黑土区土壤-作物系统中生物炭适宜用量的推导方法技术方案

本发明专利技术公开了一种黑土区土壤‑作物系统中生物炭适宜用量的推导方法，该方法将土壤‑微生物‑肥料吸收利用率‑作物体系联系在一起，确定土壤微生物在施入生物炭后有利于提高养料吸收，提高作物生长，改善土壤条件的活性敏感范围(该活性敏感范围指的是“土壤微生物的群落变化趋势”)，为生物炭的定量施用方面做出了有价值的参考，即在黑土区进行了推荐施用生物炭，在玉米秸秆无法大量还田的农业背景下，为该农业废弃物以生物质炭形式，合理施用量进行土壤培肥和固碳减排，从而为大面积推广生物炭还田培肥提供了理论基础。

【技术实现步骤摘要】

本专利技术涉及一种推导方法，具体涉及一种黑土区土壤-作物系统中生物炭适宜用量的推导方法。
技术介绍
生物炭是指：在缺氧的条件下，把生物质进行高温处理，使生物质中的油和气燃烧掉，燃烧后所剩下的有机物料。生物炭几乎是纯碳，埋到地下后可以有几百至上千年不会消失，等于把碳封存进了土壤，有助于减缓全球变暖。目前，全世界范围内引发了对生物炭的广泛兴趣。有不少科学家认为，用生物炭捕捉碳元素相当稳定，不仅能将碳元素“锁”在地下数百年，让土壤变得更肥沃，而且还可以减少二氧化氮和甲烷等温室气体的排放。现有的一些相关文献(刘祥宏.生物炭在黄土高原典型土壤中的改良作用[D].中国科学院研究生院(教育部水土保持与生态环境研究中心)，2013；卜晓莉、薛建辉.生物炭对土壤生境及植物生长影响的研究进展[J].生态环境学报，2014，03:535-540.)表明：少量(<4tha-1)和过量(>45tha-1)的生物炭对土壤-作物系统均无显著影响，甚至对土壤-作物系统有负效应。但涉及到推荐用量时，这些相关文献均是定性讨论，并未给出具体建议。此外，大多数文献均是在有机物料投入土壤-作物系统后，作物生长期结束时，针对作物农学指标(主要是作物产量)和有机物料的投入量作相关性分析，然后粗略计算有机物料(生物炭)的用量。然而，真正干扰作物产量的因子是土壤中氮元素的吸收和运转。土壤微生物(细菌、硝化细菌)在氮素循环中起着关键作用，目前的文献针对土壤微生物与土壤-作物系统常用指标(例如有机物料的投入量、化肥与有机物料配施量)的分析却较少。
技术实现思路
本专利技术的目的在于，从施入生物炭后土壤微生物的变化趋势和微生物对氮素代谢影响的角度出发，提供一种黑土区土壤-作物系统中生物炭适宜用量的推导方法，通过该方法我们可以定量给出生物炭的适宜用量，从而为解决生产实践问题提供更深入、更准确的理论依据。为了实现上述目标，本专利技术采用如下的技术方案：一种黑土区土壤-作物系统中生物炭适宜用量的推导方法，其特征在于，包括以下步骤：Step1：在土壤-作物系统中的敏感区域施入不同量的生物炭，然后运用高通量测序技术对土壤微生物的16srRNA进行测序；Step2：对高通量测序数据进行处理和分析，筛选出和生物炭施入量联系最为紧密的土壤微生物，即敏感微生物；Step3：运用荧光定量PCR技术，检测不同时间、空间下敏感微生物的量；Step4：根据荧光定量PCR测定结果，确定敏感微生物在不同生物炭施入量下的准确的变化规律；Step5：根据敏感微生物的变化规律建立土壤硝化细菌量与生物炭施用量的关系模型、土壤结构稳定性指标MWD与生物炭施用量的关系模型；Step6：对上述两个模型求解，从而确定生物炭的适宜用量。前述的方法，其特征在于，在Step1中，在土壤-作物系统中的敏感区域施入不同量的生物炭的具体方法为：设置黑土定位小区，将不同量级生物炭施入各小区表土层，各处理随机排列，定位试验三年。前述的方法，其特征在于，在Step2中，筛选敏感微生物的依据是：那些数量变少、16srRNA变化大且种类变多的土壤微生物即为敏感微生物。前述的方法，其特征在于，在Step4中，前述变化规律为能够体现出敏感微生物与土壤氮素迁移之间的变化关系的规律。前述的方法，其特征在于，在Step5中，建立模型的方法为：以土壤硝化细菌量/土壤结构稳定性指标MWD为因变量，生物炭施用量为自变量，分别带入线性函数、幂函数、一元二次方程和指数函数中，求R2的值，R2的值最大的那个函数即土壤硝化细菌量/土壤结构稳定性指标MWD与生物炭施用量的关系模型。本专利技术的有益之处在于：本专利技术的方法将土壤-微生物-肥料吸收利用率-作物体系联系在一起，确定土壤微生物在施入生物炭后有利于提高养料吸收，提高作物生长，改善土壤条件的活性敏感范围(该活性敏感范围指的是“土壤微生物的群落变化趋势”)，为生物炭的定量施用方面做出了有价值的参考，即在黑土区进行了推荐施用生物炭，在玉米秸秆无法大量还田的农业背景下，为该农业废弃物以生物质炭形式，合理施用量进行土壤培肥和固碳减排，从而为大面积推广生物炭还田培肥提供了理论基础。附图说明图1是多样品相似度树图；图2是不同处理根际微生物细菌种群差异图；图3是各生育时期不同处理对土壤氨氧化古菌(B)丰度的影响图。具体实施方式以下结合附图和具体实施例对本专利技术作具体的介绍。一、施入不同量生物炭后对土壤微生物进行测序针对土壤-作物系统中的敏感区域的土壤微生物细菌群落，运用高通量测序技术进行土壤微生物测序，以便更详细、更准确的描述生物炭定位施用小区施入生物炭后土壤微生物群落结构变化。本专利技术主要探究在施入不同量的生物炭后土壤微生物细菌16srRNA的群落结构变化，以便得出土壤微生物在种的水平上的演替及变化情况。具体的：设置黑土定位小区，将不同量级生物炭施入各小区表土层，各处理随机排列，定位试验三年后，取同一时期(收获期)不同处理根系土壤，对土壤微生物细菌16srRNA进行高通量测序，三次平行，三次重复。二、筛选出和生物炭施入量联系最为紧密的微生物对高通量测序数据进行处理，分析不同生物炭施入量下土壤微生物的结构变化、数量变化和种类变化，从而筛选出和生物炭施入量联系最为紧密的土壤微生物，即敏感微生物，以该敏感微生物作为后续的研究对象。生物炭对氮素代谢过程影响显著，对作物吸收利用氮素影响成相关性，在氮素代谢过程中硝化作用起关键作用，进过高通量数据分析，与硝化过程相关的微生物在属的水平上变化不显著，在种的水平上变化及其显著。筛选出在硝化作用中起到关键作用的氨氧化细菌(ammonia-oxidizingbacteria，AOB)和氨氧化古菌(ammonia-oxidizingarchaea，AOA)作为敏感微生物的研究对象。三、敏感微生物定量检测编码氨单加氧酶AmoA亚基(ammoniamonooxy-genasesubsuitA，AmoA)的基因，amoA是硝化过程的核心基因，取作物根系土，根据微生物遗传物质的稳定性、同一物种间基因的高度保守性，分别用引物amoA-1F/2R、amoA-AF/AR采用荧光定量PCR技术，检测不同时间、空间(时间：整个生育期，空间：)下氨氧化细菌和氨氧化古菌基因表达量，同时测定细菌总量16srRNA表达量。四、确定敏感微生物变化趋势与生物炭、产量间的关系根据荧光定量PCR测定结果，确定敏感微生物在不同生物炭施入量下的准确的变化规律，该变化规律能够体现出敏感微生物与土壤氮素迁移(吸氮量和产量成正相关关系)之间的变化规律，同时观察敏感微生物的活性状态。五、建立模型1、建立土壤硝化细菌量与生物炭施用量的关系模型以土壤硝化细菌量为因变量(y)，生物炭施用量为自变量(x)，分别带入线性函数、幂函数、一元二次方程和指数函数中，求R2的值，R2的值最大的那个函数即土壤硝化细菌量与生物炭施用量之间的关系模型。2、建立土壤结构稳定性指标MWD与生物炭施用量的关系模型以土壤结构稳定性指标MWD为因变量(y)，生物炭施用量为自变量(x)，分别带入线性函数、幂函数、一元二次方程和指数函数中，求R2的值，R2的值最大的那个函数即土壤结构稳定性指标MWD与生物炭施用量之间的关系模型。六、确定生物炭的适宜用本文档来自技高网...

