数显土壤仪

2018年，由北京普瑞亿科科技有限公司研发的PRI-8800全自动变温培养土壤温室气体在线测量系统，一经推出便得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展，相关文章发表已达18篇。 今天与大家分享的文章是东北林业大学林学院周旭辉教授团队首次从底物消耗与微生物适应角度，揭示了土壤有机碳分解热适应的调控机制的研究论文。在该研究中，采用了PRI-8800作为关键设备之一，我们来具体了解一下吧~ 长期以来，学界普遍认为气候变暖加速土壤有机碳分解，进而使得地球平均温度上升，形成正反馈效应。而近期的一些长期增温实验发现土壤有机碳分解速率可能会随着增温时间呈逐渐下降趋势，表现出热适应现象。当前，针对土壤有机碳分解的热适应调控机制，国内外生态学家仍存在较大争议，其根本难点在于无法有效区分底物消耗与微生物适应在土壤碳分解中的相对贡献。为了解决这一难题，何杨辉等研究人员依托长期野外增温实验平台，巧妙地使用土壤微生物灭菌-接种方法区分底物与微生物的调控作用，研究结果表明土壤底物可利用性是调控土壤有机碳分解热适应的主要因素。这一重要发现将增进人们对土壤有机碳分解热适应性的理解，为准确预测陆地土壤碳-气候反馈提供重要的科学依据。 土壤有机碳分解热适应潜在调控机制 值得注意的是，在实验过程中，研究团队通过PRI-8800连续变温培养和高频土壤呼吸在线测量的优势，克服了恒温培养模式土壤微生物对特定培养温度的适应性和底物消化不均的难题，加速研究进程并获得可靠的研究结果。 研究成果“Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability”为题，在线发表于国际顶级生态学期刊Global Change Biology（IF=13.211），何杨辉教授为论文的第一作者，周旭辉教授为论文通讯作者。相关论文信息：He Y, Zhou X, Jia Z, et al. Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability[J]. Global Change Biology, 2022.全文链接：https://doi.org/10.1111/gcb.16523 UPGRADED！ 土壤有机质是陆地生态系统最大的碳库，在全球变暖背景下，土壤有机质分解对温度变化的响应很大程度影响着陆地生态系统对全球气候变化反馈效应。气候变暖如何影响土壤有机质分解，以及陆地生态系统碳排放如何响应气候变暖已成为目前科学家主要关注的内容之一。 为响应国家“双碳”目标，针对国内“双碳”行动有效性评估，普瑞亿科全新升级了PRI-8800 全自动变温培养土壤温室气体在线测量系统，结合了连续变温培养和高频土壤呼吸在线测量的优势，模式的培养与测试过程非常简单高效，这极大方便了大量样品的测试或大尺度联网的研究，可以有效服务科学研究和生态观测。PRI-8800的成功推出，为“双碳”目标研究和评价提供了强有力的工具。 土壤有机质分解速率（R）对温度变化的响应非常敏感。温度敏感性参数（Q10）可以刻画土壤有机质分解对温度变化的响应程度。Q10是指温度每升高10℃，Ｒ所增加的倍数；Q10值越大，表明土壤有机质分解对温度变化就越敏感。Q10不仅取决于有机质分子的固有动力学属性，也受到环境条件的限制。Q10能抽象地描述土壤有机质分解对温度变化的响应，在不同生态类型系统、不同研究间架起了一个规范的和可比较的参数，因此其研究意义重大。 以往Q10研究通过选取较少的温度梯度（3-5个点）进行测量，从而导致不同土壤的呼吸对温度变化拟合相似度高的问题无法被克服。Robinson最近的研究（2017）指出，最低20个温度梯度拟合土壤呼吸对温度的响应曲线可以有效解决上述问题。PRI-8800全自动变温土壤温室气体在线测量系统为Q10的研究提供了强有力的工具，不仅能用于测量Q10对环境变量主控温度因子的响应，也能用于测量其对土壤含水量、酶促反应、有机底物、土壤生物及时空变异等的响应。PRI-8800为Q10对关联影响因子的研究，提供了一套快捷、高效、准确的整体解决方案。 01 主要特点可进行恒温或变温培养设定；温度控制波动优于±0.05℃；平均升降温速率不小于1°C/min；150ml样品瓶适配25位样品盘；具有CO2预降低的双回路设计；一体化设计，内置CO2 H2O模块；可以外接浓度和同位素分析仪等。02PRI-8800 实验设计1）温度依赖性的研究：既然温度的变化会极大影响土壤呼吸，基于温度变化的Q10研究成为科学家研究中重中之重。2017年Robinson提出的最低20个温度梯度拟合土壤呼吸对温度响应曲线的建议，将纠正以往研究人员只设置3-5个温度点（大约相隔5-10℃）进行呼吸测量的做法，该建议能解决传统方法因温度梯度少而导致的不同土壤的呼吸对温度变化拟合相似度高的问题，更能提升不同的理论模型或随后模型推算结果的准确性。