Relationship between soil methane emission flux and active organic carbon content in sugarcane field under drip fertigation
-
摘要:目的
研究蔗田滴灌施肥对土壤活性有机碳含量和甲烷排放通量的影响，探讨蔗田滴灌施肥土壤甲烷排放通量与土壤活性有机碳含量之间的关系。
方法2018年3—12月在南宁市灌溉试验站开展不同滴灌灌水、施肥的田间试验，试验设4种施肥水平：常规施肥(F100，N 250 kg·hm−2、P2O5 150 kg·hm−2、K2O 200 kg·hm−2)、增量施肥1(F110，在F100基础上增加10%)、增量施肥2(F120，在F100基础上增加20%)和减量施肥(F90，在F100基础上减少10%)，以及2种滴灌灌水水平：W180(180 m3·hm−2)和W300(300 m3·hm−2)。用常规法测定不同生育时期蔗田土壤甲烷排放通量和土壤活性有机碳含量，用Pearson法分析土壤甲烷排放通量与土壤活性有机碳含量的关系。
结果在分蘖期，W300F120处理土壤可溶性有机碳(DOC)含量较W300F100提高了156%，而土壤CH4排放通量较其他处理低。在成熟期，W300F120处理土壤DOC含量较W300F110增加了114%，微生物量碳(MBC)较W300F110增加了49.6%。蔗田土壤CH4排放通量仅与土壤DOC含量呈显著正相关，相关系数为0.38。
结论土壤DOC含量显著影响蔗田土壤甲烷排放通量。W300F120处理可以提高分蘖期和成熟期蔗田土壤可溶性有机碳含量、减少分蘖期蔗田土壤CH4排放。
Abstract:ObjectiveTo study the effects of drip fertigation on soil active organic carbon content and methane (CH4) emission flux in sugarcane field, and investigate the relationship between soil methane emission flux and soil active organic carbon content.
MethodThe field experiment with different irrigation and fertilization treatments under drip irrigation was conducted in Nanning Irrigation Experimental Station from March to December in 2018. Four fertilization levels were designed: Conventional fertilization (F100, N 250 kg·hm−2, P2O5 150 kg·hm−2, K2O 200 kg·hm−2), incremental fertilization 1 (F110, 10% increase based on F100), incremental fertilization 2 (F120, 20% increase on the basis of F100), and reducing fertilization (F90, 10% reduction based on F100). Two drip irrigation levels were set: W180 (180 m3·hm−2) and W300 (300 m3·hm−2). Soil CH4 emission flux and active organic carbon contents at different growth stages of sugarcane were measured using conventional method, and the relationships between soil CH4 emission flux and active organic carbon contents in sugarcane field were analyzed by Pearson method.
ResultAt tillering stage, W300F120 treatment increased soil soluble organic carbon (DOC) content by 156% compared with W300F100 but had lower CH4 emission flux in soil than the other treatments. At maturing stage, W300F120 treatment increased soil DOC content and microbial biomass carbon (MBC) by 114% and 49.6% compared with W300F100, respectively. CH4 emission flux in sugarcane field was only positively correlated with soil DOC content, with the correlation coefficient of 0.38.
ConclusionSoil DOC content significantly affects CH4 emission flux in sugarcane field. W300F120 treatment can increase soil soluble organic carbon content in sugarcane field at tillering and maturing stages, and reduce soil CH4 emission in sugarcane field at tillering stage.
