999）。5.2.5 矿物组成5.2.5.1 X－射线衍射仪XRD 法：《土壤粘粒矿物测定 X射线衍射法》。5.2.6 pH5.2.6.1 电位法：《耕地质量等级》附录 I（规范性附录）土壤 pH 的测定（GB/T 33469－2016）。5.2.6.2 电位法：《森林土壤 pH 值的测定》（LY/T 1239－1999）。5.2.7 可交换酸度5.2.7.1 氯化钾交换－中和滴定法：《土壤分析技术规范》第二版，11.2 土壤交换性酸的测定。5.2.7.2 氯化钾交换－中和滴定法（森林土壤）：《森林土壤交换性酸度的测定》（LY/T 1240－1999）。5.2.8 水解性酸度5.2.8.1 乙酸钠水解－中和滴定法：《森林土壤水解性总酸度的测定》（LY/T 1241－1999）。5.2.9 阳离子交换量5.2.9.1 乙酸铵交换－容量法（酸性、中性土壤）：《中性 土壤阳离子交换量和交换性盐基的测定》（NY/T 295－1995）。5.2.9.2 乙酸钙交换－容量法（石灰性土壤）：《土壤检测第 5 部分：石灰性土壤阳离子交换量的测定》（NY/T 1121.5－2006）。5.2.9.3 EDTA－乙酸铵盐交换－容量法：《土壤分析技术规范》第二版，12.1EDTA－乙酸铵盐交换法。5.2.9.4 乙酸铵交换－容量法（酸性、中性森林土壤）：《森林土壤阳离子交换量的测定》（LY/T 1243－1999）。5.2.9.5 氯化铵－乙酸铵交换－容量法（石灰性森林土壤）：《森林土壤阳离子交换量的测定》（LY/T 1243－1999）。5.2.10 水溶性盐总量5.2.10.1 重量法：《耕地质量等级》附录 F（规范性附录）土壤水溶性盐总量的测定（GB/T 33469－2016）。5.2.10.2 质量法、电导法（森林土壤）：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.11 交换性盐基总量5.2.11.1 乙酸铵交换法－中和滴定法（酸性、中性土壤）：《土壤分析技术规范》第二版，13.1 酸性和中性土壤交换性盐基组成的测定（乙酸铵交换法）。5.2.11.2 氯化铵－乙醇交换－原子吸收分光光度法/火焰光度法（石灰性土壤）：《石灰性土壤交换性盐基及盐基总量的测定》（NY/T 1615－2008）。5.2.11.3 乙酸铵交换法－中和滴定法（酸性、中性森林土壤）：《森林土壤交换性盐基总量的测定》（LY/T 1244－ 1999）。5.2.12 电导率5.2.12.1 电导法：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.13 有机质5.2.13.1 重铬酸钾氧化－容量法：《耕地质量等级》附录C（规范性附录）土壤有机质的测定（GB/T 33469－2016）。5.2.13.2 重铬酸钾氧化－外加热法：《森林土壤有机质的测定及碳氮比的计算》（LY/T 1237－1999）。5.2.14 总碳5.2.14.1 杜马斯燃烧法：《土壤中总碳和有机质的测定元素分析仪法》。5.2.15 全氮5.2.15.1 自动定氮仪法：《土壤检测第 24 部分：土壤全氮的测定自动定氮仪法》（NY/T 1121.24－2012）。5.2.15.2 凯氏定氮法（森林土壤）：《森林土壤氮的测定》（LY/T 1228－2015）。5.2.15.3 连续流动分析仪法（森林土壤）：《森林土壤氮的测定》（LY/T 1228－2015）。5.2.15.4 元素分析仪法（森林土壤）：《森林土壤氮的测定》（LY/T 1228－2015）。5.2.16 全磷5.2.16.1 氢氧化钠熔融－钼锑抗比色法：《土壤分析技术规范》第二版，8.1 土壤全磷的测定（氢氧化钠熔融－钼锑抗比色法）。5.2.16.2 碱熔－钼锑抗比色法（森林土壤）：《森林土壤磷的测定》（LY/T 1232－2015）。5.2.16.3 酸溶法－钼锑抗比色/电感耦合等离子体发射 光谱法（森林土壤）：《森林土壤磷的测定》（LY/T 1232－2015）。5.2.17 全钾5.2.17.1 氢氧化钠熔融－火焰光度法/原子吸收分光光度法：《土壤分析技术规范》第二版，9.1 土壤全钾的测定。5.2.17.2 碱熔－火焰光度法/原子吸收分光光度法（森林土壤）：《森林土壤钾的测定》（LY/T 1234－2015）。5.2.17.3 酸溶－火焰光度法/原子吸收分光光度法/电感耦合等离子体发射光谱法（森林土壤）：《森林土壤钾的测定》（LY/T 1234－2015）。5.2.18 全硫5.2.18.1 硝酸镁氧化－硫酸钡比浊法：《土壤分析技术规范》第二版，16.9 全硫的测定（硝酸镁氧化－硫酸钡比浊法）。5.2.18.2 燃烧碘量法（森林土壤）：《森林土壤全硫的测定》（LY/T 1255－1999）。5.2.18.3 EDTA 间接滴定法（森林土壤）：《森林土壤全硫的测定》（LY/T 1255－1999）。5.2.19 全硼5.2.19.1 碱熔－甲亚胺－比色法：《土壤分析技术规范》第二版，18.1 土壤全硼的测定。5.2.19.2 碱熔－姜黄素－比色法：《土壤分析技术规范》第二版，18.1 土壤全硼的测定。5.2.19.3 碱熔－等离子体发射光谱法：《土壤分析技术规范》第二版，18.1 土壤全硼的测定。5.2.20 全硒5.2.20.1 酸溶－氢化物发生－原子荧光光谱法：《土壤中全硒的测定》（NY/T 1104－2006）。5.2.21 全铁5.2.21.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.21.2 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.22 全锰5.2.22.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.22.2 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.23 全铜5.2.23.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.23.2 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.24 全锌5.2.24.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.24.2 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.25 全钼5.2.25.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.26 全铝5.2.26.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.26.2 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.27 全硅5.2.27.1 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.28 全钙5.2.28.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.28.2 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.29 全镁5.2.29.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.29.2 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.30 全钛5.2.30.1 酸消解－电感耦合等离子体发射光谱法：《固体废物 22 种金属元素的测定 电感耦合等离子体发射光谱法》（HJ 781－2016）。5.2.30.2 碱熔－电感耦合等离子体发射光谱法：《土壤和沉积物 11 种元素的测定 碱熔－电感耦合等离子体发射光谱法》(HJ 974－2018)。5.2.31 有效磷5.2.31.1 氟化铵－盐酸溶液/碳酸氢钠浸提－钼锑抗比色法：《土壤检测第 7 部分：土壤有效磷的测定》（NY/T 1121.7－2014）。5.2.31.2 盐酸－硫酸/氟化铵－盐酸溶液/碳酸氢钠浸提－钼锑抗比色法（森林土壤）：《森林土壤磷的测定》（LY/T 1232－2015）。5.2.31.3 盐酸-硫酸/氟化铵－盐酸溶液浸提－电感耦合等离子体发射光谱法（森林土壤）：《森林土壤磷的测定》（LY/T 1232－2015）。