现在,这个系列变得很有趣。我已审查 我所做的 ,Twitter调查显示 人们在做 , 什么 罗格斯 宾夕法尼亚州立大学 推荐,以及大量采样 弗吉尼亚州的草坪 建议将适当数量的子样品合并到草皮草的复合样品中。

文章 使用经典和空间统计数据指导土壤采样策略:综述 由劳伦斯等。建议以不同的方式做事。简而言之,他们建议“不应将土壤样品混合在一起”。如果您有兴趣,建议阅读全文。这篇文章是关于测试农业领域的。这也与草皮草场非常相关。以下是这篇文章的一些引文,并散布着我的注释。任何斜体或粗体文本均为我的。


他们在第一句话中就谈到了土壤养分分析的目的,说这是“提高养分管理效率的关键实践”。顺便说一句,我借此机会指出土壤测试应该是这样工作的,但是在草皮草行业中,土壤测试似乎可以 其实 降低效率 营养管理 由于对土壤测试的误解。但是很容易用诸如 MLSN .

在他们的评论中,Lawrence等人。查看了其他文章的结果,并计算出“对土壤采样密度范围的估计,在5%的精度水平下,要达到每项研究平均值的10%的误差范围就需要这样做。”对于K,中位数采样密度小于每公顷5个样本。对于P,中值采样密度为每公顷8.4个样本。我认为将这些采样密度与当今草坪草行业的标准密度进行比较很有趣。例如,要使用P达到上述精度水平,平均每1,190 m需要一个样本2 (12,809英尺 2)。使用K,将需要更少的样本。

“分析前对土壤样品进行合成是降低土壤分析成本的一种常用方法……合成可以有效地计算多个土壤核心的平均值,不太可能代表实际的种群参数,并且通常会提供更高的养分浓度估算值不够准确……营养素的分布将出现正偏斜……对于肥料管理,这可能会导致农民[或草皮经理]申请 肥料不足

然后在“扩展土壤采样建议的当前状态”部分中,这是:

“有54%的扩展程序来源建议使用“ zig-zag”,“ Z”或“ W”采样,其中44%的受访者表示需要进行“代表性”采样。该建议与基于设计的方法的要求不一致,在该方法中,随机选择位置至关重要。结果是, 这些方法很可能经常导致偏差的结果,尤其是如果在分析之前将样品合成并且土壤性质呈对数正态分布的情况。

在本文的一般建议和结论中,需要考虑的更多事项:

“如果没有关于土壤性质的先前信息,则应假定对数正态, 土壤样品不应该混合。 如果收集的岩心显示对数正态,则应使用几何平均值或中位数代替算术平均值。 仅在先前已建立正态性的情况下,才应混合土壤样品。

“……扩展建议通常会建议诸如合成和Z采样之类的做法,这不足为奇,这在同行评审的文献中没有强大的基础。 幸运的是,在理论上有纠正这些建议的简单方法,例如建议对土壤核心进行单独分析。