-
自动驾驶技术研发中，行驶车辆的水平位置(经度、纬度)和航向角度是两大关键信息，主要为车辆控制系统的横向控制(转向盘控制)和纵向控制(制动、加速控制)提供参考数据，满足自动驾驶车辆定位导航的综合需求[1]。自动驾驶技术对车辆航向角测量精度要求非常高。对高速行驶的汽车而言，航向角轻微偏差都会导致汽车偏离原来的行驶路线。对农业机械而言，虽然对农机作业速度要求不高，但对导航作业精度要求很高(特别是播种时需要达到cm级)，航向角的轻微偏差都会对导航作业精度产生很大影响。因此，提高车辆航向角的测量精度是非常必要的。车辆航向角测量方法主要有磁阻传感器法、双天线全球导航卫星系统(Global navigation satellite system，GNSS)定位定向法、单天线GNSS定位定向法和陀螺仪测航向法等。磁阻传感器受周围磁场环境影响大，精度和可靠性不高，在高压线等有磁场干扰的作业环境下容易受到影响[2-5]；双天线GNSS定位系统测航向，虽然测量精度高，但动态响应特性差，成本高[6-7]；单天线GNSS定位系统可输出航向角度信息，但是随机噪声大，且速度越低，噪声越大[8-11]；陀螺仪测航向一方面需要航向角度初始化，另一方面随机漂移误差会出现累积发散现象[ 12-15]。上述几种测量方法测得的航向角，均不能很好地满足车辆自动驾驶的精度要求。
本文采用单天线GNSS定位和微电子机械系统(Micro electro mechanical system, MEMS)陀螺仪相结合的方式，通过融合算法实现车辆航向角的测量。提出基于卡尔曼滤波器的车辆航向角估计模型，把实时动态–全球导航卫星系统(Real time kinematic-GNSS，RTK-GNSS)测量出来的经纬度和高程经过高斯投影变换为导航平面坐标，与陀螺仪测量的车辆角速度经过积分得出的航向角做融合处理，得到更为精准的航向角。该方法克服了GNSS因更新频率低出现的数据延迟和MEMS陀螺仪因随机漂移引起的累积误差等问题，不仅能够得到更为精准的航向角数据，还能保证良好的实时性。
1. 传感器组合
本文测量车辆航向角采用的导航传感器主要有Trimble®BD970 GNSS嵌入式板卡和内置于Xsens MTi-300微型姿态参考系统的MEMS陀螺仪。
1.1 Trimble®BD970 GNSS嵌入式板卡
Trimble®BD970 GNSS嵌入式板卡是一款紧凑型的多星接收机板卡，专为满足各种精确到cm级的定位精度应用需求而设计。系统模块不仅支持GPS L1/L2、L2C、L5，而且支持GLONASS L1/L2 信号在内的各种卫星信号。该板卡易于集成且坚固可靠，支持因特网、USB、RS232 和CAN 等多种接口，串口输出波特率最高达115 200 bps，可实现高达50 Hz的原始测量与定位输出。基准站输出支持CMR、CMR+、RTCM 2.1、2.2、2.3、3.0、3.1等协议格式；定位数据输出支持ASCII：NMEA-0183 GSV、AVR、RMC、HDT、VGK、VHD、ROT、GGK、GGA、GSA、ZDA、VTG、GST、PJT、PJK、BPQ、GLL、GRS、GBS以及二进制：TrimbleGSOF。低延时RTK定位模式的水平定位精度可达±(8 mm+1 ppm)RMS，垂直定位精度可达±(15 mm+1 ppm)RMS，延迟时间小于20 ms，最大输出频率50 Hz。GNSS板卡物理特性如下，尺寸：100 mm×60 mm×11.6 mm；电源：3.3 V DC(−3%~5%)；典型功耗：1.4 W (L1/L2 GPS)或1.5 W (L1/L2 GPS和G1/G2 GLONASS)；质量：62 g；连接器I/O：24排针转接口和6排针转接口；天线：MMCX插座；工作温度：−40~75 ℃；储存温度：−55~85 ℃；振动限值：随机8 g RMS。
1.2 Xsens MTi-300微型姿态航向参考系统
Xsens Technologies B.V.公司研发的MTi-300微型姿态航向参考系统内部包括：3D速率陀螺、3D加速度计和3D磁场感应计。运行于DSP上的卡尔曼滤波算法融合上述传感器信息，给出运动载体的精确3D姿态角度[8]。系统通过RS232接口按设定格式输出3D姿态角度。MTi内置的3D速率陀螺的测量范围可达±300°/s，零偏稳定性为1°/s，随机游走系数0.05°/(s·Hz)，校准误差0.1°，带宽40 Hz，A/D分辨率16位，更新速率最大为120 Hz。本文利用3D速率陀螺中的Z轴陀螺实现车辆航向角的角速率累积测量。
2. 航向角估计算法设计
2.1 GNSS定位数据预处理
GNSS定位数据预处理主要将Trimble®BD970 GNSS板卡测量得到的WGS-84大地坐标系的经度、纬度和高程向大地导航坐标系转换，通过高斯投影将WGS-84大地坐标转换为与WGS-84椭球对应的高斯平面坐标，这种转换是为了使GNSS板卡输出的WGS-84大地坐标定位数据能够用于车辆的导航控制系统。
