Evaluating the effect of sludge application on soil aggregates based on Meta-analysis
-
摘要:目的
利用Meta分析探讨污泥施用促进土壤团聚的效果，并挖掘其影响因素。
方法收集整理1990—2023年间已发表文献，在获取的568篇中、英文文献中精筛出36篇高度匹配文献，运用Meta分析总结污泥施用对土壤团聚体和土壤性质的影响，并利用线性拟合和随机森林模型等方法，分析污泥施用条件下土壤团聚体与土壤性质的关系。
结果污泥施用显著提高土壤大团聚体(粒径>0.25 mm)相对含量以及团聚体平均质量直径；与表施(0.20)相比，污泥混施大团聚体相对含量的效应值(0.84)更高；污泥施用显著提高表层(0~20 cm)和深层(20<~40 cm)土壤团聚体平均质量直径，但仅显著增加表层土壤大团聚体相对含量；土壤黏粒含量越低，污泥施用对大团聚体相对含量的效应值越高，土壤黏粒含量<15%、15%~25%和>25%的大团聚体相对含量效应值分别为0.26、0.13和0.05；针对不同污泥施用量，施用量为100<~200 t/hm2时大团聚体相对含量效应值最高(0.35)。线性拟合显示，污泥施用条件下土壤有机质、碳水化合物、全氮、碱解氮、总磷、速效磷含量和磷酸酶活性与大团聚体相对含量呈显著正相关，土壤碱化度和土壤电导率与大团聚体相对含量呈显著负相关。随机森林分析进一步确认，污泥施用提高土壤有机质和碳水化合物含量是促进土壤大团聚体形成的关键原因。Meta回归分析表明，有机质含量的增长可以解释93.79%的大团聚体相对含量效应值变异，碳水化合物含量的增长可以解释76.30%的大团聚体相对含量效应值变异。
结论污泥最佳施用条件是按100<~200 t/hm2混施于黏粒含量<15%的0~20 cm土壤中。污泥施用通过提高土壤有机质和碳水化合物含量促进土壤聚集。
Abstract:ObjectiveTo evaluate the effect of sludge application promoting soil aggregation by using Meta-analysis, and excavate the influencing factors.
MethodWe fine screened 36 highly matched papers from 568 papers published in international and domestic journals between 1990 and 2023. The effects of sludge application on soil aggregates and soil properties were evaluated by Meta-analysis. The relationships between soil aggregates and soil properties under sludge application were further analyzed by linear fitting analysis and random-forest model method.
ResultSludge application significantly increased the relative content of soil macroaggregate (particle diameter > 0.25 mm) and the mean weight diameter of aggregates. Compared with surface application (0.20), mixed application of sludge had a higher effect size (0.84) in the relative content of macroaggregate. Sludge application significantly increased the mean weight diameter of aggregates in both surface (0−20 cm) and deep (20<−40 cm) soil layers, but only significantly increased the relative content of macroaggregate in the surface soil layer. The effect size of the relative content of macroaggregate in soils with clay content <15%, 15%−25%, and >25% under sludge application was 0.26, 0.13, and 0.05, respectively, indicating that the higher effect size occurred in soils with lower clay content. For different sludge application rates, the highest effect size (0.35) of macroaggregate relative content was found in rate of 100<−200 t/hm2. Linear fitting analysis showed that the relative content of macroaggregate had significant and positive correlations with the contents of soil organic matter, carbohydrate, total nitrogen, alkaline hydrolyzable nitrogen, total phosphorus, available phosphorus, and phosphatase activity, while having significant and negative correlations with soil exchangeable sodium percentage and electrical conductivity. Random-forest analysis further indicated that the increase of soil organic matter and carbohydrate contents by sludge application was the main reason for the improvement of soil aggregation. Meta-regression analysis showed that the increase of organic matter content could explain 93.79% of the effect size of macroaggregate relative content, and the increase of carbohydrate content could explain 76.30%.
