Lézeres szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata nagy szervesanyag-tartalmú talajokon

Hasonló dokumentumok
Összefoglaló. Abstract. Bevezetés

KARSZTFEJLŐDÉS XVII. Szombathely, pp VÖRÖSAGYAG-TALAJOK VIZSGÁLATA AZ AGGTELEKI- KARSZTON (A BÉKE-BARLANG VÍZGYŰJTŐJÉN) KISS KLAUDIA

Természetföldrajzi kutatások Magyarországon a XXI. század elején

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

Kádár István 1 Dr. Nagy László 1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem,

Hibridspecifikus tápanyag-és vízhasznosítás kukoricánál csernozjom talajon

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

Összefüggések a különböző talaj-kivonószerekkel kivont mikroelemtartalom és a fontosabb talajtulajdonságok között. Összefoglalás. Summary.

Összefoglalás. Summary. Bevezetés

A KELET-BORSODI HELVÉTI BARNAKŐSZÉNTELEPEK TANI VIZSGÁLATA

Diagnosztikai szemléletű talajtérképek szerkesztése korrelált talajtani adatrendszerek alapján

Publikációs lista Szabó Szilárd

A kezelési egységek szerepe a precíziós növénytermesztésben The role of treatment zones in precision farming

Talaj szervesanyagai: Humusz? SOM? Szerves szén? Jakab Gergely

Hipotézis vizsgálatok

A jövedelem alakulásának vizsgálata az észak-alföldi régióban az évi adatok alapján

TALAJOK OSZTÁLYOZÁSA ÉS MEGNEVEZÉSE AZ EUROCODE

Segítség az outputok értelmezéséhez

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

TALAJVIZSGÁLATI MÓDSZEREK

Geológiai radonpotenciál térképezés Pest és Nógrád megye területén

AGROTECHNIKAI TÉNYEZŐK HATÁSA A KULTÚRNÖVÉNYEKRE ÉS A GYOMOSODÁSRA

AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN

A SZEMCSEALAK ALAPJÁN TÖRTÉNŐ SZÉTVÁLASZTÁS JELENTŐSÉGE FÉMTARTALMÚ HULLADÉKOK FELDOLGOZÁSA SORÁN

y ij = µ + α i + e ij

Ősföldrajzi változások vizsgálata a szulimáni feltárás környezetében

HOMOKTALAJOK. Hazai talajosztályozási rendszerünk korszerűsítésének alapelvei, módszerei és javasolt felépítése

HALLGATÓI KÉRDŐÍV ÉS TESZT ÉRTÉKELÉSE

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis

A TALAJTAKARÁS HATÁSA A TALAJ NEDVESSÉGTARTALMÁRA ASZÁLYOS IDŐJÁRÁSBAN GYÖNGYÖSÖN. VARGA ISTVÁN dr. - NAGY-KOVÁCS ERIKA - LEFLER PÉTER ÖSSZEFOGLALÁS

Komposztált vágóhídi melléktermékek hatása szántóföldi növények terméshozamára. Összefoglalás

Mikrobiális biomassza és a humuszminőség alakulása trágyázási tartamkísérletben

7 th Iron Smelting Symposium 2010, Holland

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

AZ AEROSZOL RÉSZECSKÉK HIGROSZKÓPOS TULAJDONSÁGA. Imre Kornélia Kémiai és Környezettudományi Doktori Iskola

AGROKÉMIA ÉS TALAJTAN DOI: / (2017) 2, Szerzők OPEN ACCESS

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

MEDINPROT Gépidő Pályázat támogatásával elért eredmények

A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA EFFECT OF SAMPLING EFFORT ON THE SAMPLE REPRESENTATIVENESS

FELSZÍN ALATTI IVÓVÍZKÉSZLETEK SÉRÜLÉKENYSÉGÉNEK ELEMZÉSE DEBRECENI MINTATERÜLETEN. Lénárt Csaba - Bíró Tibor 1. Bevezetés

Magyar Tudományos Akadémia Agrártudományi Kutatóközpont Talajtani és Agrokémiai Intézet

A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon

ANYAGTECHNOLÓGIA. Finom szemcseméretű anyagok őrölhetőségi vizsgálata

Összefoglalás. Summary

Talajmechanika. Aradi László

A hortobágyi Csípõ-halom morfológiai és talajtani elemzése

NITRÁT-SZENNYEZÉS VIZSGÁLATA HOMOKTALAJON

Szívkatéterek hajlékonysága, meghajlítása

a felszíni vízlefolyás hatására

A kukoricahibridek makro-, mezo- és mikroelemtartalmának változása a tápanyagellátás függvényében

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.

Több laboratórium összehasonlítása, körmérés

A diffúz reflektancia spektroszkópia (DRS) módszerének alkalmazhatósága talajok ásványos fázisának rutinvizsgálatában

Szalay Sándor a talaj-növény rendszerről Prof. Dr. Győri Zoltán intézetigazgató, az MTA doktora a DAB alelnöke

Correlation & Linear Regression in SPSS

Scan 1200 teljesítmény-értékelés evaluation 1/5

SZEZONÁLIS LÉGKÖRI AEROSZOL SZÉNIZOTÓP ÖSSZETÉTEL VÁLTOZÁSOK DEBRECENBEN

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.

Correlation & Linear Regression in SPSS

Mikrohullámú abszorbensek vizsgálata 4. félév

TALAJAINK KLÍMAÉRZÉKENYSÉGE. (Zárójelentés)

Talajaink klímaérzékenysége, talajföldrajzi vonatkozások. Összefoglaló. Summary. Bevezetés

AZ EGYIK LEGFONTOSABB RECENS FELSZÍNALAKÍTÓ FOLYAMAT, A TALAJPUSZTULÁS MAGYARORSZÁGON. Kertész Ádám 1

KOMMUNÁLIS SZENNYVÍZISZAP KOMPOSZTÁLÓ TELEP KÖRNYEZETI HATÁSAINAK ÉRTÉKELÉSE 15 ÉVES ADATSOROK ALAPJÁN

Több valószínűségi változó együttes eloszlása, korreláció

AZ ŐSZI BÚZA MINŐSÉGÉNEK JELLEMZÉSE AZ SDS SZEDIMENTÁCIÓS INDEX SEGÍTSÉGÉVEL. Szilágyi Szilárd Győri Zoltán Debreceni Agrártudományi Egyetem, Debrecen

Dodé Réka (ELTE BTK Nyelvtudomány Doktori IskolaAlkalmazott Alknyelvdok 2017 nyelvészet program) február 3. 1 / 17

Lejtőhordalék talajok osztályozásának kérdései

Dr. Tóth Árpád. Az öntözés és a talaj kapcsolata február 23.

VIACALCOVAL KEZELT TALAJOK LABORATÓRIUMI VIZSGÁLATA. Dr. Szendefy János

Módszer a talaj szerves-c-tartalmának gyors helyszíni meghatározására

Egyrétegű tömörfalapok ragasztási szilárdságának vizsgálata kisméretű próbatesteken

FÖLDRAJZ ANGOL NYELVEN

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

MEDDŐHÁNYÓK ÉS ZAGYTÁROZÓK KIHORDÁSI

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.