本文使用的Gauss-Kruger投影坐标系的主要参数[12]包括：中央经线为114.000 000 (3度带)；水平偏移量为500 km；地理坐标系为GCS_WGS_1984；大地参照系为D_WGS_1984；参考椭球体为WGS_1984；椭球长轴为6 378 137.000 000；椭球扁率为0.003 352 810 7。
2.2 卡尔曼滤波器设计
设定k时刻车辆本体的真实航向角度为ψk'，车辆本体的真实前进速度是vk'，则
$$ \psi _{{k}}' = {\psi _{{k}}} + {\varepsilon _{{{\psi k}}}} + {\xi _{{{\psi k}}}}\text{，} $$ (1) $$ v_{{k}}' = {v_{{k}}} + {\xi _{{{vk}}}}\text{，} $$ (2) 式中，ψk、vk分别指航向角度、前进速度的测量值，εψk指航向角度的测量偏差值，ξψk、ξvk分别指航向角度和前进速度的随机测量误差。
基于航位推算原理，建立车辆导航控制点在2D平面坐标系下的运动方程：
$$ {x_{{{ck}}}} = {x_{{{ck}} - 1}} + v_{{k}}' \cos \theta _{{k}}' {\rm{d}}t\text{，} $$ (3) $$ {y_{{{ck}}}} = {y_{{{ck}} - 1}} + v_{{k}}' \sin \theta _{{k}}' {\rm{d}}t\text{，} $$ (4) 式中，xck、yck为k时刻车辆本体的高斯投影平面坐标，xck−1、yck−1为k−1时刻车辆本体的高斯投影平面坐标，dt为航位推算的时间间隔。
将(1)和(2)式代入上述表达式，得到：
$$ \begin{split} {x_{{ck}}} = & {x_{{{ck}} - 1}} + {v_{{k}}}\cos {\psi _{{k}}}{\rm{d}}t + {\varepsilon _{{{\psi k}}}}\cos {\psi _{{k}}}{\rm{d}}t - \\ &{v_{{k}}}{\varepsilon _{{{\psi k}}}}\sin {\psi _{{k}}}{\rm{d}}t\text{，} \end{split} $$ (5) $$\begin{split} {y_{ck}} =& {y_{{{ck}} - 1}} + {v_{{k}}}{\rm{sin}}{\psi _k}{\rm{d}}t + {\varepsilon _{\psi {{k}}}}\sin {\psi _{{k}}}{\rm{d}}t + \\ &{v_k}{\varepsilon _{\psi k}}\cos {\psi _k}{\rm{d}}t\text{。} \end{split} $$ (6) 将上述等式以卡尔曼滤波器状态转移方程的形式表示为：
$$ {{\boldsymbol{X}}_{{k}}} = {{\boldsymbol{A}}_{{k}}}{{\boldsymbol{X}}_{{{k}} - 1}} + {{\boldsymbol{b}}_{{k}}} + {{\boldsymbol{u}}_{{k}}}\text{，} $$ (7) 式中，Xk=[xck，yck，εψk]，表示k时刻的状态空间向量；Xk−1=[xck−1，yck−1，εψk−1]，表示k−1时刻的状态空间向量；
$$ {{\boldsymbol{A}}_{{k}}} = \left[ {\begin{array}{*{20}{c}} 1&0&{\left( {{\rm{cos}}{\psi _{{k}}} - {v_{{k}}}\sin {\psi _{{k}}}} \right){\rm{d}}t}\\ 0&1&{\left( {{\rm{sin}}{\psi _{{k}}} + {v_{{k}}}\cos {\psi _{{k}}}} \right){\rm{d}}t}\\ 0&0&1 \end{array}} \right]\text{，} $$ 是k时刻状态转移矩阵，由陀螺仪累积航向角度和前进速度的测量值实时更新；
$$ {{\boldsymbol{b}}_{{k}}} = \left[ {\begin{array}{*{20}{c}} {{v_{{k}}}\cos {\psi _{{k}}}{\rm{d}}t}\\ {{v_{{k}}}\sin {\psi _{{k}}}{\rm{d}}t}\\ 0 \end{array}} \right]\text{，} $$ $$ {{\boldsymbol{u}}_{{k}}} = \left[ {0,\;\;0,\;\;{\xi _{\psi {{k}}}}} \right]\text{，} $$ 是状态转移方程的白噪声序列；系统过程噪声协方差矩阵为Qk，表示状态转移方程的误差大小，本文中Qk设定为常数矩阵，在仿真和试验过程中整定矩阵参数。
以GNSS天线在大地导航坐标系下的定位坐标作为观测向量，得到卡尔曼滤波器的测量方程如下：
$$ {{\boldsymbol{Z}}_{{{gk}}}} = {H_k}{X_k} + {{\boldsymbol{\nu}} _k} $$ (8) 式中，