5.2.31.4 氟化铵－盐酸/碳酸氢钠浸提－连续流动分析仪法（森林酸性土壤）：《森林土壤磷的测定》（LY/T 1232－ 2015）。5.2.32 速效钾5.2.32.1 乙酸铵浸提－火焰光度法：《土壤速效钾和缓效钾的测定》（NY/T 889－2004）。5.2.32.2 乙酸铵浸提－火焰光度法/原子吸收分光光度法/电感耦合等离子体发射光谱法（森林土壤）：《森林土壤钾的测定》（LY/T 1234－2015）。5.2.33 缓效钾5.2.33.1 热硝酸浸提－火焰光度法：《土壤速效钾和缓效钾的测定》（NY/T 889－2004）。5.2.33.2 热硝酸浸提－火焰光度法/原子吸收分光光度法/电感耦合等离子体发射光谱法（森林土壤）：《森林土壤钾的测定》（LY/T 1234－2015）。5.2.34 有效硫5.2.34.1 磷酸盐－乙酸溶液/氯化钙浸提-电感耦合等离子体发射光谱法：《土壤检测第 14 部分：土壤有效硫的测定》（NY/T 1121.14）。5.2.34.2 磷酸盐－乙酸溶液浸提－硫酸钡比浊法（森林土壤）：《森林土壤有效硫的测定》（LY/T 1265－1999）。5.2.35 有效硅5.2.35.1 柠檬酸浸提－硅钼蓝比色法：《土壤分析技术规范》第二版，20.2 土壤有效硅的测定。5.2.35.2 HOAc 缓冲液浸提－硅钼蓝比色法（森林土壤）：《森林土壤有效硅的测定》（LY/T 1266－1999）。5.2.36 有效铁5.2.36.1 DTPA 浸提－原子吸收分光光度法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.36.2 DTPA 浸提－电感耦合等离子体发射光谱法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.36.3 DTPA 浸提－邻菲啰啉比色法（森林土壤）：《森林土壤有效铁的测定》（LY/T 1262－1999）。5.2.36.4 DTPA 浸提－原子吸收分光光度法（森林土壤）：《森林土壤有效铁的测定》（LY/T 1262－1999）。5.2.37 有效锰5.2.37.1 DTPA 浸提－原子吸收分光光度法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890-2004）。5.2.37.2 DTPA 浸提－电感耦合等离子体发射光谱法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.37.3 乙酸铵溶液浸提－高锰酸钾比色法（森林土壤交换性锰）：《森林土壤交换性锰的测定》（LY/T 1263－1999）。5.2.37.4 乙酸铵溶液浸提－原子吸收分光光度法（森林土壤交换性锰）：《森林土壤交换性锰的测定》（LY/T 1263－ 1999）。5.2.37.5 对苯二酚－0.1mol/L 乙酸铵浸提－高锰酸钾比色法（森林土壤易还原锰）：《森林土壤易还原锰的测定》（LY/T 1264－1999）。5.2.37.6 对苯二酚－0.1mol/L 乙酸铵浸提－原子吸收分光光度法（森林土壤易还原锰）：《森林土壤易还原锰的测定》（LY/T 1264－1999）。5.2.38 有效铜5.2.38.1 DTPA 浸提－原子吸收分光光度法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.38.2 DTPA 浸提－电感耦合等离子体发射光谱法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.38.3 0.1mol/L 盐酸/DTPA 浸提－DDTC 比色法（森林土壤）：《森林土壤有效铜的测定》（LY/T 1260－1999）。5.2.38.4 0.1mol/L 盐酸/DTPA 浸提－原子吸收分光光度 法（森林土壤）：《森林土壤有效铜的测定》（LY/T 1260－1999）。5.2.39 有效锌5.2.39.1 DTPA 浸提－原子吸收分光光度法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.39.2 DTPA 浸提－电感耦合等离子体发射光谱法：《土壤有效态锌、锰、铁、铜含量的测定二乙三胺五乙酸（DTPA）浸提法》（NY/T 890－2004）。5.2.39.3 0.1mol/L 盐酸/DTPA 浸提－DDTC 比色法（森林土壤）：《森林土壤有效锌的测定》（LY/T 1261－1999）。5.2.39.4 0.1mol/L 盐酸/DTPA 浸提－原子吸收分光光度 法（森林土壤）：《森林土壤有效锌的测定》（LY/T 1261－1999）。5.2.40 有效硼5.2.40.1 沸水提取－甲亚胺－H 比色法：《土壤分析技术规范》第二版，18.2 土壤有效硼的测定。5.2.40.2 沸水提取－姜黄素－比色法：《土壤分析技术规范》第二版，18.2 土壤有效硼的测定。5.2.40.3 沸水－硫酸镁浸提－电感耦合等离子体发射光谱法：《土壤有效硼的测定 电感耦合等离子体发射光谱法》。5.2.40.4 沸水浸提－甲亚胺－H 比色法：《森林土壤有效硼的测定》（LY/T 1258－1999）。5.2.41 有效钼5.2.41.1 草酸－草酸铵浸提－示波极谱法：《土壤检测第 9 部分：土壤有效钼的测定》（NY/T 1121.9－2012）5.2.41.2 草酸－草酸铵浸提－电感耦合等离子体质谱法：《土壤检测 第 9 部分：土壤有效钼的测定》（NY/T 1121.9）。5.2.41.3 草酸－草酸铵浸提－电感耦合等离子体发射光谱法：《土壤检测 第 9 部分：土壤有效钼的测定》（NY/T 1121.9）。5.2.41.4 草酸－草酸铵浸提－硫氰化钾比色法/极谱法：《森林土壤有效钼的测定》（LY/T 1259－1999）。5.2.42 有效硒5.2.42.1 磷酸二氢钾溶液浸提－氢化物发生原子荧光光谱法：《土壤有效硒的测定 氢化物发生原子荧光光谱法》（NY/T 3420－2019）。5.2.43 交换性钙5.2.43.1 乙酸铵交换－原子吸收分光光度法（酸性、中性土壤）：《土壤分析技术规范》第二版，13.1 酸性和中性土壤交换性盐基组成的测定（乙酸铵交换法）5.2.43.2 氯化铵－乙醇交换－原子吸收分光光度法（石灰性土壤）：《石灰性土壤交换性盐基及盐基总量的测定》（NY/T 1615－2008）。5.2.43.3 乙酸铵交换－EDTA 络合滴定法/原子吸收分光光度法（酸性、中性森林土壤）：《森林土壤交换性钙和镁的测定》（LY/T 1245－1999）。5.2.44 交换性镁5.2.44.1 乙酸铵交换－原子吸收分光光度法（酸性、中性土壤）：《土壤分析技术规范》第二版，13.1 酸性和中性土壤交换性盐基组成的测定（乙酸铵交换法）。5.2.44.2 氯化铵－乙醇交换－原子吸收分光光度法（石灰性土壤）：《石灰性土壤交换性盐基及盐基总量的测定》（NY/T 1615－2008）。5.2.44.3 乙酸铵交换－EDTA 络合滴定法/原子吸收分光光度法（酸性、中性森林土壤）：《森林土壤交换性钙和镁的测定》（LY/T 1245－1999）。5.2.45 交换性钠5.2.45.1 乙酸铵交换－火焰光度法（酸性、中性土壤）：《土壤分析技术规范》第二版，13.1 酸性和中性土壤交换性盐基组成的测定（乙酸铵交换法）。5.2.45.2 乙酸铵交换－火焰光度法（森林土壤）：《森林土壤交换性钾和钠的测定》（LY/T 1246－1999）。5.2.45.3 乙酸铵－氢氧化铵交换－火焰光度法（碱化森林土壤）：《碱化土壤交换性钠的测定》（LY/T 1248－1999）。5.2.46 水溶性钠和钾离子5.2.46.1 火焰光度法：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.47 水溶性钙和镁离子5.2.47.1 EDTA 络合滴定法：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.47.2 原子吸收分光光度法：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.48 水溶性碳酸根和碳酸氢根5.2.48.1 双指示剂中合法：《森林土壤水溶性盐分分析》（LY/T 1251-1999）。