CN103065043A - 一种基于理化生综合指标评价高寒草地土壤健康的方法 - Google Patents
一种基于理化生综合指标评价高寒草地土壤健康的方法 Download PDFInfo
- Publication number
- CN103065043A CN103065043A CN 201210553570 CN201210553570A CN103065043A CN 103065043 A CN103065043 A CN 103065043A CN 201210553570 CN201210553570 CN 201210553570 CN 201210553570 A CN201210553570 A CN 201210553570A CN 103065043 A CN103065043 A CN 103065043A
- Authority
- CN
- China
- Prior art keywords
- index
- grassland
- soil
- soil quality
- alpine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明基于可视化植被指标,运用草地退化指数评价其高寒草地退化程度。所述的草地退化指数(GDI)由整数位和小数点后一位有效数字组成,其结构为:GDI=(100-C)×28%+(100-P)×39%+(70-E)×26%+(25-H)×7%。其中C为盖度,P为产草量比例,E为可食牧草比例,H为可食牧草高度。实际应用中只需测定植物群落的盖度、生物量、可食牧草量和可食牧草高度,即可计算其GDI指数。根据GDI指数判定其退化程度,当GDI指数小于13.9时,草地为未退化草地;当GDI指数介于13.9-33.5之间时为轻度退化草地;当GDI指数介于33.5-52.4之间时为中度退化草地;当GDI指数介于52.4-68.4之间时为重度退化草地;当GDI指数大于68.4时为极度退化草地。本发明可以完整表达草地退化状况信息,对高寒草地退化程度进行定性、定量评价。
Description
技术领域
本发明一种基于理化生综合指标评价高寒草地土壤健康的方法,是一种新的高寒草地土壤健康的评价方法。该发明属于高寒草地土壤健康度诊断及评价技术领域,是草地生态系统稳定发展及减缓草地退化的重要基础性工作。基于野外调查和实验室分析数据对高寒草地生态系统土壤健康度进行合理评价,才能科学的制定高寒草地保护政策以及提出科学的恢复策略,以保护青藏高原的生态环境、减缓草地退化。可以说高寒草地土壤健康评价的科学性会直接影响政策制定的合理性,以至于影响高寒草地地区生态环境、生物多样性和畜牧业经济的发展。
背景技术
青藏高原高寒草地是我国重要的畜牧业基地之一,同时6条大的国际性河流发源于此。由于其独特的地理位置,青藏高原影响着亚洲大陆乃至全球的气候,青藏高原高寒草地对于当地居民以及处于中下游地区居民的生产、生活有着重要的影响。而近几十年来,高寒草地生态系统发生了严重的退化,植物种群及其年龄结构发生变化,生物多样性下降,生产力降低,植被盖度变小,草地系统中牧草种群退化,有毒、有害草种群适量增加,草地植被变为矮、劣、稀等特征。在草地植被发生退化的同时,土壤肥力流失,土壤侵蚀加重,水土流失加剧,使得草地生态系统功能衰退和恢复能力减弱。草地的退化实际上是植被-土壤系统的协同退化,土壤的健康程度关系到整个生态系统的稳定性。
土壤健康是土壤在生态系统内维持生物的生产力、保护环境质量以及促进动植物健康能力的综合量度。土壤健康作为一种固有的土壤属性,是土壤理化及生物属性的综合反映,也是揭示土壤条件动态最敏感的指标,能体现自然因素及人类活动对土壤的影响。目前,已有学者对高寒草地的土壤健康进行了评价。在这些研究中,土壤质量评价初期主要基于单一的土壤物理和化学性质,但是,土壤物理化学性质作为土壤质量指标有时不能评价土壤管理和土地利用的影响。并且这些指标不能全面的反映土壤健康的程度,即土壤健康不能由单一的理化指标表示,土壤健康评价指标必须由能够代表土壤化学、生物和物理性质和过程的复杂指标组成。
因此,在认识到高寒草地生态系统土壤健康评价指标体系在科学性、合理性方面所具有的局限性的基础上,鉴于草地生态系统所呈现的客观特征,建立了基于综合指标的土壤健康评价方法,构建高寒草地土壤健康指数(SQI)来评价高寒草地土壤健康程度。
发明内容
本发明的目的在于提供综合利用物理、化学、生化等综合指标评价高寒草地土壤健康的新方法,利用最小数据集(MDS)和主成分分析法从中挑选最有价值的指标,并建立一套综合的土壤健康指数法对高寒草地土壤健康进行综合分析评价。评价方法简单可行,易于在我国高寒草地评价工作中推广,可以量化土壤健康程度,并且还可以根据土壤健康指数来评价草地退化等级,易于比较草地退化状况。
高寒草地土壤健康评价体系建立的首要环节是评价指标的选取。土壤健康指标的选取必须综合考虑土壤功能。过去几十年中,许多研究基于选择合适的指标来评价土壤质量,但是由于受多种管理系统,土壤质量变化的检测非常缓慢,关键指标的选取必须是可维持土壤功能,检测土壤变化的方向速率和程度等,决定多种生态系统的改善和退化。传统意义上,土壤质量的评价是基于土壤的植物生产功能为基础来评价的,而土壤的pH值、土壤容重、土壤有机碳、氮、磷、钾等指标足够灵敏反映土壤质量的变化;近年来土壤质量评价的生物学指标越来越受到重视,其中应用最多的包括土壤微生物指标以及酶活性指标。基于以上的研究,对大量高寒草地进行调查,筛选出15个物理、化学、生物指标,包括:有机碳、总氮、微生物碳、微生物氮、pH、蛋白酶、脲酶、K等。这些指标均可以在野外或者实验室分析中直接获得,且均可以被准确量化。然后对这些指标通过PCA分析,将特征值≥1选为一组,每组中总分值在最高总分值10%范围内的参数被选取,再分析每组中所选参数间的相关性,若高度相关,则选取总分值最高的进入最终的MDS,若相关性很低,则全部进入最终的MDS。经过MDS确定后的指标,用非线性方程将这些指标进行转化。转化的公式如下:
S=a/(1+(x/x0)b)
其中,S为指标的分数;a=1;x为筛选出的指标的值;x0为不同实验区的同一指标的平均值;b为方程的斜率,当该指标为正面指标(该指标值越大则土壤质量越好)时,b=-2.5;当该指标为负面指标(该指标值越小则土壤质量越差)时,b=2.5。