而上述至少20个温度点的设置和对应的土壤呼吸测量，仅仅需要在PRI-8800程序中预设几个温度梯度即可完成多个样品在不同温度下的自动测量，这将极大提高科学家的工作效率。除了上述变温应用案例外，科学家还可以依据自己的实验设计进行诸如日变化、月变化、季节变化、甚至年度温度变化的模拟培养，通过PRI-8800的“傻瓜式”操作测量，将极大减少科学家实验实施的周期和工作量，并提高了工作效率。PRI-8800全自动变温培养土壤CO2 H2O在线测量系统主要包含自动进样器、水槽、压缩机、CO2 H2O 分析仪、内部计算机、25位样品盘等，25个样品瓶。PRI-8800除了具有上述变温培养的特色，还可以进行恒温培养，抑或是恒温/变温交替培养，这些组合无疑拓展了系统在不同温度组合条件下的应用场景。2）水分依赖性的研究：多数研究表明，在温度恒定的情况下，Q10很容易受土壤含水量的影响，表现出一定的水分依赖特性。PRI-8800可以通过手动调整土壤含水量的做法，并在PRI-8800快速连续测量模式下，实现不同水分梯度条件下土壤呼吸的精准测量，而PRI-8800的逻辑设计，为短期、中期和长期湿度控制条件下的土壤呼吸的连续、高品质测量提供了可能。3）底物依赖性的研究：底物物质量与Q10密切相关，这里的底物包含不限于自然态的土壤，如含碳量，含氮量，易分解/难分解的碳比例、土壤粘粒含量、酸碱盐度等；也可能包含了某些外源底物，如外源的生物质碳、微生物种群、各种肥料、呼吸促进/抑制剂、同位素试剂等。通过PRI-8800快速在线变温培养测量，能加速某些研究进程并获得可靠结果，如生物质炭在土壤改良过程中的土壤呼吸研究、缓释肥缓释不同阶段对土壤呼吸的持续影响、盐碱土壤不同改良措施下的土壤呼吸的变化响应等等。4）生物依赖性的研究：土壤呼吸包含土壤微生物呼吸（90%）和土壤动物呼吸（1-10%），土壤微生物群落对Q10影响重大。通过温度响应了解培养前后的微生物种群和数量的变化以及对应的土壤呼吸速率的变化有重要意义。外源微生物种群的添加，或许帮助科学家找出更好的Q10对土壤生物依赖性的响应解析。03 PRI-8800相关文献信息1.Li, C., Xiao, C.W., Guenet, B., Li, M.X., Xu, L., He, N.P. 2022. Short-term effects of labile organic C addition on soil microbial response to temperature in a temperate steppe. Soil Biology and Biochemistry 167, 108589. https://doi.org/10.1016/j.soilbio.2022.108589.2.Jiang ZX, Bian HF, Xu L, He NP. 2021. Pulse effect of precipitation: spatial patterns and mechanisms of soil carbon emissions. Frontiers in Ecology and Evolution, 9: 673310.3.Liu Y, Xu L, Zheng S, Chen Z, Cao YQ, Wen XF, He NP. 2021. Temperature sensitivity of soil microbial respiration in soils with lower substrate availability is enhanced more by labile carbon input. Soil Biology and Biochemistry, 154: 108148.4.Bian HF, Zheng S, Liu Y, Xu L, Chen Z, He NP. 2020. Changes in soil organic matterdecomposition rate and its temperature sensitivity along water table gradients in cold-temperate forest swamps. Catena, 194: 104684.5.Xu M, Wu SS, Jiang ZX, Xu L, Li MX, Bian HF, He NP. 2020. Effect of pulse precipitation on soil CO2 release in different grassland types on the Tibetan Plateau. European Journal of Soil Biology, 101: 103250.6.Liu Y, He NP, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. 2019. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition. Soil Biology & Biochemistry, 138, 107596.7.Liu Y, He NP, Wen XF, Xu L, Sun XM, Yu GR, Liang LY, Schipper LA. 2018. The optimum temperature of soil microbial respiration: Patterns and controls. Soil Biology and Biochemistry, 121: 35-42.8.Liu Y, Wen XF, Zhang YH, Tian J, Gao Y, Ostle NJ, Niu SL, Chen SP, Sun XM, He NP. Widespread asymmetric response of soil heterotrophic respiration to warming and cooling. Science of Total Environment, 635: 423-431.9.Wang Q, He NP, Xu L, Zhou XH. 2018. Important interaction of chemicals, microbial biomass and dissolved substrates in the diel hysteresis loop of soil heterotrophic respiration. Plant and Soil, 428: 279-290.10.Wang Q, He NP, Xu L, Zhou XH. 2018. Microbial properties regulate spatial variation in the differences in heterotrophic respiration and its temperature sensitivity between primary and secondary forests from tropical to cold-temperate zones. Agriculture and Forest Meteorology, 262, 81-88.11.Li J, He NP, Xu L, Chai H, Liu Y, Wang DL, Wang L, Wei XH, Xue JY, Wen XF, Sun XM. 2017. Asymmetric responses of soil heterotrophic respiration to rising and decreasing temperatures. Soil Biology & Biochemistry, 106: 18-27.12.Liu Y, He NP, Xu L, Niu SL, Yu GR, Sun XM, Wen XF. 2017. Regional variation in the temperature sensitivity of soil organic matter decomposition in China’s forests and grasslands. Global Change Biology, 23: 3393-3402.13.Wang Q, He NP*, Liu Y, Li ML, Xu L. 2016. Strong pulse effects of precipitation event on soil microbial respiration in temperate forests. Geoderma, 275: 67-73.14.Wang Q, He NP, Yu GR, Gao Y, Wen XF, Wang RF, Koerner SE, Yu Q*. 2016. Soil microbial respiration rate and temperature sensitivity along a north-south forest transect in eastern China: Patterns and influencing factors. Journal of Geophysical Research: Biogeosciences, 121: 399-410.15.He NP, Wang RM, Dai JZ, Gao Y, Wen XF, Yu GR. 2013. Changes in the temperature sensitivity of SOM decomposition with grassland succession: Implications for soil C sequestration. Ecology and Evolution, 3: 5045-5054.16.He