一种评价土壤活性的检测方法与流程

1.本发明涉及土壤活性检测技术领域，尤其是涉及一种评价土壤活性的检测方法。


背景技术：

2.土壤活力是农作物良好生长的重要前提。在土壤中，生存着数量巨大的细菌、真菌、放线菌、藻类等各类微生物，其个体微小，在土壤中进行氧化、硝化、氨化、固氮、硫化等生化反应，促进土壤有机质的分解和养分的转化，为土壤发生、发育和土壤肥力形成发挥作用。土壤微生物种类、数量和活力反映了土壤生化活动的强度，自然成为评价土壤活力程度重要指标。
3.传统的土壤生态系统中微生物群落多样性及结构分析大多是将微生物进行分离培养，然后通过一般的生物化学性状，或者特定的表现型来分析，局限于从固体培养基上分离微生物。随着人们对土壤中微生物的原位生存状态研究，越来越发现常规的分离培养方法很难全面地估价微生物群落多样性。从土壤中简单提取和平板培养计数不能得到土壤微生物在土壤生态系统中的生活特征和生态功能的信息。纯培养方法和原理大多从医药微生物引过来的，有些方法对土壤微生物研究并不很适合，譬如在自然土壤生态环境下许多土壤微生物处于贫营养，而在实验室用营养丰富的牛肉汁蛋白胨来测定土壤活细菌的总数，大量的贫营养微生物不适宜生长，测定结果误差大；一般实验室在分离培养土壤细菌时通常只是在28℃下培养。尽管土壤中存在高温型细菌，但土壤中的低温型细菌则被忽视了。由于传统的平板培养方法只能反映极少数微生物的信息，因此不能较为准确地反应土壤的活力。