Statistical Dependence

A tantárgy besorolása: kötelező A tantárgy elméleti vagy gyakorlati jellegének mértéke, képzési karaktere 75/25. (kredit%)

FIATAL MŰSZAKIAK TUDOMÁNYOS ÜLÉSSZAKA

FAMILY STRUCTURES THROUGH THE LIFE CYCLE

TAGOZATÁN SATU MARE EXTENSION. Baranyai Tünde, Stark Gabriella

Oxigén és hidrogén stabil izotópjai

A talajok fizikai tulajdonságai I. Szín. Fizikai féleség (textúra, szövet) Szerkezet Térfogattömeg Sőrőség Pórustérfogat Kötöttség

Gyula Szö r 1 Éva Balázs 2 Tibor Novák 3 Péter Kovács-Pálffy 4 Péter Kónya 4

A kísérlet, mérés megnevezése célkitűzései: A különböző kémhatású talajok eltérő termőképességének megismertetése

Statisztikai szoftverek esszé

1. Bevezetés. 2. Anyag és módszer

Étkezési búzák mikotoxin tartalmának meghatározása prevenciós lehetıségek

VÁROS- ÉS INGATLANGAZDASÁGTAN

A Bockerek-erdő termőhelyének és erdőállományának változása

A magyar racka juh tejének beltartalmi változása a laktáció alatt

A glejes talajrétegek megjelenésének becslése térinformatikai módszerekkel. Dr. Dobos Endre, Vadnai Péter

Nagynyomású csavarással tömörített réz - szén nanocső kompozit mikroszerkezete és termikus stabilitása

AZ ÁRPA SZÁRAZSÁGTŰRÉSÉNEK VIZSGÁLATA: QTL- ÉS ASSZOCIÁCIÓS ANALÍZIS, MARKER ALAPÚ SZELEKCIÓ, TILLING

TALAJAZONOSÍTÁS Kötött talajok

First experiences with Gd fuel assemblies in. Tamás Parkó, Botond Beliczai AER Symposium

TALAJMINTÁK RADIOAKTIVITÁSÁNAK VIZSGÁLATA PEST MEGYÉBEN

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

A van Genuchten-függvény paramétereit átnézetes talajtérképi információkból becslő módszerek összehasonlítása és továbbfejlesztésük lehetőségei

Átírás:

AGROKÉMIA ÉS TALAJTAN 61 (2012) 2 381 398 Lézeres szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata nagy szervesanyag-tartalmú talajokon 1,2 MADARÁSZ Balázs, 1 JAKAB Gergely, 1 SZALAI Zoltán és 2 JUHOS Katalin 1 MTA Csillagászati és Földtudományi Kutatóközpont Földrajztudományi Intézet, Budapest és 2 BCE Kertészettudományi Kar, Talajtan és Vízgazdálkodás Tanszék, Budapest Bevezetés Számos tanulmány foglalkozik a különböző szemcseösszetétel-vizsgálati módszerek összehasonlításával, valamint a legkorszerűbbnek számító lézer-diffrakciós mérések előnyeivel és hátrányaival (BUURMAN et al., 1997b, 2001; KONERT & VANDENBERGHE, 1997; MUGGLER et al., 1997; BEUSELINCK et al., 1998; VANDECASTEELE & DE VOS, 2001; HERNÁDI et al., 2008; DI STEFANO et al., 2010). Az optikai elven működő lézeres módszer legnagyobb előnye, hogy sokkal részletesebb osztályozást tesz lehetővé az adott mintán belül (BUURMAN et al., 1997a), gyorsabb és kis mennyiségű mintából is megbízható eredményt ad (LOIZEAU et al., 1994). De legyen szó akár a talajfizikai szabványban rögzített és széles körben elterjedt pipettás eljárásról, vagy a legújabb lézeres mérésekről, abban minden kutató egyetért, hogy a legproblematikusabb szemcsetartomány a 2 µm-nél kisebb méretű frakció, azaz az agyag mennyiségének pontos meghatározása (LOIZEAU et. al., 1994; BUURMAN et. al., 1997a; KONERT & VANDENBERGHE, 1997; BEUSELINCK et. al., 1998). A lézeres szemcseméret-meghatározás 5 μm felett igen pontos lehet, míg ez alatt erősen függ az alkalmazott optikai modelltől (HOFF & BOTT, 1990). A lézeres mérési módszer feltételezi az egységesen és szabályosan gömbölyű részecskéket minden szemcsetartományban. Az agyagok esetében azonban jellemzően inkább lemezekről, pálcikákról beszélünk (ESHEL et al., 2004). KONERT és VANDENBERGHE (1997) úgy számította, hogy a pipettás eljárással mért 2 µm alatti agyagtartalom a lézeres mérések esetén a 8 µm alatti tartománynak feleltethető meg. A két módszer pontos szemcseméret-tartomány megfeleltetése azonban még mindig a vitatott kérdések közé tartozik. Másrészről pedig nem lehet eléggé hangsúlyozni a talajminták előkészítésének fontosságát, vagyis az ásványi szemcsék teljes körű diszpergálását, amelynek elégtelensége bármely módszer esetén szintén az agyagtartalom látszólagos csökkenését okozhatja (MAEDA et al., 1977; MAKÓ et al., 2002; HERNÁDI et al., 2008; MAKÓ & HERNÁDI, 2010; KONDRLOVÁ et al., 2012). Szemcseösszetételt gyakran különböző típusú, pl. egyko- Postai cím: MADARÁSZ BALÁZS, MTA Csillagászati és Földtudományi Kutatóközpont Földrajztudományi Intézet, 1112 Budapest, Budaörsi út 45. E-mail: madaraszb@mtafki.hu

382 MADARÁSZ et al. ri tavi, folyóvízi, tengeri, eolikus üledékből vizsgálunk, hiszen ezek szemcsefrakcióinak összetétele számos ősföldrajzi körülményre, a keletkezés módjára, a szállítás formájára utal. Ezen üledékek dezaggregálása többnyire nagyon könnyű, vagy szinte nincs is rá szükség, hiszen kötőanyaggént többnyire csak CaCO 3 -tal találkozunk, amelynek roncsolása egyszerű feladat. Egész más a helyzet, ha recens vagy paleotalajok mechanikai analízisét kívánjuk elvégezni, mert számos erősen eltérő tulajdonságú kötőanyaggal találkozunk. A fizikai, a kémiai és a biológiai folyamatok kölcsönhatásaként rendkívül fontos szerep jut a mikro- és makroaggregátumok kialakításában. A leggyakoribb ragasztóanyagok a különféle humuszvegyületek, az agyagásványok, a kolloidális mész, a Fe-, az Al-oxidok és -hidroxidok, illetve ezek kombinációi (FILEP & TARR, 1975; SCHULZE et al., 1996; STEFANOVITS et al., 1999). A mechanikai összetétel vizsgálatát megelőzően, az előkészítés során, különböző reagensekkel a lehető legtökéletesebben szét kell választani az ásványi szemcséket. Mindezen ismeretek ellenére hazánkban a mindennapi laboratóriumi gyakorlatban a talajok mechanikai összetételének vizsgálatakor az egyszerű Napirofoszfátos kezelést alkalmazzák, amely diszpergált állapotban tartja az elemi részecskéket, vagyis a részecskék körüli hidrátburok kialakításával megakadályozza a részecskék újbóli összetapadását, azonban nem alkalmas a talajban legtöbbször előforduló, az elemi szemcsék összetapadását okozó szerves anyagok bontására. A tökéletlen dezaggregáció eredményeként főként az agyagásványok maradhatnak aggregált formában, ezért az agyagfrakció alulreprezentált lesz. Sajnálatosan hazánkban a legtöbb szemcseösszetétel-vizsgálatot felhasználó tanulmány legjobb esetben is csak a mérés metodikáját említi, de a mintaelőkészítés módját nem. Ezen esetekben feltételezhetjük, hogy a MSz előírásait alkalmazták, amely viszont némileg ellentmondásos. Az 1978-as MSz-08 0205-78 szabvány, amely a talaj fizikai és vízgazdálkodási tulajdonságainak vizsgálatairól szól, a talaj mechanikai összetételének meghatározásához egyértelműen a Na-pirofoszfátos (Na 4 P 2 O 7 ) előkészítést írja elő. Ugyanakkor az 1979-es MSz 14043/-79 szabvány, amely a talajmechanikai vizsgálatokat tárgyalja, a 3.1.1-es pontjában már általános előírásként említi, hogy ha a szerves szennyeződés mennyisége (3 10%) szükségessé teszi, akkor a szerves alkotórészeket a vizsgálat előtt oxidálással távolítsuk el. Az 1979-es szabvány kitér a Napirofoszfát használatára is és jelzi, hogy az csak a vizsgálat közben fellépő koagulálás ellen véd, az anyag keletkezése során kialakult szemcsekapcsolatok szétválasztására általában alkalmatlan és a szétválasztás módszere esetenként kikísérletezendő. Ennek ellenére a széles körben elterjedt gyakorlat mind a meszes, mind a nagy szervesanyag-tartalmú talajminták vizsgálatánál az egyszerű, Napirofoszfátos előkészítés. A helyzetet nehezíti, hogy a világban sincs egységesített módszer a mechanikai összetétel vizsgálatok előkészítésére, azonban a szerves anyag hidrogén-peroxidos (H 2 O 2 ) roncsolása szinte kivétel nélkül központi szerepet kap (FAO: VAN REEUWIJK, 2002; USDA: BURT, 2004). A legtöbb országban a H 2 O 2 -kezelés után Na-hexametafoszfátot (KLUTE, 1986; ROWELL, 1994; BURT, 2004; RYŻAK & BIEGANOWSKI, 2011), míg Németországban Na-pirofoszfátot (HARTGE & HORN, 1992) használnak a tökéletesebb diszpergálás érdekében. Számos szerző a mérés