$$ {{\boldsymbol{Z}}_{{{gk}}}} = \left[ {\begin{array}{*{20}{c}} {{x_{{{gk}}}}}\\ {{y_{{{gk}}}}} \end{array}} \right]\text{，} $$ $$ {{\boldsymbol{H}}_{{k}}} = \left[ {\begin{array}{*{20}{c}} 1&0&0\\ 0&1&0 \end{array}} \right]\text{，} $$ $$ {{\boldsymbol{\nu}} _{{k}}} = \left[ {\begin{array}{*{20}{c}} {{\xi _{{{gxk}}}}}\\ {{\xi _{{{gyk}}}}} \end{array}} \right]\text{，} $$ 式中，xgk、ygk为GNSS天线处的定位坐标，Hk为卡尔曼滤波器k时刻的测量矩阵，ξgxk、ξgyk为OEM GNSS板卡定位在水平面坐标系下的随机定位误差。
测量向量的噪声方差矩阵为：
$$ {{\boldsymbol{R}}_k} = \left[ {\begin{array}{*{20}{c}} {{r_{xk}}^2}&0\\ 0&{{r_{yk}}^2} \end{array}} \right]\text{，} $$ (9) 式中，rxk2、ryk2分别为ξgxk、ξgyk的方差统计值。
综合上述推导，采用线性离散卡尔曼滤波器的递归差分方程进行状态向量预测和测量向量校正：
预测方程组为：
$$ {\hat x_k} = {{\boldsymbol{A}}_k}{\hat x_{k-1}} + {{\boldsymbol{b}}_k}\text{，} $$ (10) $$ {{\boldsymbol{P}}_k} = {{\boldsymbol{A}}_k}{{\boldsymbol{P}}_{k - 1}}{{\boldsymbol{A}}_k}^T + {{\boldsymbol{Q}}_{k - 1}}\text{，} $$ (11) 式中，
${\hat x_k} $ 表示k时刻的预测结果，${\hat x_{k-1}}$ 表示k−1时刻的预测结果，Ak表示状态转移矩阵，${\boldsymbol{A}}_k^T$ 代表Ak的转置，Pk对应${\hat x_k} $ 在k时刻的系统过程噪声方差预测值，Pk−1对应${\hat x_{k-1}}$ 在k−1时刻的系统过程噪声方差预测值，Qk−1为k−1时刻的系统过程协方差。校正方程组为：
$$ {{\boldsymbol{K}}_k} = {{\boldsymbol{P}}_k} {{\boldsymbol{H}}_k}^T{({{\boldsymbol{H}}_k}{{\boldsymbol{P}}_k} {{\boldsymbol{H}}_k}^T + {{\boldsymbol{R}}_k})^{ - 1}}\text{，} $$ (12) $$ {\hat x'_k} = {\hat x_k} + {{\boldsymbol{K}}_k}\left( {{{\boldsymbol{Z}}_{gk}} - {{\boldsymbol{K}}_k}{{\hat x}_k}} \right)\text{，} $$ (13) $$ {{\boldsymbol{P}}_k} = \left( {I - {{\boldsymbol{K}}_k}{{\boldsymbol{H}}_k}} \right){{\boldsymbol{P}}_k} \text{。} $$ (14) 式中，Kk为k时刻的卡尔曼滤波增益，
${\boldsymbol{H}}_k^T$ 为Hk的转置，${\hat x'_k}$ 是k时刻最优化估计值，Zgk是k时刻的测量更新值，I为单位矩阵。3. 结果与分析
采用GNSS板卡和MEMS陀螺仪在轮式拖拉机平台上进行原始数据采集。GNSS天线安装于车辆后轮轴中心点的正上方。内置MEMS陀螺仪的MTi尽可能安装于车辆质心位置处，以减少车辆颠簸晃动对MTi的干扰。
轮式拖拉机的行驶路线分直线型和S型2种情况。用C++编程语言开发卡尔曼滤波器和原始数据仿真测试的程序。最后将测得的数据以文本文件的方式导入Matlab程序中，测得的曲线图如图1、2所示。
![]()
图 1 直线行驶时拖拉机航向角的估计结果Figure 1. The estimation result of heading angle of the tractor running in straight trajectory![]()
图 2 S型路线行驶时拖拉机航向角的估计结果Figure 2. The estimation result of heading angle of the tractor running in S type trajectory图1为拖拉机直线行驶时，GNSS、陀螺仪和卡尔曼滤波融合后得到的3条航向角度对比曲线。GNSS航向误差幅度超过5°，陀螺仪累积航向的偏移在300 s左右超过2°，融合后的航向角度都在38°左右，偏移不超过1°，较原始GNSS航向角度的精度提高80%以上。
