Тайны плотной почвы: как микроструктура влияет на воду и урожай

Характеристика поровой сети когезионного оксисоля с помощью морфологического анализа и анализа сложности пор. Когезионные оксисоли — это тип почв, распространенных на Прибрежном плато в Бразилии. Эти почвы представляют сложность для сельского хозяйства, и их изучение имеет фундаментальное значение для улучшения землепользования. Существует немного исследований пористой системы когезионных почв на микрометровом масштабе. Цель нашего исследования — провести детальный анализ сложности пор когезионного горизонта бразильского оксисоля с использованием 3D-изображений (объемные данные, реконструированные из 2D КТ-срезов) и связать эти параметры с физико-гидравлическими атрибутами почвы.

Для этой цели изображения с двумя разными разрешениями были проанализированы с помощью мультифрактального анализа, анализа лакунарности и анализа энтропии. Кроме того, была проведена характеристика гидравлических свойств на основе кривой водоудержания почвы (SWRC).

Не было обнаружено различий между разрешениями для различных анализируемых физических параметров. Анализ лакунарности показал большую однородность поровой системы с порами, сгруппированными в кластеры. Мультифрактальный анализ выявил фрактальные характеристики для когезионного горизонта, что указывает на более однородное распределение пор. Основные результаты, полученные из кривой водоудержания почвы (SWRC), показали низкое содержание доступной влаги из-за преобладания ультрамикропор.

В целом, результаты свидетельствуют о менее сложной поровой системе, что указывает на присутствие пор малых размеров, влияющих на удержание и перемещение воды в почве.

Когезионные почвы встречаются на Прибрежном плато в Бразилии, занимая площадь примерно 200 000 км². Эти почвы имеют специфические характеристики по сравнению с другими почвами, встречающимися в Бразилии. К ним относятся твердый или крайне твердый подповерхностный горизонт в сухом состоянии [1], который становится рыхлым во влажном состоянии и легко деформируется [2]. Поскольку когезионные почвы расположены на обширной территории вблизи бразильского побережья, распространены от Рио-де-Жанейро до Амапы и обладают высоким сельскохозяйственным потенциалом, они представляют значительный экологический и экономический интерес. Однако внутренние характеристики и свойства этих почв создают значительную проблему для сельскохозяйственного производства [3,4]. Когезионные почвы обычно характеризуются высокой плотностью сложения почвы (1,50–1,80 г см⁻³) и, как правило, нестабильны и подвержены деградации [5,6,7]. В сухом состоянии высокая плотность сложения этих почв препятствует проникновению корней растений, и корни, обычно обнаруживаемые в когезионных горизонтах, либо мертвы, либо недоразвиты [8]. Дополнительно, высокая плотность сложения влияет на инфильтрацию воды в когезионных горизонтах, влияя на развитие корней растений в поверхностных горизонтах [9].

Некоторые бразильские исследователи изучают физические характеристики когезионных почв с целью улучшения использования этого типа почв в сельскохозяйственной деятельности. Лима и др. [10] проанализировали степени уплотнения когезионных почв. Они обнаружили, что некоторые из этих почв не имели подходящих условий для сельского хозяйства, особенно в более твердых когезионных горизонтах. Мота и др. [11] изучили морфометрию и ориентацию пор когезионных почв, показав, что преобладают округлые поры. Эти почвы имеют подходящее распределение пор, необходимое для сельскохозяйственного возделывания; однако когезионные горизонты показали сниженный общий объем пор и количество макропор. Шосслер и др. [12] показали, что когезионные почвы могут иметь хорошую сельскохозяйственную продуктивность при благоприятных условиях влажности, даже при значениях плотности сложения, считающихся высокими. Кейроз и др. [13] определили значения влажности, при которых почва становится когезионной. Рыхлая или прочная консистенция почвы наблюдалась, когда влажность почвы была близка к полевой влагоемкости, а почва становилась твердой или крайне твердой в воздушно-сухом состоянии. Менезес и др. [9] проанализировали функциональность поровой сети когезионных горизонтов, показав, что их поры менее функциональны, с низкой воздухопроницаемостью, длиной и связностью между порами. Низкая связность пор влияет на перенос газов и тепла в почве, воздействуя на развитие растений.

Представленные выше исследования в основном основаны на анализе макроскопических свойств почвы и исследовании двумерных (2D) изображений. Инструменты, позволяющие исследовать внутреннюю структуру образцов почвы без их разрушения и в трех измерениях (3D), могут предоставить важные результаты о физических характеристиках когезионных почв. Рентгеновская микротомография (XCT) — это метод, который позволяет исследовать внутреннюю структуру образцов почвы в микрометровом масштабе, тем самым облегчая изучение характеристик почвенных пор и их функциональных свойств [14,15,16,17].

Другие последние достижения значительно улучшили изучение когезионных почв, позволив исследователям изучать их микроструктуру, механическое поведение и взаимодействие с внешними факторами. Фалемпен и др. [18] разработали метод корреляции сопротивления пенетрации (PR) с значениями серого (GVs), полученными с помощью XCT, сфокусировавшись на суглинистых и песчаных почвах. Их исследование показало, что суглинок, будучи когезионным, показал более сильные корреляции между PR и GV, прокладывая путь для создания 3D карт PR. Эти карты предоставляют детальное понимание уплотнения и неоднородности почвы, предлагая практическое применение в исследованиях взаимодействия корней с почвой и управлении сельскохозяйственными почвами [18]. Аналогично, Лю и др. [19] объединили триаксиальные испытания на сжатие с рентгеновской КТ-визуализацией, чтобы исследовать, как форма частиц влияет на эволюцию структуры почвы при сдвиговом напряжении. Их результаты продемонстрировали, что когезионные почвы развивают отчетливые анизотропные паттерны во время деформации, предоставляя понимание устойчивости почвы и структурной целостности [19].

В сельскохозяйственном контексте XCT доказал свою эффективность как мощный инструмент для оценки здоровья почвы и методов управления. Например, Перейра и др. [20] использовали эту технологию для количественного определения картофельной цистовой нематоды в когезионных почвах, обеспечивая точное обнаружение распределения вредителей без нарушения структуры почвы. Этот метод предлагает перспективный путь для интеграции борьбы с вредителями с оценкой здоровья почвы, поскольку неразрушающий характер XCT обеспечивает точный анализ при сохранении почвенной матрицы. Исследование подчеркивает потенциал сочетания XCT с анализом на основе искусственного интеллекта для быстрых и масштабируемых сельскохозяйственных применений [20].