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 383 előtt és/vagy közben, egyéb dezaggregációs módszer és diszpergálószeres adagolás mellett vagy akár a helyett, ultrahangos kezelést alkalmaz, hangsúlyozva annak a tökéletes dezaggregációban betöltött szerepét (BUURMAN et al., 1997b; DEZSŐ et al., 2007; SUMMA et al., 2007; RYŻAK & BIEGANOWSKI, 2011; KONDRLOVA et al., 2012, SOCHAN et al., 2012). Munkánk során arra kerestük a választ, hogy elsősorban a jelentős szervesanyag-tartalmú erubáz, rendzina, erdő-, lejtőhordalék talajokon, illetve homoktalajokon lézer diffrakciós szemcsevizsgálat esetén milyen eredménnyel használhatók a különféle előkészítő eljárások, és ezek mennyiben módosítják az agyagfrakció mért mennyiségét? Kimutatható-e a különböző előkészítő eljárások eredményeként a különböző méretű megbontatlan aggregátumok mennyisége? Vagyis milyen hatással van a szervesanyag-tartalom az aggregációra? Anyag és módszer A vizsgálatokhoz löszön, homokon, mészkövön és vulkáni kőzeteken kialakult talajokat, illetve kontrollként egy folyóvízi homokot választottunk. 5 talajtípus 17 mintáján, illetve a folyóvízi kvarchomok mintán összesen 119 lézerdiffrakciós szemcseösszetétel-vizsgálatot végeztünk. A mintákat 101 117 között sorszámoztuk (1. táblázat). Méréseinkhez a talajszelvények különböző (de a legtöbb esetben a felszíni A) szintjeit használtuk. A humusztartalom aggregátumképzésben betöltött szerepének vizsgálatához gyengén (104, 110, 111, 116) és erősen humuszos (101, 102, 107, 108, 115) mintákat választottunk. A 104, 109, 111, 112, 116 és 117 kódszámú minták kisebb-nagyobb CaCO 3 -tartalommal rendelkeznek, míg a többi talajminta esetében karbonátos kötőanyag nem volt. A légszáraz mintákat egységesen 2 mm-es szitán átszitáltuk, s az előkészítéshez/feltáráshoz minden esetben 20 g mintát mértünk be. A kiválasztott mintákat hét különböző előkészítést követően elemeztük: 1. desztillált vízben fél órás áztatás; 2. desztillált vízben, 70 C vízfürdőben 12 órás áztatás; 3. desztillált vízben, 12 órás 70 C vízfürdőben való áztatás, majd 10 perces (35 khz) ultrahangos kezelés; 4. Na-pirofoszfátos kezelés (MSz 08-0205-1978); 5. Na-pirofoszfátos, majd 10 perces (35 khz) ultrahangos kezelés; 6. van Doesburg-féle hidrogén-peroxidos kezelés (BUURMAN et al., 1996); 7. van Doesburg-féle hidrogén-peroxidos kezelés 10 perces (35 khz) ultrahanggal. A van Doesburg-féle előkészítés hasonló a hazai, ún. nemzetközi A előkészítő eljáráshoz (BALLENEGGER & DI GLÉRIA, 1962), de annál jóval hatékonyabb és gyorsabb. Míg az utóbbi eljárásban a humuszanyagok roncsolásához 6%, addig az Doesburg-féle eljárásban 30%-os hidrogén-peroxidot használunk. A van Doesburgféle előkészítő eljárással, az előző módszerrel akár egy két hetes előkészítési idő két napra szűkíthető (BUURMAN et al., 1996), ami lényegesen felgyorsítja a méréseket. A feltárást követően a mintákat 630 μm szitával szeparáltuk, majd a szemcse-

384 MADARÁSZ et al.

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 385 összetételt az alkalmazott lézeres szemcseanalizátor méréstartomány-korlátai miatt a 630 μm-nél kisebb méretű frakcióban vizsgáltuk. A mechanikai összetétel meghatározását az MTA Földrajztudományi Kutatóintézet laboratóriumában végeztük. Az előkészített szuszpenziót Fritsch Analysette Microtech 22 lézerdiffrakciós analizátorral, Frauenhofer optikai modell alapján vizsgáltuk (FRITSCH GMBH, 2005). A lézeres mérések részletes elméleti hátteréről LOIZEAU és munkatársai (1994) tanulmánya ad áttekintést. Egy minta mérése 190- szeres ismétlésben történik, melyből az értékelő program átlagolja a tényleges eredményt. A szemcseanalizátor a talajszemcséket 0,109 és 628 µm között 102 osztályba sorolja. A legkisebb átmérőtől kezdve minden következő osztály terjedelme 1,09 szorosa az előző tartományénak. A talaj CaCO 3 -tartalmát Scheibler-féle módszerrel, míg szervesanyag-tartalmát Tyurin módszerrel határoztuk meg (BUZÁS, 1988). Statisztikai analízis. A mintaelőkészítő eljárások közötti különbségek értékeléséhez a minták agyagtartalmán (<2 µm), mint változón a normális eloszlás és a szórás homogenitás ellenőrzése után varianciaanalízist végeztünk. A jobbra ferde eloszlásokat logaritmus transzformációval tettük normálissá, az eredményeket viszont visszatranszformáltuk. Az egytényezős varianciaanalízist (One-Way ANOVA) Scheffe-féle Post Hoc teszt lefuttatásával (szignifikancia szint: p<0,05) végeztük. A szemcseösszetételt a nagyszámú frakció részletezése helyett kevesebb paraméterrel kívántuk jellemezni. Ennek érdekében főkomponens-analízissel (PCA) az agyag- (<2 µm), iszap- (2 20) és homokfrakciók (20<) arányaival kezelésenként adatredukciót végeztünk. A módszer a szemcsefrakciók lineáris kombinációját állítja elő. Az előkészítő kezeléseket a kapott főkomponens-változókkal jellemeztük. A kezelések szemcseméretben tapasztalt különbségének okát keresve Pearson-féle korrelációanalízist végeztünk az agyag- és a humusz-, valamint az agyag- és a mésztartalom kapcsolatok meghatározására. A statisztikai elemzést PASW Statistics 18 programmal végeztük. 101 és 102 minta (bázikus erubáz) Eredmények és értékelésük A két minta ugyanazon talajszelvény Ah 1, illetve Ah 2 szintjéből származik és szervesanyag-tartalmuk igen jelentős (1. táblázat). A 101 és 102 kódszámú minták szemcseeloszlását a különböző előkészítő eljárások hatására az 1. ábrán mutatjuk be. A desztillált vizes szemcseméret-mérések gyakoriság-eloszlás görbéi nagyon hasonló lefutásúak. A Na 4 P 2 O 7 -kezelések eredményeiben már kisebb különbségeket is találunk, amelyet az intenzívebb kezelések hatására történő módusz-csökkenés is jelez (2. táblázat). A 20 50 μm-es aggregátumok részben az agyag-, részben a 10 μm körüli tartományt növelik. Ezek a különbségek azonban alig jelentenek 3%-os eltérést az agyagtartalomban. Jól megfigyelhető a sűrűségfüggvényeken az ultrahangos kezelések hatása is, amelynek következtében azok balra tolódnak, így móduszuk a 20 50 μm közötti csúcs némi-