技术实现要素：

4.本发明的目的在于提供了一种评价土壤活性的检测方法，该方法操作步骤简单，检测结果与土壤实际活性较为接近。
5.为实现上述目的，本发明采取的技术方案为：一种评价土壤活性的检测方法，包括文库获取步骤、功能基因识别步骤、碳元素监测步骤、氮元素监测步骤和活性分析步骤，
6.所述文库获取步骤，获取待检测土壤，通过土壤宏基因组学技术得到待检测土壤中微生物的dna，对提取得到的微生物dna进行检测并构建dna文库，进入功能基因识别步骤；
7.所述功能基因识别步骤，获得微生物参与氮循环反应的编码基因记为氮循环基准基因，获得微生物参与碳循环反应的编码基因记为碳循环基准基因，将所述氮循环基准基因和所述碳循环基准基因以大规模阵列形式排布于载体表面形成基因芯片，通过微阵列技术对所述dna文库中的dna序列进行识别，获得土壤功能基因信息，进入碳元素监测步骤；
8.所述碳元素监测步骤，获取所述待检测土壤，通过土壤呼吸测定仪测定所述待测定土壤中二氧化碳的变化量得到微生物呼吸数据，进入氮元素监测步骤；
9.所述氮元素监测步骤，获取所述待检测土壤中微生物的dna，根据所述土壤功能基
因信息确定诱导底物，采用
15
n放射性标记的所述诱导底物诱导所述待检测土壤微生物的dna进行表达，通过检测游离
15
n的变化量确定生物氮循环数据，进入活性分析步骤；
10.所述活性分析步骤，获取所述土壤功能基因信息、微生物呼吸数据和生物氮循环数据，根据活性计算算法计算得到土壤活性信息。
11.作为优选，所述活性分析步骤中所述活性计算算法配置有功能基因数据库、呼吸量数据库和氮循环数据库，所述功能基因数据库存储有土壤功能基因基准信息和与土壤功能基因基准信息一一对应的第一活性值，所述呼吸量数据库存储有微生物呼吸基准数据和与微生物呼吸基准数据一一对应的第二活性值，所述氮循环数据库存储有生物氮循环基准数据和与生物氮循环基准数据一一对应的第三活性值，所述活性计算算法根据所述土壤功能基因信息在功能基因数据库中匹配到最接近的土壤功能基因基准信息，得到对应的第一活性值，根据所述微生物呼吸数据在呼吸量数据库中匹配到最接近的微生物呼吸基准值，得到对应的第二活性值，根据所述生物氮循环数据在氮循环数据库中匹配到最接近的生物氮循环基准数据，得到对应的第三活性值，以加权的方式计算所述第一活性值、所述第二活性值和所述第三活性值得到土壤活性信息。
12.作为优选，所述活性计算算法中η＝aη1+bη2+cη3，其中η为土壤活性信息，η1为第一活性值，η2为第二活性值，η3为第三活性值，a为预设的第一参考常数，b为预设的第二参考常数，c为预设的第三参考常数。
13.作为优选，所述活性分析步骤，功能基因数据库中每一所述土壤功能基因基准信息配置有第一允许范围和第二允许范围，所述活性分析步骤包括第一筛选子步骤、第二筛选子步骤和第三筛选子步骤，所述第一筛选子步骤包括筛选每一土壤功能基因信息与土壤功能基因基准信息的差值在第二允许范围内的土壤功能基因基准信息，进入第二筛选子步骤；所述第二筛选子步骤包括确定土壤功能基因信息与土壤功能基因基准信息的差值在第一允许范围内的允许数量值，若允许数量值最高的对应土壤功能基因基准信息唯一，则根据该土壤功能基因基准信息得到第一活性值，若允许数量值最高的对应的土壤功能基因基准信息不唯一，则进入第三筛选子步骤；所述第三筛选子步骤包括计算第二筛选子步骤中每一符合条件的土壤功能基因基准信息和土壤功能基因信息的方差之和，确定方差之和最小的对应的土壤功能基因基准信息，得到对应的第一活性值。
14.作为优选，所述检测方法还包括常数修正步骤，
15.所述常数修正步骤，依次按照所述文库获取步骤、所述功能基因识别步骤、所述碳元素监测步骤、所述氮元素监测步骤和所述活性分析步骤对土壤活性进行检测得到土壤活性信息，将土壤分为若干份分别种植不同作物，根据不同作物的生长情况得到土壤的实际活性信息，根据所述土壤的实际活性信息和所述土壤活性信息的偏差值对第一参考常数、第二参考常数和第三参考常数进行修正。
16.作为优选，所述作物包括水稻、小麦、玉米、西瓜、大豆、花生、甘蔗。
17.与现有技术相比，本发明的有益效果为：
18.1、不需要对土壤中的微生物进行分离培养，采用土壤宏基因技术对土壤中微生物的总体dna进行分析并构建dna文库，在大幅减少工作量的同时获得更多更丰富的微生物遗传信息，为后期对土壤活性的整体测评提供数据支持；
19.2、采用微阵列技术批量对dna文库里的dna序列进行识别，快速确定提取的土壤微
生物dna中参与碳循环和氮循环的编码基因丰富度，从而得到被测土壤中的微生物参与的碳循环和氮循环种类框架构图(指标一)，然后通过测定土壤中二氧化碳的变化量确定土壤中微生物的呼吸碳变化总量(指标二)，通过采用
15
n放射性标记的诱导底物诱导待土壤微生物的dna进行表达确定土壤中微生物的生物氮变化量(指标三)，从而确定土壤参与碳循环和氮循环的总量，最终计算得到土壤活性信息。整个操作过程简单，耗费的时间成本很低，且接近真实的土壤整体活性。
附图说明
20.图1为本发明方法流程图。
具体实施方式
21.下面结合附图和实施例，对本发明进一步详细说明。