Хотя было проведено много исследований, в которых XCT использовался для характеристики архитектуры пор почвы, количество исследований по когезионным почвам все еще ограничено. Дополнительно к морфологической и геометрической характеристике почвенных пор, 3D изображения XCT также позволяют определить сложность почвенных пор. Эта сложность напрямую влияет на динамику воды и газов, влияя на удержание, распределение и инфильтрацию воды в почве [21,22,23].

Инструменты, такие как мультифрактальный анализ, анализ лакунарности и анализ энтропии, использовались для характеристики сложности пористых систем, включая почву [24,25,26]. Согласно мультифрактальному подходу, статистически самоподобная мера может быть выражена как комбинация переплетенных фрактальных множеств с соответствующими масштабными показателями. Комбинация всех фрактальных множеств приводит к формированию мультифрактального спектра, который служит для отражения разнообразия и неоднородности изучаемой переменной. Мультифрактальный метод имеет преимущество, не требующее предположений о том, что данные следуют какому-либо конкретному распределению, и позволяющее мультифрактальным параметрам быть независимыми от размера изучаемых объектов [27]. Параметры, предоставляемые мультифрактальным анализом, анализом лакунарности и анализом энтропии, позволяют определить сложность пор в локализованных областях, что позволяет делать выводы о влиянии этой сложности на функциональность почвенных пор.

В последние годы изображения XCT использовались для анализа сложности почвенных пор с использованием мультифрактальности. Сото-Гомес и др. [28] проанализировали влияние различных методов обработки почвы на сложность пор, показав, что корни растений и деятельность почвенной фауны влияют на мультифрактальность почвы. Эти авторы также наблюдали различные уровни сложности в поровой сети почвы. Мартинес и др. [29] использовали мультифрактальный анализ для изучения вариаций макропористости с глубиной почвы, показав низкую пространственную изменчивость в горизонтальном направлении, но сложные структуры на глубине. Джу и др. [30] показали, что контрастные почвы имеют различные мультифрактальные характеристики, причем связность пор и количество пор значительно влияют на мультифрактальные параметры. Торре и др. [31] оценили влияние различных типов обработки почвы на сложность пор с использованием мультифрактального анализа. Авторы показали, что более инвазивные обработки, разрушающие почвенные агрегаты, как правило, проявляют слабую мультифрактальную природу. В работе Таркиса и др. [32] была подтверждена важность пористости в сложности поровой системы почвы, наблюдая, что увеличение пористости имеет тенденцию снижать сложность порового пространства. Авторы также проанализировали влияние процесса бинаризации изображения на мультифрактальный анализ.

Когезионные почвы охватывают ультисоли и оксисоли, распространенные на большой территории прибрежной зоны Бразилии. Хотя предыдущие исследования оценивали физические атрибуты когезионных почв, сложность их поровых систем на микрометрическом масштабе остается недостаточно изученной. Этот пробел в знаниях значителен, учитывая экономическую важность этого типа почвы для сельского хозяйства, особенно на северо-востоке Бразилии. Чтобы решить эту проблему, мы проанализировали поровую систему когезионной почвы с использованием XCT в сочетании с мультифрактальным анализом, лакунарностью, энтропией и гидравлическими свойствами, полученными из кривой водоудержания почвы (SWRC). Наше исследование специально рассматривало изображения с двумя различными разрешениями, чтобы оценить влияние масштаба и размера пор на результаты. Это исследование может помочь заполнить часть этого пробела в знаниях, предлагая более глубокое понимание сложности поровой системы, что является ключевым для продвижения устойчивого и экологического управления этим жизненно важным природным ресурсом.

2.1. Экспериментальная площадь и отбор образцов почвы

Почва, использованная в этом исследовании, была классифицирована как Ксантовый Kandiustox [33], расположенный в Крус-дас-Алмас, Баия, Бразилия (12°39′24.78′′ ю.ш., 39°05′09.26′′ з.д. — Рисунок A1), климатический тип Aw (тропическая зона с сухой зимой) [14], и исходный материал, связанный с отложениями формации Баррейрас (Прибрежные плато). Гранулометрический состав этого оксисоля характеризуется более высоким содержанием песка, меньшим количеством ила и глины, что характерно для супесчано-суглинистой глинистой текстуры. Минеральный состав глины указывает на то, что минерал каолинит составляет 78% фракции глины, а 16% состоит из оксида железа гетита. Таблица 1 представляет плотность сложения почвы (𝜌), общую пористость (𝛽) и другие физико-гидравлические атрибуты.

Таблица 1. Физико-гидравлические атрибуты изученного Ксантового Kandiustox.

Образцы почвы были отобраны с поверхности когезионного горизонта Bw (0,38 м) из шурфа в полувечнозеленом тропическом лесу (Рисунок A1). Образцы отбирались в летний период и в условиях полевой влажности. Однако из-за сложности отбора ненарушенных образцов в когезионном горизонте при естественной влажности и сильном затвердевании перед отбором проб был проведен процесс увлажнения. Примерно через два часа после процесса увлажнения блоки и другие образцы почвы были отобраны.

Для XCT-сканирования ненарушенные блоки почвы отбирались с использованием пластиковых контейнеров размерами ≈0,33 × 0,22 × 0,10 м (см. Рисунок A1), т.е. между глубиной почвы 0,38 и 0,60 м. Собранные почвенные блоки высушивали на воздухе в лаборатории, разделяли на мелкие части с поверхности блоков и придавали форму для получения приблизительно кубических субобразцов с размерами высоты и диаметра 0,020 × 0,020 м и 0,020 × 0,010 м (Рисунок A1). Для определения плотности сложения почвы, общей пористости и насыщенной гидравлической проводимости образцы отбирались (NS = 10, количество образцов) с помощью цилиндрических колец (0,07 м высоты × 0,075 м диаметра) с использованием пробоотборника почвы Ухланда.

Дополнительно, дополнительные ненарушенные образцы почвы (0,05 м высоты × 0,05 м диаметра) были отобраны (NS = 4; всего 40 образцов) с использованием пробоотборника типа Ухланда для определения кривой водоудержания почвы (SWRC) и физико-гидравлических атрибутов почвы из данных SWRC. Нарушенные образцы почвы также были отобраны в пяти повторностях (NS = 5) для характеристики атрибутов почвы (например, гранулометрический состав и плотность частиц).