ConclusionThe optimal application condition of sludge is mixed in 0−20 cm depth soil with clay content <15% at the amount of 100<−200 t/hm2. The sludge application increases soil organic matter content and carbohydrate content, and then promotes soil aggregation.
-
Keywords:
- Soil improvement /
- Soil structure /
- Sludge recycling /
- Soil aggregate /
- Soil organic matter
-
播种机的排种性能直接影响其作业质量，种箱缺种或排种器故障等导致播种时易出现漏播、重播以及实际播种量与理论播种量不相符的问题[1]，直接影响播种质量，进而影响土地产出率[2-5]。这些问题人工很难发现，因此，实现播种过程的自动监控，对保证播种质量具有重要意义。目前比较常用的排种性能检测方式主要有压电法、光电法、计算机视觉法[6-11]。陈进等[12]运用高速摄像系统和图像处理技术对排种器性能进行了研究；周利明等[13]基于微电容信号获取与分析来评定排种器的性能；张继成等[6]基于光敏传感器对播种与施肥过程中的漏播监测进行了研究，初步解决了播种作业过程中种肥的自动监控问题。而鲜少有研究涉及到播种量的监测。本研究采用光电法获取种子下落的电脉冲信号，滤波整形后由单片机处理，分析得出漏播率、重播率、播种量信息。
1. 监测装置的设计及原理
1.1 监测装置的设计
监测装置的安装位置将影响其工作性能，如果安装位置靠近排种器，则下方排种管堵塞时，很难及时检测到，为提高系统工作性能，实际生产中，本系统监测装置被安装在紧靠开沟器上方处，如图 1所示。
![]()
图 1 监测装置安装位置示意图1：种箱；2：垂直勺轮式排种器；3：监测装置；4：开沟器侧板；5：开沟器。Figure 1. Schematic diagram of monitoring sensor position光电传感器由发射端和接收端2部分组成。发射端为1个直径10 mm的红外发射二极管，工作时发出波长850 nm、发射角度45°的红外光。为使发射光可以无盲区地覆盖整个监测装置，监测装置内部的长方体结构长、宽、高为45 mm×35 mm×40 mm，并在发射端安装凸透镜，根据红外发射二极管的发射角度及监测装置的宽度，选择凸透镜的焦距为17.5 mm，红外发射二极管安装在凸透镜的焦点位置[14]，红外光经凸透镜后平行射向接收端。为提高监测精度，接收端采用紧密排列的宽度为2 mm的贴片式红外接收二极管，串联成一字型。同时，发射端与接收端都安装有塑料防尘罩，可以有效减少尘土附着，方便清洁。监测装置俯视图见图 2。
![]()
图 2 监测装置俯视图1：红外发射二极管；2：凸透镜；3、5：防尘罩；4：播种管横切面；6：红外接收二极管。Figure 2. Top view of monitoring sensor1.2 监测原理
正常工作时，红外光穿过凸透镜后平行照射至接收端。当种子经过监测装置完全遮挡1个或多个红外接收二极管时，接收端会产生电平变化，并将该电平信号传输给单片机，单片机根据该电平信号统计种子下落时间间隔，结合增量式编码器所测机具前进速度得出实际株距，并与设定的理论株距相比较，分析得出漏播率、重播率、播种量信息。
单片机获取相邻2粒种子下落的时间间隔Δt，Δt与播种机行进速度v的乘积即为实际粒距的监测值，并根据GB/T6973—2005《单粒(精密)播种机试验方法》[15]对比理论粒距与实际粒距，按下式判断是否重播、漏播：
$$ \left\{ \begin{array}{l} v\Delta t \le 0.5\bar d\left( {{\rm{重播}}} \right)\\ v\Delta t > 1.5\bar d\left( {{\rm{漏播}}} \right), \end{array} \right. $$ 式中，d为播种理论株距(m)，通过监测系统的按键模块设定。
利用安装在播种机测速轮上的增量式编码器(型号：E6B2-CWZ6C 1000P/R)采集测速轮转动脉冲信号，单片机记录测速周期内的脉冲个数，播种机行进速度由下式计算:
$$ v = \frac{N}{{1\;000T}}{\rm{ \mathsf{ π} }}D\left( {1 + \delta } \right), $$ 式中，N为脉冲个数；T为行走速度测速周期(s)；D为测速轮直径(m)；δ为滑移率(%)。
定义1 min内排种轴的转数与排种盘的孔数的乘积为理论排种量、监测系统1 min内捕获到的播种粒数为实际排种量，两者比值为报警系数。排种轴的转速由下式计算：
$$ n = i\frac{N}{{1\;000T}}\left( {1 + \delta } \right)60 = \frac{{3Ni}}{{50T}}\left( {1 + \delta } \right), $$ 式中，n为排种轴转速(r·min-1)；i为传动比系数。
程序执行过程中，当报警系数P超出程序设定的范围或出现漏播、重播现象时，系统发出声光报警；若单片机检测到播种机行进速度为0，则系统认为播种机停止工作，不再对播种过程进行监测。
2. 监测系统设计
2.1 系统硬件方案设计
该系统以STM32F103ZET6单片机、降压芯片LM2576及电压比较器LM393AD为核心搭建而成，从硬件结构上可以分为监测模块、测速模块、语音报警模块、液晶显示模块、按键模块和LED报警模块6大模块，所需电源由拖拉机的蓄电池经过DC12V-DC5V降压后提供。其结构框图见图 3。控制面板上的按键模块可以对理论株距、测速轮直径、滑移率、传动比、测速周期和报警系数的范围进行设置。液晶显示模块可以显示单行播量、总播种量、播种机行进速度、漏播率和重播率。LED报警模块与播种通道对应，若某一行或多行出现漏播或重播现象，则对应的LED会闪烁报警，并发出语音报警。
排种监测电路如图 4所示，主要用于获取种子经过监测装置时的信息。监测电路主要由红外发射二极管、红外接收二极管、LM393AD电压比较器等器件组成。考虑到捕获数据的可靠性与稳定性，采用LM393AD作为电压比较器件, 且LM393AD可以同时处理2路信号，提高工作效率。针对不同品种的种子经过时所要求的精度不同，采用滑动变阻器R3调节传感器的灵敏度。采用1个0.1 μF电容C1滤除采集信号过程中的杂波，并对电压比较器起到保护作用。
2.2 系统软件方案设计
单片机软件采用模块化程序设计，其主要模块包括系统初始化、定时中断、按键扫描、数据采集、报警模块。系统软件流程如图 5所示。
监测系统正常启动之后，首先初始化程序，然后执行自检功能，如存在异常，由人工处理并再次自检。程序自检通过后，通过按键模块输入理论株距、测速轮直径、报警参数、滑移率、传动比和测速周期。系统监测到种子下落，启动定时器，记录相邻种子的时间间隔，按公式判断漏播与重播，同时分析报警系数是否超出正常范围。
3. 系统测试试验结果
试验选用玉米种子，品种为郑单958，千粒质量330 g，纯净度99%，含水量(w)13%，休止角31°，经测定，种子平均长、宽、高分别为9.6、6.3、5.2 mm，选用18勺垂直勺轮式排种器，监测装置安装在排种器下方。试验在南京农业大学排种器性能检测试验台架上进行，根据国内现有的勺轮式玉米播种机一般工作速度设定试验速度。
3.1 单粒监测试验
采用人工投种方式进行单粒监测试验，每次试验投种250粒[15]，重复3次，试验过程中记录实际播种粒数与监测粒数，以3次试验平均值作为试验结果(表 1)。由表 1可知，该监测系统单粒监测精度达到98.8%。由监测管结构及其工作原理可知，种子从2个红外接收管中间下落时，其粒径需大于4 mm才能完全遮挡至少1个红外接收管，而试验所用玉米种子未进行精选，少量厚度小于4 mm的种子导致监测精度未能达到100%。
表 1 单粒监测试验结果Table 1. Monitoring result of single grain试验号 实际排种量/粒 监测排种量/粒 监测精确度/% 1 250 248 99.2 2 250 246 98.4 3 250 247 98.8 平均值 250 247 98.8 3.2 漏播与重播监测试验
监测系统的漏播与重播监测性能试验设置种床输送带速度为3、4、5 km·h-1，然后根据理论粒距以及排种器勺数确定对应排种轴转速分别为12.6、16.8、21.0 r·min-1。
每种转速条件下试验重复3次，分别记录重播指数、漏播指数的试验台测试数据和监测系统监测数据，取3次试验平均值作为试验结果(表 2)。由表 2可知，3种排种轴转速条件下，与排种器性能检测试验台架检测结果相比，监测系统测得漏播率误差小于0.3%，重播率误差小于0.6%。经分析，漏播率监测误差出现的原因与单粒监测原因相同，不再赘述；重播率监测误差出现的原因是2粒或者多粒种子重叠下落时，红外接收管一直处于被遮挡状态，光电传感器无法判断种子下落时间间隔。