图2为拖拉机以S型轨迹行驶时，GNSS、陀螺仪和卡尔曼滤波融合后得到的3条航向角度对比曲线。融合后的航向角度可以跟踪拖拉机180°换向的转弯动作，曲线既保持了GNSS航向的整体变化趋势，也较GNSS和陀螺仪所得结果更为平滑，符合拖拉机实际运动状态。
从图1、2中可看出，未经处理的陀螺仪累积航向角度和GNSS定位测量的航向角度有较大波动，经卡尔曼滤波融合后，有效抑制了陀螺仪累积航向的发散，减少了零偏和随机漂移带来的误差。融合后的航向角度曲线既保持了GNSS航向的整体变化趋势，也保持了陀螺仪航向的细部变化趋势，且较GNSS和陀螺仪所得曲线更为平滑。
4. 结论
本文采用卡尔曼滤波器对RTK-GNSS、MEMS陀螺仪所得的拖拉机航向角进行融合处理，得出了更为精确的航向角融合估计结果，仿真测试结果表明本文所用方法可用于在线测量拖拉机航向角。
RTK-GNSS航向角和MEMS陀螺仪累积航向角在采样频率方面，分别属于低频型和高频型；在误差特性方面，分别为零均值随机误差和偏移型缓变误差。2种传感器互补性强，研究结果表明多传感器融合的方法能够很好地弥补这2种传感器单独测量数据时存在的噪声误差。
-
![]()
图 1 试验期间月均温和月降雨量
Figure 1. Monthly average temperature and rainfall during experimental period
![]()
图 2 不同生育期蔗田土壤甲烷排放通量
SS: 苗期，TS：分蘖期，ES：伸长期，RS：成熟期；相同生育期不同柱子上，凡是有一个相同小写字母者表示差异不显著(P>0.05，Duncan’s法)
Figure 2. Soil CH4 emission flux at different growth stages in sugarcane field
SS:Seedling stage；TS: Tillering stage；ES: Elongating stage；RS: Ripening stage. The same lowercase letters at the same growth stage indicated no significant difference (P>0.05, Duncan’s test)
表 1 蔗田各生育期灌水量
Table 1 Irrigation amount at different growth stages in sugarcane field
m3·hm−2 生育期
Growth stage灌溉水平 Irrigation level W180 W300 苗期 Seedling stage 60 90 分蘖期 Tillering stage 30 60 伸长期 Elongating stage 60 120 成熟期 Ripening stage 30 30 合计 Total 180 300 
下载: 导出CSV
表 2 不同滴灌施肥处理土壤易氧化有机碳含量1)
Table 2 Content of soil labile organic carbon in different drip fertigation treatments
g·kg−1 滴灌灌水水平
Drip irrigation level施肥水平
Fertilization level苗期
Seedling stage分蘖期
Tillering stage伸长期
Elongating stage成熟期
Ripening stageW180 F100 1.59±0.16a 1.51±0.16bcd 1.25±0.16d 1.23±0.08d F110 1.51±0.34a 1.94±0.01a 1.23±0.12d 1.45±0.03b F120 1.56±0.07a 1.74±0.07ab 1.60±0.15ab 1.67±0.08a F90 1.52±0.30a 1.59±0.14bcd 1.74±0.11a 1.47±0.06b W300 F100 1.23±0.30a 1.29±0.04d 1.31±0.14cd 1.32±0.06cd F110 1.38±0.37a 1.40±0.07cd 1.54±0.18abc 1.38±0.05bc F120 1.20±0.12a 1.64±0.10bc 1.36±0.06bcd 1.43±0.10bc F90 1.61±0.16a 1.43±0.01cd 1.25±0.18d 1.70±0.06a 1) 表中数据为平均值±标准误，同列数据后的不同小写字母表示差异显著 (P<0.05，Duncan’s 法)
1) The values in the table are mean ± standard error, and different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)