386 MADARÁSZ et al. leg csökken. Drasztikus különbséget a hidrogén-peroxidos kezelések görbéi mutatnak. A 20 50 μm közötti csúcs teljes egészében elolvad és helyette 10 μm-nél jelentkezik egy új maximum, megtartva a görbe bimodális lefutását. A szemcseeloszlás-görbe határozottan és jelentős mértékben balra tolódik. A desztillált vizes és a Na-pirofoszfátos kezelésekben az agyagtartalom a 101-es mintánál 4 7%, a 102- es mintánál 5 9% között változott, míg a hidrogén-peroxidos kezelés után 27 29%, illetve 29 30% agyagtartalmat mértünk. Az H 2 O 2 -os és ultrahangos kezelés hatása kismértékű, de közel 3%-os agyagtartalom-növekedés volt az eredménye a 101-es minta esetében. gyakoriság % gyakoriság % A 10 9 8 7 6 5 4 3 2 1 0 0,1 1 10 100 B 10 9 8 7 6 5 4 3 2 1 0 0,1 1 10 100 szemcseméret (μm) 1 2 3 4 5 6 7-es kezelés 1. ábra A 101 (A) és 102 (B) kódszámú (bázikus erubáz) minták szemcseeloszlása a különböző előkészítő eljárások hatására. Kezelések: 1. desztillált vízben fél órás áztatás; 2. desztillált vízben, 70 C vízfürdőben 12 órás áztatás; 3. desztillált vízben, 12 órás 70 C vízfürdőben való áztatás, majd 10 perces (35 khz) ultrahangos kezelés; 4. Na-pirofoszfátos kezelés (MSz 08-0205-1978); 5. Na-pirofoszfátos, majd 10 perces (35 khz) ultrahangos kezelés; 6. van Doesburg-féle hidrogén-peroxidos kezelés (BUURMAN et al., 1996); 7. van Doesburg-féle hidrogén-peroxidos kezelés 10 perces (35 khz) ultrahanggal

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 387 2. táblázat A 101 104 kódszámú minták szemcseösszetétel-értékei és móduszai kezelésenként (1) Kezelés száma (1) Kezelés száma 1 2 3 4 5 6 7 1 2 3 4 5 6 7 101 sz. minta 102 sz. minta A 4,3 4,5 7,6 5,1 7,1 27,1 29,6 4,6 5,1 7,3 5,8 9,4 29,4 30,1 I 23,0 24,9 31,6 31,3 36,3 72,8 70,4 24,1 27,1 31,5 37,2 47,7 70,6 69,8 H 72,8 70,6 60,8 63,7 56,6 0,1 0,0 71,3 67,8 61,2 57,1 42,9 0,0 0,1 Mo 44,0 40,4 40,4 40,4 37 10,7 10,2 40,4 40,4 40,4 37,0 34,0 10,2 10,2 103 sz. minta 104 sz. minta A 20,3 17,1 31,7 32,0 37,4 26,6 41,0 18,3 16,1 26,7 22,3 32,0 26,9 32,7 I 60,4 61,8 68,2 67,9 62,5 73,3 59,0 58,1 58,1 66,5 76,1 65,8 73,1 67,3 H 19,3 21,0 0,1 0,1 0,0 0,1 0,0 23,5 25,9 6,8 1,7 2,2 0,1 0,0 Mo 12,2 22,2 2,6 2,6 2,4 10,2 2,4 28,6 28,6 11,7 10,2 10,2 9,8 2,6 Megjegyzés: Szemcseösszetétel: A: agyag, I: iszap, H: homok; Mo: módusz; Kezelések: lásd 1. ábra 103 (barna neutrális savanyú erubáz) 104 (erősen humuszos erubáz lejtőhordaléktalaj) és 114 (vörös agyagos rendzina) minták A 103 és 104 kódszámú minták szemcseösszetétele nagyon hasonló. A minták humusztartalma az erubázokhoz képest kimondottan kicsi, amely a területen korábban folyó talajművelés következménye lehet. Emellett a 104-es minta 1,9% mésztartalmú, valószínűsíthetően a terület meszezéséből adódóan. A desztillált vizes kezelések görbéi határozottan eltérnek a többi kezelésétől, míg a Na-pirofoszfátos és hidrogén-peroxidos kezelések görbéi hasonló lefutásúak. A 101 és 102 mintákhoz hasonlóan, az egyre erősebb kezelés hatására itt is (de főleg a 104-es mintánál) megfigyelhető a görbe elmozdulása az origó felé, valamint a 10 μm környéki csúcs fokozatos csökkenése. Ennek következtében jelentős eltéréseket mérhetünk az agyagtartalomban (18 és 37%) (2. táblázat). Valószínűsíthetően a kis humusztartalom miatt azonban kisebb a különbség a Na 4 P 2 O 7 -os és a H 2 O 2 -os kezelések görbéi között, mint az előző mintáknál. Az ultrahangos kezelések jelentős, 5 15%-kal növelik meg az agyagtartalom mennyiségét (2. táblázat). A vörös agyagos rendzina (114) a többi mintához képest kis (3,11%-os) humusztartalmú. A szemcseeloszlás a különböző kezelések hatására nem változik jelentősen. Az eloszlásgörbék közel azonos lefutásúak, hasonlóan a 103 és 104 kódszámú minták görbéihez, azzal a különbséggel, hogy a 114-es minta 1. kezelés görbéje sem különbözik jelentősen a többi kezelésétől. Nem figyelhetjük meg a görbék balra tolódását sem, csupán a csúcsok maximum értéke változik kissé. A 114-es mintánál a legnagyobb agyagtartalmat az 5. kezelés esetében mérhetjük, közel 30%-ot (4. táblázat)