N P, Liu Y, Xu L, Wen X F, Yu G R, Sun X M. Temperature sensitivity of soil organic matter decomposition:New insights into models of incubation and measurement. Acta Ecologica Sinica, 2018, 38(11): 4045-4051.17.Mao X1, Zheng J1, Yu W, Guo X, Xu K, Zhao R, Xiao L, Wang M, Jiang Y, Zhang S, Luo L, Chang J, Shi Z, Luo Z* 2022. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile. Soil Biology and Biochemistry 172, 108743.18.He Y, Zhou X, Jia Z, et al. Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability[J]. Global Change Biology, 2022. 如果您对我们的产品或本期内容有任何问题，欢迎致电垂询：地址：北京市海淀区瀚河园路自在香山98-1号楼电话：010-51651246 88121891邮箱：support@pri-eco.com

p style=" text-align: justify text-indent: 2em " 近年来，激光诱导击穿光谱（LIBS）回收、采矿和金属分析等不同领域蓬勃发展，LIBS具有不需要样品制备、便携性、检测速度快等优势。与电感耦合等离子体-质谱法（ICP-MS）和其他一些元素分析方法不同，LIBS存在一种巨大的& quot 矩阵效应& quot 。 strong 本文将讨论为什么土壤分析会成为LIBS一项引人注目的应用？ /strong /p h1 label=" 标题居左" style=" font-size: 32px font-weight: bold border-bottom: 2px solid rgb(204, 204, 204) padding: 0px 4px 0px 0px text-align: left margin: 0px 0px 10px " strong 为什么选择土壤分析？ /strong /h1 p style=" text-align: justify text-indent: 2em " 土壤分析已经经历了一个多世纪的发展，安德森在1960年的文章《土壤试验的历史与发展》中记录了这一时期技术的进步，其主要侧重于磷的监测，也考虑到了钾和氮。他详细介绍了不同土壤类型如何提取相关物质的方法，以及土壤养分与作物产量关系的早期证据（早在1890年）。大约在同一时间（1957年），大卫· 赖斯· 加德纳向哈佛大学提交了题为& quot 美国全国合作土壤调查& quot 的博士论文，这是农业研究人员首次广泛进行的土壤科学综合调查。二战后的美国经济使得联邦和州一级的农业推广服务急剧扩大，土壤科学、除草剂、杀虫剂、抗病作物等研究大爆发，这使得从1950年代中期到今天农业生产力的显著提高。图 1 展示了农业生产率的发展。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202007/uepic/238e798e-7154-4b16-94da-6fafe6ebdd2c.jpg" title=" fig1_s.jpg" alt=" fig1_s.jpg" / /p p style=" text-align: center " strong style=" text-indent: 0em " 图 1：1866-2014年，美国每公顷玉米平均产量，来自数据世界，未经修改。 /strong span style=" text-indent: 2em " & nbsp /span /p p style=" text-align: justify text-indent: 2em " 自然土壤分析自1960年以来发展至今，以经历数个阶段，过去十年来常见方法是收集一个田地不同地点的样本，在不到20英亩的田地中，随机地点采集了15到20个单独的样本。将采集的土壤混合，测试土壤中的pH水平、植物可用的N、P、K、Mg、Ca等物质的浓度。在某些情况下，还需要检测土壤中的有机质的百分比和微量金属，土壤检测实验室会采用多种方法检测，从滴定测量方法到ICP-MS。 /p p style=" text-align: justify text-indent: 2em " span style=" color: rgb(23, 54, 93) " strong 如今，精准农业已成为最新的趋势，其对植物和土壤健康的测量越来越精确，需要更频繁的获取土壤信息，以便于更加精准的进行灌溉、虫害控制和施肥。 /strong /span /p p style=" text-align: justify text-indent: 2em " span style=" color: rgb(23, 54, 93) " strong LIBS土壤分析的早期研究主要侧重于土壤中的微量重金属的检测，但由于检测限达不到要求，分析精度不足，这个应用实施较为困难。 /strong /span 对于大多数有毒金属，LIBS 在土壤基质中的检测限大概为1到20ppm之间，这比检测土壤中所需的元素检测限高出一个数量级。每个地点土壤的变化以及土壤的粒状大小也是测量的潜在问题。 /p p style=" text-align: justify text-indent: 2em " strong span style=" color: rgb(23, 54, 93) " 随着时间的推移，LIBS在土壤分析方面的应用已转向对高浓度元素的分析，如总碳、氮、磷和钾（称为NPK）、镁和钙。这些元素在土壤中的浓度水平远高于微量有毒金属，并可广泛应用于农学中进行测量土壤的健康。 /span /strong /p p style=" text-align: justify text-indent: 2em " 使用LIBS的分析土壤健康的工作首先要做的是对土壤类型进行分类，然后应用适合的矩阵进行校准。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202007/uepic/d2e07909-a5cf-4218-be2f-0b7e11f3c683.jpg" title=" fig2_s.jpg" alt=" fig2_s.jpg" / /p p style=" text-align: center " strong style=" text-indent: 0em " 图2：三个主要成分的分数图应用于中国不同地区的8个未知土壤样本。 /strong /p p style=" text-align: justify text-indent: 2em " span style=" color: rgb(23, 54, 93) " strong 这项工作由中国科学院南京土壤研究所的一个研究小组完成，他们使用LIBS并通过少量的计算，分析并预测了土壤的pH、阳离子交换能力（CEC）、土壤有机质（SOM）、以及总氮、总磷、总钾、可用磷和可用钾的浓度等特性。这项研究表明LIBS不仅仅能检测元素的浓度，更能预测整体土壤的状况。 /strong /span /p p style=" text-align: justify text-indent: 2em " 上文的研究证实了使用LIBS确定土壤类型以及确定土壤状况（如pH）的可行性。 span style=" color: rgb(23, 54, 93) " strong 最近的一项研究结合了这些特征，将土壤状况的信息与光谱信息串联，通过在调校和验证方法，来预测不同土壤情况的微量金属元素。 /strong /span 在调校期间，他们不断更改模型中的可调参数，直到校准的相对误差低于他们设定的固定阈值。通过随机交换不同土壤状况和相同浓度的光谱数据点，建立了一个可以应对数据波动、坚固耐用的模型。他们还想将这个模型应用到所有类型的土壤，创造一款通用的模型。 /p p style=" text-align: justify text-indent: 2em " 作者将这种模型应用于LIBS的数据，其中涵盖4种不同的土壤类型，6种不同的元素浓度，每次检测重复6次。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202007/uepic/cf1dba16-83ca-4203-b978-5336dbf4abbc.jpg" title=" fig4_s.jpg" alt=" fig4_s.jpg" / /p p style=" text-align: center " strong style=" text-indent: 0em " 图3：Ag浓度在四种不同类型的土壤中，测量（a）通过单变量峰集成，而（b）使用所有四个类型的通用模型 /strong /p p style=" text-align: justify text-indent: 2em " strong span style=" color: rgb(23, 54, 93) " 图 3 显示，右侧使用模型的预测浓度与测量到的参考浓度之间近乎完美的一致，证明了模型的可行性。 /span /strong /p h1 label=" 标题居左" style=" font-size: 32px font-weight: bold border-bottom: 2px solid rgb(204, 204, 204) padding: 0px 4px 0px 0px text-align: left margin: 0px 0px 10px " strong 基于LIBS的土壤分析前景 /strong /h1 p style=" text-align: justify text-indent: 2em " span style=" color: rgb(23, 54, 93) " strong 一些企业努力已经开始研究相关应用。一家名为LogiAg的公司已经推出了一种名为 LaserAg的解决方案，该解决方案使用LIBS测量土壤和树叶的关键参数。 /strong /span 他们在加拿大与本地的实验室合作开发LIBS的解决方案，这些实验室具有区域特性，可根据情况进行修正，以适应当地土壤类型。修正需要从该区域采集500个样本，包括各种土壤类型和营养值等信息。 /p p style=" text-align: justify text-indent: 2em " strong span style=" color: rgb(23, 54, 93) " SciAps还推出了Z300 LIBS手持设备，用于测量土壤中的总有机碳。 /span /strong 他们使用了来自美国和加拿大的87个土壤样本对总有机碳测定进行校准，所呈现的校准曲线的R2值为0.8825，平均误差为0-7%，有机碳误差范围0.44%， strong span style=" color: rgb(23, 54, 93) " 表明便携式 LIBS 系统可用于以中等精度对碳含量进行局部测定。 /span /strong /p p style=" text-align: justify text-indent: 2em " span style=" color: rgb(23, 54, 93) " strong 迄今为止的研究和企业成果清楚的表明了基于LIBS的土壤分析解决方案的希望。其他便携式分析方法，如X射线荧光（XRF），不能测量轻元素，如氮或碳（XRF在土壤分析的某些方面也十分重要）， /strong /span XRF还需要更多的样品制备和与土壤的物理接触进行测量。LIBS系统的独特优势，使它作为下一代土壤分析仪成为可能性，并有助于精准农业的进一步发展。 /p p style=" text-align: justify text-indent: 2em " strong span style=" color: rgb(23, 54, 93) " 由于需要弥补的矩阵效应，以及构建综合数据库所需的大量土壤样本，可能成为使用LIBS进行土壤分析的最大障碍。然而，基于LIBS的土壤分析似乎只是时间问题。敬请期待！ /span /strong /p

背景磺酰脲类农药为选择性内吸传导型除草剂，以其高效、低毒、高选择性等特点成为目前世界上使用量最大的一类除草剂。随着该类除草剂使用范围的扩大，其在农作物、环境、土壤和和动物源性食品中的残留对人类健康的危害日益受到关注。2022年2月16日，国务院发布第三次全国土壤普查文件，规定磺酰脲类除草剂纳入普查监管范畴。本文依据农业行业标准《NY/T 1616-2008 土壤中9种磺酰脲类除草剂残留量的测定 液相色谱-质谱法》，使用谱育科技的超高效液相色谱-三重四极杆串联质谱仪，测定土壤中6种磺酰脲类除草剂残留，检出限，定量限，灵敏度等符合标准要求，为普查开展提供强力的国产三重四极杆质谱产品支持。仪器部分参照农业行业标准《NY/T 1616-2008 土壤中6种磺酰脲类除草剂残留量的测定 液相色谱-质谱法》使用氮吹平行浓缩仪和全自动固相萃取仪进行前处理。搭载UHPLC 510超高效液相色谱仪的EXPEC 5210 LC-MS/MS 是谱育科技在“国家重大科学仪器设备开发专项”支持下，创新研制的三重四极杆串联质谱仪。具有卓越的灵敏度，优异的稳定性，集高性价比与可扩展性于一身，广泛应用于食品安全，医学司法检测，生物医药和环境领域。EXPEC 570 全自动固相萃取仪可自动完成固相萃取全过程（柱活化、上样、柱淋洗、柱干燥、柱洗脱等），自动完成柱切换等功能，实现批量样品的处理。EXPEC 520 氮吹平行浓缩仪是通过水浴加热及利用氮气的快速流动打破液体上空的气液平衡，从而使液体挥发速度加快，达到快速浓缩溶剂的效果。实验部分液相和质谱条件：典型谱图与标准曲线：15分钟即可获得6种磺酰脲类除草剂的色谱图。6种磺酰脲类除草剂混标的色谱图（1ng/ml）6种磺酰脲类除草剂的线性系数R均在0.999以上，部分物质标准曲线图如下：部分农残化合物峰图结果（2ug/L）以标准曲线最低点计算所得各目标物检出限和定量限，均优于标准检出限要求约50-200倍。6种磺酰脲类除草剂的检出限和定量限总结EXPEC 5210 LC-MS/MS充分发挥高灵敏度，抗污染等优质特性，配合谱育科技高效前处理设备，15分钟内快速分析6种磺酰脲类除草剂残留，灵敏度，定量限，检出限满足农业行业标准要求。