下载: 导出CSV
表 3 不同滴灌施肥处理的土壤微生物量碳含量1)
Table 3 Content of soil microbial biomass carbon in different drip fertigation treatments
g·kg−1 滴灌灌水水平
Drip irrigation level施肥水平
Fertilization level苗期
Seedling stage分蘖期
Tillering stage伸长期
Elongating stage成熟期
Ripening stageW180 F100 1.32±0.14b 0.66±0.31a 0.16±0.03c 1.40±0.21bc F110 1.31±0.19b 0.67±0.25a 0.64±0.09a 1.02±0.11c F120 1.27±0.16b 0.41±0.23a 0.65±0.03a 1.46±0.14abc F90 1.26±0.38b 0.54±0.16a 0.25±0.08bc 1.87±0.04a W300 F100 1.82±0.03a 0.64±0.16a 0.38±0.05b 1.30±0.20bc F110 1.40±0.29ab 0.63±0.08a 0.81±0.09a 1.15±0.11c F120 1.31±0.34b 0.25±0.19a 0.41±0.05b 1.72±0.11ab F90 1.67±0.05ab 0.31±0.29a 0.67±0.09a 1.71±0.10ab 1) 表中数据为平均值±标准误，同列数据后的不同小写字母表示差异显著 (P<0.05，Duncan’s 法)
1) The values in the table are mean ± standard error, and different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)
下载: 导出CSV
表 4 不同滴灌施肥处理的土壤可溶性有机碳含量1)
Table 4 Content of soil dissolved organic carbon in different drip fertigation treatments
g·kg−1 滴灌灌水水平
Drip irrigation level施肥水平
Fertilization level苗期
Seedling stage分蘖期
Tillering stage伸长期
Elongating stage成熟期
Ripening stageW180 F100 0.12±0.06a 0.29±0.11cd 0.14±0.06b 0.12±0.02c F110 0.28±0.10a 0.43±0.03abcd 0.15±0.07b 0.23±0.03bc F120 0.31±0.15a 0.50±0.05abc 0.15±0.05b 0.30±0.14abc F90 0.13±0.05a 0.41±0.12bcd 0.30±0.06a 0.34±0.14ab W300 F100 0.10±0.08a 0.25±0.15d 0.15±0.09b 0.21±0.09bc F110 0.28±0.13a 0.57±0.20ab 0.23±0.12ab 0.23±0.12bc F120 0.26±0.10a 0.64±0.13a 0.18±0.05ab 0.45±0.18a F90 0.24±0.17a 0.21±0.07d 0.16±0.08ab 0.51±0.08a 1) 表中数据为平均值±标准误，同列数据后的不同小写字母表示差异显著 (P<0.05，Duncan’s 法)
1) The values in the table are mean ± standard error, and different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)
下载: 导出CSV
-
[1] 罗梅, 田冬, 高明, 等. 紫色土壤有机碳活性组分对生物炭施用量的响应[J]. 环境科学, 2018, 39(9): 4327-4337. [2] SAVIOZZI A, LEVI-MINZI R, CARDELLI R, et al. A comparison of soil quality in adjacent cultivated, forest and native grassland soils[J]. Plant Soil, 2001, 233(2): 251-259. doi: 10.1023/A:1010526209076
