|
如同昨天的整理的那篇文献一样，作者也是对其他科学家所作试验的一个大数据分析后得到了这篇文章和结论。 我在阅读之后，也有下列的一些理解。 1。首先，作者承认有机质的投入一定会改善土壤的三大类性状。 2。有机质类投入品本身就带有植物可吸收利用的营养。 3。对于非沙性土壤，有机质类投入品能否带来额外的增产效果并不存在。 4。对于沙性土壤，有机质类投入品可以带来明显的效益。 是不是我们可以这样来理解植物吸收的营养还是以无机离子为主要途径。除此之外，确实也有一些其它化合物可以被植物吸收。但是这些其他物质并不具有养分功效，它们中的大多数都是一些对植物生理或生化过程有影响的物质。或者是一些激素和类似物，化感物质等等。 巴西黑土地的发现，引发了全球对生物炭研究的热度。就这个问题，我也会把国外的一些信息分享给大家。 生物炭和那些彻底没有活性的腐殖质类物质一样在土壤中是非常稳定的。但是他们只能影响土壤性状，而不具有植物营养功能。 结合上面两点，植物营养管理还是要以各种元素的离子控制为主要内容。 学习，学习，只有不断地学习才能有机会掌握知识。 Do organic inputs matter – a
meta-analysis of additional yield effects for arable crops in Europe 有机投入重要吗– 欧洲可耕作物额外产量影响的荟萃分析 R. Hijbeek & M.K. van Ittersum & H.F.M. ten Berge & G. Gort & H. Spiegel & A.P. Whitmore 摘要 背景与目的 有机输入对土壤有机质平衡有积极影响。因此，它们是土壤肥力和作物生长的重要资产。本研究量化了当宏量营养素不是限制因素时，欧洲耕地作物有机投入带来的额外产量效应。 方法 使用来自欧洲 20 项长期实验的数据进行荟萃分析。比较了在丰富的 P 和 K 供应下，有和没有有机投入的氮产量响应曲线的最大值。结果我们惊讶地发现，在所有实验中，有机投入的平均额外产量效应并不显著（+ 1.4 % ± 1.6 （95 % 置信区间））。然而，在特定情况下，特别是对于块根和块茎作物、春播谷物，或非常沙质的土壤或潮湿的气候，有机投入确实增加了可达到的产量。发现可达到的产量的增加与土壤有机质含量的增加之间存在显著的相关性。结论本研究所汇总了来自欧洲 20 项长期实验的数据，表明如果矿物肥料提供足够的养分，有机投入和/或土壤有机质不一定会增加产量。结果表明，一些环境因素与有机投入的额外产量效应相关，但有机投入与作物生长之间没有简单的关系。 介绍 土壤有机质（SOM）通常被认为是土壤肥力的最重要指标。它对肥力的三个维度都有贡献：物理（结构、通气、保水）、生物（生物量、生物多样性、营养矿化、疾病抑制）和化学（营养供应）维度。在此基础上，维持 SOM 是保持作物生产力的重要策略（Lal 2004）。SOM 含有约 50% 的有机碳，使其成为减少温室气体排放的潜在手段。由于对减缓气候变化和粮食安全的积极贡献，COP21 提出了一项自愿行动计划，以增加所有土壤的 SOM，称为“4/1000 倡议：土壤促进粮食安全和气候”。 然而，在某些情况下，SOM 对产量的影响似乎小于预期。回顾文献，Loveland 和 Webb （2003）发现很难为温带地区建立临界水平的 SOM。他们也没有发现英格兰和威尔士土壤中 SOM 含量降低对作物产量产生不利影响的证据。同样，在比较丹麦大范围SOM含量下冬小麦和春大麦的潜在产量时，Oelofse等人（2015）发现对冬小麦产量没有显著影响，对春大麦产量的影响很小。 上述研究比较了实际 SOM 含量的效果，它们没有评估用于增加 SOM 的具体管理实践。在耕地土壤中，可以通过增加有机输入或减少有机输出来增加 SOM。可以通过提高产量来增加返回的生物量（根、凋落物）或增加额外的有机投入，如堆肥、动物粪便或作物残留物，从而增加有机投入。可以通过改变土壤的水分含量或使用减少耕作或不耕作来减少有机产量，尽管后两者的效果仍然存在争议。SOM 的实际增加取决于许多因素，例如当前 SOM 的数量、有机输入的类型以及温度、土壤质地和湿度等环境因素。 