筛选出合适的指标后,草地土壤质量指数(SQI)构建如下:
其中,W为各指标的权重,这个权重值是通过PCA的获取的变异系数;SQI为土壤健康指数。
根据上述公式进行计算,可以得出草地土壤质量指数,还可以评价其退化程度。具体划分标准如表1所示。该评价方法不仅能将所调查的样地划分为三类,即未退化、中度退化、和重度到极度退化草地,还可以根据SQI指数更加准确的对比出不同样地间的退化程度的差异。
本指数的特征在于量化了高寒草地土壤的健康程度和高寒草地的退化程度,运用在野外调查中可以直接获得以及实验室分析得到的指标,通过MDS和PCA等方法挑选出最具有代表性的指标,计算出草地健康指数(SQI)。与之前的评价指标相比,SQI指数具有以下优点:
(1)该方法采用可通过野外调查和实验室分析获得的15个指标,既包括传统的物理、化学指标,也包括例如微生物和酶活性等生物学指标,这些指标易于获取并且在实践中容易被接受,能有效地促进其在实践中发挥其作用;
(2)该方法第一次运用MDS和PCA的方法评价高寒草地的土壤健康,并且根据土壤健康指数重新划分了草地退化等级;
(3)该方法第一次从土壤的角度量化了草地的健康指数和草地的退化程度,可以更准确的诊断草地的健康状况。
表1根据SQI指数对草地退化程度的划分标准
实施例
本发明提出了一种全新的高寒草地土壤质量综合指数评价法,并将其具体应用于高寒草地土壤健康状况综合评价中。通过主成分分析和因子分析后,将土壤微生物氮与总氮的比值、脲酶、蛋白酶和土壤有机碳作为评价指标,综合SQI指数的计算公式如下:
SQI=0.46[1/(1+(x1/0.02)-2.5)]+0.46[1/(1+(x2/0.81)-2.5)]+0.06[1/(1+(x3/1.29)-2.5)]+0.02[1/(1+(x4/6.45)-2.5)]
其中,x1,x2,x3,x4分别表示土壤微生物氮与总氮的比值,脲酶,蛋白酶,土壤有机碳。
通过计算土壤质量综合指数不仅可以评价土壤质量,同时还可以评价草地退化程度。原有的评价标准主要从植被盖度、产草量等植被的指标将草地退化等级分为五类。但是仅仅考虑植被指标对草地退化程度进行评价的方法并不能全面的评价草地退化程度,有一定的局限性。运用原有评价标准与综合草地土壤质量指数两种方法评价草地退化程度结果见表2。通过本实施例,从土壤的角度说明了草地的健康状况和土壤状况,对总体草地健康状况既能定量评价也能定性评价;既不会因为个别指标较差否定草地健康状况。综合的土壤质量指数不仅能从植被也能从土壤的角度对高寒草地土壤质量状况做出合理评价,也可以间接地评价高寒草地的退化等级,为高寒退化草地的治理及恢复政策的制定提供基础数据。
本发明的综合土壤质量指数评价法克服了目前常用评价方法的不足,且计算方法简单,分析结果直观,评价结论合理,易于在高寒草地健康程度评价工作中推广。
表2草地退化程度原有评价标准
表3具体实施案例
Claims (2)
1.一种基于改进的土壤质量指数评价高寒草地土壤质量优劣,其特征在于基于一组野外调查和实验室分析数据,包括有机碳、微生物碳、微生物氮、pH、脲酶、蛋白酶等,构建草地土壤质量指数,根据计算出的指数大小评价高寒草地土壤质量。所述的土壤质量指数SQI由整数位和小数点后三位有效数字组成,其结构为:S=a/(1+(x/x0)b),其中S为指标的分数,a=1,x为筛选出的指标值,x0为不同实验区的同一指标的平均值,b为方程的斜率,当指标为正面指标(该指标越大则土壤质量越好)时,b=-2.5,当改指标为负面指标时(该指标越小则土壤质量越差)时,b=2.5;W为指标的权重,这个权重值可以通过PCA获取;SQI为土壤质量指数。
2.根据权利要求1所述的高寒草地土壤质量指数评价方法,其特征在于,对于高寒草地,当SQI指数小于0.40时,土壤质量较差,草地为极度退化或者重度退化草地;当SQI指数介于0.40-0.60之间,土壤质量处于中间水平,草地为中度退化草地;当SQI指数大于0.60时,土壤质量较好,草地为未退化草地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210553570 CN103065043A (zh) | 2012-12-19 | 2012-12-19 | 一种基于理化生综合指标评价高寒草地土壤健康的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210553570 CN103065043A (zh) | 2012-12-19 | 2012-12-19 | 一种基于理化生综合指标评价高寒草地土壤健康的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103065043A true CN103065043A (zh) | 2013-04-24 |
Family
ID=48107671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210553570 Pending CN103065043A (zh) | 2012-12-19 | 2012-12-19 | 一种基于理化生综合指标评价高寒草地土壤健康的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065043A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838969B (zh) * | 2014-03-03 | 2016-06-29 | 山东大学 | 一种盐渍化-石油-重金属复合污染土壤质量的微生物指标评价方法 |
CN107220967A (zh) * | 2017-05-08 | 2017-09-29 | 新疆农业大学 | 一种草地土壤退化评价方法 |
CN107548915A (zh) * | 2017-10-13 | 2018-01-09 | 兰州大学 | 基于草地生态系统的牧草新种质资源、新品种评价方法 |
CN109115992A (zh) * | 2018-08-08 | 2019-01-01 | 北京捷西农业科技有限责任公司 | 一种农田土壤健康评价系统 |