2.2. Сканирование образцов

Высушенные на воздухе образцы сканировались с использованием настольного рентгеновского микротомографа Skyscan 1172 (Bruker micro-CT®, Контих, Бельгия) при энергии 100 кэВ. Фильтр, состоящий из алюминия (Al) и меди (Cu), использовался для упрочнения луча, уменьшения артефактов упрочнения луча и повышения качества изображения для высокоплотных и неоднородных материалов, таких как образцы почвы. Чтобы получить размер вокселя 15 мкм для более крупных образцов (0,020 × 0,020 м) и 9 мкм для меньших образцов (0,020 × 0,010 м), во время процесса сканирования изображения были внесены корректировки в камеру. Проекции проводились с шагом 0,2° от 0 до 180°, что привело к общему количеству 940 проекций для каждого образца. 3D-реконструкция изображения выполнялась с использованием программного обеспечения NRecon® 1.4.4 (Bruker microCT®, Контих, Бельгия). Область интереса (VOI) для обоих разрешений (S_R1 = 9 мкм и S_R2 = 15 мкм) составляла 400 × 400 × 400 вокселей (S_R1 = 3,63 мм³ × 3 повторности и S_R2 = 63 мм³ × 5 повторностей).

2.3. Количественная оценка физических и морфометрических свойств, проанализированных с использованием 3D-изображений

Паттерны распределения пор внутри пористой сети отражают степень неоднородности в кластеризации пор. Эта неоднородность может быть количественно оценена с использованием физического свойства, известного как лакунарность.

В контексте 3D-реконструкции изображений лакунарность (Уравнение (1)) связывает число s черных вокселей (пор), содержащихся внутри окна размера 𝜀, с вероятностью 𝑃(𝑠,𝜀) количественной оценки этих вокселей [24,26,35,36].

Пористые среды с высоким сходством пор в их сетях обычно демонстрируют перекрывающиеся кривые лакунарности. Таким образом, процесс вывода лакунарности согласно Уравнению (2) позволяет лучше дифференцировать эти кривые путем анализа их точек максимального и минимального перегиба [37].

где Λ(𝜀) представляет лакунарность, а i указывает каждую точку наклона на кривой лакунарности.

Вероятность P(s, 𝜀) выражает отношение числа частот распределения массы n(s, 𝜀) к общему числу N(𝜀) с размером 𝜀 (Уравнение (3)).

Используя Уравнение (1), был разработан скрипт в среде Matlab® [38] для количественной оценки данных 3D лакунарности на изображениях образцов когезионной почвы с использованием метода box-counting. Использовались следующие размеры кубических окон: 1, 2, 4, 5, 8, 10, 16, 20, 25, 40, 50, 80, 100, 200 и 300.

Анализ с использованием 3D мультифрактальных подходов для реконструированных объемов образцов проводился путем построения мультифрактальных спектров с помощью программного обеспечения NASS (Non-linear Analysis Scaling System). NASS применяет Уравнения (4) и (5) для расчета мультифрактальных спектров со статистическими моментами (значения q) в диапазоне от −0,4 до 2,0 с регулярными приращениями 0,1 и с размерами кубических окон (𝜀) 4, 8, 10, 20, 40, 50, 80, 100 и 200 [26,28,39,40,41].

где 𝜇𝑖 — функция разбиения или нормированная мера, q представляет статистический момент распределения, 𝑓(𝛼(𝑞)) — спектр сингулярностей распределения, 𝛼(𝑞) относится к точкам сингулярности или показателю Липшица-Гёльдера, а 𝑃𝑖(𝜀) обозначает вероятности подсчета пор внутри окна размера 𝜀.

Программное обеспечение NASS также количественно определяет физическое свойство нормированной энтропии Шеннона, которая выражает неопределенность или неточность в обнаружении вокселей, связанных с порой, внутри кубического окна размера 𝜀³ (Уравнение (6)). Нормированная энтропия Шеннона — это физическое свойство, зависящее от масштаба, и, таким образом, очень чувствительное к обнаружению тонкой неоднородности в пористых сетях [24,26,36,42].

В случае нормированной энтропии Шеннона были добавлены дополнительные кубические окна, равные 1–10, 16 и 25, для лучшей детализации этого физического свойства.

2.4. Кривая водоудержания почвы (SWRC) и физико-гидравлические атрибуты

Кривая водоудержания почвы (SWRC) определялась с использованием воронок Хейнса и камер давления Ричардса [43]. Матричные потенциалы −2, −4, −6 и −8 кПа определялись с использованием воронок Хейнса, а потенциалы −10, −30, −100, −300, −500 и −1500 кПа — с использованием камер давления Ричардса. Каждая точка SWRC определялась с использованием четырех ненарушенных образцов почвы (NS = 4), всего 40 образцов, чтобы получить весь диапазон SWRC. Программное обеспечение, использованное для подгонки данных, — Table Curve 2D, известное своей эффективностью в устранении бесконечных проб и ошибок путем автоматизации подбора кривой с использованием Уравнения (7), предложенного ван Генухтеном [44]:

где 𝜃 — объемная влажность почвы (см³ см⁻³), 𝜓𝑚 — матричный потенциал (м), 𝜃𝑠 — влажность почвы при насыщении (см³ см⁻³), 𝜃𝑟 — остаточная влажность почвы (см³ см⁻³), а 𝛼, m и n — эмпирические параметры.

Параметры 𝜃𝑠, 𝜃𝑟, 𝛼, m и n были получены из Уравнения (7) с учетом ограничения m = 1 − (1/n). Гидравлическая проводимость определялась как функция эффективного относительного насыщения (𝜔). Изначально относительная гидравлическая проводимость рассчитывалась по модели ван Генухтена (Уравнение (8)) на основе модели Муалема [45]:

где l — эмпирический параметр, принятый равным 0,5 по Муалему [45].

Эффективное относительное насыщение (𝜔) рассчитывалось как (𝜃−𝜃𝑟)/(𝜃𝑠−𝜃𝑟). K(𝜔) оценивалась как произведение 𝐾sat.Kr(𝜔). 𝐾sat измерялась на ненарушенных образцах почвы методом пермеаметра с постоянным напором с использованием бюретки Мариотта и деионизированной воды. После достижения стационарного состояния применялось уравнение Дарси-Букингема [43,46]. Дальнейшие подробности относительно уравнений и определений гидравлических свойств почвы можно найти у Пессоа и Либарди [47].