5.2.49 水溶性硫酸根5.2.49.1 土壤浸出液中硫酸根的预测：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.49.2 EDTA 间接滴定法（含量适中）：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.49.3 硫酸钡比浊法（含量较低）：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.49.4 硫酸钡质量法（含量较高）：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.50 水溶性氯根5.2.50.1 硝酸银滴定法：《森林土壤水溶性盐分分析》（LY/T 1251－1999）。5.2.51 总汞5.2.51.1 氢化物发生原子荧光法：《土壤质量 总汞、总砷、总铅的测定 原子荧光法 第 1 部分：土壤中总汞的测定》（GB/T 22105.1－2008）。5.2.51.2 催化热解－冷原子吸收分光光度法：《土壤和沉积物 总汞的测定 催化热解/冷原子吸收分光光度法》（HJ 923－2017）。5.2.52 总砷5.2.52.1 原子荧光法：《土壤质量 总汞、总砷、总铅的测定 原子荧光法 第 2 部分：土壤中总砷的测定》（GB/T 22105.2－2008）。5.2.53 总铅5.2.53.1 电感耦合等离子体质谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.53.2 电感耦合等离子体原子发射光谱法：《固体废物22 种金属元素的测定 电感耦合等离子体原子发射光谱法》（HJ 781－2016）。5.2.53.3 石墨炉原子吸收分光光度法：《土壤质量 铅、镉的测定 石墨炉原子吸收分光光度法》（ GB/T 17141 － 1997）。5.2.53.4 火焰原子吸收分光光度法：《土壤和沉积物 铜、锌、铅、镍、铬的测定 火焰原子吸收分光光度法》（HJ 491－2019）。5.2.54 总镉5.2.54.1 石墨炉原子吸收分光光度法：《土壤质量 铅、镉的测定 石墨炉原子吸收分光光度法》（ GB/T 17141 － 1997）。5.2.54.2 电感耦合等离子体质谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.55 总铬5.2.55.1 电感耦合等离子体原子发射光谱法：《固体废物22 种金属元素的测定 电感耦合等离子体原子发射光谱法》（HJ 781－2016）。5.2.55.2 电感耦合等离子体质谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.55.3 火焰原子吸收分光光度法：《土壤和沉积物 铜、锌、铅、镍、铬的测定 火焰原子吸收分光光度法》（HJ 491－2019）。5.2.56 总镍5.2.56.1 电感耦合等离子体原子发射光谱法：《固体废物22 种金属元素的测定 电感耦合等离子体原子发射光谱法》（HJ 781－2016）。5.2.56.2 电感耦合等离子体质谱法：《固体废物 金属元素的测定 电感耦合等离子体质谱法》（HJ 766－2015）。5.2.56.3 火焰原子吸收分光光度法：《土壤和沉积物 铜、锌、铅、镍、铬的测定 火焰原子吸收分光光度法》（HJ 491－2019）。土壤含水量的测定按《土壤检测 第 3 部分：土壤机械组成的测定》（NY/T 1121.3－2006）。采用林业行业标准的检测方法按《森林土壤含水量的测定》（LY/T 1213－1999）测定含水量。5.3 结果上报检测实验室完成样品检测后，检测员需及时填写检测原始记录。原始记录经三级审核无误后，检测结果（附表 4）及时录入上报至土壤普查工作平台，经省级质量控制化验室审核后确认。原文下载：全国第三次土壤普查土壤样品 制备、保存、流转和检测技术规范 （征求意见稿）更多资料：《第三次全国土壤普查资料汇编》——仪器+方法+采样+制备+质控（全册）

2018年，由北京普瑞亿科科技有限公司研发的PRI-8800全自动变温培养土壤温室气体在线测量系统，一经推出便得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展。目前以PRI-8800为关键设备发表的相关文章已达26篇。 今天与大家分享的是浙江大学环境与资源学院罗忠奎研究团队在研究土壤有机碳矿化及其温度敏感性（Q10）与微生物群落多样性和组成之间关系方面取得的进展。在该项研究中，研究团队利用PRI-8800测定土壤CO2排放速率，为研究结果提供了有力的数据支撑。 土壤微生物驱动着有机碳的矿化，由于不同微生物群落在代谢效率以及对不同温度变化的响应存在差异，因此土壤有机碳矿化及其温度敏感性（Q10）与微生物群落多样性和组成之间应该存在密切的关系。然而，这些关系很少被检验。 基于此，浙江大学环境与资源学院罗忠奎研究团队通过室内培养实验，评估了藏东南地区不同海拔（气候）梯度中土壤微生物α多样性对温度的响应以及r-和k-策略微生物的相对丰度。图.培养第128天的土壤有机碳矿化速率及其Q10与门水平微生物群落丰度的相关性。灰色表示相关性不显著（即P 0.05），彩色网格表示相关性显著（P 0.05），颜色梯度表示相关性的大小和强度。R5°C-128和R25°C-128分别为5°C和25°C培养温度下第128天的有机碳矿化速率。Q10-128为土壤有机碳在128天培养期间的温度敏感性。F：新鲜土壤样品；5、25分别为在5°C和25°C培养的土壤样品。 在土壤培养实验设计及有机碳矿化测定的过程中，研究团队采用由普瑞亿科研发的PRI-8800全自动变温土壤培养温室气体分析系统测定土壤CO2排放速率（μg CO2-C g&minus 1 SOC day&minus 1），每个土壤样品测定时间设置为3分钟，此数据的获取为该项研究提供了有力的数据支撑。基于不同温度下测定的土壤CO2排放速率，计算了有机碳矿化的温度敏感性（Q10）。 研究结果表明：培养128后测定的α多样性以及r-和k-策略微生物的相对丰度受温度的显著影响（P 0.05），但是这些微生物变量并不能很好地预测同步测定的土壤有机碳矿化速率。相反，新鲜土壤的微生物群落多样性以及r-和k-策略微生物的相对丰度对不同培养阶段的土壤有机碳矿化速率及其Q10的影响是一致且显著的（P 0.05）。与此同时，路径分析表明，当考虑到气候、土壤有机碳化学、物理保护和土壤性质的变化时，微生物α多样性以及r-和k-策略微生物对土壤有机碳矿化速率及其Q10的影响并不是独立的。本研究结果表明，虽然土壤微生物群落的多样性和组成是土壤有机碳质量和有效性的重要指标，但它们并不是土壤有机碳矿化速率及其Q10的根本的决定因素。 相关研究成果以“Decoupling of soil carbon mineralization and microbial community composition across a climate gradient on the Tibetan Plateau”为题发表在国际SCI期刊Geoderma（IF2022=6.1，中科院一区）。Zheng, J., Mao, X., Jan van Groenigen, K., Zhang, S., Wang, M., Guo, X. et al. (2024). Decoupling of soil carbon mineralization and microbial community composition across a climate gradient on the Tibetan Plateau. 441, 116736.https://doi.org/10.1016/j.geoderma.2023.116736 截至目前，以PRI-8800为关键设备发表的相关文章已达26篇，分别发表在10余种影响因子较高的国际期刊上——数据来源：https://sci.justscience.cn/ 很荣幸PRI-8800可以为这些高质量学术研究贡献一份力量，感谢各位老师对普瑞亿科产品的支持和信任。即日起，如果您成功发表文章，并且在研究过程中使用了普瑞亿科的国产仪器设备，请与我们公司联络，我们为您准备了一份小礼物，以感谢您对国产设备以及普瑞亿科的信任和支持！ 为响应国家“双碳”目标，针对国内“双碳”行动有效性评估，普瑞亿科全新升级了PRI-8800 全自动变温培养土壤温室气体在线测量系统，结合了连续变温培养和高频土壤呼吸在线测量的优势，模式的培养与测试过程非常简单高效，这极大方便了大量样品的测试或大尺度联网的研究，可以有效服务科学研究和生态观测。PRI-8800的成功推出，为“双碳”目标研究和评价提供了强有力的工具。 土壤有机质分解速率（R）对温度变化的响应非常敏感。