Micromorphometric parameters of aggregates of plowed typical noneroded and severely eroded Chernozems (case study)

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

To create a digital soil twin, it is necessary to define and formalize as many indicators as possible reflecting its functioning in the landscape, as well as various degradation and progradation processes. The aim of the work was to identify the influence of soil properties (the content of silt, dust, sand, organic carbon (Corg) and calcium carbonate (Ccarb)) and factors of plowing and water erosion on the morphometric parameters (MP) of aggregates of arable and sub-arable layers of noneroded and severely eroded typical Chernozems (Experimental field, Kursk FARC). A significant positive correlation with the minimum diameter of aggregates was revealed for Ccarb of severely eroded Chernozems and Corg of noneroded Chernozems. Within all size classes of aggregates, the effect of the content of Corg and Ccarb and various granulometric fractions, as well as the degree of manifestation of erosive processes (on the binary scale noneroded / severely eroded) on MP was not revealed. At the same time, neither the above-mentioned soil factors nor the size class of the aggregate affect the elongation and orientation of the aggregates, while the form factor and the unevenness of the boundary decrease and increase accordingly with increasing size of the aggregates. Our study, which is innovative in many aspects, shows that the factor of water erosion has a significant effect on the physical and chemical properties of the upper horizons of plowed Chernozems. However, a detailed analysis of the MP of soil aggregates revealed that in the presence of such a powerful factor as regular agricultural processing, the factor of water erosion manifests itself only at a depth of 20–30 cm, where the influence of the anthropogenic factor weakens, and the influence of natural soil properties is stronger. At the same time, the results obtained indicate the resistance of most MP aggregates of Chernozems to water erosion if it is accompanied by annual plowing of the soil. We also showed that the unevenness of the boundary of aggregates depends more on their size than on the degree of soil erosion. Presumably, the processes of water erosion and plowing have an indirect effect on this morphometric parameter, regulating the composition of the dimensional fractions of soil aggregates.

全文:

受限制的访问

作者简介

O. Plotnikova

Dokuchaev Soil Science Institute

编辑信件的主要联系方式.
Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Moscow, 119017

D. Komkova

Dokuchaev Soil Science Institute

Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Moscow, 119017

I. Danilin

Dokuchaev Soil Science Institute

Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Moscow, 119017

N. Masyutenko

Federal Agricultural Kursk Research Center

Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Kursk, 305021

A. Kuznetsov

Federal Agricultural Kursk Research Center

Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Kursk, 305021

M. Masyutenko

Federal Agricultural Kursk Research Center

Email: mrs.plotnikova@mail.ru
俄罗斯联邦, Kursk, 305021

参考

  1. Афанасьева Е.А. Черноземы Средне-Русской возвышенности. М.: Наука, 1966. 224 c.
  2. Вадюнина А.Ф., Корчагина З.А. Методы исследования физических свойств почв. М.: Агропромиздат, 1986. 416 c.
  3. Воронин А.Д. Основы физики почв. М.: Изд-во МГУ, 1986. 243 c.
  4. Воронин А.Д. Учебное руководство к полевой практике по физике почв. М.: Изд-во МГУ, 1988. 89 c.
  5. Заславский М.Н. Эрозиоведение. М.: Высшая школа, 1983. 320 c.
  6. Качинский Н.А. Структура почвы. М.: Изд-во МГУ, 1963. 100 c.
  7. Классификация и диагностика почв СССР. М.: Колос, 1977. 224 c.
  8. Марголина Н.Я., Александровский А.Л., Ильичев Б.А., Черкинский А.Е., Чичагова О.А. Возраст и эволюция черноземов. М.: Наука, 1988. 142 c.
  9. Масютенко Н.П., Глазунов Г.П., Кузнецов А.В., Масютенко М.Н. Система показателей агроэкологической оценки эродированных черноземов // Достижения науки и техники АПК. 2016. № 11. C. 7–11.
  10. Медведев В.В. Механизмы формирования макроагрегатов черноземов // Почвоведение. 1994. № 11. C. 24–30.
  11. Муха В.Д. Почвы Курской области. Курск: Изд-во Курс. гос. с.-х. акад., 2006. 119 c.
  12. Афонский В.Л., Зайцев С.Н., Пузанов В.П. Пат. СССР № 1030724. 1983. № 3395572.
  13. Плотникова О.О., Куст П.Г., Романис Т.В., Лебедев М.А. Методическое руководство по компьютерному анализу изображений почвенных шлифов с использованием программного обеспечения Thixomet Pro. М.: Почв. ин-т им. В.В. Докучаева, 2022. 64 с.
  14. Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 c.
  15. Скворцова Е.Б., Морозов Д.Р. Микроморфометрическая классификация и диагностика строения порового пространства почвы // Почвоведение. 1993. № 6. C. 49–56.
  16. Хитров Н.Б., Понизовский А.А. Руководство по лабораторным методам исследования ионно-солевого состава нейтральных и щелочных минеральных вод. М.: Почв. ин-т им. В.В. Докучаева, 1990. 236 c.
  17. Bronick C.J., Lal R. Soil structure and management: A review // Geoderma. 2005. V. 124. P. 3–22. https://doi.org/10.1016/j.geoderma.2004.03.005
  18. Farkhodov Y.R., Nikitin D.A., Yaroslavtseva N.V., Maksimovich S.V., Ziganshina A.R., Danilin I.V., Kholodov V.A. et al. Composition of organic matter and biological properties of eroded and aggraded soils of a small catchment in the forest-steppe zone of the Central Russian Upland // Eurasian Soil Sci. 2024. V. 57. P. 1474–1486. https://doi.org/10.1134/S106422932460115X
  19. Filippova O.I., Kholodov V.A., Safronova N.A., Yudina A.V., Kulikova N.A. Particle-size, microaggregate-size, and aggregate-size distributions in humus horizons of the zonal sequence of soils in European Russia // Eurasian Soil Sci. 2019. V. 52. P. 300–312. https://doi.org/10.1134/S1064229319030037
  20. Gemtou M., Kakkavou K., Anastasiou E., Fountas S., Pedersen S.M., Isakhanyan G., Erekalo K.T., Pazos-Vidal S. Farmers’ transition to climate-smart agriculture: a systematic review of the decision-making factors affecting adoption // Sustainability. 2024. V. 16. P. 2828. https://doi.org/10.3390/su16072828
  21. Gennadiev A.N., Zhidkin A.P., Olson K.R., Kachinskii V.L. Soil erosion under different land uses: Assessment by the magnetic tracer method // Eurasian Soil Sci. 2010. V. 43. P. 1047–1054. https://doi.org/10.1134/S1064229310090127
  22. Grieves M., Vickers J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems // Transdisciplinary Perspectives on Complex Systems. Springer Cham: Springer Int. Publ., 2017. P. 85–113. https://doi.org/10.1007/978-3-319-38756-7_4
  23. Guidelines for soil description. Rome: FAO, 2006. 97 p.
  24. IUSS Working Group WRB. World Reference Base for Soil Resources 2014. International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports. No. 106. Rome: FAO, 2015. 192 p.
  25. Jarvis S., Tisdall J., Oades M., Six J., Gregorich E., Kögel‐Knabner I. Landmark papers // Eur. J. Soil Sci. 2012. V. 63. P. 1–21. https://doi.org/10.1111/j.1365–2389.2011.01408.x
  26. Kassambara A., Mundt F. Factoextra: Extract and Visualize the Results of Multivariate Data Analyses. 2020.
  27. Kay B.D. Soil Structure and organic carbon: a review // Soil Processes and the Carbon Cycle. CRC Press, 2018. P. 169–197. https://doi.org/ 10.1201/9780203739273-13
  28. Kholodov V.A. The capacity of soil particles for spontaneous formation of macroaggregates after a wetting-drying cycle // Eurasian Soil Sci. 2013. V. 46. P. 660–667. https://doi.org/10.1134/S1064229313040078
  29. Kholodov V.A., Yaroslavtseva N. V., Farkhodov Yu.R., Belobrov V.P., Yudin S.A., Aydiev A.Ya., Lazarev V.I., Frid A.S. Changes in the ratio of aggregate fractions in humus horizons of chernozems in response to the type of their use // Eurasian Soil Sci. 2019. V. 52. P. 162–170. https://doi.org/10.1134/S1064229319020066