表 2 漏播与重播监测试验结果Table 2. Monitoring results of miss-seeding and re-seeding排种轴转速/(r·min-1) 漏播率/% 重播率/% 台架试验 监测系统 台架试验 监测系统 12.6 0.8 0.7 4.9 4.7 16.8 2.7 2.6 4.8 4.5 21.0 6.4 6.1 4.3 3.7 3.3 播种量监测试验
播种量监测试验根据理论粒距以及排种器勺数确定试验排种轴转速分别为12.6、16.8、21.0 r·min-1。试验时在监测装置下方放置纸杯，收集排种器排出的玉米种子，试验结束后统计杯中种子粒数，同时记录监测装置监测到的种子粒数。每种转速进行3次重复试验，结果见表 3，在排种器工作转速为12.6~21.0 r·min-1时，系统的播种量监测精度最小值为94.4%。监测系统对重播及漏播监测误差的积累，导致了播种量监测试验误差的出现。
表 3 播种量监测试验结果Table 3. Monitoring result of seeding volume排种轴转速/(r·min-1) 实际播种量/粒 监测播种量/粒 准确率/% 12.6 411 388 94.4 16.8 610 586 96.0 21.0 813 776 95.4 4. 结论
本文设计了一种基于光电传感器的监测系统，通过红外检测装置采集种子下落时的脉冲信号，对播种过程中的漏播、重播以及播种量进行监测。试验表明，该监测系统的单粒监测精度达到98.8%；与排种器性能检测试验台架检测结果相比，监测系统的漏播率监测误差小于0.3%，重播率监测误差小于0.6%；播种量监测精度大于94.4%，基本满足实际生产的需求。
-
![]()
图 1 不同类别下土壤团聚体对污泥施用的响应
各小图中，括号内数字为样本数量；各个数据块的正负误差线表示95% CI，若95% CI与y=0有交点，则效应在统计学意义上不显著。
Figure 1. Response of soil aggregates to sludge application under different conditions
In each figure, numbers in parentheses are sample sizes; The positive and negative error lines of each data block indicate 95% CI, if 95% CI intersects with y=0, effects are not statistically significant.
![]()
图 2 土壤性质对污泥施用方式的响应
CC：碳水化合物含量，ANC：碱解氮含量，TPC：总磷含量，ESP：碱化度，EC：电导率，APC：速效磷含量，MCC：微生物碳含量，TNC：总氮含量，OMC：有机质含量，PA：磷酸酶活性；括号内数字为样本数量；各个数据块的正负误差线表示95% CI，若95% CI与y=0有交点，则效应在统计学意义上不显著。
Figure 2. Response of soil properties to sludge application method
CC: Carbohydrate content, ANC: Alkaline hydrolyzable nitrogen content, TPC: Total phosphorus content, ESP: Exchangeable sodium percentage, EC: Electrical conductivity, APC: Available phosphorus content, MCC: Microbial carbon content, TNC: Total nitrogen content, OMC: Organic matter content, PA: Phosphatase activity; Numbers in parentheses are sample sizes; The positive and negative error lines of each data block indicate 95% CI, if 95% CI intersects with y=0, effects are not statistically significant.