温度敏感性参数（Q10）可以刻画土壤有机质分解对温度变化的响应程度。Q10是指温度每升高10℃，Ｒ所增加的倍数；Q10值越大，表明土壤有机质分解对温度变化就越敏感。Q10不仅取决于有机质分子的固有动力学属性，也受到环境条件的限制。Q10能抽象地描述土壤有机质分解对温度变化的响应，在不同生态类型系统、不同研究间架起了一个规范的和可比较的参数，因此其研究意义重大。 以往Q10研究通过选取较少的温度梯度（3-5个点）进行测量，从而导致不同土壤的呼吸对温度变化拟合相似度高的问题无法被克服。Robinson最近的研究（2017）指出，最低20个温度梯度拟合土壤呼吸对温度的响应曲线可以有效解决上述问题。PRI-8800全自动变温土壤温室气体在线测量系统为Q10的研究提供了强有力的工具，不仅能用于测量Q10对环境变量主控温度因子的响应，也能用于测量其对土壤含水量、酶促反应、有机底物、土壤生物及时空变异等的响应。PRI-8800为Q10对关联影响因子的研究，提供了一套快捷、高效、准确的整体解决方案。可设定恒温或变温培养模式；温度控制波动优于±0.05℃；平均升降温速率不小于1°C/min；307 mL样品瓶，25位样品盘；一体化设计，内置CO2 H2O模块；可外接高精度浓度或同位素分析仪。 为了更好地助力科学研究，拓展设备应用场景，普瑞亿科重磅推出「加强版」PRI-8800——PRI-8800 Plus全自动变温培养土壤温室气体在线测量系统。 1）原状土冻融过程模拟：气候变化改变了土壤干湿循环和冻融循环的频率和强度。这些波动影响了土壤微生物活动的关键驱动力，即土壤水分利用率。虽然这些波动使土壤微生物结构有少许改变，但一种气候波动的影响（例如干湿交替）是否影响了对另一种气候（例如冻融交替）的反应，其温室气体排放是如何响应的？通过PRI-8800 Plus 的冻融模拟，我们可以找出清晰答案。 2）湿地淹水深度模拟：在全球尺度上湿地甲烷（CH4）排放的温度敏感性大小主要取决于水位变化，而二氧化碳（CO2）排放的温度敏感性不受水位影响。复杂多样的湿地生态系统不同水位的变化及不同温度的变化如何影响和调控着湿地温室气体的排放？我们该如何量化不同水位的变化及不同温度的变化下湿地的温室气体排放？借助PRI-8800 Plus，通过淹水深度和温度变化的组合测试，可以查出真相。 3）温度依赖性的研究：既然温度的变化会极大影响土壤呼吸，基于温度变化的Q10研究成为科学家研究中重中之重。2017年Robinson提出的最低20个温度梯度拟合土壤呼吸对温度响应曲线的建议，将纠正以往研究人员只设置3-5个温度点(大约相隔5-10℃)进行呼吸测量的做法，该建议能解决传统方法因温度梯度少而导致的不同土壤的呼吸对温度变化拟合相似度高的问题，更能提升不同的理论模型或随后模型推算结果的准确性。而上述至少20个温度点的设置和对应的土壤呼吸测量，仅仅需要在PRI-8800 Plus程序中预设几个温度梯度即可完成多个样品在不同温度下的自动测量，这将极大提高科学家的工作效率。 除了上述变温应用案例外，科学家还可以依据自己的实验设计进行诸如日变化、月变化、季节变化、甚至年度温度变化的模拟培养，通过PRI-8800 Plus的“傻瓜式”操作测量，将极大减少科学家实验实施的周期和工作量，并提高了工作效率。 PRI-8800 Plus除了具有上述变温培养的特色，还可以进行恒温培养，抑或是恒温/变温交替培养，这些组合无疑拓展了系统在不同温度组合条件下的应用场景。 4）水分依赖性的研究：多数研究表明，在温度恒定的情况下，Q10很容易受土壤含水量的影响，表现出一定的水分依赖特性。PRI-8800 Plus可以通过手动调整土壤含水量的做法，并在PRI-8800 Plus快速连续测量模式下，实现不同水分梯度条件下土壤呼吸的精准测量，而PRI-8800 Plus的逻辑设计，为短期、中期和长期湿度控制条件下的土壤呼吸的连续、高品质测量提供了可能。 5）底物依赖性的研究：底物物质量与Q10密切相关，这里的底物包含不限于自然态的土壤，如含碳量，含氮量，易分解/难分解的碳比例、土壤粘粒含量、酸碱盐度等；也可能包含了某些外源底物，如外源的生物质碳、微生物种群、各种肥料、呼吸促进/抑制剂、同位素试剂等。通过PRI-8800快速在线变温培养测量，能加速某些研究进程并获得可靠结果，如生物质炭在土壤改良过程中的土壤呼吸研究、缓释肥缓释不同阶段对土壤呼吸的持续影响、盐碱土壤不同改良措施下的土壤呼吸的变化响应等等。 6）生物依赖性的研究：土壤呼吸包含土壤微生物呼吸（90%）和土壤动物呼吸（1-10%），土壤微生物群落对Q10影响重大。通过温度响应了解培养前后的微生物种群和数量的变化以及对应的土壤呼吸速率的变化有重要意义。外源微生物种群的添加，或许帮助科学家找出更好的Q10对土壤生物依赖性的响应解析。1.Li C, Xiao C, Li M, et al. The quality and quantity of SOM determines the mineralization of recently added labile C and priming of native SOM in grazed grasslands[J]. Geoderma, 2023, 432: 116385.2.Ma X, Jiang S, Zhang Z, et al. Long‐term collar deployment leads to bias in soil respiration measurements[J]. Methods in Ecology and Evolution, 2023, 14(3): 981-990.3.He Y, Zhou X, Jia Z, et al. Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability[J]. Global Change Biology, 2023, 29(4): 1178-1187.4.Mao X, Zheng J, Yu W, et al. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile[J]. Soil Biology and Biochemistry, 2022, 172: 108743.5.Pan J, He N, Liu Y, et al. Growing season average temperature range is the optimal choice for Q10 incubation experiments of SOM decomposition[J]. Ecological Indicators, 2022, 145: 109749.6.Li C, Xiao C, Guenet B, et al. Short-term effects of labile organic C addition on soil microbial response to temperature in a temperate steppe[J]. Soil Biology and Biochemistry, 2022, 167: 108589.7.Jiang ZX, Bian HF, Xu L, He NP. 2021. Pulse effect of precipitation: spatial patterns and mechanisms of soil carbon emissions. Frontiers in Ecology and Evolution, 9: 673310.8.Liu Y, Xu L, Zheng S, Chen Z, Cao YQ, Wen XF, He NP. 2021. Temperature sensitivity of soil microbial respiration in soils with lower substrate availability is enhanced more by labile carbon input. Soil Biology and Biochemistry, 154: 108148.9.Bian HF, Zheng S, Liu Y, Xu L, Chen Z, He NP. 2020. Changes in soil organic matter decomposition rate and its temperature sensitivity along water table gradients in cold-temperate forest swamps. Catena, 194: 104684.10.Xu M, Wu SS, Jiang ZX, Xu L, Li MX, Bian HF, He NP. 2020. Effect of pulse precipitation on soil CO2 release in different grassland types on the Tibetan Plateau. European Journal of Soil Biology, 101: 103250.11.Liu Y, He NP, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. 