22.实施例1：
23.如图1所示，一种评价土壤活性的检测方法，包括文库获取步骤、功能基因识别步骤、碳元素监测步骤、氮元素监测步骤和活性分析步骤，
24.所述文库获取步骤，获取待检测土壤，通过土壤宏基因组学技术得到待检测土壤中微生物的dna，对提取得到的微生物dna进行检测并构建dna文库，进入功能基因识别步骤；
25.所述功能基因识别步骤，获得微生物参与氮循环反应的编码基因记为氮循环基准基因，获得微生物参与碳循环反应的编码基因记为碳循环基准基因，将所述氮循环基准基因和所述碳循环基准基因以大规模阵列形式排布于载体表面形成基因芯片，通过微阵列技术对所述dna文库中的dna序列进行识别，获得土壤功能基因信息，进入碳元素监测步骤；不需要对土壤中的微生物进行分离培养，采用土壤宏基因技术对土壤中微生物的总体dna进行分析并构建dna文库，在大幅减少工作量的同时获得更多更丰富的微生物遗传信息，为后期对土壤活性的整体测评提供数据支持。
26.所述碳元素监测步骤，获取所述待检测土壤，通过土壤呼吸测定仪测定所述待测定土壤中二氧化碳的变化量得到微生物呼吸数据，进入氮元素监测步骤；
27.所述氮元素监测步骤，获取所述待检测土壤中微生物的dna，根据所述土壤功能基因信息确定诱导底物，采用
15
n放射性标记的所述诱导底物诱导所述待检测土壤微生物的dna进行表达，通过检测游离
15
n的变化量确定生物氮循环数据，进入活性分析步骤；
28.所述活性分析步骤，获取所述土壤功能基因信息、微生物呼吸数据和生物氮循环数据，根据活性计算算法计算得到土壤活性信息。采用微阵列技术批量对dna文库里的dna序列进行识别，快速确定提取的土壤微生物dna中参与碳循环和氮循环的编码基因丰富度，从而得到被测土壤中的微生物参与的碳循环和氮循环种类框架构图(指标一)，然后通过测定土壤中二氧化碳的变化量确定土壤中微生物的呼吸碳变化总量(指标二)，通过采用
15
n放射性标记的诱导底物诱导待土壤微生物的dna进行表达确定土壤中微生物的生物氮变化量(指标三)，从而确定土壤参与碳循环和氮循环的总量，最终计算得到土壤活性信息。整个操作过程简单，耗费的时间成本很低，且接近真实的土壤整体活性。
29.所述活性分析步骤中所述活性计算算法配置有功能基因数据库、呼吸量数据库和
氮循环数据库，所述功能基因数据库存储有土壤功能基因基准信息和与土壤功能基因基准信息一一对应的第一活性值，所述呼吸量数据库存储有微生物呼吸基准数据和与微生物呼吸基准数据一一对应的第二活性值，所述氮循环数据库存储有生物氮循环基准数据和与生物氮循环基准数据一一对应的第三活性值，所述活性计算算法根据所述土壤功能基因信息在功能基因数据库中匹配到最接近的土壤功能基因基准信息，得到对应的第一活性值，根据所述微生物呼吸数据在呼吸量数据库中匹配到最接近的微生物呼吸基准值，得到对应的第二活性值，根据所述生物氮循环数据在氮循环数据库中匹配到最接近的生物氮循环基准数据，得到对应的第三活性值，以加权的方式计算所述第一活性值、所述第二活性值和所述第三活性值得到土壤活性信息。
30.所述活性计算算法中η＝aη1+bη2+cη3，其中η为土壤活性信息，η1为第一活性值，η2为第二活性值，η3为第三活性值，a为预设的第一参考常数，b为预设的第二参考常数，c为预设的第三参考常数。
31.所述活性分析步骤，功能基因数据库中每一所述土壤功能基因基准信息配置有第一允许范围和第二允许范围，所述活性分析步骤包括第一筛选子步骤、第二筛选子步骤和第三筛选子步骤，所述第一筛选子步骤包括筛选每一土壤功能基因信息与土壤功能基因基准信息的差值在第二允许范围内的土壤功能基因基准信息，进入第二筛选子步骤；所述第二筛选子步骤包括确定土壤功能基因信息与土壤功能基因基准信息的差值在第一允许范围内的允许数量值，若允许数量值最高的对应土壤功能基因基准信息唯一，则根据该土壤功能基因基准信息得到第一活性值，若允许数量值最高的对应的土壤功能基因基准信息不唯一，则进入第三筛选子步骤；所述第三筛选子步骤包括计算第二筛选子步骤中每一符合条件的土壤功能基因基准信息和土壤功能基因信息的方差之和，确定方差之和最小的对应的土壤功能基因基准信息，得到对应的第一活性值。
32.所述检测方法还包括常数修正步骤，
33.所述常数修正步骤，依次按照所述文库获取步骤、所述功能基因识别步骤、所述碳元素监测步骤、所述氮元素监测步骤和所述活性分析步骤对土壤活性进行检测得到土壤活性信息，将土壤分为若干份分别种植不同作物，根据不同作物的生长情况得到土壤的实际活性信息，根据所述土壤的实际活性信息和所述土壤活性信息的偏差值对第一参考常数、第二参考常数和第三参考常数进行修正。所述作物包括水稻、小麦、玉米、西瓜、大豆、花生、甘蔗。直接通过在待测定土壤上种植作物的方式来直接得到土壤的真实活性，且通过不同作物同时进行测定，全面反映待测土壤的真实活性，为活性分析步骤提供真实反馈使得计算得到的土壤活性信息一直向真实的土壤活性信息趋近，提高本发明方法的适用性。
34.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。