1 引言(Introduction)

土壤作为地球系统最大的活跃碳库, 在调节全球碳循环与维持碳平衡方面有着重要作用(Raich et al., 1995).土壤有机碳矿化是联系土壤系统内外物质循环的重要环节.气候变化通过影响土壤水热条件、微生物活性等, 改变土壤有机碳矿化速率, 进而影响生态系统的结构及功能并带来一系列气候问题, 从而对人类社会的生存和发展产生影响(Leiros et al., 1999).因此, 气候变化对陆地生态系统碳循环的影响成为生态学家关注的重要问题(傅伯杰等, 2005).

一般而言, 温度和水分对土壤有机碳矿化速率和累积矿化量都有着显著影响, 但对两者的相对重要性存在争议(Lafleur et al., 1995; Mi et al., 2015).大多数研究表明, 在潮湿环境中, 温度占主导作用, 即有机碳矿化量随温度的升高而显著增加, 而在相对干旱的环境中, 水分成为有机碳矿化的限制因子(Suseela et al., 2012;徐冰鑫等, 2014; Zhang et al., 2016).由于水分与微生物活性、氧供应能力等其他因素之间存在密切而复杂的联系(Linn et al., 1984; Wang et al., 2010; Arnold et al., 2015), 因此, 对于碳矿化与土壤水分的关系尚未有定论.同时, 受当地气候条件、植被组成、土壤养分、土壤生物组成和活性及实验方法的影响, 土壤有机碳矿化对气候变化的响应存在时空差异.因此, 了解影响土壤有机碳矿化的环境因素对于理解区域尺度地-气间碳循环具有重要意义.

大兴安岭位于欧亚大陆多年冻土区的南缘地带, 现存多年冻土面积约3.9×10⁵ km², 冻土赋存条件脆弱, 热稳定性较差, 更易受气候和环境变化的影响.长期冷湿的环境为其赋存了大量的有机质, 地表温度升高正在导致冻土融化, 且很可能使大量的有机质暴露于土壤微生物的分解(Schuur et al., 2015; Bracho et al., 2016), 这势必会对该区土壤碳循环产生重大影响, 因此, 在全球气候持续变化的背景下, 有必要明确该地区土壤有机碳矿化的影响因素.本文选取大兴安岭多年冻土区典型森林土壤进行室内培养实验, 探讨温度及水分对不同类型森林土壤有机碳矿化的影响, 建立土壤碳矿化与土壤温度和水分的关系模型, 预测未来气候变化背景下多年冻土区森林土壤有机碳矿化程度, 以期为全面认识多年冻土碳循环机制及深入了解并预测全球变化趋势的影响提供基础支持.

2 材料与方法(Materials and method) 2.1 研究区概况

研究区位于大兴安岭北段, 漠河市北极村(52°10~53°33′N, 121°07′~124°20′E), 该区属寒温带大陆性气候, 是我国最寒冷的地区, 1月平均温度为-30.9 ℃, 8月平均温度为18.4 ℃, 年平均气温为-5.5 ℃, 年平均降水量为460.8 mm, 且降雨主要集中在6—8月, 平均无霜期约为86.2 d, 春季大风干旱, 夏季湿热多雨, 秋季多风干燥, 冬季寒冷漫长.土壤以暗棕壤为主, 境内林区保留着原始林景观, 地带性植被类型主要有兴安落叶松(Larix gmelini)、樟子松(Pinus sylvestris var. mongolica)、白桦(Betula platyphylla)、杜香(Ledum palustre)、杜鹃(Rhododendron simsii)、云杉(Dragon spruce)等.

2.2 土壤样品采集与处理

于2018年9月在研究区选取相距2000 m的落叶松、樟子松两种典型森林土壤类型.为减少空间差异性的影响, 每种林型随机布置4个100 m²大小的样方.在去除地表植被及腐殖质后, 每个样方分别采集3袋样品(0~15 cm), 然后将其混合, 最终得到4个复合样品.将土壤样品去除顶空密封在塑料袋中, 运至实验室.去除可见植物根茎及碎石后, 将各土样充分混匀, 用于培养实验和基础理化性质的测定(表 1).使用N/C 3100分析仪(德国analytik jena)测量土壤有机碳(SOC)含量.在催化剂参与下使用浓硫酸高温消解, 通过SAN++连续流动分析仪(Skalar Analytical, NL)测定土壤中总氮(TN)、总磷(TP)的含量.根据氯化钾溶液提取-分光光度法, 用2 mol·L^-1的氯化钾溶液振荡离心后过滤, 利用SAN++连续流动分析仪(Skalar Analytical, NL)分析土壤中的氨态氮(NH₄⁺-N)和硝态氮(NO₃^--N)含量.土壤含水量(SWC)在105 ℃的烘箱中烘至恒重后测得.采用1:10的土水比测定风干土的土壤pH.