2019. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition. Soil Biology & Biochemistry, 138, 107596.12.Yingqiu C, Zhen Z, Li X, et al. Temperature Affects new Carbon Input Utilization By Soil Microbes: Evidence Based on a Rapid δ13C Measurement Technology[J]. Journal of Resources and Ecology, 2019, 10(2): 202-212.13.Cao Y, Xu L, Zhang Z, et al. Soil microbial metabolic quotient in inner mongolian grasslands: Patterns and influence factors[J]. Chinese Geographical Science, 2019, 29: 1001-1010.14.Liu Y, He NP, Wen XF, Xu L, Sun XM, Yu GR, Liang LY, Schipper LA. 2018. The optimum temperature of soil microbial respiration: Patterns and controls. Soil Biology and Biochemistry, 121: 35-42.15.Liu Y, Wen XF, Zhang YH, Tian J, Gao Y, Ostle NJ, Niu SL, Chen SP, Sun XM, He NP. 2018.Widespread asymmetric response of soil heterotrophic respiration to warming and cooling. Science of Total Environment, 635: 423-431.16.Wang Q, He NP, Xu L, Zhou XH. 2018. Important interaction of chemicals, microbial biomass and dissolved substrates in the diel hysteresis loop of soil heterotrophic respiration. Plant and Soil, 428: 279-290.17.Wang Q, He NP, Xu L, Zhou XH. 2018. Microbial properties regulate spatial variation in the differences in heterotrophic respiration and its temperature sensitivity between primary and secondary forests from tropical to cold-temperate zones. Agriculture and Forest Meteorology, 262, 81-88.18.He N P, Liu Y, Xu L, Wen X F, Yu G R, Sun X M. Temperature sensitivity of soil organic matter decomposition:New insights into models of incubation and measurement. Acta Ecologica Sinica, 2018, 38(11): 4045-4051.19.Li J, He NP, Xu L, Chai H, Liu Y, Wang DL, Wang L, Wei XH, Xue JY, Wen XF, Sun XM. 2017. Asymmetric responses of soil heterotrophic respiration to rising and decreasing temperatures. Soil Biology & Biochemistry, 106: 18-27.20.Liu Y, He NP, Xu L, Niu SL, Yu GR, Sun XM, Wen XF. 2017. Regional variation in the temperature sensitivity of soil organic matter decomposition in China’s forests and grasslands. Global Change Biology, 23: 3393-3402.21.Wang Q, He NP*, Liu Y, Li ML, Xu L. 2016. Strong pulse effects of precipitation event on soil microbial respiration in temperate forests. Geoderma, 275: 67-73.22.Wang Q, He NP, Yu GR, Gao Y, Wen XF, Wang RF, Koerner SE, Yu Q*. 2016. Soil microbial respiration rate and temperature sensitivity along a north-south forest transect in eastern China: Patterns and influencing factors. Journal of Geophysical Research: Biogeosciences, 121: 399-410.23.He NP, Wang RM, Dai JZ, Gao Y, Wen XF, Yu GR. 2013. Changes in the temperature sensitivity of SOM decomposition with grassland succession: Implications for soil C sequestration. Ecology and Evolution, 3: 5045-5054.24.Liu Y, Kumar A, Tiemann L K, et al. Substrate availability reconciles the contrasting temperature response of SOC mineralization in different soil profiles[J]. Journal of Soils and Sediments, 2023: 1-15.25.Liu YH,Xiong DC,Wu C,et al.Effects of exogenous carbon addition on soil carbon emission in a subtropical evergreen broad-leaf forest[J]. Journal of Forest & Environment, 2023, 43(5).26.Zheng, J., Mao, X., Jan van Groenigen, K., Zhang, S., Wang, M., Guo, X. et al. (2024). Decoupling of soil carbon mineralization and microbial community composition across a climate gradient on the Tibetan Plateau. 441, 116736.