![]()
图 3 不同深度土壤性质对污泥施用的响应
ESP：碱化度，EC：电导率，TPC：总磷含量，MCC：微生物碳含量，APC：速效磷含量，OMC：有机质含量，TNC：总氮含量，PA：磷酸酶活性，CC：碳水化合物含量，ANC：碱解氮含量；括号内数字为样本数量；各个数据块的正负误差线表示95% CI，若95% CI与y=0有交点，则效应在统计学意义上不显著。
Figure 3. Response of soil properties to sludge application under different soil layers
ESP: Exchangeable sodium percentage, EC: Electrical conductivity, TPC: Total phosphorus content, MCC: Microbial carbon content, APC: Available phosphorus content, OMC: Organic matter content, TNC: Total nitrogen content, PA: Phosphatase activity, CC: Carbohydrate content, ANC: Alkaline hydrolyzable nitrogen content; Numbers in parentheses are sample sizes; The positive and negative error lines of each data block indicate 95% CI, if 95% CI intersects with y=0, effects are not statistically significant.
![]()
图 4 不同土壤黏粒含量条件下土壤性质对污泥施用的响应
ESP：碱化度，EC：电导率，TPC：总磷含量，MCC：微生物碳含量，PA：磷酸酶活性，TNC：总氮含量，OMC：有机质含量，APC：速效磷含量，CC：碳水化合物含量，ANC：碱解氮含量；括号内数字为样本数量；各个数据块的正负误差线表示95% CI，若95% CI与y=0有交点，则效应在统计学意义上不显著。
Figure 4. Response of soil properties to sludge application under different soil clay content conditions
ESP: Exchangeable sodium percentage, EC: Electrical conductivity, TPC: Total phosphorus content, MCC: Microbial carbon content, PA: Phosphatase activity, TNC: Total nitrogen content, OMC: Organic matter content, APC: Available phosphorus content, CC: Carbohydrate content, ANC: Alkaline hydrolyzable nitrogen content; Numbers in parentheses are sample sizes; The positive and negative error lines of each data block indicate 95% CI, if 95% CI intersects with y=0, effects are not statistically significant.
![]()
图 5 土壤性质对不同污泥施用量的响应
ESP：碱化度，EC：电导率，MCC：微生物碳含量，TPC：总磷含量，APC：速效磷含量，TNC：总氮含量，CC：碳水化合物含量，OMC：有机质含量，PA：磷酸酶活性，ANC：碱解氮含量；括号内数字为样本数量；各个数据块的正负误差线表示95% CI，若95% CI与y=0有交点，则效应在统计学意义上不显著。
Figure 5. Response of soil properties to different sludge application rates
ESP: Exchangeable sodium percentage, EC: Electrical conductivity, MCC: Microbial carbon content, TPC: Total phosphorus content, APC: Available phosphorus content, TNC: Total nitrogen content, CC: Carbohydrate content, OMC: Organic matter content, PA: Phosphatase activity, ANC: Alkaline hydrolyzable nitrogen content; Numbers in parentheses are sample sizes; The positive and negative error lines of each data block indicate 95% CI, if 95% CI intersects with y=0, effects are not statistically significant.