CN109447363A (zh) * | 2018-11-08 | 2019-03-08 | 青海大学 | 草地生态预警方法及装置 |
CN109829650A (zh) * | 2019-01-31 | 2019-05-31 | 中国农业科学院农业资源与农业区划研究所 | 评估草甸草地不同退化程度模型及其建立方法和应用 |
CN109845589A (zh) * | 2019-03-18 | 2019-06-07 | 兰州大学 | 一种禾草/白三叶草地退化程度的分级方法及应用 |
CN111626580A (zh) * | 2020-05-20 | 2020-09-04 | 兰州大学 | 一种公路对草地生态敏感区累计影响的评价方法 |
CN114931004A (zh) * | 2022-06-28 | 2022-08-23 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的综合评价方法、红壤旱地酸化贫瘠化改良方法 |
-
2012
- 2012-12-19 CN CN 201210553570 patent/CN103065043A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838969B (zh) * | 2014-03-03 | 2016-06-29 | 山东大学 | 一种盐渍化-石油-重金属复合污染土壤质量的微生物指标评价方法 |
CN107220967A (zh) * | 2017-05-08 | 2017-09-29 | 新疆农业大学 | 一种草地土壤退化评价方法 |
CN107548915B (zh) * | 2017-10-13 | 2019-12-27 | 兰州大学 | 基于草地生态系统的牧草新种质资源、新品种评价方法 |
CN107548915A (zh) * | 2017-10-13 | 2018-01-09 | 兰州大学 | 基于草地生态系统的牧草新种质资源、新品种评价方法 |
CN109115992B (zh) * | 2018-08-08 | 2021-02-09 | 北京捷西农业科技有限责任公司 | 一种农田土壤健康评价系统 |
CN109115992A (zh) * | 2018-08-08 | 2019-01-01 | 北京捷西农业科技有限责任公司 | 一种农田土壤健康评价系统 |
CN109447363A (zh) * | 2018-11-08 | 2019-03-08 | 青海大学 | 草地生态预警方法及装置 |
CN109447363B (zh) * | 2018-11-08 | 2023-05-26 | 青海大学 | 草地生态预警方法及装置 |
CN109829650A (zh) * | 2019-01-31 | 2019-05-31 | 中国农业科学院农业资源与农业区划研究所 | 评估草甸草地不同退化程度模型及其建立方法和应用 |
CN109829650B (zh) * | 2019-01-31 | 2021-10-08 | 中国农业科学院农业资源与农业区划研究所 | 评估草甸草地不同退化程度模型及其建立方法和应用 |
CN109845589A (zh) * | 2019-03-18 | 2019-06-07 | 兰州大学 | 一种禾草/白三叶草地退化程度的分级方法及应用 |
CN111626580A (zh) * | 2020-05-20 | 2020-09-04 | 兰州大学 | 一种公路对草地生态敏感区累计影响的评价方法 |
CN114931004A (zh) * | 2022-06-28 | 2022-08-23 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的综合评价方法、红壤旱地酸化贫瘠化改良方法 |
CN114931004B (zh) * | 2022-06-28 | 2023-03-10 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的改良方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065043A (zh) | 一种基于理化生综合指标评价高寒草地土壤健康的方法 | |
Kong et al. | Ecological effects of land-use change on two sides of the Hu Huanyong Line in China | |
Bennion et al. | The use of diatom records to establish reference conditions for UK lakes subject to eutrophication | |
Li et al. | Effects of cascading hydropower dams on the composition, biomass and biological integrity of phytoplankton assemblages in the middle Lancang-Mekong River | |
Chadd et al. | An index to track the ecological effects of drought development and recovery on riverine invertebrate communities | |
Yu et al. | Environmental heterogeneity analysis, assessment of trophic state and source identification in Chaohu Lake, China | |
Wu et al. | Modeling daily chlorophyll a dynamics in a German lowland river using artificial neural networks and multiple linear regression approaches | |
Peyre et al. | Phytoregionalisation of the Andean páramo | |