评估有机投入对作物产量影响的研究显示，结果喜忧参半。最近对中国 32 项长期实验的荟萃分析将有机投入和肥料的混合使用与仅有机投入或仅施肥进行了比较。与仅使用肥料相比，小麦、玉米和水稻将有机物和肥料混合的平均产量提高了 8%。然而，在另一种情况下，发现在集约化水稻系统中施用粪肥或秸秆并没有改善谷物产量趋势。 这些截然不同的见解如何比较？尽管以前的研究发现有机投入或 SOM 对作物产量有积极影响，Oelofse 等人（2015 年）认为，在这些研究中，营养物质的影响很少与其他影响分开。事实上，Wei et al. （2016）也提到这是他们研究的最大局限性 为了规避这一限制，我们在没有宏量营养素限制的系统中评估了有机输入的影响。在这样的系统中，有机投入对产量的任何影响都可以归因于土壤结构或土壤寿命的改善（土壤肥力的另外两个组成部分）。在我们的研究中，在欧洲各种土壤和气候下的 20 项长期实验中，检查了有机投入（也称为有机肥料、有机肥料或有机改良剂）对可达到的作物产量的影响。为了排除宏量营养素的影响，在丰富的磷（P）和钾 （K） 供应以及不同的氮 （N） 用量下分析了产量效应。使用这种方法，我们回答了以下研究问题：有机投入是否会增加可实现的产量？以前，有机投入或 SOM 对作物产量的任何与宏量营养素无关的影响都被称为额外产量效应^。我们的目标是：找到有机投入物的额外产量效应，而不仅仅是提供的宏量营养素。 材料和方法 文献检索 为了查找欧洲长期实验的数据，使用了两个带有元数据的数据库：110 个长期实验的 EuroSOMNET 元数据和一个在最近的欧洲研究项目（CATCH-C （2015））中编译的包含 377 个长期实验的数据库。选择有前途的实验，并使用在线搜索引擎搜索出版物。当一种处理有更多出版物可用时，仅包括最新出版物的产量数据。 使用以下选择标准来选择实验：（1）至少 4 个递增水平的 N 应用，没有有机输入;（2）至少 4 个有机投入增加的氮肥施用水平;（3）在所有领域中大量施用 P 和 K;（4）至少 5 年的产量数据;（5）如果作物轮作种植，则至少提供 2 次轮作的产量数据;（6）报告了各种作物类型的产量数据（不包括轮作平均平均产量值）。 发现来自 20 个实验的数据符合这些选择标准（图 1 和表 1）。接下来，创建了 107 个不同的数据集，每个数据集代表实验地点、作物类型和有机投入类型的单一组合，涵盖了多年的产量观察。所有数据均在 R 3.0.0中处理。 计算每组数据的自然有机投入的额外产量效应 众所周知，作物产量在氮肥施用量较低时急剧增加，而在氮肥施用量较高时趋于平稳或略有下降。当知道不同氮肥水平的产量时，可以拟合响应曲线。对于我们荟萃分析中的每组数据，绘制了两条收益率响应曲线：一条有有机输入，一条没有有机输入（图 2）。为了拟合曲线，使用了以下公式（George 1984）： 在公式 1 中，氮是作为矿物肥料添加的氮（千克氮/公顷），a、b 和 c 是要拟合的参数，ε是误差项。通过将一阶导数等于零并在方程 1 中插入最佳 N 速率来计算每条曲线的最大值。由于 P 和 K 施用量充足，因此在每条曲线的最大值处，N、P 和 K（作物生长所需的常量营养素）不是作物产量的限制因素。因此，每条曲线的最大值被视为当地环境条件和管理可达到的产量。有机投入的额外产量效应是通过取有和没有有机投入的可达到的产量之间的差值来计算的。
图 1 荟萃分析中包含的长期实验位置概述（20） 对于每个数据集，响应曲线可能更好或更差地拟合数据点，从而在额外产量效应的估计中产生误差。为了校正每条曲线的拟合优度，使用了 delta 方法，为每个数据集提供方差。方差的倒数用作计算每个数据集的额外产量效应的加权因子。为了能够比较作物之间的比较，在荟萃分析中选择相对差异作为响应变量，将有机投入的额外产量效应表示为仅使用矿物肥料可达到的产量的百分比。在线资源 1 中的图 S1-S3 显示了各个响应曲线，而图 1 显示了单个响应曲线。在线资源 1 中的 S4 为每个数据集提供了额外的产量效应和相关的 95% 置信区间。 表 1 荟萃分析中包含的实验（20）的详细信息。对于每个实验，都给出了粘土含量、开始时的 SOM 百分比、CGIAR-CSI 全球干旱指数、分析中包含的作物和使用的参考资料。对于维也纳，Heide Speigel （AGES）提供了额外的数据。对于 Muencheberg，数据由 Dietmar Barkusky （ZALF）提供。对于 Grabow，数据由 Dorota Pikuła （IUNG）提供。对于博洛尼亚，博洛尼亚大学的 Guido Baldoni 提供了额外的数据。对于 Puch，Matthias Wendland （Bayern LFL）提供了额外的数据