【技术保护点】
一种黑土区土壤‑作物系统中生物炭适宜用量的推导方法，其特征在于，包括以下步骤：Step1：在土壤‑作物系统中的敏感区域施入不同量的生物炭，然后运用高通量测序技术对土壤微生物的16s rRNA进行测序；Step2：对高通量测序数据进行处理和分析，筛选出和生物炭施入量联系最为紧密的土壤微生物，即敏感微生物；Step3：运用荧光定量PCR技术，检测不同时间、空间下敏感微生物的量；Step4：根据荧光定量PCR测定结果，确定敏感微生物在不同生物炭施入量下的准确的变化规律；Step5：根据敏感微生物的变化规律建立土壤硝化细菌量与生物炭施用量的关系模型、土壤结构稳定性指标MWD与生物炭施用量的关系模型；Step6：对上述两个模型求解，从而确定生物炭的适宜用量。

【技术特征摘要】
1.一种黑土区土壤-作物系统中生物炭适宜用量的推导方法，其特征在于，包括以下步骤：Step1：在土壤-作物系统中的敏感区域施入不同量的生物炭，然后运用高通量测序技术对土壤微生物的16srRNA进行测序；Step2：对高通量测序数据进行处理和分析，筛选出和生物炭施入量联系最为紧密的土壤微生物，即敏感微生物；Step3：运用荧光定量PCR技术，检测不同时间、空间下敏感微生物的量；Step4：根据荧光定量PCR测定结果，确定敏感微生物在不同生物炭施入量下的准确的变化规律；Step5：根据敏感微生物的变化规律建立土壤硝化细菌量与生物炭施用量的关系模型、土壤结构稳定性指标MWD与生物炭施用量的关系模型；Step6：对上述两个模型求解，从而确定生物炭的适宜用量。2.根据权利要求1所述的方法，其特征在于，在Step1中，在土壤-...

【专利技术属性】
技术研发人员：金梁，魏丹，李玉梅，王伟，郭文义，
申请(专利权)人：黑龙江省农业科学院土壤肥料与环境资源研究所，
类型：发明
国别省市：黑龙江;23