Распределение размеров пор почвы оценивалось по эквивалентному радиусу (r) и классификации размеров пор, адаптированной из Брюэра [48], которая включает макропоры (r > 40 мкм), мезопоры (15–40 мкм), микропоры (2,5–15 мкм) и ультрамикропоры (<2,5 мкм). Полевая влагоемкость (FC) рассматривалась как объемная влажность почвы (𝜃, см³ см⁻³), соответствующая 𝜓𝑚 = −10 кПа, точка устойчивого завядания (PWP) рассматривалась как 𝜃, соответствующая 𝜓𝑚 = −1500 кПа, а доступное содержание влаги (AWC) получалось разницей между FC и PWP. FC была определена как влажность почвы при 𝜓𝑚 = −10 кПа, поскольку это почва с высокой долей песка.

3.1. 3D лакунарность, 3D мультифрактальные спектры и нормированная энтропия Шеннона

Анализ 3D лакунарности (Рисунок 1a) не показывает значительных различий (как указано полосами погрешностей) между значениями лакунарности для двух оцененных разрешений. Лакунарность — это геометрическая мера объектов или структур [24,49]. Более низкие значения лакунарности обычно связаны с более однородными пористыми средами, в то время как более высокие значения указывают на более неоднородные среды.

Рисунок 1. (a) 3D лакунарность и (b) ее производные для двух различных разрешений.

В пористых средах, таких как почва, увеличение значения лакунарности связано с появлением более крупных пор [24]. Следовательно, этот параметр также может использоваться для вывода о пространственном распределении пор [36]. Наши результаты по лакунарности близки к количественно оцененным Ли и Ли [36] на стеклянных сферах и частицах дробленого силикагеля неправильной формы с пористостью от 26% до 27%. В соответствии с вышеупомянутыми авторами, такое линейное поведение кривых лакунарности объясняется наличием промежуточных пор в пористых системах образцов. Этот вывод также подтверждается наблюдением однородности в наших пористых сетях и линейности наших кривых лакунарности (Рисунок 1a и Рисунок 2a,b).

Рисунок 2. Пористая сеть когезионной почвы при двух различных разрешениях. (a) S_R1 = 9 мкм. (b) S_R2 = 15 мкм.

Цзэн и др. [50] представили значения Λ(𝜀) для ненарушенных образцов почвы, относительно близкие к нашим, и связали разброс лакунарности с изменчивостью плотности сложения (𝜌) их образцов. Используя значение 𝜌 = 1,68 ± 0,02 г см⁻³, представленное в Таблице 1, в сочетании с результатами Λ(𝜀), наши результаты расходятся с результатами Цзэн и др. [50]. Это можно объяснить двумя факторами: во-первых, относительно узкими стандартными отклонениями для 𝜌, и, во-вторых, наличием 30% глины в этой когезионной почве. Учитывая вышесказанное, наши низкие значения лакунарности позволяют утверждать, что пористая сеть этого когезионного оксисоля достаточно однородна.

Высокие значения Λ(𝜀) были зарегистрированы де Оливейра и др. [26] при изучении оксисоля при различных типах управления. По словам авторов, эти значения демонстрируют неоднородность и дисперсность пор в исследуемых пористых системах. Учитывая вышесказанное, очевидно, что наши значения ниже, чем у этих авторов, показывая, что эти пористые системы более однородны с менее дисперсными кластерами пор (см. Рисунок 2a,b). Этот результат согласуется с характеристиками и свойствами, обычно наблюдаемыми в когезионном горизонте, который представляет собой почву с большей плотностью, меньшей макропористостью и большим сопротивлением почвы пенетрации [10,11,51].

Исследование первых производных кривых лакунарности (Рисунок 1b) для каждого разрешения не показывает значительных различий, как и ожидалось, учитывая, что обе кривые получены из Λ(𝜀). Процесс вывода предоставляет ценную информацию об изменчивости пространственного распределения кластеров по различным масштабам, что подтверждается точками максимального и минимального перегиба [37]. По сравнению с результатами производных, представленными де Оливейра и др. [26], мы отмечаем, что значения двух точек минимального перегиба (Рисунок 1b), найденные здесь, указывают на низкое разнообразие кластеров размера пор для обоих разрешений (S_R1 и S_R2), что визуально показано в пористых сетях на Рисунке 2a,b.

Изучая мультифрактальные спектры (Рисунок 3a,b), наблюдаются сильные сходства между повторностями и, главным образом, между разрешениями. Этот вывод позволяет нам заключить, что пористые системы этих образцов являются фрактальными (что подтверждается 𝐷𝑞′𝑠 — обсуждение ниже). Мультифрактальные пористые системы обычно наблюдаются в почвах, подвергшихся интенсивным методам обработки, которые оказывают влияние на изменение как структуры почвы, так и поровой системы почвы [31]. Однако это не относится к изученному когезионному оксисолю, который был отобран в условиях естественного леса без обработки почвы. Поровые системы с фрактальным поведением, как правило, менее сложны и более однородны, чем мультифрактальные системы, поскольку они отличаются одной фрактальной размерностью [30,52]. Исследования, проведенные Видаль-Васкесом [52] на оксисолях, показали, что мультифрактальные спектры проявляли фрактальное или мультифрактальное поведение по трансектам для содержания песка, ила и глины, особенно в трансекте с меньшим содержанием глины и близким к представленному в Таблице 1.

Рисунок 3. Мультифрактальные спектры при двух различных разрешениях, представляющие повторности: (a) образец 1 с более низким разрешением и (b) образец 2 с более высоким разрешением. Оба образца демонстрируют однородное распределение размеров пор, сконцентрированное в кластерном паттерне.

Приблизительные мультифрактальные спектры по амплитудным значениям 𝑓(𝛼(𝑞)) в зависимости от 𝛼 можно увидеть у де Оливейра и др. [26]. Однако пористые системы образцов этих авторов, по-видимому, являются мультифрактальными, в отличие от того, что наблюдалось здесь (см. Рисунок 3a,b). Исследователи упоминают, что они обнаружили низкую изменчивость и неоднородность в пространственных распределениях пор. Хотя амплитуды спектров близки, асимметрии наших кривых спектров по сравнению с этими авторами более симметричны и с небольшой тенденцией к левой стороне спектров, тем самым подтверждая однородность и фрактальность исследованной здесь пористой системы.

3D нормированные энтропии Шеннона (Рисунок 4) для разрешений 9 мкм и 15 мкм не показывают наблюдаемых различий. Этот тип энтропии очень чувствителен к количественной оценке организации структуры пор, позволяя делать выводы об их сложности в зависимости от масштаба. Таким образом, H∗(𝜀) представляет степень заполнения пор в диапазонах размеров кубических окон, отражая вариации в количестве этих элементов. Соответственно, более низкое значение H∗maximum(𝜀) для оптимального размера кубического окна указывает на более низкую вероятность 𝑃(𝑠,𝜀) учета пор крупного калибра (пор с более крупными диаметрами) [24,26].

