国内土壤科研进展（2019年第16期）|研究

导  读

中国科学院南京土壤研究所在Nature Communications发表土壤中纳米银天然生成过程的研究成果；东北地理所发现氮肥施加是驱动农田黑土细菌和固氮菌落结构分异的主导因素；中国科学院地理科学与资源研究所方红亮课题组研制一个新的土壤反射率模型。

来源：根据中科院南京土壤研究所、中科院东北地理与农业生态研究所、中科院地理科学与资源研究所等单位网站近期相关报道整理

中国科学院南京土壤研究所在Nature Communications发表土壤中纳米银天然生成过程的研究成果

人工纳米材料被广泛应用于生产和生活活动，并引发了人们对其环境与健康风险的关注。土壤是人工纳米材料的重要的汇，也可能是天然纳米颗粒的源。正确认识土壤中纳米颗粒的来源对于全面评估人工纳米材料的环境与健康风险具有重要的意义。

中科院南京土壤研究所周东美课题组在土壤纳米颗粒的天然生成机制方面取得新进展。研究人员首次发现土壤固相有机质在自然光照射下还原银离子生成纳米银颗粒，且反应动力学包含了成核过程及自催化过程；进一步研究揭示了该反应的分子机制，即固相有机质表面的酚类基团在光诱导下通过与氧气的单电子传递产生超氧自由基，进而还原银离子；定量结果表明，和微生物介导的纳米银的天然生成过程相比，土壤固相有机质对天然纳米银生成的贡献约为11-31%。该研究结果挑战了“土壤固相有机质具有化学惰性”的传统观点，为土壤中纳米颗粒的来源提供了重要科学依据，对目前纳米颗粒的环境与人体健康风险评价体系提供了新的思路。此外，该研究也为探究土壤固相有机质对其他污染物的转化影响提供了研究思路。相关研究成果以“Significant contribution of metastable particulate organic matter to natural formation of silver nanoparticles in soils”为题在线发表于国际著名期刊Nature Communications (DOI: 10.1038/s41467-019-11643-6)。博士生黄颖楠为论文第一作者，党菲副研究员和周东美研究员为论文共同通讯作者。

该研究组在纳米银的地球化学过程研究方面已经开展了系列研究工作。前期工作阐明了纳米银在土壤中的分配、团聚、溶解和转化过程以及其与植物的作用机制。相关论文已发表于Environmental Science & Technology，Environmental Science-Nano，Nanotoxicology 等国际著名期刊。

该研究得到了国家自然科学基金及江苏省自然科学基金的支持。

文章链接

https://www.nature.com/articles/s41467-019-11643-6.pdf

自然光诱导土壤固相有机质生成超氧自由基还原银离子

东北地理所发现氮肥施加是驱动农田黑土细菌和固氮菌落结构分异的主导因素

长期以来，化肥施用作为一种主要的农业措施在提高农作物产量上具有显著成效，但诸多研究表明长期的化肥施加可导致土壤有机质下降、土壤氮流失加重、土壤大面积酸化以及农产品中重金属超标等问题，同时也会改变土壤微生物群落结构。然而，对于不同种类化肥的施加对微生物群落结构的影响有何异同，尚缺乏系统性的研究。为此，东北地理所农田分子生态学科组与黑龙江省农业科学院土壤肥料与环境资源研究所合作，以长期不施肥（NoF）、单施氮肥（N）、单施磷肥（P）、单施钾肥（K）、氮磷肥（NP）、氮钾肥（NK）、磷钾肥（PK）和氮磷钾混合肥（NPK）为研究对象，利用新一代高通量测序技术和分子生态网络分析，分别对上述不同化肥添加下农田黑土细菌和固氮菌群落结构进行解析。结果表明含有氮肥处理（N、NP、NK和NPK）和非氮肥处理（NoF、P、K、PK）的细菌群落和固氮菌群落均明显分成两大集团（图1），其中放线菌门（Actinobacteria）、变形菌门（Proteobacteria）和酸杆菌门（Acidobacteria）是主要的优势细菌门，慢生根瘤菌属（Bradyrhizobium）和斯科曼氏球菌属（Skermanella）是主要优势固氮菌属；含氮肥和非氮肥处理的细菌和固氮菌分子网络结构也存在明显差异（图2）。网络属性分析发现，含氮肥的细菌网络和非氮肥的固氮菌网络虽然结构简单但更稳定。土壤pH、全氮和速效钾是调控细菌网络的主要因子；土壤pH、全碳、全氮和硝态氮是影响固氮菌网络的主要因子。上述结果综合表明，在长期施加不同化肥组合处理中，含氮化肥的施加是驱动东北农田黑土细菌和固氮菌群落结构分异的主导因素。

相关研究成果于2019年发表在Archives of Agronomy and Soil Science和Research in Microbiology上。研究得到中科院战略性先导专项和国家自然科学基金项目的资助。