近年来，全球环境问题日益突出，资源的合理利用和环境的保护已成为全人类共同面临的挑战。水分是生命的基础，对于植物的生长发育和生态系统的稳定运行起着至关重要的作用。然而，人类的过度开采和污染已导致严重的水资源短缺、土壤荒漠化等问题。沙柳作为一种生长在贫瘠土壤和干旱地区的植物，具有很强的水分利用能力和环境适应性。沙柳生长迅速，枝叶茂密，根系繁大，固沙保土力强，是中国沙荒地区造林面积最大的树种之一。同时，它长而发达的根系，能够迅速吸收土壤中的水分，高效利用水资源。其表面一层厚厚的叶蜡，也能够减少水分的蒸发和流失，有效避免土壤干燥和水分的浪费。因此，通过对沙棘的深入研究和广泛应用，我们可以有效地解决环境保护的问题。接下来这篇相关论文，我们来了解一下沙柳的水分利用来源。基于稳定同位素分析毛乌素沙地东北部不同林龄人工沙柳的水分利用来源沙柳具有很好的应对非生物胁迫（如干旱、寒冷、低肥力）的能力，已广泛引入毛乌素沙地东北部以防风固沙及改善生态系统功能和服务。然而，早期引入的沙柳出现了退化和枯死现象。预计由于气候持续变暖和人为干预增加，沙柳人工灌丛将出现更严重的干旱胁迫。鉴于人类世日益严重的水资源短缺和土壤荒漠化的持续扩大。了解植物与土壤水分关系并实施合理的水分管理策略，必须确定人工植被在沙漠生态系统中的水分利用模式。然而，对于不同发育阶段沙柳的特性、调控和水源差异等研究还知之甚少。基于此，为确定毛乌素沙地圪丑沟小流域（38°11′–38°53′ N，109°21′–110°03′ E）不同林龄（6年、12年和18年）人工沙柳水分利用模式的季节变化和控制因素，揭示老化沙柳枯死的潜在机制，理解土壤水-植物的关系和人工植被的生态适应性。来自中国科学院地理科学与资源研究所的研究者们于2019-2021年5-10月（5、6、10月为旱季；7、8、9月为雨季）植物生长季进行了相关研究。试验开始前，作者采集了土壤样品，确定其土壤颗粒组成，总N含量（TN）及总P含量（TP）。采集了根系样品，确定植物根系分布。试验期，采集了0-20 cm、20-40 cm、40-60 cm、60-90 cm、90-120 cm、120-150 cm、150-200 cm、200-250 cm及250-300 cm土壤样品，将其分为两部分，一部分用来测定同位素，一部分用来测定土壤含水量（SWC）。同时采集了植物木质部样品。并于降水事件后收集降雨，采集降水量和气温数据。通过计算土壤干燥化指数（SDI）描述土壤水分亏缺状态。利用LI-2000植物土壤水分抽提系统（北京理加联合科技有限公司）提取木质部和土壤中的水分。利用Picarro L2130-i水同位素分析仪确定土壤水及降水的δ18O和δ2H。同时确定木质部水的δ18O和δ2H。最后通过MixSIAR模型区分并量化植物水源。【结果】试验期降水δ2H和δ18O（c）及降水量与δ2H/δ18O之间的关系（d）。生长季土壤水δ2H和δ18O的深度和时间分布。潜在水源对沙柳水分吸收贡献率的季节性变化。【结论】在整个生长季，6年沙柳60％的水源来自于0–120 cm土壤层。相比之下，12年和18年沙柳具有更大程度的生态可塑性，分别从旱季120-300 cm（71.93％）和40-200 cm（68.91％）水源转变到雨季的0-120 cm（65.09％和56.14％）水源。根系和土壤含水量垂直分布的变化是影响不同林龄沙柳水分利用模式季节性变化的主要因素。18年林分中，严重的土壤干涸和死根削弱了老化沙柳的生态可塑性，降低了其吸收深层水（200-300 cm）的能力，从而导致沙柳退化。因此，野外管理措施，例如（i）通过沙柳退化枝条覆盖地面以减少土壤水蒸发；（ii）使成熟沙柳稀疏以减少水分消耗；（iii）通过对最佳植物密度或生物量进行建模来确定植被阈值，以指导所研究地区的未来植被恢复。在这项研究中，针对沙柳拟议的管理实践可以为世界其他沙漠地区相似林龄人工恢复植物的水分利用策略提供参考。

土壤有机碳是指土壤中各种正价态的含碳有机化合物，是土壤极其重要的组成部分，对地球碳循环有巨大的影响，既是温室气体“源”，也是其重要的“汇”。由于土壤有机碳的组成成分和结构十分复杂，加之受到环境与测量技术的限制，目前对其分解特征和循环转化尚未得到充分的认识。 2018年，由北京普瑞亿科科技有限公司与中国科学院地理科学与资源研究所联合研发的PRI-8800全自动变温培养土壤温室气体在线测量系统，一经推出便得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展，相关文章发表已达17篇。 今天与大家分享的文章是罗忠奎课题组关于揭示剖面土壤有机碳分解对温度变化的响应特征及其控制因子的研究。 在该项研究中，针对土壤培养和Q10估算，采用PRI-8800作为关键设备之一，该成果发表于《Soil Biology and Biochemistry》，我们一起学习一下吧！ 在气候变暖的背景下，土壤有机碳分解温度敏感性（Q10）的研究主要集中在表层土壤，而深层土壤有机碳分解特征及其控制因子还未得到充分的认识，这将会明显增加陆地生态系统土壤碳库—气候反馈的强度和方向预测的不确定性。 针对上述问题，浙江大学环境与资源学院遥感所罗忠奎研究员课题组在中国西藏东南部，采集沿着海拔区间约2500米（约2100米至约4600米）的样带（从常绿阔叶林到高寒草甸）10个地点、5个连续土层深度（0-10、10-20、20-30、30-50和50-100 cm）土壤样品，结合13C-NMR和物理化学分组技术表征了有机碳的化学分子结构和物理化学稳定性，并对剖面土壤进行培养（128天），评估了土壤有机碳分解的温度敏感性及其主要影响因子。图1.不同海拔和土层间Q10值的分布，Q10-cum，基于128天累积培养呼吸计算；Q10-q，基于累积消耗碳组分0-0.1%、0.2-0.3%、0.4-0.5%计算；Q10-k基于模型模拟快库、慢库、惰库计算。表1.海拔和土层对不同Q10的影响 研究结果发现不同海拔和不同土层土壤有机碳的化学稳定性和物理化学稳定性都存在显著差异。高海拔地区（海拔3600米以上的冷杉林和高山草甸）土壤有机碳的化学抗性高于低海拔地区。土壤有机碳分解的Q10受土壤深度和海拔高度的显著影响。而深度对Q10的影响远小于海拔梯度对Q10的影响。高海拔地区土壤有机碳矿化的温度敏感性高于低海拔地区。图2.随机森林模型明确气候因素、土壤理化性质、化学组分和物理保护对Q10-q的影响 土壤有机碳的化学性质在土壤有机碳矿化温度敏感性的变异中起主要解释作用，其中有机碳疏水性、累积矿化碳组分和烷基碳/氧烷基碳比率为重要性前三的土壤有机碳化学性质；土壤有机碳物理保护作用次之。图3.气候、土壤理化性质、化学组分和物理保护对Q10的影响 有机碳的化学组成及其对分解的物理化学保护对Q10值的解释方差贡献了80%。路径分析表明，气候通过调控土壤有机碳的化学组成及其物理化学稳定性间接影响Q10。基于数据约束的碳模型进一步揭示，快速、缓慢和被动碳库的Q10表现出显著差异，这是由于其分解过程中化学组成参与和物理化学保护的不同造成。 研究成果以“Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile”为题，于2022年6月2日在线发表于土壤学科领域著名期刊Soil Biology and Biochemistry（5年影响因子8.312）。浙江大学环境与资源学院助理研究员毛霞丽为第一作者，博士研究生郑金阳成为共同第一作者，浙江大学环资与资源学院研究员罗忠奎为通讯作者。该项目得到国家自然科学基金项目（41930754、32171639），国家重点研发政府间国际科技创新合作项目（2021YFE0114500），中央高校基础研究基金（226-2022-00084）。相关论文信息：Mao X1, Zheng J1, Yu W, Guo X, Xu K, Zhao R, Xiao L, Wang M, Jiang Y, Zhang S, Luo L, Chang J, Shi Z, Luo Z* 2022. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile. Soil Biology and Biochemistry 172, 108743.全文链接：https://doi.org/10.1016/j.soilbio.2022.108743UPGRADED！