Рисунок 4. 3D нормированные энтропии Шеннона для двух различных разрешений.

H∗(𝜀), также называемая конфигурационной энтропией системы, может использоваться для количественной оценки степени беспорядка, наблюдаемого в пористых системах внутри образцов почвы [36]. Анализируя Рисунок 4, мы наблюдаем, что пики H∗maximum(𝜀) для обоих разрешений ниже по сравнению с теми, о которых сообщали де Оливейра и др. [26]. Это наблюдение предполагает снижение степени беспорядка внутри поровых сетей, тем самым подтверждая увеличение их общей однородности.

Эти результаты более низких числовых значений, найденных для 3D нормированной энтропии Шеннона по сравнению с литературой, еще раз подтверждают фрактальность (мультифрактальный спектр — Рисунок 3a,b) пористой структуры этой когезионной почвы при исследованных разрешениях. Это подтверждается преобладанием пор малых размеров через SWRC (ультрамикропоры — Рисунок 2 и Рисунок 5a,b) и сглаженной формой SWRC.

Рисунок 5. (a) Кривые водоудержания почвы, (b) классы размеров пор, (c) гидравлическая проводимость и (d) полевая влагоемкость (FC), доступное содержание влаги (AWC) и точка устойчивого завядания (PWP).

3.2. Мультифрактальный анализ в сравнении с физико-гидравлическим поведением почвы

Основные результаты мультифрактального анализа указали на пористую систему, характеризующуюся фрактальным поведением. Это означает, что поровая сеть между различными масштабами постоянна, отражая большую однородность структурных условий почвы, влияя на физико-гидравлические атрибуты почвы. Такое поведение может быть связано с низким количеством глины, присутствующей в этой когезионной почве, поскольку фрактальная размерность увеличивается с увеличением количества глины [53]. Кривая водоудержания почвы (SWRC) демонстрирует данные, подобранные моделью ван Генухтена (линии), и наблюдаемые точки с соответствующими доверительными интервалами (точки и затененная область вдоль кривой) (Рисунок 5a). Данные SWRC хорошо соответствовали Уравнению (7), как показывают низкие значения RMSE и высокие значения R² (Таблица 2). Можно наблюдать плавность кривой без резких изменений в вариации содержания влаги и низкую изменчивость в наблюдаемых данных между измеренными матричными потенциалами (Рисунок 5a). Постепенный переход между каждой измеренной точкой предполагает хорошую непрерывность размеров пор, контролируемую фрактальной пористой системой, поскольку фрактальная размерность устанавливает хорошую взаимосвязь между структурой почвы и гидравлическими свойствами [53,54]. В целом, неоднородная пористая система представляет более высокие точки перегиба на SWRC, влияя на большие вариации распределения размеров пор [55].

Таблица 2. Параметры кривой водоудержания почвы из подгонки данных к Уравнению (7), R² и RMSE.

Размер пор почвы (радиус), полученный из SWRC, указывает на то, что пористая система почвы доминируется ультрамикропорами (поры с эквивалентными радиусами < 2,5 мкм) и макропорами (поры с эквивалентными радиусами > 40 мкм), за которыми следуют мезопоры и микропоры (Рисунок 2a,b и Рисунок 5b). Важно подчеркнуть низкую изменчивость стандартного отклонения, поскольку точки плотно сгруппированы вокруг каждой полосы отклонения, указывая на низкую изменчивость между повторностями. Это предоставляет дальнейшие доказательства в поддержку гипотезы о том, что почва проявляет минимальные вариации пористости (Рисунок 5b). Преобладающие размеры пор ответственны за движение воды и воздуха и удержание воды соответственно. Преобладание малых размеров пор подтверждает тенденцию фрактальности пористой системы этого когезионного оксисоля [26]. Более высокие проценты малых пор привели к средним значениям, найденным для насыщенной гидравлической проводимости (Ksat) (Таблица 1), по сравнению с другими типичными бразильскими оксисолями, которые проявляли более высокую проницаемость и более высокие доли проводящих пор, таких как макропоры и мезопоры [14,47]. На Рисунке 5c показана гидравлическая проводимость как функция эффективного относительного насыщения, K(𝜔), иллюстрируя способность проводимости воды с изменениями насыщения. В начале и середине кривой можно наблюдать относительно низкие значения K (≈10⁻¹⁰ до 10⁰ мм ч⁻¹), которые, вероятно, обусловлены более низкой связностью водопроводящих пор, ограничивающих поток воды. По мере увеличения влажности почвы, т.е. когда эффективное относительное насыщение приближается к 1, гидравлическая проводимость увеличивается до ≈10² мм ч⁻¹.

Распределение пор (PSD) в почвенной матрице является ключевым для взаимодействий между твердой, жидкой и газообразной фазами, влияя на пространственную и временную эволюцию процессов движения воды в почве [56]. PSD определяет физико-гидравлическое поведение почвы, влияя на ее сельскохозяйственный потенциал. Однородные пористые системы благоприятствуют наличию макропор по всему почвенному профилю, облегчая транспортировку воды. Напротив, неоднородные системы, как с макропорами, так и с микропорами, обеспечивают равномерное распределение воды. Следовательно, понимание пространственного распределения пор в почве является ключевым для эффективного использования воды растениями, а мультифрактальная техника составляет основу для применения концепций точного земледелия.

Рисунок 5d иллюстрирует влияние распределения размеров пор на физико-гидравлические атрибуты, необходимые для роста растений и использования воды в сельскохозяйственных системах. Более высокое содержание влаги, соответствующее FC и PWP, связано с более высокими процентами макропор и ультрамикропор (Рисунок 5a,b) почвы соответственно (Рисунок 5b). Это отражается в низком доступном содержании влаги (AWC) для растений, найденном в этом когезионном оксисоле (Рисунок 5d), что влияет на способность этой почвы поддерживать развитие растений из-за подповерхностного (т.е. когезионного) горизонта. Тенденция к более низкому AWC и фрактальной пористой системе может привести к снижению устойчивости почвы в удержании воды и питательных веществ для развития растений в сельскохозяйственных системах [57]. В этом случае сельскохозяйственное управление этим когезионным оксисолем может потребовать внедрения коротких интервалов орошения из-за фрактальных характеристик пористой системы, дополнительно к высокой вариации, наблюдаемой в поведении гидравлической проводимости (Рисунок 5c). В сельскохозяйственных системах мультифрактальные пористые системы могут способствовать большей структурной изменчивости и неоднородному распределению размеров пор, тем самым способствуя постепенной проводимости и удержанию воды, а также образованию дополнительных каналов для потоков газов и воды. Эти характеристики могут способствовать более устойчивому развитию растений в условиях дефицита воды, различных изменений окружающей среды и улучшению управления сельскохозяйственными системами.