  30. Kubiena W.L. Die mikromorphometrische Bodenanalyse, Stuttgart: Enke, 1967. 224 p.
  31. Marcelino V., Cnudde V., Vansteelandt S., Carò F. An evaluation of 2D‐image analysis techniques for measuring soil microporosity // Eur. J. Soil Sci. 2007. V. 58. P. 133–140. https://doi.org/10.1111/j.1365–2389.2006.00819.x
  32. Meusburger K., Mabit L., Park J.-H., Sandor T., Alewell C. Combined use of stable isotopes and fallout radionuclides as soil erosion indicators in a forested mountain site, South Korea // Biogeosciences. 2013. V. 10. P. 5627–5638. https://doi.org/10.5194/bg-10-5627-2013
  33. Monteiro J., Barata J. the circular digital twin: climate-smart soils as a use case // 32nd Int. Conf. Information Systems Development. ISD2024, Gdańsk, 2024. 4 https://doi.org/10.62036/ISD.2024.107
  34. Mukhtar H., Wunderlich R.F., Lin Y.-P. Digital twins of the soil microbiome for climate mitigation // Environments. 2022. V. 9. P. 34. https://doi.org/10.3390/environments9030034
  35. Perfect E., Zhai Q., Blevins R. L. Soil and tillage effects on the characteristic size and shape of aggregates // Soil Sci. Soc. Am. J. 1997. V. 61. P. 1459–1465. https://doi.org/10.2136/sssaj1997.03615995006100050025x
  36. Plotnikova O.O., Demidov V.V., Farkhodov Yu.R., Tsymbarovich P.R., Semenkov I.N. Influence of water erosion on soil aggregates and organic matter in arable chernozems: case study // Agronomy. 2024. V. 14. P. 1607. https://doi.org/10.3390/agronomy14081607
  37. Portes R., Dahms D., Brandová D., Raab G., Christl M., Kühn P., Ketterer M., Egli M. Evolution of soil erosion rates in alpine soils of the Central Rocky Mountains using fallout Pu and δ13C // Earth Planet. Sci. Lett. 2018. V. 496. P. 257–269. https://doi.org/10.1016/j.epsl.2018.06.002
  38. R Core Team R: A language and environment for statistical computing. 2024.
  39. Raj P., Surianarayanan P. Digital twin: the industry use cases // Adv. Computers. 2020. V. 117. P. 285–320. https://doi.org/10.1016/bs.adcom.2019.09.006
  40. Ringrose-Voase A. Micromorphology of soil structure – description, quantification, application // Soil Res. 1991. V. 29. P. 777. https://doi.org/10.1071/SR9910777
  41. Silva L., Rodríguez-Sedano F., Baptista P., Coelho J.P. The digital twin paradigm applied to soil quality assessment: a systematic literature review // Sensors. 2023. V. 23. P. 1007. https://doi.org/10.3390/s23021007
  42. Soderstrom N.C., Yue C.L., Bjork E.L. Metamemory and education // The Oxford Handbook of Metamemory / Eds. Dunlosky J., Tauber S. (Uma) K. Oxford University Press, 2015. P. 197–217. https://doi.org/10.1093/oxfordhb/9780199336746.013.6
  43. Stoops G. Guidelines for analysis and description of soil and regolith thin sections. Madison: Soil Science Society of America, Inc., 2021. 259 p. https://doi.org/10.2136/2003.guidelinesforanalysis
  44. Targulian V.O., Krasilnikov P.V. Soil system and pedogenic processes: self-organization, time scales, and environmental significance // Catena. 2007. V. 71. P. 373–381. https://doi.org/10.1016/j.catena.2007.03.007
  45. Tenu I., Jitareanu G., Muraru-Ionel C., Cojocariu P., Muraru V.M. The impact of mechanization technologies on soil // Environ. Engineer. Management J. 2009. V. 8. P. 1263–1267. https://doi.org/10.30638/eemj.2009.185
  46. Tisdall J.M., Oades J.M. Organic matter and water-stable aggregates in soils // J. Soil Sci. 1982. V. 33. P. 141–163. https://doi.org/10.1111/j.1365–2389.1982.tb01755.x
  47. Verdouw C., Sundmaeker H., Tekinerdogan B., Conzon D., Montanaro T. Architecture framework of IoT-based food and farm systems: A multiple case study // Computers and Electronics in Agriculture. 2019. V. 165. P. 104939. https://doi.org/10.1016/j.compag.2019.104939
  48. Vereecken H., Schnepf A., Hopmans J.W., Javaux M., Or D., Roose T., Vanderborght J. et al. Modeling soil processes: review, key challenges, and new perspectives // Vadose Zone J. 2016. V. 15. P. 1–57. https://doi.org/10.2136/vzj2015.09.0131
  49. Vogel H., Balseiro‐Romero M., Kravchenko A., Otten W., Pot V., Schlüter S., Weller U., Baveye P.C. A holistic perspective on soil architecture is needed as a key to soil functions // Eur. J. Soil Sci. 2022. V. 73. P. e13152 https://doi.org/10.1111/ejss.13152
  50. Wang H., Wu W., Zhou Y., Sun Y., Zhao Z., Hu L., Zheng Q. Review on image-based non-destructive observation methods for soil meso-liquefaction process // Bull. Engineer. Geol. Environ. 2024. V. 83. P. 233. https://doi.org/10.1007/s10064-024-03734-6
  51. Wickham H. Ggplot2: Elegant graphics for data analysis. N.Y.: Springer-Verlag, 2016. 260 p.
  52. Yudin S.A., Plotnikova O.O., Belobrov V.P., Lebedeva M.P., Abrosimov K.N., Ermolaev N.R. Quantitative characteristics of the microstructure of typical chernozems under different agricultural technologies // Eurasian Soil Sci. 2023. V. 56. P. 807–817. https://doi.org/10.1134/S1064229323600343
  53. Zia-ur-Rehman, M., Murtaza G., Qayyum M.F., Saifullah Rizwan, M., Ali S., Akmal F., Khalid H. Degraded soils: origin, types and management // Soil Science: Agricultural and Environmental Prospectives / Eds. Hakeem K.R., Akhtar J., Sabir M. Springer Int. Publ., 2016. P. 23–65. https://doi.org/10.1007/978-3-319-34451-5_2