m 玉米、P 马铃薯、S 甜菜、SB 春大麦、WB 冬大麦、WR 冬黑麦、WW 冬小麦、FYM 农家院肥、转基因绿肥、BL 甜菜叶
图 2 在有和没有有机投入的 P 和 K 供应充足的情况下，对矿物肥料-N 的产量响应曲线示例。黑线是没有有机输入的响应曲线。绿线是具有自然输入的响应曲线。方块表示每条曲线的最大值。两个最大值之间的差异是由于有机投入的额外产量效应。b 绿色圆圈是两个最大值之间的相对差值。绿线表示由于两条曲线的拟合优度而达到 95% 的置信区间。产量数据来自 1996 年至 2003 年间在诺维萨德种植的玉米，有和没有农家肥 删除异常值 通过评估不同变量的点云并构建漏斗图来检查产量效应是否存在异常值。如果数据点位于点云之外，并且不能排除 P 和 K 作为没有有机输入的处理中的产量限制因素，则从荟萃分析中删除数据（这仅在一种情况下是必需的）。 为了评估环境因素、作物特性或有机输入类型、因素和协变量的影响，确定了这些因素。使用了两个分组因素：有机投入类型和作物类型。在某些情况下，使用了有机投入的组合，例如秸秆和泥浆，其中一年的秸秆施用，第二年的泥浆。每种自然投入的组合都作为一个单独的类别包括在内。 此外，对于每个数据集，从文献中获得了以下信息：粘土含量、每个实验开始时 SOM 含量的百分比、有机输入中的碳量、每个实验期间的 SOM 变化以及每个实验的持续时间。当以土壤有机碳（SOC）的百分比给出数字时，它们乘以常规因子 1.724。将每个实验的持续时间乘以每年应用的碳，得出多年来添加的总 C。每个实验的地理坐标用于查找 CGIAR-CSI 全球干旱指数。 为了评估分组因子和协变量的影响，使用了具有分层结构的混合效应模型。混合效应模型允许合并随机效应，当观察结果不是来自荟萃分析中典型的分层或随机抽样设计时，这一点很重要。分析中纳入了以下两个随机效应：（1）实验：由于单个实验可能产生多个数据集，因此使用实验作为随机因子。（2）无有机输入的处理：在单个实验中，可能存在多种有机输入的处理（例如，一种使用农家粪便的处理，一种使用作物残留物的处理），这些处理都与没有有机输入的相同处理（仅使用矿物肥料）进行比较。 作物类型和有机投入类型的组均值用 R 包 lsmeans 估计。为了找到每个协变量对有机投入的额外产量效应的边际效应，使用包 nlme 的函数 lme（线性混合效应模型）为每个协变量制作了一个单独的模型。在这些模型中，对数似然最大化，产量效应由方差的倒数加权。检查作物类型和协变量之间的交互作用的显著性。只有 SOM 变化与作物类型有显著的交互作用。 为了评估协变量和因子的哪些组合最能解释有机投入额外产量效应的差异，使用 R 包 MuMin 中的疏浚函数进行了多模式疏浚。该函数通过组合给定的协变量来构建模型列表，然后根据校正后的 Akaike 信息标准（AICc）给出排名，AICc 是通常用于评估模型拟合度的指标。 运行了两个模型选择。在第一个模型选择中，仅包含来自实验的数据，其中有关粘土百分比和 SOM 含量的信息可用（20 个中的 15 个）。对于第二个模型选择，仅包括有关 SOM 变化数据可用的实验（20 个中的 8 个）。 敏感性分析 对于某些数据集，在实验设置的 N 个应用中未达到最大产量。这些最大值必须在实验设置之外进行估计，因此不确定性更高。在分析数据时，这些点可以包括或排除，每个选项都有自己的优势。排除这些数据点可使数据集对每个单独的估计值具有更高的确定性，但包含这些数据点会增加整个数据集的大小。因为更大的不确定性会导致更大的方差，这意味着在实验设置之外以最大产量计算的产量效应的权重较小，因此我们选择将这些数据集纳入荟萃分析。为了了解在实验设置之外包括或排除最大值的效果，对主要结果进行了敏感性分析。 结果在我们的荟萃分析中，所有 107 个数据集中有机投入的平均额外产量效应并不显著（1.4 % ± 1.6 （95 % c. i.））。当排除实验设置之外估计的最大值时，平均产量效应略高：1.9 % ± 2.0 （95 % ci），但仍然不显著。对有机投入类型、作物类型和播种时间的额外产量影响。