Это исследование оценило сложность поровой системы когезионного горизонта оксисоля. Результаты показывают, что почва имеет слабо сложную поровую систему и не проявляет мультифрактальных характеристик. Этот результат в основном связан с более высокой плотностью сложения почвы, найденной в когезионном горизонте, и более значительным процентом малых пор (ультрамикропор). Более низкая сложность пор, связанная с меньшими порами, влияет на связность пор, напрямую воздействуя на проводимость воды, как продемонстрировано в нашей статье. Распределение размеров пор является ценным индикатором физического качества почвы. Оно может использоваться для оценки устойчивых практик в сельскохозяйственных почвах, причем мультифрактальная техника служит мощным инструментом для ее характеристики. Результаты 3D лакунарности указали на наличие более однородной поровой сети, подтверждая существование пор в более узком диапазоне размеров. Данные 3D энтропии Шеннона также показали однородность поровой системы, подтверждая существование поровой сети с фрактальными характеристиками. Одним из следствий этой однородности было то, что значительное количество воды все еще удерживалось в более мелких порах почвы, даже несмотря на то, что почва содержала значительное количество песка. В результате количество воды, доступное растениям, было значительно снижено. Еще одной целью этой статьи был анализ изображений с двумя различными разрешениями, что включает доступ к различным размерам пор через микротомографию. Результаты не показали значительных различий между образцами для различных разрешений, связанных с более однородной поровой сетью в когезионном горизонте. В целом, это исследование показывает, что сложность пор в значительной степени зависит от когезионного горизонта, напрямую влияя на удержание и проводимость воды через почву. Однако мы подчеркиваем необходимость дальнейших исследований с использованием других типов когезионных почв, чтобы увидеть, наблюдается ли однородность, обнаруженная в нашем исследовании, также в более глинистых когезионных почвах.

1.    Giarola, N.F.B.; Silva, A.P.d. Conceitos sobre solos coesos e hardsetting. Sci. Agric. 2002, 59, 613–620. [Google Scholar] [CrossRef]

2.    Jacomine, P. Distribuição geográfica, características e classificação dos solos coesos dos Tabuleiros Costeiros. In Reunião Técnica Sobre Solos Coesos dos Tabuleiros Costeiros, Cruz das Almas; 1996; pp. 13–26. Available online: https://www.scielo.br/j/sa/a/sjLYWg3QvZPbtLgGMTtqdZQ/?format=pdf&lang=pt (accessed on 11 December 2024).

3.    Lima Neto, J.d.A.; Ribeiro, M.R.; Corrêa, M.M.; Souza-Júnior, V.S.d.; Araújo Filho, J.C.d.; Lima, J.F.W. Atributos químicos, mineralógicos e micromorfológicos de horizontes coesos de latossolos e argissolos dos tabuleiros costeiros do estado de Alagoas. Rev. Bras. Ciênc. Solo 2010, 34, 473–486. [Google Scholar] [CrossRef]

4.    Lima, R.P.; Rolim, M.M.; Oliveira, V.S.; Silva, A.R.; Pedrosa, E.M.R.; Ferreira, R.L.C. Load-bearing capacity and its relationships with the physical and mechanical attributes of cohesive soil. J. Terramech. 2015, 58, 51–58. [Google Scholar] [CrossRef]

5.    Gomes, J.B.V.; Araújo Filho, J.C.; Vidal-Torrado, P.; Cooper, M.; Silva, E.A.d.; Curi, N. Cemented Horizons and Hardpans in the Coastal Tablelands of Northeastern Brazil. Rev. Bras. Ciênc. Solo 2017, 41, e0150453. [Google Scholar] [CrossRef]

6.    Corrêa, M.M.; Ker, J.C.; Barrón, V.; Torrent, J.; Curi, N.; Torres, T.C.P. Caracterização física, química, mineralógica e micromorfológica de horizontes coesos e fragipãs de solos vermelhos e amarelos do ambiente Tabuleiros Costeiros. Rev. Bras. Ciênc. Solo 2008, 32, 297–313. [Google Scholar] [CrossRef]

7.    Pessoa, T.N.; Bovi, R.C.; Nunes, M.R.; Cooper, M.; Uteau, D.; Peth, S.; Libardi, P.L. Clay mineral composition drives soil structure behavior and the associated physical properties in Brazilian Oxisols. Geoderma Reg. 2024, 38, e00837. [Google Scholar] [CrossRef]

8.    Cavalcanti, R.Q.; Rolim, M.M.; de Lima, R.P.; Tavares, U.E.; Pedrosa, E.M.; Gomes, I.F. Soil physical and mechanical attributes in response to successive harvests under sugarcane cultivation in Northeastern Brazil. Soil Tillage Res. 2019, 189, 140–147. [Google Scholar] [CrossRef]

9.    Menezes, A.S.; Alencar, T.L.; Assis Júnior, R.N.; Toma, R.S.; Romero, R.E.; Costa, M.C.G.; Cooper, M.; Mota, J.C.A. Functionality of the porous network of Bt horizons of soils with and without cohesive character. Geoderma 2018, 313, 290–297. [Google Scholar] [CrossRef]

10. Lima, H.V.d.; Silva, Á.P.d.; Giarola, N.F.B.; Imhoff, S. Index of soil physical quality of hardsetting soils on the brazilian coast. Rev. Bras. Ciênc. Solo 2014, 38, 1722–1730. [Google Scholar] [CrossRef]

11. Mota, J.C.A.; Menezes, A.S.; do Nascimento, C.D.V.; de Alencar, T.L.; de Assis Júnior, R.N.; Toma, R.S.; Romero, R.E.; Costa, M.C.G.; Cooper, M. Pore shape, size distribution and orientation in Bt horizons of two Alfisols with and without cohesive character from Brazil. Geoderma Reg. 2018, 15, e00197. [Google Scholar] [CrossRef]

12. Schossler, T.R.; Mantovanelli, B.C.; de Almeida, B.G.; Freire, F.J.; da Silva, M.M.; de Almeida, C.D.G.C.; Freire, M.B.G.d.S. Geospatial variation of physical attributes and sugarcane productivity in cohesive soils. Precis. Agric. 2019, 20, 1274–1291. [Google Scholar] [CrossRef]