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Location of the excavations of the studied typical chernozems (unwashed, Haplic Chernozem, excavations 576, 577, 625; heavily washed, Haplic Chernozem, excavations 582, 583, 584) and the slope profile diagram (Kursk region).

下载 (1023KB)
索引源数据
3. Fig. 2. Clustering of unwashed and heavily washed arable chernozems in principal component (PC) coordinates.

下载 (93KB)
索引源数据
4. Fig. 3. Dependence of the minimum diameter of aggregates (according to Feret) on the properties ((a) – content of silt fraction, %, (b) – content of dust fraction, %, (c) – content of sand fraction, %, (d) – content of organic matter carbon, %, (e) – content of carbonate carbon, %) of arable chernozems typical of the Kursk region (ρ – Spearman correlation coefficient, p – p-value, black – unwashed chernozem, grey – heavily washed chernozem).

下载 (292KB)
索引源数据
5. Fig. 4. Distribution of morphometric parameters (1 – elongation, 2 – shape factor, 3 – orientation, 4 – irregularity, given in a logarithmic scale) of aggregates of arable chernozems, unwashed (a) and heavily washed (b) by size classes of aggregates.

下载 (321KB)
索引源数据
6. Fig. 5. Dependence of morphometric parameters ((a) – elongation, (b) – shape factor, (c) – orientation, (d) – irregularity) of aggregates of arable chernozems on the minimum diameter of aggregates according to Feret.

下载 (278KB)
索引源数据
7. Fig. 6. Irregularity of the boundary of aggregates of unwashed and heavily washed arable chernozems in different layers ((a) – 0–10, (b) – 10–20, (c) – 20–30 cm).

下载 (87KB)
索引源数据
8. Supplementary Material
下载 (63KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».