[3] 沈宏, 曹志洪, 胡正义. 土壤活性碳的表征及其生态意义[J]. 生态学杂志, 1999, 18(3): 32-38. doi: 10.3321/j.issn:1000-4890.1999.03.008 [4] LEFROY R D B, BLAIR G J, STRONG W M. Changes in soil organic matter with cropping as measured by organic carbon fractions and 13C natural isotope abundance[J]. Plant Soil, 1993, 155/156(1): 399-402. doi: 10.1007/BF00025067
[5] 张哲, 王邵军, 李霁航, 等. 土壤易氧化有机碳对西双版纳热带森林群落演替的响应[J]. 生态学报, 2019, 39(17): 6257-6263. [6] PURI G, ASHMAN M R. Relationship between soil microbial biomass and gross N mineralisation[J]. Soil Biol Biochem, 1998, 30(2): 251-256. doi: 10.1016/S0038-0717(97)00117-X
[7] 王瑞. 秸秆添加对土壤温室气体排放和溶解性有机碳DOC组分的影响[D]. 武汉: 华中农业大学, 2018. [8] 刘霞娇, 段亚峰, 叶莹莹, 等. 耕作扰动对喀斯特土壤可溶性有机质及其组分迁移淋失的影响[J]. 生态学报, 2018, 38(19): 6981-6991. [9] 汪景宽, 李丛, 于树, 等. 不同肥力棕壤溶解性有机碳、氮生物降解特性[J]. 生态学报, 2008, 28(12): 6165-6171. doi: 10.3321/j.issn:1000-0933.2008.12.046 [10] 寇永珍. 草海高原湿地湖滨带甲烷产生与氧化潜力研究[D]. 贵阳: 贵州师范大学, 2015. [11] SMITH P, FANG C M. Carbon cycle:A warm response by soils[J]. Nature, 2010, 464(7288): 499-500.
[12] 倪进治, 徐建民, 谢正苗. 有机肥料施用后潮土中活性有机质组分的动态变化[J]. 农业环境科学学报, 2003, 22(4): 416-419. doi: 10.3321/j.issn:1672-2043.2003.04.008 [13] YAGI K, MINAMI K. Effect of organic matter application on methane emission from some Japanese paddy fields[J]. Soil Sci Plant Nutr, 1990, 36(4): 599-610.
[14] BLAGODATSKAYA E, YUYUKINA T, BLAGODATSKY S, et al. Three-source-partitioning of microbial biomass and of CO2 efflux from soil to evaluate mechanisms of priming effects[J]. Soil Biol Biochem, 2011, 43(4): 778-786. doi: 10.1016/j.soilbio.2010.12.011
[15] 王楷, 李伏生, 方泽涛, 等. 不同灌溉模式和施氮量条件下稻田甲烷排放及其与有机碳组分关系[J]. 农业环境科学学报, 2017, 36(5): 1012-1020. doi: 10.11654/jaes.2016-1581 [16] WIESMEIER M, HÜBNER R, SPÖRLEIN P, et al. Carbon sequestration potential of soils in southeast Germany derived from stable soil organic carbon saturation[J]. Glob Change Biol, 2014, 20(2): 653-665. doi: 10.1111/gcb.12384
[17] 魏长宾, 刘胜辉, 何应对, 等. 甘蔗滴灌施肥效果研究初报[J]. 广东农业科学, 2008, 35(7): 60-61. doi: 10.3969/j.issn.1004-874X.2008.07.023 [18] 齐玉春, 郭树芳, 董云社, 等. 灌溉对农田温室效应贡献及土壤碳储量影响研究进展[J]. 中国农业科学, 2014, 47(9): 1764-1773. doi: 10.3864/j.issn.0578-1752.2014.09.011 [19] SINGH A, GULATI I J, CHOPRA R, et al. Effect of drip-fertigation with organic manures on soil properties and tomato (Lycopersicon esculentum Mill.) yield under arid condition[J]. Ann Biol, 2014, 30(2): 345-359.