2.3 培养实验

设计温度(5、10、15 ℃, 分别标记为T1、T2、T3)和水分(30%、45%、60%质量含水量, 分别标记为W1、W2、W3)的交互实验, 将每个土壤样品(相当于20 g干土重)装于250 mL密封玻璃罐中, 放至培养箱(Thermo, USA)中培养60 d.每个培养温度下, 添加3个空罐作为空白对照.培养过程中每3 d称重, 以补偿水分损失.因CH₄在土壤有机碳矿化中仅占约0.5‰, 有机碳矿化速率以CO ₂的排放速率表示, 在培养期的第1、3、6、10、15、21、28、36、45和60 d进行测定(GC, Agilent 7890B, USA).取样前将与培养瓶连接的三通阀打开, 用注射器对瓶内空气进行清洗, 保持一致起始浓度, 再将三通阀关闭并放回培养箱培养, 1 h后取出用带有三通的注射器抽出20 mL气体, 用于浓度分析.

2.4 计算与统计分析

土壤有机碳矿化速率由密闭1 h后CO₂浓度与空白样品CO₂浓度差算得, 公式如下所示(Lang et al., 2011)：

(1)

式中, F为土壤有机碳矿化速率(mg·kg^-1·h^-1)；ρ为CO₂标准气体浓度(g·L^-1)；△C为密闭1 h后CO₂与空白样品浓度差(ppmv·h^-1)；V为培养瓶的体积(mL)；T为培养温度(℃)；W为培养土壤干重(kg)

土壤有机碳累积矿化量由公式(2)得到(Cai et al., 2013)：

(2)

土壤有机碳矿化温度敏感性用Q₁₀(Kirschbaum et al., 1995;Mikan et al., 2002)表示：

(3)

(4)

式中, R为CO₂释放速率(mg·kg^-1·h^-1)；T为培养温度(℃)；α和β为参数.

采用Microsoft Excel 2016对数据进行初步整理, 数据处理及分析采用SPSS22.0统计软件进行.通过单因素方差分析(LSD)分析不同处理下两种林型土壤累积矿化量的差异；Pearson相关分析用于检验累积矿化量与可用底物之间的关系；采用多因素方差分析法分析温度、水分和林型及其交互作用对总矿化的影响.总矿化的主要影响因素用逐步回归分析法来评估.图形处理采用Origin2016制图软件完成.

3 结果与分析(Results and analysis) 3.1 土壤有机碳矿化速率

如图 1所示, 不同时期土壤碳矿化速率有所差异, 整体来看, 呈先降低后稳定的趋势.落叶松土壤在培养初期土壤有机碳矿化速率最大, 随着培养时间的延长逐渐下降, 并于第15 d逐步上升趋于稳定, 这种特征在60%水分处理(W3)下尤为明显.樟子松土壤有机碳矿化速率随时间波动频次较大, 但波动幅度较低.同一温度下, 两种林型土壤有机碳矿化速率随水分表现出相反的趋势, 落叶松土壤在水分为30%(W1)时有机碳矿化速率最大, 而樟子松土壤在水分为60%时有机碳矿化速率最大.在相同水分处理下, 两种林型土壤有机碳矿化速率均表现出随温度升高而增大的趋势.整个培养期内, 矿化率最大值为2.94 mg·kg^-1·h^-1, 出现在落叶松土壤培养第1 d的T3+W1处理；最小值为0.11 mg·kg^-1·h^-1, 出现在落叶松土壤培养第15 d的T1+W1处理.矿化率对于水分变化的响应并不一致, 整个培养过程中, 落叶松土壤在30%水分处理(W1)下土壤有机碳矿化速率最高, 其平均速率是最低的60%水分处理(W3)的2.19倍；樟子松土壤在W3水分处理下土壤有机碳矿化速率最高, 其平均速率是最低的W1水分处理的1.67倍.