![]()
图 6 土壤大团聚体相对含量与土壤性质的相关关系
Figure 6. Correlation between relative content of macroaggregate and soil indicators
![]()
图 7 污泥施用条件下驱动大团聚体形成的潜在土壤因素
OMC：有机质含量，CC：碳水化合物含量，TPC：总磷含量，APC：速效磷含量，PA：磷酸酶活性，MCC：微生物碳含量，ANC：碱解氮含量，EC：电导率，TNC：总氮含量，ESP：碱化度；“*”表示在P<0.05水平影响显著(A3包)。
Figure 7. Potential drivers of soil indicators in macroaggregate formation under sludge application
OMC: Organic matter content, CC: Carbohydrate content, TPC: Total phosphorus content, APC: Available phosphorus content, PA: Phosphatase activity, MCC: Microbial carbon content, ANC: Alkaline hydrolyzable nitrogen content, EC: Electrical conductivity, TNC: Total nitrogen content, ESP: Exchangeable sodium percentage; “*” indicates significant differences at P<0.05 (A3 package).
![]()
图 8 大团聚体相对含量对有机质与碳水化合物含量增加的响应
括号内数字为样本数量。
Figure 8. Response of macroaggregate relative content to increase of organic matter and carbohydrate contents
Numbers in parentheses are sample sizes.
![]()
图 9 土壤大团聚体相对含量与有机质、碳水化合物含量的Meta回归分析
各小图中，圆圈大小指该数据在整组分析数据中所占的权重。
Figure 9. Meta-regression analysis of soil macroaggregate relative content with organic matter and carbohydrate contents
In each figure, the circle size refers to the weight of that individual in the whole set of analyzed data.
表 1 数据分组
Table 1 Data grouping
类别 Category 数据分组 Data grouping 污泥施用方式1) Sludge application method 表施 Surface application 混施 Mixed application 土壤深度/cm Soil depth 0~20 20<~40 土壤黏粒含量/% Soil clay content <15 15~25 >25 污泥施用量/(t·hm−2) Sludge application amount <50 50~100 100<~200 >200 1)表施：污泥直接铺撒在土壤表面，没有与土壤进行混合；混施：污泥与土壤充分混合。
1) Surface application: Sludge is spread directly on the soil surface without mixing with the soil; Mixed application: Sludge is well mixed with the soil.
下载: 导出CSV
表 2 正态性检验1)
Table 2 Normality test
指标
Indicatorn P R−1 lnR lgR MaC 106 0.00 0.19 0.14 OMC 109 0.00 0.04 0.06 MWD 74 0.01 0.11 0.10 MCC 41 0.01 0.36 0.36 MiC 38 0.52 0.55 0.51 TNC 34 0.00 0.17 0.17 ESP 30 0.15 0.35 0.35 CC 28 0.77 0.98 0.97 EC 22 0.48 0.82 0.82 APC 19 0.22 0.34 0.36 PA 15 0.03 0.14 0.14 TPC 12 0.53 0.79 0.79 ANC 10 0.42 0.95 0.95 pH 14 0.86 0.83 0.81 1) MaC：大团聚体相对含量，OMC：有机质含量，MWD：团聚体平均质量直径，MCC：微生物碳含量，MiC：微团聚体相对含量，TNC：总氮含量，ESP：碱化度，CC：碳水化合物含量，EC：电导率，APC：速效磷含量，PA：磷酸酶活性，TPC：总磷含量，ANC：碱解氮含量；n指纳入的研究组数，P>0.05指数据呈正态性。
1) MaC: Macroaggregate relative content, OMC: Organic matter content, MWD: Mean weight diameter of aggregate, MCC: Microbial carbon content, MiC: Microaggregate relative content, TNC: Total nitrogen content, ESP: Exchangeable sodium percentage, CC: Carbohydrate content, EC: Electrical conductivity, APC: Available phosphorus content, PA: Phosphatase activity, TPC: Total phosphorus content, ANC: Alkaline hydrolyzable nitrogen content; n refers to the number of study groups included, P>0.05 indicates data are normal.