图 3 有机投入类型（a）、作物类型（b）和播种时间（c）对有机投入额外产量影响的影响。圆圈是平均附加产量效应，线为 95 % 置信区间。括号中的数字是每组中的数据集数。仅显示至少具有 8 个数据集的组。绿色残留物是绿肥或甜菜叶。数据集少于 8 个的组和敏感性分析结果如图 2 所示。在线资源 1 的 S5 比较不同类型的有机投入，产量效应大致相似，但只有农家肥的平均额外产量效应显著为正（2.2 % ± 1.8 （95 % ci.i.）– 图 3a）。然而，我们确实发现了对特定作物的影响。马铃薯的平均产量增加为 7.0 % ± 4.9 （95 % CI）。此外，我们的结果表明，玉米是一种根系不如小麦或大麦发育的作物，也从有机投入中受益匪浅（平均产量效应为 4.0 % ± 3.7（95 % 置信区间）——图 3b）。 在我们的荟萃分析中，在 20 个实验中，冬季播种的谷物并不能从有机投入中受益（图 3c）。另一方面，春播谷物确实受益（3.4% ± 2.6 （95% c.i.））。春播作物发育根系的时间较短，这是获得足够养分和水所必需的。有机输入通过改善土壤结构，可能会促进这一过程，从而提高产量。 土壤、气候和碳添加量的影响 在沙质土壤上生长的作物显示出有机投入的积极产量效应，而更多的粘土土壤则显示出中性或负的产量效应（图 4a）。相对沙质的土壤通常具有较差的土壤结构，这可以通过添加有机输入来改善。SOM 含量低的土壤也有望从有机输入中受益更多，但这在我们的结果中并不明显（图 4b）。 对于每个实验，我们使用 CGIAR-CSI 全球干旱指数（Trabucco 和 Zomer 2009）以干旱度表示气候。较低的值表示温度较低，降雨量较多，而较高的数字表示温度较高，降雨量较少。在我们的研究中，在潮湿气候中种植的作物更多地受益于有机输入（图 4c）。 实验在每年施用的有机投入的类型和数量以及持续时间方面有所不同。将所有有机碳投入转换为总碳（吨碳/公顷，多年来累积）后，未发现总碳输入与产量效应之间存在显著关系（图 4d）。 SOM 的相对增加 对于实验的子集，可以计算实验期间 SOM 增加的百分比。在运行模型选择时，将 SOM 含量的相对增加与作物类型相结合，可以最大程度地解释有机投入的额外产量效应的方差（在线资源 1 中的表 S1 和 S2）。效果的大小如图 5a 所示。
图 4 土壤质地（a）、试验开始时的 SOM 含量（b）气候（c）和多年来施用的 C 量（d）对有机输入的额外产量效应的影响。粘土含量表示为颗粒的百分比
图 5 SOM 增加与产量增加之间的关系。a 产量增加与 SOM 增加有关。x 轴：仅使用矿物肥料的处理与添加有机投入的处理之间的 SOM 增加。Y 轴：仅使用矿物肥料的处理与添加有机投入的处理之间的最大产量差异。B 轴与 A 轴相反。点越大，方差越小，因此权重越高。P（Δ截距）是截距相等的概率。P （Δ slope）是斜率相等的概率。 讨论 在讨论有机投入和土壤有机质在提供养分之外可能带来的好处时，有人认为块根或块茎作物可能比谷物受益更多。原因是块根和块茎作物的成功种植和收获更多地依赖于土壤结构。我们的研究证实了这一建议，马铃薯的平均产量增加了 7%。 在非常干燥或非常潮湿的条件下生长的作物都可能从有机投入中受益，因为 SOM 增加了干燥气候下的持水能力，并防止了潮湿气候下的土壤板结。在我们的研究中，在潮湿气候中种植的作物确实更多地受益于有机投入。正如对欧洲的荟萃分析所预期的那样，我们的大多数实验（16）都具有潮湿气候（指数 >0.65），其中三个实验具有干燥的半湿润气候（指数 0.5-0.65），一个是半干旱气候（0.2-0.5），没有干旱或超干旱气候（指数 我们的荟萃分析中也没有包括严重风化的土壤，主要发生在热带地区。