3.2 土壤累积矿化量及影响因素

不同森林类型土壤累计碳矿化量对水分响应差异较大.樟子松土壤有机碳分解的适宜含水量为60%；相反, 落叶松土壤有机碳矿化适宜含水量明显偏低, 为30%；樟子松土壤水分状况超过饱和含水量(约30%质量含水量)后, 有机碳的矿化不受水分过多限制, 矿化速率持续增加；而落叶松土壤水分状况超过饱和含水量(约45%质量含水量)后, 其有机碳的矿化对水分过多比较敏感, 矿化速率明显下降.从图 2可以看出, 在整个培养周期中, 当土壤水分恒定时, 总矿化量随温度升高而增加.落叶松林土壤的累积碳矿化量在T3+W1处理下达到最大, 为2.29 mg·g^-1, 而其最小值出现在T1+W3处理下, 为0.46 mg·g^-1；樟子松林土壤的累积碳矿化量在T3+W3处理下达到最大, 为1.46 mg·g^-1, 而其最小值出现在T1+W1处理下, 为0.39 mg·g^-1.在土壤水分为30%、45%和60%情况下, 当土壤温度从5 ℃提高到15 ℃, 落叶松土壤累积碳矿化量分别显著增加106%、175%和160%, 樟子松土壤累积碳矿化量分别显著增加135%、135%和124%.

如表 2所示, 土壤有机碳累积矿化量受温度、水分、森林类型的显著影响(p < 0.001).温度与林型, 水分与林型及三者的交互作用对累积矿化量也有显著影响(p < 0.001), 但未见温度与水分的显著交互效应.在土壤化学性质方面, 相关分析表明, 土壤有机碳累积矿化量与土壤酸碱度呈显著正相关, 与土壤TN、TP、NH₄⁺-N和NO₃^--N呈显著负相关, 而与土壤总有机碳含量无显著相关关系(表 3).

3.3 不同水分处理下土壤有机碳矿化的温度敏感性

土壤有机碳分解的温度敏感性通常用Q₁₀表示, 表示温度每升高10 ℃, 土壤有机碳分解速率增加的倍数, 是预测未来土壤碳动态的关键参数.大多数研究表明, 有机碳矿化速率随温度升高而升高(Linn et al., 1984; Wang et al., 2010; Arnold et al., 2015).土壤水分对土壤呼吸的影响较为复杂, 且其效应容易被土壤温度等其他因素所掩盖(Moyano et al., 2013).因此, 用不同含水量下的Q₁₀值来表达含水量对土壤呼吸的影响.如表 4所示, 在本次研究中, 不同处理所得到的温度与土壤有机碳矿化的关系各不相同, 但两个森林的土壤碳矿化度随温度的变化都符合指数函数, 且R²均大于0.95.计算得到的Q₁₀值在兴安落叶松土壤中为2.11~2.41, 在樟子松土壤中为2.31~2.50, 与同地区泥炭地研究中报告的Q₁₀值相当, 这表明多年冻土区森林土壤对温度变化同该地区泥炭地中有机碳一样敏感.樟子松土壤碳矿化的温度敏感性随土壤水分的增加呈上升趋势, 但落叶松土壤在45%水分状态下Q₁₀最大, 即45%为落叶松土壤碳矿化的最佳水分.研究结果表明, 多年冻土区森林表层土壤有机碳分解的温度敏感性随森林类型和土壤水分条件的变化而变化(表 4).樟子松土壤的温度敏感性有略高于落叶松土壤的趋势, 但无显著差异, 这意味着大兴安岭多年冻土区樟子松林土壤对全球变暖的响应比落叶松林土壤更为敏感.究其原因可能为樟子松土壤中氮含量高于落叶松土壤, 森林土壤碳矿化通常被认为是受氮素限制的, 氮素以一种复杂的模式影响微生物的活动(Updegraff et al., 2001; Meyer et al., 2018), 另一方面, 时空差异性在短期培养评估土壤二氧化碳排放时也应被考虑(Turetsky, 2004).

4 讨论(Discussion) 4.1 森林类型对土壤有机碳矿化的影响

森林土壤碳库是全球陆地土壤碳储量中非常重要的部分, 其细微变化将影响地-气间碳交换, 进而影响全球气候变化.大兴安岭地区森林茂密, 且常年冷湿的环境导致土壤有机质分解缓慢, 表层土壤富含有机碳.研究表明, 森林类型对土壤有机碳矿化有着显著影响(张睿等, 2015；杨开军等, 2017).本研究发现, 在整个培养期间, 森林类型对土壤累积矿化量的贡献约为10.9%, 且其与温度和水分三者的交互作用对累积碳矿化量有显著影响(表 2), 落叶松林土壤累积碳矿化量大于樟子松林土壤, 但其温度敏感性低于樟子松林土壤.分析原因可能为:植物凋落物、土壤腐殖质、根系及根系分泌物不同导致不同林型土壤有机碳、氮和磷含量存在差异, 直接影响供微生物和酶促反应利用的营养基质(Song et al., 2017;贺云龙等, 2018)；此外, 相同温度和水分条件下, 基质本身所拥有的微生物的数量和活性差异较大, 而微生物数量和活性是影响碳矿化的重要因子(Bani et al., 2018).