388 MADARÁSZ et al. 105 minta (bázikus erubáz) A desztillált vizes kezelés görbéi a 105 kódszámú mintánál is jelentősen elkülönülnek. A három desztillált vizes kezelés egyaránt 37 μm-es módusszal jellemezhető. A nagy (10,7%-os) humusztartalom ellenére egymáshoz hasonló eredményeket mutatnak a Na-pirofoszfátos és a hidrogén-peroxidos kezelések. Az 5. és 7. előkészítéssel mért agyagtartalom-különbség a 105-ös mintánál a legkisebb (4,4%). Az ultrahangos kezelések hatására a módusz 12 μm-ről 2,5 μm-re változik mindkét (4 5, 6 7) kezelésben. 106, 107 (bázikus erubáz) és 108 (fekete neutrális savanyú erubáz) minták A 108 kódszámú, fekete neutrális savanyú erubáz talaj szemcseeloszlás görbéit a különböző előkészítő eljárások hatására a 2. ábrán mutatjuk be. A három különböző helyről származó minta szemcseösszetétele mindegyik kezelés hatására közel azonos képet mutat (3. táblázat). A minták közös vonása a nagy (8 12%) humusztartalom. Nagyon jól elkülönülnek a desztillált vizes Napirofoszfátos kezelések görbéi a hidrogén-peroxidos kezelésekétől. Az 1 5. kezelések eloszlásgörbéi közel azonos lefutásúak. Az intenzívebb (Na-pirofoszfátos) 4. és 5. kezelések görbéi azonban, már kis mértékben az origó felé csúsznak. Az agyagtartalomban az 1 5. kezelések közül a 3. kezelés különül el leginkább a többitől. A 3. kezelés agyagtartalma átlagosan 3, ill. 4%-kal több az 5., ill. 4. kezelésben mértnél (3. táblázat). A H 2 O 2 -os kezelések görbéi a nagy humusztartalmú 101 és 102 mintánál jelzett változást mutatják. Középértékük a x tengelyen jelentősen balra tolódik. Az 1 5. kezelések esetében a 20 50 μm között mutatkozó csúcs eltűnik, helyette 2 és 10 μm-nél jelentkezik két maximum a görbén. A 48 44 μm-es desztillált vizes 12,2 μm-es módusz 2,6 μm-re csökken a hidrogén-peroxidos kezelésben. A 7. (ultrahangos) kezelés hatására még inkább balra tolódik a görbe, ami az agyagtartalom további közel 8%-os emelkedését jelenti. gyakoriság % 10 9 8 7 6 5 4 3 2 1 0 0,1 1 10 100 szemcseméret (μm) 1 2 3 4 5 6 7-es kezelés 2. ábra A 108 kódszámú minta (fekete neutrális savanyú erubáz talaj) szemcseeloszlás görbéi a különböző előkészítő eljárások hatására. Kezelések: lásd 1. ábra

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 389 109 (erodált barna erdőtalaj), 110 és 111 (agyagbemosódásos barna erdőtalaj) minták A 110 és 111 kódszámú minták szemcseeloszlás változását a különböző előkészítő eljárások hatására a 3. ábrán mutatjuk be. 5 A 4 gyakoriság % 3 2 1 0 0,1 1 10 100 7 B gyakoriság % 6 5 4 3 2 1 0 0,1 1 10 100 szemcseméret (μm) 1 2 3 4 5 6 7-es kezelés 3. ábra A 110 (A) és 111 (B) kódszámú (agyagbemosódásos barna erdőtalaj) minták szemcseeloszlás-változása a különböző előkészítő eljárások hatására. Kezelések: lásd 1. ábra A három, löszön kialakult talajszelvény mintái hasonló képet mutatnak. Az erubáz mintákhoz hasonlóan az előkészítő kezelések eredményeként lényegesen változik a szemcseeloszlás értéke a 20 50 μm közötti tartományban. Azonban míg az erubáz talajok esetében ez a csúcs a hidrogén-peroxidos kezelés hatására minden esetben eltűnik, a (10 50 µm szemcseméretű) löszön képződött talajminták esetében (nem meglepően) egy kisebb maximum állandósul. A 10 μm-nél található maximum a kezelések hatására minimálisan változik, vagyis a 20 50 μm-es csúcs eltűnése (azaz a 20 50 μm-es mikroaggregátumok szétesése) a 2 μm körüli másodlagos maximum kialakulását eredményezi. Az agyagtartalom változása a kis humusztartalmú erubáz mintákhoz hasonlóan a Na-pirofoszfátos és hidrogénperoxidos kezelésekben kisebb mértékű. A 7. kezelésben mért agyagtartalom átlagosan a kétszerese a Na-pirofoszfátos kezeléséhez képest (3. táblázat).

390 MADARÁSZ et al. 3. táblázat A 106 117. kódszámú minták szemcseösszetétele kezelésenként (1) Kezelés száma (1) Kezelés száma 1 2 3 4 5 6 7 1 2 3 4 5 6 7 106 sz. minta 107 sz. minta A 4,2 4,4 7,4 5,0 5,3 24,3 33,0 4,2 4,6 12,0 6,2 8,7 18,9 26,7 I 20,3 21,4 28,6 30,2 31,0 72,9 66,9 19,8 22,2 41,0 31,6 35,7 79,6 73,2 H 75,5 74,3 64,1 64,8 63,7 2,8 0,1 76,0 73,3 47,0 62,2 55,6 1,5 0,1 108 sz. minta 109 sz. minta A 4,1 4,6 9,7 6,0 6,9 22,7 31,3 10,2 10,6 15,6 12,3 15,9 24,6 32,6 I 17,9 19,6 32,6 32,3 35,1 77,1 68,7 42,7 45,9 50,5 61,8 64,1 69,3 63,4 H 78,0 75,8 57,7 61,7 58,1 0,2 0,0 47,1 43,5 33,9 25,9 20,1 6,1 4,0 110 sz. minta 111 sz. minta A 11,9 12,9 17,0 13,1 18,0 24,6 26,2 9,9 10,4 19,8 13,1 26,8 17,9 28,3 I 56,7 61,9 65,9 64,7 61,9 68,9 67,1 40,6 45,1 56,7 64,7 61,2 64,8 61,5 H 31,5 25,2 17,1 22,2 20,1 6,5 6,7 49,5 44,5 23,5 22,2 12,0 17,3 10,3 112 sz. minta 113 sz. minta A 1,3 0,9 0,9 1,6 1,2 0,7 1,9 11,7 11,9 17,3 13,2 17,8 23,6 45,6 I 2,3 1,6 1,1 3,8 7,0 1,1 3,2 45,0 48,6 54,9 66,5 67,3 76,4 54,4 H 96,3 97,6 98,0 94,6 91,8 98,2 94,9 43,4 39,5 27,9 20,3 14,9 0,0 0,0 114 sz. minta 115 sz. minta A 20,8 n.a. n.a. 21,3 29,7 25,9 26,3 6,4 6,9 9,9 7,9 12,3 22,2 35,9 I 72,5 n.a. n.a. 73,4 70,0 73,7 73,3 30,7 34,7 41,3 49,0 58,6 77,8 64,1 H 6,7 n.a. n.a. 5,3 0,3 0,4 0,4 62,9 58,4 48,7 43,1 29,1 0,0 0,0 116 sz. minta 117 sz. minta A 6,2 6,6 15,3 5,6 8,9 33,3 49,3 3,5 3,9 5,3 4,6 5,4 18,1 32,2 I 26,7 29,0 32,0 34,0 37,7 66,7 49,4 12,6 15,8 17,8 18,4 19,2 74,5 67,8 H 67,1 64,4 52,7 60,5 57,4 0,0 1,3 83,9 80,3 76,9 76,9 75,4 7,4 0,0 Megjegyzés: Szemcseösszetétel: A: agyag, I: iszap, H: homok; Kezelések: lásd 1. ábra 112 minta (folyóvízi homok) A kontrollként használt folyóvízi homok (homok durva homok) esetében leginkább a homogén mintavétel okozott nehézséget. Ebből adódóan a mérésismétlés elengedhetetlen volt. A mért eloszlásgörbék mindazonáltal egységesek. A vizsgálat (és a statisztikai elemzés is) jól mutatja, hogy a dezaggregáltnak tekintett szemcsékre a kezeléseknek nincs jelentős hatása (3. táblázat). 113 és 115 minták (fekete rendzina) A nagy szervesanyag-tartalmú fekete rendzina (113 és 115) minták hasonló lefutású eloszlásgörbéket mutatnak a 101 102 és a 105 108 sz. erubáz mintákéval. Az intenzívebb előkészítő kezelések hatására fokozatosan fogy el, az 1. kezelésnél még a legjelentősebb a 20 50 μm közötti maximum csúcs. A talajminták szemcse-