Ban et al. | Application of composite water quality identification index on the water quality evaluation in spatial and temporal variations: a case study in Honghu Lake, China | |
Guo et al. | Climate exerts a greater modulating effect on the phytoplankton community after 2007 in eutrophic Lake Taihu, China: Evidence from 25 years of recordings | |
Wan et al. | A novel comprehensive model of set pair analysis with extenics for river health evaluation and prediction of semi-arid basin-A case study of Wei River Basin, China | |
Lücke et al. | Detection of ecological change in stream macroinvertebrate assemblages using single metric, multimetric or multivariate approaches | |
Havens | Using trophic state index (TSI) values to draw inferences regarding phytoplankton limiting factors and seston composition from routine water quality monitoring data | |
Zhao et al. | Assessment of water quality under various environmental features using a site-specific weighting water quality index | |
Jiang et al. | Do functional traits of chironomid assemblages respond more readily to eutrophication than taxonomic composition in Chinese floodplain lakes? | |
Vilar et al. | Typology of diatom communities in the Dutch delta: Recognizing patterns of environmental drivers in nutrient rich ditches | |
García-Girón et al. | Redundant or complementary? Evaluation of different metrics as surrogates of macrophyte biodiversity patterns in Mediterranean ponds | |
Meng et al. | Effects of environmental and agronomic factors on pond water quality within an intensive agricultural landscape in subtropical southern China | |
Tian et al. | Evaluation on soil fertility quality under biochar combined with nitrogen reduction | |
Fu et al. | Spatial variation and source apportionment of surface water pollution in the Tuo River, China, using multivariate statistical techniques | |
Lu et al. | Soil health assessment under different soil and irrigation types in the agro-pastoral ecotone of northern China | |
Li et al. | Development and validation of the planktonic index of biotic integrity (P-IBI) for Qin River, a main tributary of the Yellow River in China | |
Liu et al. | Increasing acid rain frequency promotes the microbial community dissimilarities of forest soil rather than agricultural soil in southern China | |
Lewis et al. | Validation of a hydrodynamic-ecosystem model simulation with time-series data collected in the western English Channel | |
Xu et al. | Machine learning algorithms realized soil stoichiometry prediction and its driver identification in intensive agroecosystems across a north-south transect of eastern China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130424 |