4.2 温度和水分对土壤有机碳累积矿化的影响

土壤有机碳矿化受温度和水分的影响显著, 但温度和水分的交互作用对土壤有机碳矿化的影响在研究中并不明显(p=0.064).逐步回归分析表明, 温度对所有样品累积矿化量的影响(贡献率为48.1%)比水分的影响(贡献率为2.1%)更加强烈, 这与前人的研究结果一致(杨继松, 2008;王丹等, 2013;唐江等, 2016).

温度对土壤有机碳矿化的影响一般都可以用一个指数模型来表示.一定范围的增温可加快化学反应速率、提高酶活性, 并影响微生物的活性、生物量、多样性和群落结构等(吴建国等, 2008).在本研究中, 当温度从5 ℃升高到15 ℃时, 森林土壤有机碳累积矿化量显著增加(图 1、图 2).实际上土壤有机碳矿化程度不可能随着温度的升高或降低而无限加剧或减缓.众所周知, 土壤温度通过控制微生物活性显著影响有机物的分解.在土壤温度过低或过高时土壤微生物的活动受到限制, 且与碳矿化有关的土壤酶活性也有其适宜的温度范围.在本研究中, 土壤水分对土壤二氧化碳累积通量的影响随林型而异, 与同一地区泥炭地的研究结果相似(Wang et al., 2010), 水分为60%时, 樟子松土壤有机碳累积矿化量最高.但随着水分的增加, 落叶松土壤有机碳累积矿化量减小.这说明水分状况对两类森林生态系统有机碳矿化的影响机制存在明显的差别, 造成这一差异的原因可能与土壤自身特性及水分在土壤中的存在状态有关.低含水量会阻碍可溶性有机碳在土壤溶液中的扩散, 降低微生物的活性, 过多的水分降低了土壤的渗透性, 减少了土壤中氧气的供应和扩散, 抑制了好氧微生物的活动(Sierra et al., 2017).此外, 土壤质地可能影响微生物群落结构及细菌和真菌对呼吸速率的贡献(Davidson et al., 1998; Mi et al., 2015), 部分有机质含量较高的土壤中的水是与有机物质结合在一起而形成的结合水(Christensen et al., 1998;张文菊等, 2005).碳矿化与土壤水分之间的关系尚未有定论, 因此, 水分对土壤有机碳矿化的作用机理是一个值得进一步探讨的问题.

了解碳矿化对土壤温度和土壤水分的敏感性对于可靠预测气候变化下的碳动力学十分重要.目前已有很多不同函数模型被用来描述土壤碳矿化对温度和水分的曲线响应(张宏等, 2011;李银坤等, 2014).根据结果, 本研究使用二元二次函数作为预测碳矿化率与土壤温度和水分的模型(图 3), 发现模型很好地预测了矿化作用(p < 0.001), 多项式回归得到的参数非常显著(表 5).当然, 这一结果仅基于有限样本的实验室培养, 有其局限性, 不足以准确预测大兴安岭多年冻土森林土壤有机碳化对气候变化的响应.为了更好地探索多年冻土对气候变化的响应, 未来的研究应着重于更详细地描述退化冻土中的土壤质量和微生物群落, 并研究活动层乃至多冻层土壤有机碳矿化情况.

5 结论(Conclusions)

在大兴安岭多年冻土区, 森林土壤的碳矿化速率随培养时间延长呈现先降低后稳定的趋势, 同一水分条件下, 增温对两种类型森林土壤碳矿化速率均具有促进作用.森林土壤累积碳矿化程度随温度的升高而升高, 相同温度下其最佳含水量因林型而异, 水分为60%时, 樟子松土壤有机碳累积矿化量最高, 但随着水分的增加, 落叶松土壤有机碳累积矿化量减小.多年冻土森林土壤有机碳矿化受土壤温度和水分的显著影响, 但其交互作用对土壤有机碳矿化的影响在本研究中并不明显.