13. dos Santos Queiroz, A.; dos Santos Dias, C.T.; da Silva Lopes, A.; do Nascimento, Í.V.; de Sousa Oliveira, L.; de Almeida, B.G.; de Araújo Filho, J.C.; da Silva Souza, L.; e Silva, M.B.; Romero, R.E. Water content as a deterministic factor in the assessment of cohesive character in soils of Coastal Tablelands (Northeast, Brazil). Geoderma Reg. 2023, 32, e00600. [Google Scholar] [CrossRef]

14. Pessoa, T.N.; Cooper, M.; Nunes, M.R.; Uteau, D.; Peth, S.; Vaz, C.M.P.; Libardi, P.L. 2D and 3D techniques to assess the structure and porosity of Oxisols and their correlations with other soil properties. CATENA 2022, 210, 105899. [Google Scholar] [CrossRef]

15. Pires, L.F.; Ferreira, T.R.; Cássaro, F.A.M.; Cooper, H.V.; Mooney, S.J. A Comparison of the Differences in Soil Structure under Long-Term Conservation Agriculture Relative to a Secondary Forest. Agriculture 2022, 12, 1783. [Google Scholar] [CrossRef]

16. Zhang, Y.; Wang, L.; Zhang, W.; Zhang, Z.; Zhang, M. Quantification of Root Systems and Soil Macropore Networks Association to Soil Saturated Hydraulic Conductivity in Forested Wetland Soils. Forests 2023, 14, 132. [Google Scholar] [CrossRef]

17. Li, Q.; Qian, Y.; Wang, Y.; Peng, X. The Relation between Soil Moisture Phase Transitions and Soil Pore Structure under Freeze–Thaw Cycling. Agronomy 2024, 14, 1608. [Google Scholar] [CrossRef]

18. Phalempin, M.; Rosskopf, U.; Schlüter, S.; Vetterlein, D.; Peth, S. Can we use X-ray CT to generate 3D penetration resistance data? Geoderma 2023, 439, 116700. [Google Scholar] [CrossRef]

19. Liu, J.; Leung, A.K.; Jiang, Z.; Kootahi, K.; Zhang, Z. X-ray CT quantification of in situ fabric evolution and shearing behaviour of granular soils of different particle shapes. Can. Geotech. J. 2024, 61, 2450–2467. [Google Scholar] [CrossRef]

20. Pereira, E.C.; Bell, C.A.; Urwin, P.E.; Tracy, S. The use of X-ray Computed Tomography revolutionises soil pathogen detection. bioRxiv 2024. [Google Scholar] [CrossRef]

21. Ogilvie, C.M.; Ashiq, W.; Vasava, H.B.; Biswas, A. Quantifying Root-Soil Interactions in Cover Crop Systems: A Review. Agriculture 2021, 11, 218. [Google Scholar] [CrossRef]

22. Kan, X.; Zheng, W.; Cheng, J.; Zhangzhong, L.; Li, J.; Liu, B.; Zhang, X. Investigating Soil Pore Network Connectivity in Varied Vegetation Types Using X-ray Tomography. Water 2023, 15, 3823. [Google Scholar] [CrossRef]

23. Gaspareto, J.V.; Pires, L.F. X-ray Microtomography Analysis of Integrated Crop–Livestock Production’s Impact on Soil Pore Architecture. AgriEngineering 2024, 6, 2249–2268. [Google Scholar] [CrossRef]

24. Chun, H.C.; Giménez, D.; Yoon, S.W. Morphology, lacunarity and entropy of intra-aggregate pores: Aggregate size and soil management effects. Geoderma 2008, 146, 83–93. [Google Scholar] [CrossRef]

25. San José Martínez, F.; Caniego, F.; García-Gutiérrez, C. Lacunarity of soil macropore space arrangement of CT images: Effect of soil management and depth. Geoderma 2017, 287, 80–89. [Google Scholar] [CrossRef]

26. de Oliveira, J.A.T.; Cássaro, F.A.M.; Posadas, A.N.D.; Pires, L.F. Soil Pore Network Complexity Changes Induced by Wetting and Drying Cycles—A Study Using X-ray Microtomography and 3D Multifractal Analyses. Int. J. Environ. Res. Public Health 2022, 19, 10582. [Google Scholar] [CrossRef]

27. Kravchenko, A.N.; Boast, C.W.; Bullock, D.G. Multifractal Analysis of Soil Spatial Variability. Agron. J. 1999, 91, 1033–1041. [Google Scholar] [CrossRef]

28. Soto-Gómez, D.; Pérez-Rodríguez, P.; Vázquez Juíz, L.; Paradelo, M.; López-Periago, J.E. 3D multifractal characterization of computed tomography images of soils under different tillage management: Linking multifractal parameters to physical properties. Geoderma 2020, 363, 114129. [Google Scholar] [CrossRef]

29. San José Martínez, F.; Martín, M.; Caniego, F.; Tuller, M.; Guber, A.; Pachepsky, Y.; García-Gutiérrez, C. Multifractal analysis of discretized X-ray CT images for the characterization of soil macropore structures. Geoderma 2010, 156, 32–42. [Google Scholar] [CrossRef]

30. Ju, X.; Jia, Y.; Li, T.; Gao, L.; Gan, M. Morphology and multifractal characteristics of soil pores and their functional implication. CATENA 2021, 196, 104822. [Google Scholar] [CrossRef]

31. Torre, I.; Losada, J.; Heck, R.; Tarquis, A. Multifractal analysis of 3D images of tillage soil. Geoderma 2018, 311, 167–174. [Google Scholar] [CrossRef]

32. Tarquis, A.; Heck, R.; Andina, D.; Alvarez, A.; Antón, J. Pore network complexity and thresholding of 3D soil images. Ecol. Complex. 2009, 6, 230–239. [Google Scholar] [CrossRef]

33. Soil Survey Staff. Keys to Soil Taxonomy, 13th ed.; U.S. Department of Agriculture, Natural Resources Conservation Service: Washington, DC, USA, 2022.