风化土壤通常具有非常低的阳离子交换能力，并且缺乏作物生长所需的许多微量营养素。因此，在风化土壤上，当与仅提供 N、P 和 K 的处理相关时，有机输入的产量影响可能更大。最近的一个全球数据库表明，我们的荟萃分析中使用的实验设置在温带地区之外不存在，因此建议建立此类长期实验。 在分析之前，预计每个实验开始时 SOM 的百分比是最大的影响因素。然而，与不同 SOM 含量的实验相比，没有发现显着差异（图 4b）。然而，在 20 个实验中比较 SOM 含量存在不确定性。如果可用，分析中包括上层土壤层或犁层（通常为 24-30 厘米）的测量值，但并不总是明确说明测量深度。此外，已知 SOM 的测量值会有所不同，具体取决于所使用的方法。尽管 SOM 测量中可能涉及一些误差，但我们的发现确实与丹麦最近的一项研究非常吻合，该研究比较了大范围 SOM 含量下的冬小麦产量，同样没有发现任何影响。 图 5a 似乎表明，与开始时的总 SOM （图 4b）或添加的总 C （图 4d）相比，土壤中新鲜 SOM 的百分比会产生差异。如果是这样，这一发现与 Loveland 和 Webb （2003）的建议非常吻合，即新鲜 SOM 的比例比 SOM 的总池更重要。另一方面，更高的产量也会通过返回更多的作物、根和残茬残留物来影响 SOM。因此，人们可能会质疑，在我们的分析中，更高的产量是 SOM 含量增加的结果（图 5a），还是相反（图 5b）？在实践中，这两种可能性可能是正确的，如果是这样，则可以相辅相成：在某些情况下，更多的 SOM 会带来更高的产量，这会向土壤中增加更多的有机质，进而带来更高的产量，然后又会产生更多的 SOM。 研究的局限性和更广泛的情境化 这项荟萃分析没有发现有机投入物的显著平均额外产量效应。然而，在评估农场或区域层面有机投入品的使用情况时，其他方面也可能相关。有机投入可以在条件较差的年份促进土壤的缓冲功能，从而减少产量变化。在我们的实验中，有机投入并没有减少可达到产量的可变性（数据未显示），但这可以在更极端的气候下进一步测试。 使用有机投入也会对环境产生影响。例如，SOM 含量较高的土壤可能会为土壤生物群创造更繁荣的栖息地。因此，保持 SOM 含量有助于保护生物多样性。 将有机投入与矿物肥料相结合可以减少对矿物肥料的需求，这可能会产生积极影响，例如减少对化石燃料的需求。在我们的荟萃分析中，有机投入的矿物肥料 N 的节省是可观的（在线资源 1 中的图S6 和表 S3）。然而，矿物肥料氮的节省并没有超过有机投入和矿物氮中为生长绿肥或秸秆分解而添加的总氮。因此，有机输入可能会影响硝酸盐浸出、一氧化二氮或氨排放的范围。对于硝酸盐浸出，包括阳性和阴性情况是已知的。有人提出，施用的年限至关重要，从长远来看，如果根据作物需求施用养分，有机投入对硝酸盐浸出没有显着影响。 尽管所有数据集的平均额外产量效应并不显著，但数据集之间存在很大的差异。使用分组因子（作物类型、有机输入类型）和协变量（粘土含量、干旱度），解释了一些差异，但大部分仍然未知。在某些个别情况下，有机投入确实显著提高了可实现的产量（在线资源 1 中的图 S4）。在其他情况下，有机输入可能对土壤结构影响不大，要么是因为土壤结构已经非常好，要么是因为它无法简单修复。这些类型的细微差别可以在单个实验中深入解决，但在聚合更大的数据集时很难理清。因此，将荟萃分析与更深入的研究相结合对于更彻底地了解所涉及的过程和机制至关重要。 结论 使用有机投入物增加土壤有机质通常被视为粮食安全和减缓气候变化的双赢局面，例如最近在 COP21 上提出的 B4/1000 倡议^（UNFCCC 2015）。使用有机投入物来封存碳可能是为开发减少工业排放的技术争取时间的可行选择（IGBP 1998），然而，这项荟萃分析表明，不能假设农作物产量的好处直接随之而来。在沙质土壤上，在潮湿的气候中，对于某些作物（一些块根或块茎作物和春播谷物），有机投入可以提高产量，超出它们提供的养分。在这些情况下，可达到的产量增加主要在 3% 到 7% 之间变化。然而，在大多数情况下，仅供应矿物肥料会产生类似的产量。 |
|
|
来自： 昵称37581541 > 《基础知识》