下载: 导出CSV
表 3 异质性与稳健性分析1)
Table 3 Heterogeneity and robustness analysis
指标
IndicatorP I2 P 补充 Supplementation 剪补前 Before clipping 剪补后 After clipping MiC 0.16 19.30 <0.01 <0.01 4(11) MWD <0.01 96.60 <0.01 <0.01 3(31) MaC <0.01 69.00 <0.01 <0.01 5(39) 1) MiC：微团聚体相对含量，MWD：团聚体平均质量直径，MaC：大团聚体相对含量；P>0.05表示数据无异质性，I2<50表示数据间无异质性；剪补前后P<0.01表示研究结果无发表偏倚；补充指剪补次数，括号中指剪补数据组数。
1) MiC: Microaggregate relative content, MWD: Mean weight diameter of aggregate, MaC: Macroaggregate relative content; P>0.05 indicates no heterogeneity in data, I2<50 means no heterogeneity between data; P<0.01 before and after clipping implies no publication bias in the findings; Supplementation refers to the number of clippings, and data in parentheses refer to the number of clipping data groups.
下载: 导出CSV
-
[1] MUSTAFA A, XU M G, ALI SHAH S A, et al. Soil aggregation and soil aggregate stability regulate organic carbon and nitrogen storage in a red soil of southern China[J]. Journal of Environmental Management, 2020, 270: 110894. doi: 10.1016/j.jenvman.2020.110894
[2] FIELD D, MORGAN C, MCBRATNEY A. Global soil security[M]. Springer, 2016.
[3] TISDALL J M, OADES J M. Organic matter and water-stable aggregates in soils[J]. Journal of Soil Science, 1982, 33(2): 141-163. doi: 10.1111/j.1365-2389.1982.tb01755.x
[4] EDWARDS A P, BREMNER J M. Microaggregates in soils[J]. Journal of Soil Science, 1967, 18(1): 64-73. doi: 10.1111/j.1365-2389.1967.tb01488.x
[5] 刘亚龙, 王萍, 汪景宽. 土壤团聚体的形成和稳定机制: 研究进展与展望[J]. 土壤学报, 2023, 60(3): 627-643. [6] ALTUN M, DAN BADAOU A N A, DOGAN DEMIR A, et al. Improvement of the hydraulic properties of saline-sodic soil exposed to freezing-thawing using sewage sludge and wetting-drying process with wastewater[J]. Carpathian Journal of Earth and Environmental Sciences, 2023, 18(1): 37-50. doi: 10.26471/cjees/2023/018/239
[7] 董晓全, 王雨滢, 何利梅, 等. 施用污泥对鹅掌藤根系生长和重金属吸收的影响[J]. 华南农业大学学报, 2023, 44(4): 513-522. [8] MA D G, WANG Y X, YE Y, et al. Effects of three sludge products from co-treatment of wastewater on the soil properties and plant growth of silty loam[J]. International Journal of Environmental Research and Public Health, 2022, 19(7): 4385. doi: 10.3390/ijerph19074385
[9] FELZ S, AL-ZUHAIRY S, AARSTAD O A, et al. Extraction of structural extracellular polymeric substances from aerobic granular sludge[J]. Journal of Visualized Experiments, 2016(115): e54534. doi: 10.3791/54534
[10] BAI J, SUN X, XU C, et al. Effects of sewage sludge application on plant growth and soil characteristics at a Pinus sylvestris var. mongolica plantation in horqin sandy land[J]. Forests, 2022, 13(7): 984. doi: 10.3390/f13070984
[11] 中华人民共和国住房与城乡建设部. 2021年城乡建设统计年鉴[EB]. 北京: 中国统计出版社, 2023. [12] 马德刚, 叶羽, 孟凡怡. 无害化污泥对沙性土即时团聚体稳定性及黏聚力影响的研究[J]. 安全与环境学报, 2021, 21(6): 2781-2788. [13] LIPSEY M W, WILSON D B. Practical meta-analysis[M]. London: SAGE Publications Inc., 2001.