[20] 刘岳燕. 水分条件与水稻土壤微生物生物量、活性及多样性的关系研究[D]. 杭州: 浙江大学, 2009. [21] 俞慎, 李振高. 薰蒸提取法测定土壤微生物量研究进展[J]. 土壤学进展, 1994, 22(6): 42-50. [22] 王莹, 阮宏华, 黄亮亮, 等. 围湖造田不同土地利用方式土壤有机碳和易氧化碳[J]. 生态环境学报, 2010, 19(4): 913-918. doi: 10.3969/j.issn.1674-5906.2010.04.031 [23] 刘涛泽, 刘丛强, 张伟, 等. 喀斯特地区坡地土壤可溶性有机碳的分布特征[J]. 中国环境科学, 2009, 29(3): 248-253. doi: 10.3321/j.issn:1000-6923.2009.03.005 [24] 董艳芳, 黄景, 李伏生, 等. 不同灌溉模式和施氮处理下稻田CH4和N2O排放[J]. 植物营养与肥料学报, 2017, 23(3): 578-588. doi: 10.11674/zwyf.16437 [25] 汤桂容, 周旋, 田昌, 等. 有机无机氮肥配施对菜地土壤二氧化碳和甲烷排放的影响[J]. 中国土壤与肥料, 2019(3): 29-35. [26] 李玉娥, 林而达. 土壤甲烷吸收汇研究进展[J]. 地球科学进展, 1999, 14(6): 613-618. doi: 10.3321/j.issn:1001-8166.1999.06.015 [27] 道力格亚. 长期不同施肥处理下旱地CO2和CH4排放特征的研究[D]. 杨凌: 西北农林科技大学, 2018. [28] 石生伟, 李玉娥, 刘运通, 等. 中国稻田CH4和N2O排放及减排整合分析[J]. 中国农业科学, 2010, 43(14): 2923-2936. doi: 10.3864/j.issn.0578-1752.2010.14.011 [29] 焦燕, 黄耀, 宗良纲, 等. 氮肥水平对不同土壤CH4排放的影响[J]. 环境科学, 2005, 26(3): 21-24. doi: 10.3321/j.issn:0250-3301.2005.03.005 [30] BODELIER P L E, HAHN A P, ARTH I R, et al. Effects of ammonium-based fertilization on microbial processes involved in methane emission from soils planted with rice[J]. Biogeochemistry, 2000, 51(3): 225-257. doi: 10.1023/A:1006438802362
[31] 吴家梅, 纪雄辉, 霍莲杰, 等. 稻田土壤氧化态有机碳组分变化及其与甲烷排放的关联性[J]. 生态学报, 2013, 33(15): 4599-4607. [32] MASTO R E, CHHONKAR P K, SINGH D, et al. Changes in soil biological and biochemical characteristics in a long-term field trial on a sub-tropical inceptisol[J]. Soil Biol Biochem, 2006, 38(7): 1577-1582. doi: 10.1016/j.soilbio.2005.11.012
[33] 杨文元, 董博, 赵记军, 等. 追施不同量尿素下麦后复种油菜对耕层土壤有机碳及微生物量碳氮的影响[J]. 水土保持通报, 2017, 37(3): 59-62. [34] 李睿. DOM对紫色土中养分有效性的影响[D]. 重庆: 西南农业大学, 2005. [35] 孙冬晔. 施肥措施对红壤性水稻土可溶性有机碳组成及生物有效性的影响[D]. 南京: 南京农业大学, 2014. [36] 莫永亮, 胡荣桂, 赵劲松, 等. 冬水田转稻麦轮作对小麦生长季温室气体排放的影响[J]. 环境科学学报, 2014, 34(10): 2675-2683. -
期刊类型引用(5)
1. 田思璐，袁羽，徐乐，欧阳萍，陈德芳，黄小丽，耿毅. 1株沼泽绿蛙源蛙病毒的分离鉴定及系统发育分析. 华中农业大学学报. 2025(02): 258-264 . 
百度学术
2. 王庆朋，闫成才，王喆，苟长青，王兰，冯宏祖，郝海婷. 库尔勒香梨开花前后花药细菌多样性分析. 新疆农业科学. 2024(08): 1976-1982 . 百度学术
3. 龚保荣，吴红军，李本镇，徐大洋，邹文腾，曲君艺，鲍传和，朱若林. 患白内障病黑斑蛙米尔伊丽莎白菌的分离鉴定与PNGase基因克隆. 浙江农业学报. 2023(06): 1297-1306 . 百度学术
4. 程晓云，傅秋华，王卫东，郑善坚，张乃芳. 一株棘胸蛙源蛙病毒的分离与鉴定. 安徽农业科学. 2020(05): 100-102+105 . 百度学术
5. 杜嘉楠，吴晨薇，叶颖萱，文艺，李婧妍，李靖，翟博宇，朱晓艺，曾祥伟. 蛙类常见传染病介绍及病原学鉴定研究进展. 今日畜牧兽医. 2019(08): 63-64 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 19127
- HTML全文浏览量: 15
- PDF下载量: 38328
- 被引次数: 7