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 391 eloszlása (e talajminták esetében is) drasztikusan változik a H 2 O 2 -os kezelések hatására. A 20 50 μm-es szemcsék teljesen eltűnnek. A 113 számú mintánál a második (10 μm-es) csúcs is jelentősen csökken, míg ugyanezen csúcs a 115-ös mintánál az origó irányába tolódik. Mindkét mintánál a 7. kezelés hatására 2 μm-nél új maximum jelenik meg. Jelentős az agyagtartalom látszólagos növekedése. A desztillált vizes és a Na-pirofoszfátos kezelésekhez képest az agyagtartalom 10%-ról 40%-ra ugrik a 7. kezelésben. Agyagtartalomban még a 6. és 7. kezelések között is közel 60 (115), ill. 90%-os (113) eltérést találunk az utóbbi kezelés javára (3. táblázat). 116 és 117 minták (karbonátos humuszos homok) A két előzetesen karbonátos humuszos homoknak meghatározott mintánál egymáshoz hasonló lefutású görbéket várnánk. A két minta mégis különbözik (4. ábra). A 117-es (finom homok) minta (CaCO 3 30%) a nagy humusztartalmú erubáz mintákhoz hasonló, vagyis a desztillált vizes és a Na-pirofoszfátos kezelések görbéi összeolvadnak. A szemcseeloszlási görbében a H 2 O 2 -os kezelések hoznak változást. A szokásos 20 50 μm közötti maximum a 7. kezelés hatására eltűnik és 2, ill. gyakoriság % 7 6 5 4 3 2 1 gyakoriság % A 0 0,1 1 10 100 1000 B 10 9 8 7 6 5 4 3 2 1 0 0,1 1 10 100 1000 szemcseméret (μm) 1 2 3 4 5 6 7-es kezelés 4. ábra A 116 (A) és 117 (B) kódszámú (karbonátos humusz homok) minták szemcseeloszlása az előkészítő eljárások szerint. Kezelések: lásd 1. ábra

392 MADARÁSZ et al. 10 μm-nél alakul ki két újabb kisebb maximum, vagyis a homokfrakció teljesen eltűnik. A desztillált vizes és pirofoszfátos kezelésekkel 4%, míg a 7. kezeléssel több mint 32% agyagtartalmat mértünk. A 116-os desztillált vizes kezeléseknél még durva homokrészeket is tartalmazó minta változatosabb képet mutat, amely elsősorban a szemcseösszetételből adódik (200 μm-es maximum). Az előző mintával ellentétben, itt az 5. kezelés hatására már jelentősen megváltozik a görbe lefutása, de a drasztikus változás és a homokfrakció eltűnése a hidrogén-peroxidos kezelések hatására következik be itt is. A 116 számú minta agyagtartalma a Na 4 P 2 O 7 -kezeléssel 5,6%, míg a H 2 O 2 - és ultrahangos kezelés hatására több mint 49% lett. Mindkét minta közös vonása, hogy karbonáttartalmuk nagy része a talajban található tömérdek csigaházból és annak törmelékéből származik. A Na 4 P 2 O 7 -os kezelés a homokfrakciójú csigahéjakat érintetlenül hagyja, azonban a hidrogénperoxidos kezelés szabadsav-tartalma feloldja azokat (BALÁZS et al., 2011), így az agyagtartalom relatív aránya megnő a mintán belül. A kezelések statisztikai értékelése A mintaelőkészítő eljárások közötti különbségek értékeléséhez varianciaanalízist végeztünk, amelynek eredménye megerősítette, hogy a 6. és 7. kezelésekkel szignifikánsan nagyobb az agyagtartalom, mint az 1 5. kezelések esetében. A 3., 5. és 6. kezelés egyfajta átmeneti kategóriát képez, amelyen belül nincs szignifikáns eltérés az agyagtartalomban. A 4. táblázat a varianciaanalízis Post Hoc tesztjét, valamint a talajminták agyagtartalmának átlagértékeit tartalmazza az egyes kezelések esetén. Kezelésenként a talajminták agyag-, iszap- és homoktartalmából a főkomponens analízissel képzett 1-1 faktor a kiinduló változók varianciájának több, mint 90%-át magyarázza (KMO>0,8; Bartlett-teszt: szignifikancia). A főkomponensek a változók heterogenitásának nagy részét megőrzik (kommunalitásuk>0,82). A komponens mátrixok szerint a főkomponensekben minden változó nagy súllyal szerepel. A 4. táblázat A talajminták átlagos agyagtartalma a különböző kezelésekkel (%) (Scheffe-féle Post Hoc teszt lefuttatásával kapott varianciaanalízis eredmények alapján) (1) Kezelés N (2) Szignifikancia szint: 0,05 1 2 3 2 16 8,277500 1 17 9,097059 4 17 11,252941 3 16 13,818750 13,818750 5 17 17,268824 17,268824 6 17 22,895882 22,895882 7 17 31,705294 Szig. 0,118 0,111 0,135 Kezelések: lásd 1. ábra

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 393 talajminták szemcseméret szerinti megoszlása így egy-egy változóval leírható. Az egyes kezelések szerint történő összehasonlítás során azt tapasztaltuk, hogy a 6. és 7. előkészítéssel a talajminták szemcseösszetételének varianciája lényegesen kisebb, mint az 1 5. kezeléseké. A talajminták különbségét az intenzívebb előkészítő eljárások tehát nagyrészt eltűntetik (5. és 6. ábra). A 12 számú (kontrollként használt homok) minta kiugró értékként szerepel a 6. és 7. kezelésekben. A 6. és 7. kezelések meglepően kicsi varianciája azt sugallja, hogy a nagyon változatos összetételű és eredetű vizsgált talajmintáknak igen hasonló, szinte megegyező a szemcseösszetétele. Vagyis lényegében csak aggregáltságukban, mész- és humusztartalmukban különböznek. 5. ábra A talajminták szemcseösszetételét jellemző faktor score-ok eloszlása kezelésenként 6. ábra A talajminták agyagtartalma az egyes kezelésekben. Kezelések: lásd 1. ábra