34. Teixeira, P.C.; Donagemma, G.K.; Fontana, A.; Teixeira, W.G. Manual de Métodos de Análise de Solo; Embrapa: Brasília, Brazil, 2017. [Google Scholar]

35. Dong, P. Lacunarity analysis of raster datasets and 1D, 2D, and 3D point patterns. Comput. Geosci. 2009, 35, 2100–2110. [Google Scholar] [CrossRef]

36. Lee, B.H.; Lee, S.K. Effects of specific surface area and porosity on cube counting fractal dimension, lacunarity, configurational entropy, and permeability of model porous networks: Random packing simulations and NMR micro-imaging study. J. Hydrol. 2013, 496, 122–141. [Google Scholar] [CrossRef]

37. Roy, A.; Perfect, E.; Dunne, W.M.; McKay, L.D. A technique for revealing scale-dependent patterns in fracture spacing data. J. Geophys. Res. Solid Earth 2014, 119, 5979–5986. [Google Scholar] [CrossRef]

38. The MathWorks, I. MATLAB, Version R2018a. 2018. Available online: https://www.mathworks.com (accessed on 5 October 2024).

39. Posadas, A.N.D.; Giménez, D.; Quiroz, R.; Protz, R. Multifractal Characterization of Soil Pore Systems. Soil Sci. Soc. Am. J. 2003, 67, 1361–1369. [Google Scholar] [CrossRef]

40. Posadas, A.N.D.; Quiroz, R.; Zorogastúa, P.E.; León-Velarde, C. Multifractal characterization of the spatial distribution of ulexite in a Bolivian salt flat. Int. J. Remote. Sens. 2005, 26, 615–627. [Google Scholar] [CrossRef]

41. Posadas, A.N.D.; Lourenço, A.L.F. NASS: Non-Linear Analysis Scaling System; Version II; Software Developed with the Support of the Department of Environmental Science; Rutgers, The State University of New Jersey: New Brunswick, NJ, USA, 2023. [Google Scholar]

42. Chun, H.C.; Gimenez, D.; Yoon, S.W.; Park, C.W.; Moon, Y.H.; Sonn, Y.K.; Hyun, B.K. Review of Soil Structure Quantification from Soil Images. Korean J. Soil Sci. Fertil. 2011, 44, 517–526. [Google Scholar] [CrossRef]

43. Klute, A.; Dirksen, C. Hydraulic conductivity and diffusivity: Laboratory methods. Methods Soil Anal. Part 1 Phys. Mineral. Methods 1986, 5, 687–734. [Google Scholar] [CrossRef]

44. van Genuchten, M.T. A Closed-form Equation for Predicting the Hydraulic Conductivity of Unsaturated Soils. Soil Sci. Soc. Am. J. 1980, 44, 892–898. [Google Scholar] [CrossRef]

45. Mualem, Y. A new model for predicting the hydraulic conductivity of unsaturated porous media. Water Resour. Res. 1976, 12, 513–522. [Google Scholar] [CrossRef]

46. Klute, A. Laboratory measurement of hydraulic conductivity of saturated soil. Methods Soil Anal. Part 1 Phys. Mineral. Prop. Incl. Stat. Meas. Sampl. 1965, 9, 210–221. [Google Scholar] [CrossRef]

47. Pessoa, T.N.; Libardi, P.L. Physical-hydric properties of Oxisols as influenced by soil structure and clay mineralogy. CATENA 2022, 211, 106009. [Google Scholar] [CrossRef]

48. Brewer, R. Fabric and mineral analysis of soils. Soil Sci. 1965, 100, 73. [Google Scholar] [CrossRef]

49. Santos, C.R.d.; Antonino, A.C.D.; Heck, R.J.; Lucena, L.R.R.d.; Oliveira, A.C.H.d.; Silva, A.S.A.d.; Stosic, B.; Menezes, R.S.C. 3D soil void space lacunarity as an index of degradation after land use change. Acta Sci. Agron. 2020, 42, e42491. [Google Scholar] [CrossRef]

50. Zeng, Y.; Payton, R.L.; Gantzer, C.J.; Anderson, S.H. Fractal Dimension and Lacunarity of Bulk Density Determined with X-ray Computed Tomography. Soil Sci. Soc. Am. J. 1996, 60, 1718–1724. [Google Scholar] [CrossRef]

51. Nunes, V.d.J.; Leite, E.d.S.; Maria de Lima, J.; Barbosa, R.S.; Santos, D.N.; Dias, F.P.M.; Nóbrega, J.C.A. Soil preparation systems and type of fertilization as affecting physical attributes of cohesive soil under eucalyptus in Northeastern Brazil. Acta Sci. Agron. 2022, 45, e58010. [Google Scholar] [CrossRef]

52. Vidal-Vázquez, E.; Camargo, O.; Vieira, S.; Miranda, J.; Menk, J.; Siqueira, G.; Mirás-Avalos, J.; Paz González, A. Multifractal Analysis of Soil Properties along Two Perpendicular Transects. Vadose Zone J. 2013, 12, 1–13. [Google Scholar] [CrossRef]

53. Yang, C.; Wu, J.; Li, P.; Wang, Y.; Yang, N. Evaluation of Soil-Water Characteristic Curves for Different Textural Soils Using Fractal Analysis. Water 2023, 15, 772. [Google Scholar] [CrossRef]

54. Chen, K.; Liang, F.; Wang, C. A fractal hydraulic model for water retention and hydraulic conductivity considering adsorption and capillarity. J. Hydrol. 2021, 602, 126763. [Google Scholar] [CrossRef]

55. Gao, Y.; Fu, Y.; Chen, J.; Sun, D. A novel equation for simulating the bimodal soil–water retention curve of unsaturated soils. Acta Geotech. 2024, 19, 5347–5362. [Google Scholar] [CrossRef]

56. Ribeiro, K.D.; Menezes, S.M.; Mesquita, M.d.G.B.d.F.; Sampaio, F.d.M.T. Propriedades físicas do solo, influenciadas pela distribuição de poros, de seis classes de solos da região de Lavras-MG. Ciênc. Agrotec. 2007, 31, 1167–1175. [Google Scholar] [CrossRef]

57. Bwambale, E.; Abagale, F.K.; Anornu, G.K. Smart irrigation monitoring and control strategies for improving water use efficiency in precision agriculture: A review. Agric. Water Manag. 2022, 260, 107324. [Google Scholar] [CrossRef]

Oliveira JATd, Pessoa TN, Gaspareto JV, Posadas AND, Lourenço ALF, Libardi PL, Pires LF. Characterization of the Pore Network of a Cohesive Oxisol Through Morphological and Pore Complexity Analyses. Agriculture. 2025; 15(2):200. https://doi.org/10.3390/agriculture15020200

Перевод статьи «Characterization of the Pore Network of a Cohesive Oxisol Through Morphological and Pore Complexity Analyses» авторов Oliveira JATd, Pessoa TN, Gaspareto JV, Posadas AND, Lourenço ALF, Libardi PL, Pires LF., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: flickr/ Фотогалерея почвоведения SSSNC