[14] 张娜娜, 孙武. 施用化肥影响土壤团聚体稳定性及有机碳有机碳、全氮含量的meta分析[J]. 草原与草坪, 2022, 42(5): 159-168. [15] 孟艳, 沈亚文, 孟维伟, 等. 生物炭施用对农田土壤团聚体及有机碳有机碳影响的整合分析[J]. 环境科学, 2023, 44(12): 6847-6856. [16] 刘海宁, 吴昊, 姚灿, 等. Meta分析中连续性数据的深度提取方法[J]. 中国循证医学杂志, 2017, 17(1): 117-121. [17] 李国春, 吴勉华, 余小金. Meta分析导论[M]. 北京: 科学出版社, 2013. [18] HEDGES L V, GUREVITCH J, CURTIS P S. The meta-analysis of response ratios in experimental ecology[J]. Ecology, 1999, 80(4): 1150-1156. doi: 10.1890/0012-9658(1999)080[1150:TMAORR]2.0.CO;2
[19] 李春喜. 生物统计学[M]. 5版. 北京: 科学出版社, 2013. [20] EGGER M, DAVEY SMITH G, SCHNEIDER M, et al. Bias in meta-analysis detected by a simple, graphical test[J]. BMJ, 1997, 315(7109): 629-634. doi: 10.1136/bmj.315.7109.629
[21] LI Y, SHEN C, WANG Y, et al. Alleviated environmental constraints and restructured fungal microbiome facilitate aggregate formation and stabilization in coastal mudflat saline soil amended by sewage sludge[J]. Land Degradation & Development, 2023, 34(10): 3064-3075.
[22] ABDALLA K, MUTEMA M, HILL T. Soil and organic carbon losses from varying land uses: A global meta-analysis[J]. Geographical Research, 2020, 58(2): 167-185. doi: 10.1111/1745-5871.12389
[23] FONTAINE J, DUCLERCQ J, FACON N, et al. Coriander (Coriandrum sativum L. ) in combination with organic amendments and arbuscular mycorrhizal inoculation: An efficient option for the phytomanagement of trace elements-polluted soils[J]. Microorganisms, 2022, 10(11): 2287. doi: 10.3390/microorganisms10112287
[24] BEAUCHAMP E G, KIDD G E, THURTELL G. Ammonia volatilization from sewage sludge applied in the field[J]. Journal of Environmental Quality, 1978, 7(1): 141-146.
[25] 董晓全, 邢鹤严, 张书源, 等. 表施和混施污泥对团花根系生长的影响[J]. 应用生态学报, 2022, 33(12): 3388-3394. [26] GOLDAN E, NEDEFF V, BARSAN N, et al. Evaluation of the use of sewage sludge biochar as a soil amendment: A review[J]. Sustainability, 2022, 14(9): 5309. doi: 10.3390/su14095309
[27] 戴珏, 胡君利, 林先贵, 等. 免耕对潮土不同粒级团聚体有机碳含量及微生物碳代谢活性的影响[J]. 土壤学报, 2010, 47(5): 923-930. [28] YUAN M, ZHU X, SUN H, et al. The addition of biochar and nitrogen alters the microbial community and their cooccurrence network by affecting soil properties[J]. Chemosphere, 2023, 312: 137101. doi: 10.1016/j.chemosphere.2022.137101
[29] LEHMANN A, RILLIG M C. Understanding mechanisms of soil biota involvement in soil aggregation: A way forward with saprobic fungi?[J]. Soil Biology and Biochemistry, 2015, 88: 298-302. doi: 10.1016/j.soilbio.2015.06.006
[30] 王国禧, 王萍, 刘亚龙, 等. 球囊霉素在土壤团聚体中的分布特征及影响因素的Meta分析[J]. 土壤学报, 2024, 61(4): 1147-1155. [31] 李小刚, 曹靖, 李凤民. 盐化及钠质化对土壤物理性质的影响[J]. 土壤通报, 2004, 35(1): 64-72. doi: 10.3321/j.issn:0564-3945.2004.01.016
计量
- 文章访问数: 109
- HTML全文浏览量: 38
- PDF下载量: 42