394 MADARÁSZ et al. Az egyes előkészítő eljárások különbségének okát keresve korrelációanalízist végeztünk. Az agyagtartalom a karbonáttartalommal igen gyenge összefüggést mutat valamennyi kezelésben. A humusz az agyagtartalommal már erősebben korrelál, de a Pearson-féle korrelációs együttható az 5. kezelés esetén is alig nagyobb 0,5-nél. Az 1 5. kezelésekkel kapott agyagtartalom és a humusztartalom között negatív, míg a 6. és 7. kezelések esetében gyenge pozitív kapcsolatot találtunk. Vagyis a különböző előkészítő eljárások eredményét nem tudtuk talajtulajdonságokkal magyarázni. Az elemszám és a tulajdonságaik eloszlása ezt nem tette lehetővé. Összefoglalás Talajok szemcseösszetételének vizsgálata előtt nélkülözhetetlen a talajban található eltérő tulajdonságú kötőanyagok feloldása, roncsolása, mivel ezeknek fontos szerepe van a mikro- és makroaggregátumok kialakításában. Ennek hiányában jelentős mennyiségű agyagszemcse marad aggregátumokban, a szemcseösszetételt, agyagtartalmat jelentősen módosítva. Jelen tanulmányban az egyik leggyakoribb ragasztóanyagnak, a talajok humusztartalmának a hatását vizsgáltuk. A statisztikai analízis eredménye szerint a humuszt bontó hidrogén-peroxidos kezelésekkel a kontrollként használt, humusz nélküli folyóvízi homok kivételével szignifikánsan nagyobb agyagtartalmat mérünk, mint a MSz szerinti Na-pirofoszfátos kezeléssel. A hidrogén-peroxidos előkészítéssel a talajminták szemcseösszetételének varianciája lényegesen kisebb, mint más kezeléseké, vagyis az intenzívebb előkészítő eljárásokkal a minták szemcseméret eredményeinek különbsége csökken. Az előkészítő eljárások különbségének az okát keresve a talajok humusz- és agyagtartalmának korrelációját elemeztük. A humusz az agyagtartalommal gyengén korrelált. Az 1 5. kezelésekkel kapott agyag- és a talaj humusztartalma között negatív, míg a hidrogén-peroxidos kezelések esetén gyenge pozitív kapcsolatot mutattunk ki. Az ultrahangos kezelések kiemelt jelentőségűek az előkészítésekben, de az agyagtartalomban szignifikáns különbség csak a hidrogén-peroxidos kezelések esetén mutatható ki. Vizsgálataink megmutatták a talajminták szemcseméret elemzése előkészítésének, az ásványi szemcsék dezaggregálásának fontosságát, valamint azt, hogy a dezaggregálás elégtelensége jelentősen kisebb agyagtartalmat eredményez. Talajok szemcseméret meghatározásában, de különösen a jelentősebb szervesanyag-tartalmú talajokéban a hidrogénperoxidos előkészítő eljárás használandó. A Na-pirofoszfátnak és az ultrahangos kezelésnek a talajminta diszpergálásában van nagy jelentősége. Szükségesnek tartjuk ezért a hazai talaj szemcseméret-elemzés szabványát (szabványait) felülvizsgálni, továbbá az európai szemcseméret-elemzési eljárások tapasztalatainak megismerését és beépítését a hazai szemcseméret analitikai gyakorlatba. Kulcsszavak: szemcseösszetétel-vizsgálat, hidrogén-peroxid, Na-pirofoszfát, lézerdiffrakció, humusz

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 395 Irodalom BALÁZS R. et al., 2011. A mechanikai összetétel meghatározása során alkalmazott FAO minta-előkészítés talajásványtani hatása. In: LIII. Georgikon Napok, 2011. szeptember 29 30. 73 83. PE Georgikon Kar, Keszthely. BALLENEGGER R. & DI GLÉRIA J., 1962. Talaj- és trágyavizsgálati módszerek. Mezőgazdasági Kiadó. Budapest. BEUSELINCK, L. et al., 1998. Grain-size analysis by laser diffractometry: comparison with the sieve-pipette method. Catena. 32. 193 208. BURT, R. (Ed.), 2004. Soil Survey Laboratory Methods Manual. Soil Survey Investigations Report No. 42. USDA Natural Resources Conservation Service. Washington, D. C. BUURMAN, P., DE BOER, K. & PAPE, TH., 1997a. Laser diffraction grain-size characteristics of Andisols in perhumid Costa Rica: the aggregate size of allophane. Geoderma. 78. 71 91. BUURMAN, P., PAPE, TH. & MUGGLER, C. C., 1997b. Laser grain-size determination in soil genetic studies. 1. Practical problems. Soil Science. 162. 211 218. BUURMAN, P., VAN LAGEN, B. & VELTHORST, E. J. (Eds.), 1996. Manual for Soil and Water Analysis. Backhuys Publishers. Leiden. BUURMAN, P. et al., 2001. Laser-diffraction and pipette-method grain sizing of Dutch sediments: correlations for fine fractions of marine, fluvial and loess samples. Netherland Journal of Geosciences. 80. 49 57. BUZÁS I., 1988. Talaj- és agrokémiai vizsgálati módszerkönyv 2. Mezőgazdasági Kiadó. Budapest. DEZSŐ J., RAUCSIK B. & VICZIÁN I., 2007. Villányi-hegységi karsztos hasadékkitöltések szemcseösszetételi és ásványtani vizsgálata. Acta GGM Debrecina Geology, Geomorphology, Physical Geography Series. 2. 151 180. DI STEFANO, C., FERRO, V. & MIRABILE, S., 2010. Comparison between grain-size analyses using laser diffraction and sedimentation methods. Biosystems Engineering. 106. 205 215. ESHEL, G. et al., 2004. Critical evaluation of the use of laser diffraction for particle-size distribution analysis. Soil Sci. Soc. Am. J. 68. 736 743. FILEP GY. & TARR L., 1975. Talajtani vizsgálatok. DATE MTIK, Talajtani- és Mikrobiológiai Tanszék. Debrecen. FRITSCH GMBH., 2005. Operating instructions: Laser Particle Sizer analysette 22 MicroTec. HARTGE, K. H. & HORN, R., 1992. Die Physikalische Untersuchung von Böden. Ferdinand Enke Verlag. Stuttgart. HERNÁDI H. et al., 2008. A talaj mechanikai összetételének meghatározása különböző módszerekkel. Talajvédelem. Különszám. 105 114. HOFF, E. V. & BOTT, S., 1990. Optical theory and refractive index: why it is important to particle size analysis. Coulter Technical Bulletin LS Series. 1010(8). KLUTE, A. (Ed.), 1986. Methods of Soil Analysis. Part 1. Amer. Soc. Agron. Inc. and SSSA, Inc. Madison, Wisc. KONDRLOVÁ, E., IGAZ, D. & HORÁK, J., 2012. Determination of sample preparation method for laser diffraction: from suspension towards soil paste. Növénytermelés 61. Különszám. 275 278.