为了更好地助力土壤研究服务国家“双碳”目标普瑞亿科从未停止创新的脚步历时一年的研究与探索2022年全新升级的PRI-8800重磅上线升级后的系统有哪些亮点？我们一起了解一下~ 土壤有机质分解速率（R）对温度变化的响应非常敏感。温度敏感性参数（Q10）可以刻画土壤有机质分解对温度变化的响应程度。Q10是指温度每升高10℃，Ｒ所增加的倍数；Q10值越大，表明土壤有机质分解对温度变化就越敏感。Q10不仅取决于有机质分子的固有动力学属性，也受到环境条件的限制。Q10能抽象地描述土壤有机质分解对温度变化的响应，在不同生态类型系统、不同研究间架起了一个规范的和可比较的参数，因此其研究意义重大。 以往Q10研究通过选取较少的温度梯度（3-5个点）进行测量，从而导致不同土壤的呼吸对温度变化拟合相似度高的问题无法被克服。Robinson最近的研究（2017）指出，最低20个温度梯度拟合土壤呼吸对温度的响应曲线可以有效解决上述问题。PRI-8800全自动变温土壤温室气体在线测量系统为Q10的研究提供了强有力的工具，不仅能用于测量Q10对环境变量主控温度因子的响应，也能用于测量其对土壤含水量、酶促反应、有机底物、土壤生物及时空变异等的响应。PRI-8800为Q10对关联影响因子的研究，提供了一套快捷、高效、准确的整体解决方案。01 主要特点可进行恒温或变温培养设定；温度控制波动优于±0.05℃；平均升降温速率不小于1°C/min；150ml样品瓶适配25位样品盘；具有CO2预降低的双回路设计；一体化设计，内置CO2 H2O模块；可以外接浓度和同位素分析仪等。02 PRI-8800 实验设计1）温度依赖性的研究：既然温度的变化会极大影响土壤呼吸，基于温度变化的Q10研究成为科学家研究中重中之重。2017年Robinson提出的最低20个温度梯度拟合土壤呼吸对温度响应曲线的建议，将纠正以往研究人员只设置3-5个温度点（大约相隔5-10℃）进行呼吸测量的做法，该建议能解决传统方法因温度梯度少而导致的不同土壤的呼吸对温度变化拟合相似度高的问题，更能提升不同的理论模型或随后模型推算结果的准确性。而上述至少20个温度点的设置和对应的土壤呼吸测量，仅仅需要在PRI-8800程序中预设几个温度梯度即可完成多个样品在不同温度下的自动测量，这将极大提高科学家的工作效率。除了上述变温应用案例外，科学家还可以依据自己的实验设计进行诸如日变化、月变化、季节变化、甚至年度温度变化的模拟培养，通过PRI-8800的“傻瓜式”操作测量，将极大减少科学家实验实施的周期和工作量，并提高了工作效率。PRI-8800全自动变温培养土壤CO2 H2O在线测量系统主要包含自动进样器、水槽、压缩机、CO2 H2O 分析仪、内部计算机、25位样品盘等，25个样品瓶。PRI-8800除了具有上述变温培养的特色，还可以进行恒温培养，抑或是恒温/变温交替培养，这些组合无疑拓展了系统在不同温度组合条件下的应用场景。2）水分依赖性的研究：多数研究表明，在温度恒定的情况下，Q10很容易受土壤含水量的影响，表现出一定的水分依赖特性。PRI-8800可以通过手动调整土壤含水量的做法，并在PRI-8800快速连续测量模式下，实现不同水分梯度条件下土壤呼吸的精准测量，而PRI-8800的逻辑设计，为短期、中期和长期湿度控制条件下的土壤呼吸的连续、高品质测量提供了可能。3）底物依赖性的研究：底物物质量与Q10密切相关，这里的底物包含不限于自然态的土壤，如含碳量，含氮量，易分解/难分解的碳比例、土壤粘粒含量、酸碱盐度等；也可能包含了某些外源底物，如外源的生物质碳、微生物种群、各种肥料、呼吸促进/抑制剂、同位素试剂等。通过PRI-8800快速在线变温培养测量，能加速某些研究进程并获得可靠结果，如生物质炭在土壤改良过程中的土壤呼吸研究、缓释肥缓释不同阶段对土壤呼吸的持续影响、盐碱土壤不同改良措施下的土壤呼吸的变化响应等等。4）生物依赖性的研究：土壤呼吸包含土壤微生物呼吸（90%）和土壤动物呼吸（1-10%），土壤微生物群落对Q10影响重大。通过温度响应了解培养前后的微生物种群和数量的变化以及对应的土壤呼吸速率的变化有重要意义。外源微生物种群的添加，或许帮助科学家找出更好的Q10对土壤生物依赖性的响应解析。03 PRI-8800相关文献信息1.Li, C., Xiao, C.W., Guenet, B., Li, M.X., Xu, L., He, N.P. 2022. Short-term effects of labile organic C addition on soil microbial response to temperature in a temperate steppe. Soil Biology and Biochemistry 167, 108589. https://doi.org/10.1016/j.soilbio.2022.108589.2.Jiang ZX, Bian HF, Xu L, He NP. 2021. Pulse effect of precipitation: spatial patterns and mechanisms of soil carbon emissions. Frontiers in Ecology and Evolution, 9: 673310.3.Liu Y, Xu L, Zheng S, Chen Z, Cao YQ, Wen XF, He NP. 2021. Temperature sensitivity of soil microbial respiration in soils with lower substrate availability is enhanced more by labile carbon input. Soil Biology and Biochemistry, 154: 108148.4.Bian HF, Zheng S, Liu Y, Xu L, Chen Z, He NP. 2020. Changes in soil organic matter decomposition rate and its temperature sensitivity along water table gradients in cold-temperate forest swamps. Catena, 194: 104684.5.Xu M, Wu SS, Jiang ZX, Xu L, Li MX, Bian HF, He NP. 2020. Effect of pulse precipitation on soil CO2 release in different grassland types on the Tibetan Plateau. European Journal of Soil Biology, 101: 103250.6.Liu Y, He NP, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. 2019. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition. Soil Biology & Biochemistry, 138, 107596.7.Liu Y, He NP, Wen XF, Xu L, Sun XM, Yu GR, Liang LY, Schipper LA. 2018. The optimum temperature of soil microbial respiration: Patterns and controls. Soil Biology and Biochemistry, 121: 35-42.8.Liu Y, Wen XF, Zhang YH, Tian J, Gao Y, Ostle NJ, Niu SL, Chen SP, Sun XM, He NP. Widespread asymmetric response of soil heterotrophic respiration to warming and cooling. Science of Total Environment, 635: 423-431.9.Wang Q, He NP, Xu L, Zhou XH. 2018. Important interaction of chemicals, microbial biomass and dissolved substrates in the diel hysteresis loop