图1不同化肥处理对农田黑土细菌群落(a)和固氮菌群落(b)结构影响的PCoA分析 

图2不同化肥处理农田黑土细菌群落(a)和固氮菌群落(b)分子生态网络图,每个节点代表1个OTU，也就是相应的细菌/固氮菌物种；不同颜色的节点表示不同优势细菌/固氮菌类群；蓝色线代表物种间的正相关关系，红色线代表物种间的负相关关系

论文信息：

Zhenhua Yu, Xiaojing Hu, Dan Wei, et al. Long-term inorganic fertilizer use

influences bacterial communities in Mollisols of Northeast China based on high-throughput sequencing and network analyses. Archives of Agronomy and Soil Science, 2019, 65: 1331–1340.

Xiaojing Hu, Liu Junjie, Dan Wei, et al. Long-term application of nitrogen, not phosphate or potassium, significantly alters the diazotrophic community compositions and structures in a Mollisol in northeast China. Research in Microbiology, 2019, 170: 147-155.

论文链接：

https://www.tandfonline.com/doi/full/10.1080/03650340.2018.1563685

https://www.sciencedirect.com/science/article/pii/S092325081930018X?via%3Dihub

中国科学院地理科学与资源研究所方红亮课题组研制一个新的土壤反射率模型

土壤反射率是表征土壤的基本物理特性之一，也是冠层辐射传输模型和陆面过程模型中的不可或缺的一个基本单元。土壤反射率模型通过若干特征反射率向量的组合变换，来模拟世界上千变万化的土壤光谱反射率。土壤反射率的模拟精度极大程度上影响着冠层辐射传输建模和陆表关键参数的遥感反演精度。土壤反射率模型的研究一直是定量遥感的关键研究内容之一。目前国际上通用的土壤反射率模型，基本上由欧美开发的模型主导，如基于物理过程的Hapke模型，基于光谱统计的Price模型和基于经验关系的Walthall模型等。 

中国科学院地理科学与资源研究所博士生江冲亚和导师方红亮研究员一道，针对土壤反射率特性进行了持续研究，在大量分析了现有土壤反射率数据的基础上，成功研制了一个通用的光谱向量模型（GSV）。与现有模型相比，新模型无论在算法的普适性、简洁性、运算效率和精度上，都有了明显的提高。具体进展如下: 

(1) 他们经过十余年的数据收集，从全球收集了近2.4万余条有代表性的土壤反射率数据，该数据库为新型土壤反射率模型的构建奠定了坚实的基础。该反射率数据库是目前全球最大的土壤光谱反射率数据库。 

(2) 他们提出用一个新的奇异值分解（SVD）算法，对所获得的光谱数据进行了深入分析，在此基础上成功研制了一个通用的光谱向量模型GSV。与目前常用的Price模型（美国农科院开发）相比，新的GSV模型不但减少了建模所需的参数，还提高了模型的普适性和精度。 

(3) 欧洲权威定量遥感研究机构荷兰ITC经过反复测试，认为GSV模型无论是运算效率还是精度都优于现有土壤模型。GSV模型已被ITC耦合到新一代的大型辐射传输模型SCOPE模型中。SCOPE模型是欧空局用于陆表关键参数反演和植被荧光过程模拟的主导模型，是目前国际上影响力最广泛的冠层辐射传输模型之一。 

本项研究受国家自然科学基金资助（41471295, 41171333）。 　　  

A1. 关于土壤反射率光谱向量模型(GSV)的论文： 

Jiang, C., and H. Fang, 2019. GSV: a general model for hyperspectral soil reflectance simulation. International Journal of Applied Earth Observation and Geoinformation, 83, 101932, https://doi.org/10.1016/j.jag.2019.101932. 　　  

A2. 模型构建代码和通用土壤光谱向量（GSV）： 

https://data.mendeley.com/datasets/2hc7m7jkc5/1 　　  

A3. SCOPE模型中嵌入GSV模型的论文： 

Verhoef, W., van der Tol, C. and Middleton, E.M., 2018. Hyperspectral radiative transfer modeling to explore the combined retrieval of biophysical parameters and canopy fluorescence from FLEX - Sentinel-3 tandem mission multi-sensor data. Remote Sensing of Environment, 204: 942-963. https://doi.org/10.1016/j.rse.2017.08.006 . 

荐   书

购书链接：

购书链接：

购书链接：

“土壤家”近期文章推荐

“环境与健康观察”近期文章推荐

“土壤观察”近期文章推荐

我们是“土壤观察”（turangguancha），感谢您的阅读！

欢迎关注，欢迎分享到朋友圈或转发给好友,长按二维码，识别关注我们

研究成果、行业会议、企业技术案例等传播、推广合作、加入土壤观察读者交流群等请加13926117407微信号（或发邮件至[e-mail]）联系了解

如果觉得土壤观察干得不错，请转发朋友圈或点击“在看”