396 MADARÁSZ et al. KONERT, M. & VANDENBERGHE, J., 1997. Comparison of laser grain size analysis with pipette and sieve analysis: a solution for the underestimation of the clay fraction. Sedimentology. 44. 523 535. LOIZEAU, J. L. et al., 1994. Evaluation of wide range laser diffraction grain size analyser for use with sediments. Sedimentology. 41. 353 361. MADARÁSZ B., 2009. A magyarországi erubáz talajok komplex talajtani vizsgálata, különös tekintettel agyagásvány-összetételükre. Egyetemi Doktori Értekezés, ELTE. Budapest. MAEDA, T., TAKENAKA, H. & WARKENTIN, B. P., 1977. Physical properties of allophane soils. Adv. Agron. 29. 229 264. MAKÓ A. & HERNÁDI H., 2010. A talajok szemcseösszetételének vizsgálata során alkalmazott különböző előkészítési módszerek összehasonlító értékelése. In.: TÖRÖK Á. & VÁSÁRHELYI B., 2010. Mérnökgeológia-Kőzetmechanika. 99 107. Műegyetemi Kiadó. Budapest. MAKÓ A. et al., 2002. A különböző szabványos módszerek szerint mért agyagtartalom és néhány egyéb talajfizikai paraméter összefüggésének vizsgálata. In: XVI. Országos Környezetvédelmi Konferencia és Szakkiállítás. Siófok, 2002. szeptember 11 13. 231 239. MUGGLER, C. C., PAPE, TH. & BUURMAN, P., 1997. Laser grain-size determination in soil genetic studies, 2. Aggregation and clay formation in some Brazilian Oxisols. Soil Science. 163. 219 228. ROWELL, D. L., 1994. Soil Science, Methods and Applications. Longman Sci. and Techn. Publ. Harlow, Essex. RYŻAK, M. & BIEGANOWSKI, A., 2011. Methodological aspects of determining soil particle-size distribution using the laser-diffraction method. J. Plant Nutr. Soil Sci. 174. 624 633 SCHULZE, D. G. et al., 1996. Procedure for dispersion and fractionation of soils for mineralogical analysis. Agronomy. 650. 215 243. SOCHAN, A. et al., 2012. Comparison of soil texture determined by two dispersion units of Mastersizer 2000. Int. Agrophys. 26. 99 102. SUMMA, V. et al., 2007. The role of mineralogy, geochemistry and grain size in badland development in Pisticci (Basilicata, Southern Italy). Earth Surf. Process. Landforms 32. 980 997. STEFANOVITS P., FILEP GY. & FÜLEKY GY., 1999. Talajtan. Mezőgazda Kiadó. Budapest. VANDECASTEELE, B. & DE VOS, B., 2001. Relationship between soil textural fractions determined by the sieve-pipette method and laser diffractometry. Rapporten van bet Instituut voor Bosbouw en Wildbeheer. Geraardsbergen, Belgium. VAN REEUWIJK, L., P., 2002. Procedures for Soil Analysis. ISRIC-FAO, Wageningen, The Netherlands. Érkezett: 2012. február 23.

Lézes szemcseösszetétel elemzés néhány előkészítő eljárásának vizsgálata 397 Examination of sample preparation methods for the laser grain size analysis of soils with high organic matter content 1,2 B. MADARÁSZ, 1 G. JAKAB, 1 Z. SZALAI and 2 K. JUHOS 1 Geographical Institute, Research Centre for Astronomy and Earth Sciences, Hungarian Academy of Sciences, Budapest and 2 Department of Soil Science and Water Management, Faculty of Horticultural Science, Corvinus University of Budapest, Budapest Summary According to the Hungarian Standard (MSZ), a simple sodium pyrophosphate treatment is applied for the grain size distribution analysis of soils in Hungary. The main goal of the present study is to reveal how different sample preparation methods affect the results of grain size distribution measurements. In other words, the proportion of clay minerals is examined depending on how the samples are prepared. A further aim is to determine the size of the original aggregates. Seventeen samples taken from 5 soil types were studied together with a fluvial sand sample in a total of 119 analyses. Most of the examined soils were rich in organic material. In most cases samples were collected from the uppermost A horizon, but on several occasions from various depths in the soil profile, as well. Each 20 g air-dry sample was passed through a 2 mm sieve. The selected samples were analysed after preparation with 7 different methods: (1) soaking the soil in distilled water (21 C) for half an hour, (2) soaking the soil in a 70 C water-bath for 12 hours, (3) soaking the soil in a 70 C water-bath for 12 hours followed by ultrasonic treatment for 10 min, (4) pre-treatment of the soil samples with sodium pyrophosphate according to the standard procedure (MSZ 08-0205-1978), (5) pre-treatment of the soil samples with sodium pyrophosphate according to the standard procedure followed by ultrasonic treatment for 10 min, (6) hydrogen peroxide (H 2 O 2 ) treatment as proposed by van Doesburg (BUURMAN et al. 1996), (7) H 2 O 2 treatment followed by ultrasonic treatment for 10 min. The prepared soil suspensions were analysed using Fritsch Analysette Microtech 22 laser diffraction equipment (0.109 628 µm). The data were statistically analysed using PASW Statistics 18 software. The investigations confirmed that soil samples treated with H 2 O 2 have a higher measured clay content than those prepared using sodium pyrophosphate. Besides, hydrogen peroxide treatment results in much smaller variance in the grain size distribution compared to other methods, meaning that more intensive preparation reduces the differences between the samples. A slight correlation between humus and clay content was revealed by correlation analysis, which was carried out to explain the observed differences between the treatments. Ultrasonic treatment had an outstanding role in the treatment of soil samples. This study demonstrated the importance of proper sample preparation, showing that the insufficient dispersion of mineral particles leads to false clay content values. In the case of soils, especially those rich in organic material, it is suggested that hydrogen peroxide treatment should be applied to destroy organic matter, whereas ultrasonic treatment and sodium pyrophosphate are the most effective methods for the dispersion of the soil samples.

398 MADARÁSZ et al. Table 1. Main data of the soil samples. (1) Sample code and site. (2) Horizon, depth, cm. (3) Soil type. a) Basic erubáz; b) brown neutral acidic erubáz; c) erubáz hillslope sediment soil with a high humus content; d) black neutral acidic erubáz; e) lessivated brown forest soil; f) brown forest soil with clay illuviations; g) fluvial sand; h) black rendzina; i) red clay rendzina; j) calcareous humous sandy soil. (4) Humus, %. (5) Parent material. k) basalt; l) andesite; m) basaltic pyroclastite; n) loess; o) limestone; p) clay; r) sand. Note: Classification of erubáz soils based on MADARÁSZ (2009). Table 2. Grain size distribution and modus of samples 101 104 in each treatment. (1) Treatments. Note: Grain size distribution: A: clay, I: silt, H: sand; Mo: Modus; Treatments: see Fig. 1. Table 3. Grain size distribution of samples 106 117 in each treatment. (1) Treatments. Note: Grain size distribution: A: clay, I: silt, H: sand; Treatments: see Fig. 1. Table 4. Mean clay content of the soil samples in the different treatments (%) (based on the results of analysis of variance using the Scheffe post hoc test). (1) Treatment. (2) Significance level. Treatments: see Fig. 1. Fig. 1. Grain size distribution of the basic erubáz samples coded 101 (A) and 102 (B) in response to various preparation methods. Treatments: soaking for half and hour in distilled water; 2. soaking for 12 h in distilled water in a 70 C water bath; 3. soaking for 12 h in distilled water in a 70 C water bath, followed by 10 min ultrasonic treatment (35 khz); 4. Na-pyrophosphate treatment (MSz 08-0205-1978); 5. Na-pyrophosphate treatment, followed by 10 min ultrasonic treatment (35 khz); 6. hydrogen peroxide (H 2 O 2 ) treatment as proposed by van Doesburg (BUURMAN et al., 1996), (7) H 2 O 2 treatment followed by ultrasonic treatment for 10 min (35 khz). Fig. 2. Grain size distribution curves for sample 108 (black neutral acidic erubáz soil) in response to various sample preparation methods. Treatments: see Fig. 1. Fig. 3. Grain size distribution curves for samples 110 (A) and 111 (B) (brown forest soil with clay illuviations) in response to various sample preparation methods. Treatments: see Fig. 1. Fig. 4. Grain size distribution curves for samples 116 (A) and 117 (B) (calcareous humous sandy soil) in response to various sample preparation methods. Treatments: see Fig.1. Fig. 5. Distribution of the factor scores characteristic of the grain size distribution of the soil samples for each treatment. Fig. 6. Clay content of the soil samples in each treatment. Treatments: see Fig. 1.