of soil heterotrophic respiration. Plant and Soil, 428: 279-290.10.Wang Q, He NP, Xu L, Zhou XH. 2018. Microbial properties regulate spatial variation in the differences in heterotrophic respiration and its temperature sensitivity between primary and secondary forests from tropical to cold-temperate zones. Agriculture and Forest Meteorology, 262, 81-88.11.Li J, He NP, Xu L, Chai H, Liu Y, Wang DL, Wang L, Wei XH, Xue JY, Wen XF, Sun XM. 2017. Asymmetric responses of soil heterotrophic respiration to rising and decreasing temperatures. Soil Biology & Biochemistry, 106: 18-27.12.Liu Y, He NP, Xu L, Niu SL, Yu GR, Sun XM, Wen XF. 2017. Regional variation in the temperature sensitivity of soil organic matter decomposition in China’s forests and grasslands. Global Change Biology, 23: 3393-3402.13.Wang Q, He NP*, Liu Y, Li ML, Xu L. 2016. Strong pulse effects of precipitation event on soil microbial respiration in temperate forests. Geoderma, 275: 67-73.14.Wang Q, He NP, Yu GR, Gao Y, Wen XF, Wang RF, Koerner SE, Yu Q*. 2016. Soil microbial respiration rate and temperature sensitivity along a north-south forest transect in eastern China: Patterns and influencing factors. Journal of Geophysical Research: Biogeosciences, 121: 399-410.15.He NP, Wang RM, Dai JZ, Gao Y, Wen XF, Yu GR. 2013. Changes in the temperature sensitivity of SOM decomposition with grassland succession: Implications for soil C sequestration. Ecology and Evolution, 3: 5045-5054.16.何念鹏, 刘远, 徐丽, 温学发, 于贵瑞, 孙晓敏. 2018. 土壤有机质分解温度敏感性研究：培养与测定模式. 生态学报, 38: 4045-4051.17.Mao X1, Zheng J1, Yu W, Guo X, Xu K, Zhao R, Xiao L, Wang M, Jiang Y, Zhang S, Luo L, Chang J, Shi Z, Luo Z* 2022. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile. Soil Biology and Biochemistry 172, 108743.

土壤呼吸 | 极端干旱通过改变高寒泥炭地土壤微生物功能群丰度来降低土壤异养呼吸而非甲烷通量【温室气体】人类活动造成温室气体排放急剧增加，全球地表温度持续上升，显著改变了自然生态系统碳水循环格局。极端气候事件，尤其是极端干旱事件发生的频率和强度不断升高，对土壤含水量、土壤微生物群落结构和功能、土壤异养呼吸（Rh）以及土壤甲烷（CH4）通量具有重要影响。高寒泥炭地拥有巨大的碳储量，对气候变化高度敏感。虽然目前围绕高寒泥炭地碳排放开展了一些研究，但对高寒泥炭地生态系统碳排放对极端干旱响应的微生物机制仍不清楚。若尔盖国家级自然保护区基于此，中国林业科学研究院湿地研究所的研究团队以青藏高原东部若尔盖国家级自然保护区高寒泥炭地（33°47′56.62′′ N，102°57′28.44′′ E，3430 m.a.s.l.）为研究对象，依托模拟极端干旱的野外控制实验平台，通过原位观测和室内试验相结合，旨在解决以下问题：（1）不同植物生长期，极端干旱如何影响Rh和CH4通量?（2）极端干旱如何影响土壤微生物群落结构和功能群?以及（3）驱动Rh和CH4通量变化的主要因素是什么？作者于2019年6月18日至9月25日测量了Rh（PS-9000便携式土壤碳通量自动测量系统（北京理加联合科技有限公司））和CH4通量（一个闭路静态室（0.5×0.5×0.5 m）+ABB LGR便携式温室气体分析仪（UGGA，GLA132-GGA））。试验三个生长期结束时，作者测量了样地0-20 cm土壤的土壤性质，包括总氮（TN）、土壤有机碳（SOC）、有效磷含量（AP）、总磷（P）、pH值、溶解有机碳（DOC）、土壤含水量（SWC）、硝态氮（NO3--N）、铵态氮（NH4+-N）、微生物生物量磷（MBP）、微生物生物量氮（MBN）和微生物生物量碳（MBC）。此外，还进行了新鲜土壤样品的DNA提取、PCR扩增和测序。图1 PS-9000便携式土壤碳通量自动测量系统。【结果】图2 不同植物生长期极端干旱对土壤异养呼吸（a）和甲烷通量（b）的影响。“ED”，“MD”，和“LD”分别代表植物快速生长期、盛花期和植物生长衰退期。图3 不同植物生长期极端干旱对细菌碳循环功能群的影响。图4 驱动因素对土壤微生物呼吸（a）和甲烷通量（b）的相对贡献。【结论】极端干旱导致植物生长衰退期土壤异养呼吸显著降低38.04 mg m−2h−1，但对CH4通量无显著影响。极端干旱显著降低了细菌的α多样性，显著降低了植物快速生长期和衰退期的Rokubacteria和Chloroflexi菌的相对丰度，显著增加了盛花期Actinobacteria菌的相对丰度。在植物快速生长期和盛花期，极端干旱使芳香烃降解功能群（aromatic hydrocarbon degraders）相对丰度分别降低了50.26%和64.37%。在植物生长衰退期，极端干旱显著降低了甲醇氧化（methanol oxidizers）和木质素降解（lignin degraders）功能群的相对丰度，分别为81.63%和82.08%。随机森林模型分析表明，细菌功能群在决定土壤异养呼吸和甲烷排放中起着重要的作用。芳香族化合物降解（aromatic compound degraders）和芳香烃（aromatic hydrocarbon degraders）降解功能群对土壤异养呼吸累计贡献率为11.89%。芳香族化合物降解（aromatic compound degraders）、芳香烃降解（aromatic hydrocarbon degraders）、脂肪族非甲烷烃降解（aliphatic non-methane hydrocarbon degraders）和甲基营养（methylotrophs）功能群对甲烷通量的累计贡献率为13.29%。研究结果强调土壤细菌碳循环功能群对于探索未来极端干旱背景下土壤碳循环可能的微生物响应机制至关重要，为高寒泥炭地应对未来气候变化提供了理论基础和科学依据。【产品简介】PS-9000是一套用于测量土壤CO₂通量的便携式测量系统，采用动态气室法测量，专利设计。具有控制测量、存储和数据处理等功能，可测量呼吸室内CO₂浓度变化，同时结合自身测量的空气温度、大气压、土壤温度等传感器的数据，计算处理得到CO₂通量。PS-9000可通过掌上控制器实现无线操作，实时显示仪器测量的各种参数值，并可现场修改各种设置参数。